根据提供的研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. 因子名称：总热度指标[7] * 因子构建思路：通过加总个股的浏览、自选与点击次数，并将其在全市场占比进行归一化，以此作为市场情绪热度的代理变量进行追踪[7]。 * 因子具体构建过程： 1. 获取个股的浏览、自选与点击次数。 2. 计算这些次数之和。 3. 将此和值除以同一日全市场的总浏览、自选与点击次数之和，得到占比。 4. 将归一化后的数值乘以10000，使得指标取值区间为[0,10000]。 公式为： $\text{总热度} = \frac{\text{个股浏览+自选+点击次数}}{\text{全市场浏览+自选+点击次数总和}} \times 10000$ * 因子评价：该因子被用作衡量市场“情绪热度”的代理变量。 2. 因子名称：宽基/行业/概念总热度[7][8][19][26][27] * 因子构建思路：将宽基指数、申万行业或概念板块内的所有成分股的总热度指标进行加和，得到该板块层面的聚合热度指标，用于追踪板块情绪[7][8][19]。 * 因子具体构建过程：对于特定的股票分组（如沪深300、电力设备行业、赛马概念），将其包含的所有个股的总热度指标值直接求和。 公式为： $\text{板块总热度} = \sum_{i \in \text{板块}} \text{总热度}_i$ 其中，总热度_i 是上述“总热度指标”因子对于股票i的计算结果。 3. 因子名称：热度变化率[9][15][19][26] * 因子构建思路：计算宽基、行业或概念的总热度指标的周度变化率，以捕捉市场关注度的边际变化[9][15]。 * 因子具体构建过程： 1. 计算当前周的板块总热度。 2. 计算上一周的板块总热度。 3. 计算周度变化率：$\text{热度变化率} = \frac{\text{本周总热度} - \text{上周总热度}}{\text{上周总热度}}$ 4. （可选）对周度变化率取2周移动平均（MA2）进行平滑处理[9][15][19][26]。 4. 因子名称：估值历史分位数[3][37][38][40][41] * 因子构建思路：计算宽基指数或行业当前的估值（如PETTM）在其自身历史序列中的分位数，用以判断当前估值水平在历史上的位置[3][37]。 * 因子具体构建过程： 1. 选定估值指标（如滚动市盈率PETTM）和回溯期（如滚动5年或从2015年起）。 2. 获取标的（宽基或行业）在回溯期内每个历史时点的估值数据。 3. 将当前估值与历史估值序列进行比较，计算其分位数。 公式为：$\text{历史分位数} = \frac{\text{历史序列中低于当前值的数量}}{\text{历史序列总数量}} \times 100\%$ 报告中提及了两种回溯窗口：滚动5年[3][37]和从2015年开始至当前[38][40][41]。 模型的回测效果 1. 宽基轮动策略[12][15] * 策略构建：每周最后一个交易日买入总热度变化率MA2最大的宽基指数（如果是“其他”组则空仓）[12]。 * 年化收益率: 8.74%[15] * 最大回撤: 23.5%[15] * 2025年收益: 32.7%[15] 2. 热门概念内选股策略（BOTTOM组合）[30][32] * 策略构建：每周选出热度变化最大的5个概念，排除概念成分股中流通市值最小的20%股票后，从每个概念中选出总热度排名最后的10只个股，等权构建组合[30]。 * 年化收益率: 15.71%[32] * 最大回撤: 28.89%[32] * 2025年收益: 44.2%[32] 因子的回测效果 (注：本报告未提供单一因子的独立回测指标（如IC、IR等），仅提供了基于因子构建的策略回测结果。)