根据提供的研报内容，以下是关于量化模型与因子的总结： 量化因子与构建方式 1 因子名称：行业分歧度[7] - 因子构建思路：通过计算各行业滚动一季度收益率的标准差，来衡量市场行业表现的分化程度[7] - 因子具体构建过程： 1. 选取市场中的所有行业作为计算样本 2. 计算每个行业在过去一个季度（滚动窗口）的收益率 3. 计算这些行业收益率的标准差，作为行业分歧度指标 具体公式为： $行业分歧度 = Std( R_{i, t} )$ 其中，R_i,t 代表行业 i 在滚动一季度窗口内的收益率，Std 代表标准差函数 2 因子名称：交易拥挤度[7] - 因子构建思路：通过计算特定板块（如TMT、先进制造）的成交金额占市场总成交金额的比例，来衡量资金在这些板块的集中程度[7] - 因子具体构建过程： 1. 确定目标板块（如TMT板块、先进制造板块） 2. 计算目标板块内所有成分的日成交金额总和 3. 计算全市场（或选定基准）的总成交金额 4. 计算板块成交金额总和与市场总成交金额的比值 具体公式为： $板块拥挤度 = \frac{成交金额_{板块}}{成交金额_{全市场}}$ 报告中特别提及了TMT板块拥挤度，以及TMT与先进制造板块合并计算的拥挤度[7] 3 因子名称：股债收益差[8] - 因子构建思路：通过比较股票市场收益率与债券市场收益率的差异，并结合布林带分析，来判断市场的相对价值和风险[8] - 因子具体构建过程： 1. 计算股票的隐含收益率（通常使用市盈率的倒数等方法） 2. 选取代表性债券（如10年期国债）计算其到期收益率 3. 计算股债收益差：股债收益差 = 股票收益率 - 债券收益率 4. 基于近三年的股债收益差数据计算其布林带，包括中轨（均值）和上下轨（均值±2倍标准差）[8] 报告中指出该指标用于判断市场位置，当前运行在布林带下轨（-2倍标准差）下方[8] 模型的回测效果 （注：报告中未提供具体量化模型的回测数值结果） 因子的回测效果 （注：报告中未提供具体量化因子的回测数值结果，但对因子的历史表现和当前状态有定性描述） 行业分歧度因子：近期持续扩大，若格局延续预计将突破2024年9月以来的峰值，历史极值通常伴随市场风险偏好提升出现[7] 交易拥挤度因子：TMT板块成交占比处于历史第三高位，TMT与先进制造板块合并占比正逼近历史最高水平[7] 股债收益差因子：当前已持续运行在近三年布林带下轨的-2倍标准差下方[8]