根据研报内容，总结如下： 量化模型与构建方式 1. 模型名称：行业拥挤度监测模型[3] * 模型构建思路：通过构建模型，对申万一级行业指数的拥挤度进行每日监测，以识别拥挤度较高和较低的行业[3] * 模型具体构建过程：报告未详细说明该模型的具体构建步骤和计算公式 2. 模型名称：溢价率 Z-score 模型[4] * 模型构建思路：通过滚动测算ETF产品的溢价率Z-score，搭建ETF产品筛选信号模型，以发现存在潜在套利机会的标的[4] * 模型具体构建过程：报告未详细说明该模型的具体构建步骤和计算公式，但提及其核心是计算溢价率的Z-score值 量化因子与构建方式 报告本部分未提及具体的量化因子构建内容 模型的回测效果 报告本部分未提供量化模型的回测效果指标取值 因子的回测效果 报告本部分未提供量化因子的回测效果指标取值 模型/因子的应用与观测结果 1. 行业拥挤度监测模型的应用结果[3] * 观测日期：前一交易日（相对于报告数据截止日2025/10/13）[3][5] * 拥挤度较高行业：电力设备、电子、有色金属[3] * 拥挤度较低行业：传媒、社会服务[3] * 拥挤度变动较大行业：环保、钢铁、非银金融[3] 2. 溢价率 Z-score 模型的应用结果[4][14] * 建议关注的ETF产品（存在潜在套利机会）：[14] * 日本东证指数ETF (513800.SH) * 500成长ETF (159620.SZ) * 日经ETF (159866.SZ) * 日经ETF (513520.SH) * 红利低波ETF新华 (560890.SH)