根据提供的华创证券《市场情绪监控周报（20251013-20251017）》，总结其中涉及的量化模型与因子内容如下： 量化模型与构建方式 1. 宽基轮动策略模型 - 模型名称：宽基轮动策略[12] - 模型构建思路：基于不同宽基指数（沪深300、中证500、中证1000、中证2000及"其他"组）的热度变化率进行轮动投资，捕捉市场情绪变化带来的收益[12] - 模型具体构建过程： 1. 将全A股样本按宽基指数成分股分组，计算每组股票的总热度指标[7][8] 2. 计算每个宽基组股票的周度热度变化率，并取2期移动平均（MA2）进行平滑处理[9] 3. 在每周最后一个交易日，选择总热度变化率MA2最大的宽基组作为投资标的[12] 4. 如果变化率最大的为"其他"组，则选择空仓[12] 2. 概念热度选股模型 - 模型名称：概念热度选股模型[30] - 模型构建思路：在热门概念板块中，选择关注度较低的个股，利用市场过度反应与关注度不足的定价偏差获取超额收益[29][30] - 模型具体构建过程： 1. 在每周最后一个交易日，筛选出本周热度变化率最大的5个概念[30] 2. 将这些概念对应的成分股作为选股股票池，并剔除其中流通市值最小的20%股票[30] 3. 构建两个组合： - 热度TOP组合：从每个热门概念中选出总热度排名前10的个股，等权持有[30] - 热度BOTTOM组合：从每个热门概念中选出总热度排名最后的10只个股，等权持有[30] 模型的回测效果 1. 宽基轮动策略 - 年化收益率：8.74%[15] - 最大回撤：23.5%[15] - 2025年收益：33.5%[15] 2. 概念热度选股模型 - 热度BOTTOM组合： - 年化收益率：15.71%[32] - 最大回撤：28.89%[32] - 2025年收益：37.6%[32] 量化因子与构建方式 1. 个股总热度因子 - 因子名称：个股总热度[7] - 因子构建思路：通过加总股票的浏览、自选与点击次数，衡量个股受市场关注的程度，作为情绪热度的代理变量[7] - 因子具体构建过程： 1. 计算单只股票当日的浏览、自选与点击次数之和[7] 2. 将该数值除以同一日全市场所有股票的浏览、自选与点击次数之和，进行归一化处理[7] 3. 将归一化后的数值乘以10000，使得因子取值区间为[0, 10000][7] 公式为：$个股总热度 = \frac{个股(浏览次数+自选次数+点击次数)}{全市场(浏览次数+自选次数+点击次数)} \times 10000$ [7] 2. 聚合总热度因子 - 因子名称：宽基/行业/概念总热度[7][8] - 因子构建思路：将宽基指数、行业或概念内的成分股个体热度加总，得到更高层面的市场情绪热度指标[7] - 因子具体构建过程：对特定群体（如沪深300成分股、申万一级行业成分股、特定概念成分股）内的所有个股的总热度因子进行求和处理[7][8] 3. 热度变化率因子 - 因子名称：热度变化率（MA2）[9][17][26][27] - 因子构建思路：计算聚合总热度指标的周度环比变化率，并平滑处理，以捕捉关注度的边际变化趋势[9][17] - 因子具体构建过程： 1. 计算本周的聚合总热度（宽基/行业/概念）与上周的聚合总热度的变化率[9][17] 2. 对该周度变化率进行2期移动平均（MA2）平滑处理[9][17] 4. 估值历史分位数因子 - 因子名称：估值历史分位数[3][37][40][41][43] - 因子构建思路：计算宽基指数或行业的当前估值指标（如PE）在其历史序列中的位置，判断其相对估值水平[3][37] - 因子具体构建过程： 1. 选定估值指标（报告中未明确具体指标，通常为PE或PB）和回溯期（滚动5年或从2015年开始）[3][37][40][41] 2. 计算当前估值在选定历史区间内的百分位排名[3][37][40][41] 例如，对于滚动5年历史分位数：$估值历史分位数 = \frac{当前估值在过去5年历史数据中的排名}{过去5年总数据点数} \times 100\%$ [3][40] 因子的回测效果 （报告中未提供因子的独立回测绩效指标，如IC、IR等）