根据研报内容，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：动量因子[60] * 因子构建思路：基于股价的历史表现，筛选近期表现强势的股票，旨在捕捉趋势延续效应[60] * 因子具体构建过程：以“长江动量”指数作为动量因子的表征。该指数的构建方法是，首先计算每只股票的动量指标，具体公式为：最近一年股票收益率 - 最近一个月股票收益率（剔除涨停板）。然后，根据此动量指标，在A股市场中选取动量特征强且流动性相对较高的前100只股票作为指数成分股[60] 2. 因子名称：反转因子[60] * 因子构建思路：基于股价的短期表现，筛选近期表现弱势的股票，旨在捕捉价格回归均值的反转效应[60] * 因子具体构建过程：以“长江反转”指数作为反转因子的表征。该指数的构建方法是，以最近一个月股票收益率作为筛选指标，在A股市场中选取反转效应强、流动性较好的前100只股票作为指数成分股，并采用成分股近三个月日均成交量进行加权[60] 3. 因子名称：风格相对拥挤度[125] * 因子构建思路：通过比较不同风格指数（如成长vs红利）的换手率活跃程度，来衡量该风格交易的相对拥挤程度，以判断其配置风险或性价比[125] * 因子具体构建过程：对于风格A和风格B，计算步骤如下： 1. 分别计算风格A指数和风格B指数的近252日平均换手率时间序列[125] 2. 将上述时间序列在2005年1月1日以来的历史数据上进行Z-score标准化，得到Z-score_A与Z-score_B[125] 3. 计算二者差值：$Diff_{Zscore} = Zscore\_A - Zscore\_B$ 4. 计算该差值（Diff_Zscore）的滚动6年历史分位数（若历史数据量满1年但不足6年，则以全部历史数据计算），此分位数即为风格A相对于风格B的相对拥挤度[125] 4. 因子名称：风格累计超额净值[126] * 因子构建思路：通过计算风格指数相对于市场基准（万得全A）的累计超额表现，来评估该风格的长期收益特征[126] * 因子具体构建过程： 1. 以2020年1月4日为基准日，将各风格指数及万得全A指数的每日收盘点数除以基准日收盘点数，得到各自的累计净值[126] 2. 将各风格指数的累计净值除以同一交易日的万得全A指数累计净值，得到该风格指数相对于万得全A指数的累计超额净值[126] 5. 因子名称：机构调研活跃度[127] * 因子构建思路：通过计算板块或行业相对于市场的机构调研热度差异，并将其标准化为历史分位数，来捕捉机构投资者的关注度变化[127] * 因子具体构建过程：对于特定板块（或指数、行业），计算其“机构调研活跃度”的滚动历史分位数。具体步骤为： 1. 计算该板块近n个交易日的“日均机构调研次数”[127] 2. 将该时间序列在滚动y年的历史数据上进行Z-score标准化[127] 3. 将上述结果与万得全A的同期Z-score标准化结果作差，得到“机构调研活跃度”[127] 4. 最后计算此“机构调研活跃度”的滚动y年历史分位数（历史数据量不足y年时，以全部历史数据计算）[127] * 参数设置：长期口径：n=126（近半年），y=6年；短期口径：n=63（近一季度），y=3年[127] 6. 因子名称：股债风险溢价（ERP）[48] * 因子构建思路：通过比较股票市场市盈率的倒数与无风险利率（国债收益率）的差异，来衡量权益资产相对于债券资产的相对吸引力[48] * 因子具体构建过程：对于特定指数，其ERP的计算公式为： $ERP = \frac{1}{指数PE\_{TTM}} - 10年期中债国债到期收益率$ 其中，PE_TTM为指数滚动市盈率[48] 因子的回测效果 1. 动量因子：近一周收益-1.7%，近一月收益1.8%，年初至今收益34.8%[58] 2. 反转因子：近一周收益1.6%，近一月收益0.0%，年初至今收益13.5%[58] 3. 成长vs红利风格相对收益：近一周收益-1.5%，近一月收益-2.9%，年初至今收益26.4%[58] 4. 小盘vs大盘风格相对收益：近一周收益-0.9%，近一月收益-2.3%，年初至今收益8.1%[58] 5. 微盘股vs基金重仓风格相对收益：近一周收益3.7%，近一月收益9.8%，年初至今收益45.9%[58] 6. 动量vs反转风格相对收益：近一周收益-3.3%，近一月收益1.8%，年初至今收益21.3%[58]