根据提供的量化研报，以下是其中涉及的量化模型和因子的总结。 量化模型与构建方式 1. 模型名称：行业主线模型（相对强弱RSI指标）[1][5][10] * 模型构建思路：通过构建行业层面的相对强弱指标，识别每年可能成为市场领涨主线的行业[10] * 模型具体构建过程： 1. 以29个申万一级行业指数为配置标的[10] 2. 分别计算每个行业过去20、40、60个交易日的涨跌幅，并在所有行业中分别进行横截面排名，得到 Rank_20, Rank_40, Rank_60[10] 3. 对三个排名进行归一化处理，得到 RS_20, RS_40, RS_60[10] 4. 计算三个归一化排名的算术平均值，得到最终的行业相对强弱指数 RS[10] * 公式：$RS = \frac{RS\_20 + RS\_40 + RS\_60}{3}$[10] * 模型评价：该指标能有效提示年度领涨行业方向，例如2024年成功提示了高股息、资源品、出海和AI等主线[10] 2. 模型名称：行业景气度-趋势-拥挤度框架[1][2][5][7][15] * 模型构建思路：综合考量行业的基本面（景气度）、市场动能（趋势）和交易风险（拥挤度）三个维度，形成两种右侧行业配置方案[15] * 模型具体构建过程：该框架包含两种具体方案： * 方案一：行业景气模型（高景气-强趋势）：以景气度为核心，选择高景气度且趋势强劲的行业，同时利用拥挤度指标规避高拥挤风险，风格偏同步进攻[15] * 方案二：行业趋势模型（强趋势-低拥挤）：以市场趋势为核心，选择趋势强劲且拥挤度较低的行业，同时规避低景气行业，风格偏右侧，持有体验感强[15] * 具体权重配置示例如下：基础化工18%、传媒16%、农林牧渔12%等[2][7][15] 3. 模型名称：左侧库存反转模型[3][5][29] * 模型构建思路：从赔率-胜率角度出发，在处于或曾处于困境但已出现反弹迹象的板块中，挖掘分析师长期看好且库存压力不大、具备补库条件的行业，以捕捉困境反转行情[29] * 模型具体构建过程：报告未详细描述该模型的具体计算步骤，但指出其核心逻辑是结合行业的困境反转潜力、分析师预期和库存周期进行判断[29] 4. 模型名称：行业景气度选股模型（PB-ROE）[25][28] * 模型构建思路：将行业配置模型的行业权重与个股选择相结合，在确定的行业内，基于PB-ROE模型筛选估值性价比高的股票[25][28] * 模型具体构建过程： 1. 首先根据行业配置模型（如景气度-趋势-拥挤度框架）确定各行业的配置权重[25] 2. 在行业内，基于PB-ROE模型选取估值性价比高的股票（具体为排名前40%）[25][28] 3. 对选出的股票，按流通市值和PB-ROE打分进行加权，确定个股在组合内的权重[28] 模型的回测效果 1. 行业景气度-趋势-拥挤度框架（行业配置）[15] * 基准：Wind全A指数 * 多头年化收益：21.8% * 超额年化收益：13.7% * 信息比率（IR）：1.5 * 超额最大回撤：-8.0% * 月度胜率：67% * 分年度超额：2023年超额7.3%，2024年超额5.7%，2025年以来超额2.0%[15] 2. 行业景气度-趋势-拥挤度框架（ETF配置）[22] * 基准：中证800指数 * 年化超额收益：16.1% * 信息比率（IR）：1.8 * 超额最大回撤：10.8% * 月度胜率：65% * 分年度超额：2023年超额6.0%，2024年超额5.3%，2025年以来（截至10月底）超额14.4%[22] 3. 行业景气度选股模型（PB-ROE）[25] * 基准：Wind全A指数 * 多头年化收益：26.5% * 超额年化收益：19.7% * 信息比率（IR）：1.7 * 超额最大回撤：-15.4% * 月度胜率：68% * 分年度表现：2022年超额10.2%，2023年超额10.4%，2024年绝对收益14.6%（超额4.6%），2025年以来超额5.5%[25] 4. 左侧库存反转模型[29] * 基准：行业等权指数 * 分年度表现： * 2023年绝对收益13.4%，相对超额17.0% * 2024年绝对收益26.5%，相对超额15.4% * 2025年（截至10月底）绝对收益27.9%，相对超额7.5%[29] 量化因子与构建方式 1. 因子名称：相对强弱（RS）因子[10] * 因子构建思路：通过多期涨跌幅的横截面排名与合成，衡量行业相对于其他行业的强度[10] * 因子具体构建过程： 1. 计算特定行业在过去20、40、60个交易日的涨跌幅[10] 2. 在每个时间截面上，计算该行业涨跌幅在所有行业中的排名 Rank_20, Rank_40, Rank_60[10] 3. 对排名进行归一化处理，得到 RS_20, RS_40, RS_60[10] 4. 计算三个归一化值的算术平均值作为最终因子值[10] * 公式：$RS = \frac{RS\_20 + RS\_40 + RS\_60}{3}$[10] 2. 因子名称：景气度因子[15] * 因子构建思路：衡量行业的基本面好坏[15] * 因子具体构建过程：报告未详细描述该因子的具体计算方法和数据来源，但明确指出其在模型中是核心维度之一，横轴代表景气度高低[15] 3. 因子名称：趋势因子[15] * 因子构建思路：衡量行业价格走势的强弱[15] * 因子具体构建过程：报告未详细描述该因子的具体计算方法和数据来源，但明确指出其在模型中是核心维度之一，纵轴代表趋势强弱[15] 4. 因子名称：拥挤度因子[15] * 因子构建思路：衡量行业的交易风险，避免过度拥挤[15] * 因子具体构建过程：报告未详细描述该因子的具体计算方法和数据来源，但明确指出其在模型中用于风险提示，通过气泡颜色（蓝色低拥挤，红色高拥挤）和大小来表征[15] 5. 因子名称：PB-ROE因子[25][28] * 因子构建思路：结合估值（市净率PB）和盈利能力（净资产收益率ROE），筛选具有估值性价比的股票[25][28] * 因子具体构建过程：在确定行业内，基于PB和ROE指标对股票进行打分，选取排名前40%的股票，并综合流通市值进行加权[25][28]