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，以识别拥挤度较高或较低的行业[3] * 模型具体构建过程：报告未提供该模型的具体构建过程和公式 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：报告未提供该模型的具体构建过程和公式 量化因子与构建方式 1. 因子名称：行业拥挤度[3] * 因子构建思路：用于衡量申万一级行业指数的交易拥挤程度[3] * 因子具体构建过程：报告未提供该因子的具体构建过程和公式 2. 因子名称：溢价率 Z-score[4] * 因子构建思路：作为ETF产品筛选信号模型的核心指标，用于识别偏离正常水平的溢价率[4] * 因子具体构建过程：报告未提供该因子的具体构建过程和公式 模型的回测效果 （报告未提供模型的回测效果指标取值） 因子的回测效果 （报告未提供因子的回测效果指标取值） 模型/因子应用结果 1. 行业拥挤度监测模型应用结果： * 前一交易日，综合、煤炭、基础化工行业的拥挤度水平靠前；汽车、非银金融行业的拥挤度水平较低[3] * 军工、传媒行业的拥挤度变动较大[3] 2. 溢价率 Z-score 模型应用结果： * 根据模型筛选，建议关注的ETF产品包括：港股央企红利50ETF、消费龙头ETF、港股红利ETF博时、机器人ETF基金、A100ETF基金[10]