根据提供的研报内容，以下是关于量化模型和因子的总结： 量化因子与构建方式 1. 因子名称：250日新高距离[11] * 因子构建思路：该因子用于衡量当前股价相对于过去250个交易日最高价的回落幅度，数值越小代表股价越接近历史高点，通常与动量效应和趋势跟踪策略相关[11] * 因子具体构建过程：计算步骤如下 * 首先，计算过去250个交易日的收盘价最大值：ts_max(Close, 250) * 然后，使用最新收盘价 Closet 与上述最大值进行比较，计算公式为： $250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$ * 若最新收盘价创出新高，则因子值为0；若股价从高点回落，则因子值为正，代表回落幅度[11] 2. 因子/模型名称：平稳创新高股票筛选模型[23][26] * 模型构建思路：该模型旨在从近期创250日新高的股票中，进一步筛选出价格路径相对平滑、趋势延续性好的股票，其理论基础在于研究表明平滑的动量效应可能更强[23] * 模型具体构建过程：这是一个多步骤的筛选流程，具体条件如下[23][26] * 初选股票池：过去20个交易日内曾创出250日新高的股票[23] * 分析师关注度：过去3个月内，获得“买入”或“增持”评级的分析师研报数量不少于5份[26] * 股价相对强弱：过去250日涨跌幅位于全市场前20%[26] * 股价平稳性与创新高持续性筛选：在满足以上条件的股票池内，使用以下两个指标综合打分，并选取排名在前50%的股票 * 价格路径平滑性：使用股价位移路程比衡量，计算公式为 过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总[23][26] * 创新高持续性：过去120日内的250日新高距离在时间序列上的均值[26] * 趋势延续性筛选：计算过去5日的250日新高距离在时间序列上的均值，并最终选取该指标排序最靠前的50只股票[26] 模型/因子的回测效果 （注：研报中未提供模型或因子在历史数据上的系统化回测指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）及其具体数值，仅展示了特定时点的筛选结果和部分描述性统计，因此本部分无具体指标取值可总结。）