量化模型与构建方式 1. 模型/因子名称：融资盘拥挤度信号 * 构建思路： 通过分析个股融资余额的变化，识别因杠杆资金过度流入导致的交易拥挤，从而预判其后续因微观结构恶化而表现不佳的风险[2][8]。 * 具体构建过程： 1. 计算每只股票当月的融资余额增幅（或融资净买入额）。 2. 将所有股票按当月融资增幅（或净买入额）从高到低排序。 3. 将排名在前10%的股票定义为“融资增幅前10%的拥挤个股”[2][8]。 * 模型/因子评价： 杠杆资金的集中流入被视为一个负向的拥挤度信号，可能加剧个股的微观交易结构恶化，并带来集中平仓风险[2][8]。 模型的回测效果 1. 融资盘拥挤度信号模型，次月平均收益率0.92%[2][8] 量化因子与构建方式 1. 因子名称：库存周转月数 * 构建思路： 利用行业的库存周转月数（即库存水平）作为衡量该行业对成本上行压力的“缓冲垫”厚度的指标，库存越高，行业产品价格滞后于成本上涨的时间可能越长[1][7]。 * 具体构建过程： 报告未提供该因子的具体计算公式，但明确了其核心逻辑：行业的库存周转月数与其产品价格滞后于成本上行的时间长短呈现明显正相关性[1][7]。 * 因子评价： 该因子可用于判断中下游行业在面临油价等成本冲击时的承受能力和价格传导时滞，为判断行业景气度和投资时机提供参考[1][7]。 2. 因子名称：被动涨价幅度 * 构建思路： 测算各行业受油价上涨影响而被动涨价的幅度，以识别下游需求受抑制程度较大的行业。被动涨价幅度越大，表明下游拿货意愿下降越明显，潜在库存消耗越多[3][9]。 * 具体构建过程： 报告未提供该因子的具体计算公式，但指出通过测算发现化工行业的被动涨价幅度在全行业中排名靠前[3][9]。 * 因子评价： 该因子可用于识别在成本冲击下，下游需求暂时被抑制、库存可能被消耗的行业。一旦供应链恢复正常，这些行业可能面临较强的补库需求弹性[3][9]。 因子的回测效果 注：报告中未提供“库存周转月数”和“被动涨价幅度”这两个因子的独立回测绩效指标（如IC、IR、多空收益等）。报告主要将其用于逻辑推演和行业比较，而非作为独立的选股因子进行历史回测。