量化模型与构建方式 1. 模型名称：多因子模型[15] 模型构建思路：通过结合多个能够预测股票未来收益的因子，构建综合评分模型，以筛选出具有更高预期收益的股票组合[15] 模型具体构建过程：报告未详细描述具体的多因子模型构建过程，仅提及存在采用多因子策略的基金类别[15] 2. 模型名称：大数据驱动主动投资模型[15] 模型构建思路：利用海量、非结构化的数据（如互联网文本、搜索数据、交易数据等）作为输入，通过机器学习或数据挖掘技术构建预测模型，指导投资决策[15] 模型具体构建过程：报告未详细描述具体的大数据模型构建过程，仅提及存在采用大数据驱动主动投资策略的基金类别[15] 3. 模型名称：行业主题轮动模型[15] 模型构建思路：基于宏观经济、市场情绪、行业景气度等指标，判断不同行业或投资主题的未来表现，并动态调整投资组合的行业配置以获取超额收益[15] 模型具体构建过程：报告未详细描述具体的轮动模型构建过程，仅提及存在采用行业主题轮动策略的基金类别[15] 模型的回测效果 （注：报告未提供具体量化模型的回测指标，如年化收益率、夏普比率、最大回撤、信息比率等。以下为报告中提及的各类策略基金在特定统计期内的收益表现中位数。） 1. 多因子模型基金，本周收益中位数2.85%[15]，本月收益中位数7.95%[19]，本季度收益中位数7.95%[19]，本年度收益中位数9.15%[19] 2. 大数据驱动主动投资模型基金，本周收益中位数2.14%[15]，本月收益中位数6.00%[20]，本季度收益中位数6.00%[20]，本年度收益中位数6.84%[20] 3. 行业主题轮动模型基金，本周收益中位数2.33%[15]，本月收益中位数7.36%[18]，本季度收益中位数7.36%[18]，本年度收益中位数6.95%[18] 量化因子与构建方式 （注：报告未提及任何具体的量化因子及其构建方法。） 因子的回测效果 （注：报告未提及任何具体的量化因子及其回测效果。）