根据提供的研报内容，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，以识别交易过热或过冷的行业[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的溢价率Z-score，搭建ETF产品筛选信号模型，以识别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，但提及核心指标为“溢价率 Z-score”[4] 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：用于衡量特定行业交易的热度或拥挤程度[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：基于ETF的IOPV溢价率计算其Z-score，用于判断当前溢价率在历史序列中的相对位置，识别异常值[4] * 因子具体构建过程：报告未提供该因子的具体计算公式，但提及其为标准化后的溢价率指标[4] 模型的回测效果 （报告未提供相关模型的量化回测效果指标，如年化收益率、夏普比率、最大回撤等） 因子的回测效果 （报告未提供相关因子的量化测试效果指标，如IC值、IR、因子收益率等）