址 联 你 究 报告 基本面主导风格因子切换,等待趋势确认 2026年金融工程投资策略 证券分析师:沈思逸 A0230521070001 A0230520070003 双虎 沈思逸 A0230521070001 联系人: 2025.11.14 乘势面上 甲门远源 · 2026资本市场投资中 投资要点 今年以来因子表现：成长因子表现突出,长期动量表现偏弱,体现为今年市场行业、板块轮动较快,市场存在关注主题、 短期追涨情绪上升的现象,和"有限关注"因子的历史表现情况相似,散户赚钱效应有所提升;低波动率在沪深300内 表现偏弱,也映射了今年市场呈现高波动特征。 ■ 宏观量化框架复盘:我们构建经济、流动性、信用三个维度各自寻找与风格、行业的对应关系,并通过市场对宏观数据 的反映构成微观映射,近三年的宏观经济周期切换更频繁。经济前瞻指标判断25年上半年转入下行,年末重新出现回升 信号;流动性量与价呈现互相牵制的特点,体现货币政策整体平稳,而市场交易利率上行,下半年多数时间将流动性修 正为偏弱;信用指标整体偏好,25年上半年交易信用扩张、与社融吻合,下半年逐步转向交易收缩,11月正式触发修正。 ■ 宏观量化风格判断: 价 ...

因子配置观点 - 宏观量化与因子动量结合进行因子选择，对经济敏感、对信用不敏感的因子得分靠前[1] - 当前经济出现回升迹象、流动性略偏松、信用指标略好，修正后宏观方向为经济好转、流动性偏弱和信用收缩[3] - 价值因子得分明显提高并在沪深300中成为共振因子，成长因子宏观得分下降但结合动量后仍被选中[4] - 10月沪深300中成长因子IC为正，价值、红利因子反弹明显；中证500中价值因子反弹，成长因子出现回撤[4] 经济前瞻指标 - 2025年11月经济前瞻指标处于2025年9月以来上升周期的中部，预计未来3个月小幅上行，2026年3月达到顶部拐点[6] - 2025年10月PMI为49，PMI新订单为48.8，均较上月下降，但周期项与模型预期一致[6] - 固定资产投资完成额累计同比、挖掘机产量当月同比、工业企业利润总额累计同比等多个领先指标均位于上升周期[6] - 社会消费品零售总额当月同比预计位于9月以来平台期末期，即将在12月开启下降周期[10] - M2同比指标位于7月以来下降周期的中期，预计未来将持续下降[9] 流动性环境 - 流动性综合信号近三个月（2025年8月、9月、10月）均为1，整体维持略偏松状态[12][13][16] - 2025年10月利率信号偏紧（综合信号为1），但货币净投放为0.41标准差倍数（偏松），超储率1.51%高于历史同期（偏松）[13][16] - 10月长端利率快速上升后小幅回落但仍高于均线，短端利率略高于均线[13] 信用状况 - 社融存量同比连续2个月下降，信用总量指标继续回落，信用结构小幅回升，指标总体呈现小幅扩张[17] - 信用价格维度信号宽松（信用利差、贷款利率、信托收益率信号均为1），信用总量维度信号中性（综合信号为0），信用结构维度信号略偏弱（综合信号为-0.33）[17] 大类资产配置 - 结合经济上行、流动性偏紧、信用收缩的环境，对债券观点偏弱，黄金由于动量转弱配置比例降至10%，A股配置提升[18] - 激进型配置权重为A股70%、黄金10%、国债10%、企业债10%，商品和美股配置权重为0%[18] 市场关注点 - 通过Factor Mimicking模型跟踪市场关注点，2023年以来信用和通胀（通缩）关注度较高[19] - 近阶段尤其是2024年9月24日行情以来流动性持续为最受关注变量，表明市场受流动性驱动较多[19] - PPI相关关注度近期持续回升，10月末小幅超越经济关注度[19] 行业配置建议 - 行业配置倾向于选择对经济敏感、对信用不敏感的行业，本期行业选择整体偏价值[21] - 对经济最敏感的行业包括公用事业、煤炭、建筑装饰、钢铁、综合、银行[21] - 对信用最敏感的行业包括商贸零售、钢铁、银行、房地产、社会服务、建筑装饰[21] - 综合得分最高的行业包括钢铁、煤炭、建筑装饰、银行、商贸零售、房地产[21]

海外量化动态：美国市场趋势与事件 - 美国私募量化在2025年中出现回撤，主要源于“垃圾股”反弹冲击量化组合空头部分，以及高频做市机构与量化alpha管理人策略重合度提高[1] - 高频交易机构为规避激烈竞争和利润压缩，正从纯速度竞争转向短周期alpha预测，使其策略领域接近传统量化alpha管理人[1] - 传统量化alpha策略起源于20世纪80年代，持有周期相对更长、敞口暴露更大，与高频交易资金形成区别[2] - 高频交易与量化Alpha策略的融合始于疫情后，市场波动短期提升使高频策略收益突出，资金量大幅增长，但策略容量有限促使资金寻求分散，转向传统量化交易[2] - Jane Street因愿意承担更长时间的多头暴露获得更多收益，引发其他机构模仿，同时传统Alpha管理人也开始涉足高频交易领域以拓宽收益来源[2] - 高频机构降频（预测周期拉长至日度）与传统alpha机构升频（信号频率提高至小时级）形成向中间靠拢的趋势，目前高频机构降频效果更好[3] - 2025年上半年Citadel收益2.5%，显著低于小型多基金经理制机构如Balyasny、ExodusPoint等7%以上的收益，Millennium也面临类似情况，部分原因在于关税等事件频繁变化导致策略回撤提高[4] - Citadel、Point 72更偏基本面、集中度更高的组合在2025年表现优于其旗舰策略[4] - 印度证券监管机构于7月对Jane Street提出指控，暂停其交易资格并拟处罚其收益所得，指控涉及Jane Street在指数期权到期日使用资金影响期货和现货市场价格走势，Jane Street已提出上诉[5] 海外量化观点：方法论与应用 - 机器学习在宏观量化投资中的应用具有潜力，尤其在利用全球资产截面数据强化时序回归模型、将复杂宏观数据转为alpha信号、以及使用排序模型替代预测模型这三个方向[7][10][11] - 贝莱德在宏观量化研究中应用机器学习方法，例如在久期方向预测中，其模型在疫情后高通胀期提高了通胀变量权重，从而获得更好预测表现[7] - 机器学习方法可将另类数据集通过大语言模型或高维方法与上市公司关联，形成“知识图谱”以生成更完整投资信号，并更容易确定行业高频数据与投资组合的映射关系[10] - 贝莱德使用排序学习方法对不同国家债券基于GDP、CPI进行排序的策略，其组合表现优于单变量排序及线性回归模型[11][14] - AQR研究指出主观收益预测存在偏差，表现为牛市后主观预期更乐观而客观预期更低，金融危机时客观预期上升而主观预期悲观，偏差源于过度外推和反映不足[15] - 价值策略长期表现更好源于过度外推，低估值资产表现常超预期，高估值资产常低于预期，主观收益预期偏差在个人投资者和机构投资者中存在差异，个人投资者更易过度乐观和短视[16] - Invesco全球量化调查覆盖超130家机构，合计管理规模超22万亿美元，显示量化投资趋势包括多资产组合管理中量化使用率提升、因子调整灵活度提高、以及AI使用率提高[19][22][23] - 2024年认为AI未来十年将比传统投资更重要的管理人比例从2023年的13%提升至34%，亚太投资者最为积极，欧洲投资者最为保守[24] 主要量化产品与因子表现跟踪 - 因子轮动类产品中，贝莱德的因子轮动ETF在2025年进一步跑赢对应指数，而景顺的动态多因子ETF在1-4月因低波因子暴露跑赢指数，但后续表现偏弱[30][33] - 贝莱德因子轮动ETF因子选择偏向中性，低波因子、质量因子处于中间位置，成长、价值、动量略有暴露，大市值观点维持不变[33] - 景顺经济周期模型继续提示衰退，因子配置无变化，低波暴露最高，质量、动量继续高配，其国际版本产品8月5日成立至9月30日收益约7%，跑赢基准约1.2%[36][38] - 综合量化产品中，贝莱德Advantage系列和富达指数增强系列为代表，贝莱德产品2025年表现更好，尤其6月以来每月跑赢指数，富达产品也能战胜基准[40] - 机器学习选股产品中，QRFT表现优于AIEQ，AIEQ跑输标普500近3%，而QRFT跑赢近3%[43] - 桥水全天候ETF于2025年3月成立，4月受关税事件影响回撤后快速修复，至10月24日累计收益超15%，规模突破6亿美元，三季度持仓变化不大，债券仓位因波动率变化小幅上升[44][46][47] - 2025年因子表现跟踪显示，2-4月低波因子持续强势，成长、动量回撤明显，但5月以来因子表现回归，成长、动量重回强势，低波、价值类因子表现偏弱[48]

美国ETF创新产品发行动态 - 上周美国市场新发行29只ETF产品，其中20只为单股票产品，单股票策略已成为当前发行重点 [1][2] - 高盛发行一只创新产品Goldman Sachs MSCI World Private Eqty Ret Trck ETF (GTPE)，该ETF旨在通过投资上市股票来复制全球私募股权市场的因子暴露和表现 [2] - 在19只单股票产品中，策略类型多样，包括杠杆、杠杆叠加期权以及末日期权等 [2] - 贝莱德(iShares)继续扩充其Buffer系列产品，上周发行了两只提供10%下跌保护区间的产品 [2] - 跨境投资主题受关注，Templeton和MFS等主动管理公司上周发行了全球选股产品，其中MFS的产品采用主动与量化相结合的投资方式 [2] 美国ETF资金流向 - 过去一周美国ETF市场整体资金流入超过300亿美元 [3] - 先锋(Vanguard)标普500 ETF (VOO)以56.59亿美元的净流入位居榜首，而SPDR标普500 ETF信托(SPY)则以73.80亿美元的净流出居首 [5] - 黄金ETF出现资金流出，约4亿美元，资金流向与黄金价格表现呈现正相关关系 [3][7] - 具体到产品，景顺纳斯达克100 ETF (QQQ)流入27.36亿美元，而杠杆产品如ProShares三倍做多QQQ指数ETF (TQQQ)和Direxion每日半导体看多3倍股票(SOXL)分别流出8.25亿美元和7.66亿美元 [5] - 从10月13日至24日的详细数据看，VOO累计净流入91.05亿美元，QQQ累计净流入86.18亿美元，而SPY在此期间累计净流出52.47亿美元 [6] 美国ETF市场表现分析 - 尽管美股市场今年表现出色，但杠杆ETF产品因日度再平衡机制产生明显的波动率损耗 [10] - 以纳斯达克100指数为例，其基准ETF (QQQ)今年以来收益为21.16%，而三倍杠杆产品TQQQ的收益为40.65%，不到基准指数涨幅的三倍，两倍杠杆产品QLD收益为33.24% [10] - 标普500指数情况类似，基准ETF SPY收益为16.57%，两倍杠杆产品SSO收益为25.28%，三倍杠杆产品SPXL收益为31.47%，均未达到理论杠杆倍数效果 [10] - 黄金ETF GLD的资金流向与价格表现同步性高，历史数据显示其日度资金流入与收益的相关性约为0.2，呈现明显的趋势跟踪属性 [7] 美国公募基金市场概况 - 根据ICI数据，2025年8月美国非货币公募基金总规模为22.98万亿美元，较7月增加0.41万亿美元 [11] - 2025年8月标普500指数上涨1.91%，同期美国国内股票型基金规模上升1.62%，显示当月赎回压力有所减缓 [11] - 近期周度数据显示，美国国内股票基金资金流出略收窄至141亿美元，但年内累计流出已超过5000亿美元，同时债券型产品也转向小幅流出 [11]

文章核心观点 - 研究旨在开发一套量化交易策略，通过识别A股市场的“趋势”与“震荡”状态，动态调整投资策略，在趋势期采用动量策略，在震荡期采用均值回归策略，以提升投资收益并控制风险 [1][40][64] - 研究构建了一套基于价格、成交量和波动率的非传统特征体系，并训练了等权、逻辑回归和决策树三种模型来生成择时信号 [8][22][32] - 策略验证结果显示，基于决策树模型的信号表现最佳，在2020年1月至2025年8月的回测期内，其策略总收益达77.20%，显著超越基准的14.68%，且夏普比率达到1.12 [57][63][64] 市场状态划分方法 - 市场状态被划分为“趋势”和“震荡”两种，趋势行情适合动量策略，震荡行情适合均值回归策略 [1] - 采用两阶段算法为上证指数历史走势标注状态信号：第一阶段使用Zig-Zag算法初步识别趋势波段，参数包括转折阈值10%、最小年化收益20%、指定时长63天；第二阶段使用二分法进行断点修正，将“趋势衰竭”的后半段重新标记为“震荡” [2][3] - 该划分方法应用于2015年以来的历史数据，能够有效复现市场参与者的普遍认知，例如准确识别2018年的持续熊市为“趋势”状态 [4] 回测区间与数据划分 - 研究选择2020年作为回测起点，因市场行为在此前后发生转变，2020年后趋势和震荡切换更频繁，持续时间和波动幅度减弱 [7] - 回测区间为2020年1月2日至2025年8月29日，共1373天；训练集为前70%数据（961天，2020/1/2-2023/12/18），测试集为后30%数据（412天，2023/12/19-2025/8/29） [7] 特征变量构建 - 特征体系基于价格、成交量、波动率三个维度设计，遵循“经济学直觉先行，经验数据验证”的原则 [8] - 价格维度包含三个特征：Feature_MA_1030（中长期趋势确认，参数40天，训练集准确度58.58%）[9][10]、Feature_MA_0510（短期趋势确认，参数20天，训练集准确度53.80%）[11][12]、Feature_price_120（长期斜率平缓，参数80%分位数，训练集准确度60.25%）[13][14] - 成交量维度包含一个特征：Feature_Volume（成交量异常放大，参数70%分位数，训练集准确度63.48%）[16][17] - 波动率维度包含两个特征：Feature_Volatility_past（高波动震荡，参数80%分位数，训练集准确度55.78%）[18][19]、Feature_Squeeze_Breakout（突破尝试，参数30天回看期，训练集准确度57.54%）[20][21] 模型训练与评估 - 单个特征指标在训练集上的准确率均高于50%，其中Feature_Volume最高，达63.48%；在测试集上，所有特征准确率均有大幅提升，例如Feature_Volume提升至75.24% [22][23] - 等权模型在测试集准确率为82.04%，经20天平滑后提升至88.59% [24][27][39] - 逻辑回归模型赋予Feature_MA_1030最高权重（1.70），测试集准确率为83.25%，平滑后为83.50% [27][28][29][39] - 决策树模型能捕捉变量间交互关系，测试集准确率为80.10%，经平滑后提升至83.98% [32][36][38][39] 策略验证与绩效 - 策略框架为：初始仓位0.5，每周三调仓，趋势模式下追涨杀跌，震荡模式下均值回归，仓位限制在0至1之间 [40] - 使用人工标注的“正确”信号进行验证，策略总收益达61.62%，年化波动率9.35%，最大回撤-9.18%，夏普比率0.94，显著优于基准 [42][47] - 等权模型信号策略总收益31.54%，但超额收益缺乏持续性 [48][52] - 逻辑回归模型信号策略总收益40.62%，年化波动率9.34%，最大回撤-13.06%，风险控制较好 [53][56] - 决策树模型信号策略表现最佳，总收益77.20%，年化收益11.07%，最大回撤-9.18%，夏普比率1.12，在2022年和2024年市场下跌时成功将仓位降至零 [57][63][64]

美国ETF创新产品发行 - 上周美国市场共有22只新ETF产品发行，涵盖下跌保护、杠杆、主题、配置、轮动等多种类型 [1] - 新发产品中包括7只下跌保护产品，其中Calamos发行了3只挂钩比特币的梯式下跌保护产品，分别提供80%、90%和100%的保护水平 [1] - Arrow Funds发行了一只比特币策略产品，根据市场风险偏好动态调整资产配置：风险偏好上行时配置75-90%比特币，风险偏好下降时配置黄金或现金，防御模式下完全配置现金 [1] - 上周有4只单股票杠杆产品发行，分别挂钩Figma、富途、京东和Lemonade等个股 [2] - GMO发行动态资产配置ETF，股票资产配置比例在40-80%之间，基于其7年大类资产收益预测展开，主要投资于ETF [2] - AlphaDroid发行两只策略产品：动量策略产品在牛市投资宽基产品、熊市投资防御性资产；行业轮动策略在牛市选择动量强势行业板块 [2] - American Century发行两只基本面主动ETF，分别聚焦小盘价值和小盘成长策略 [2] - Pictet首次进入美国ETF市场，发行3只股票ETF，包括AI策略选股产品以及环保和AI/自动化主题产品 [2] 美国ETF资金流向 - 过去一周美国ETF维持近500亿美元的高速流入，其中国内股票类产品流入超过250亿美元 [3] - 以黄金为主的商品ETF大幅流入，黄金ETF GLD以40.81亿美元的净流入位居全部产品第二位 [5] - 景顺纳斯达克100 ETF（QQQ）以58.82亿美元的净流入位居榜首，Vanguard标普500 ETF（VOO）和iShares核心标普500 ETF（IVV）分别流入34.46亿美元和23.39亿美元 [5] - 资金流出方面，Janus Henderson AAA CLO ETF（JAAA）流出4.76亿美元，ProShares UltraPro做空QQQ（SQQQ）流出4.65亿美元 [5] - 黄金ETF GLD在近期市场波动中表现活跃，在上周四大幅上涨和周五大幅下跌期间均呈现明显资金流入 [5] - 小盘股产品和高收益债产品出现较高资金流出 [5] 美国ETF市场表现 - 贵金属相关股票ETF表现显著优于贵金属ETF本身，多只金矿开采类ETF涨幅接近150% [6] - VanEck Junior Gold Miners ETF（GDXJ）今年以来收益达161.29%，VanEck Gold Miners ETF（GDX）收益149.01% [7] - Global X Silver Miners ETF（SIL）收益151.73%，SPDR S&P Metals & Mining ETF（XME）收益88.55% [7] - 实物贵金属ETF中，iShares Silver Trust（SLV）表现最佳，今年以来收益86.75% [7] - 主要黄金ETF如SPDR Gold Shares（GLD）和iShares Gold Trust（IAU）今年以来收益均在63%左右 [7] 美国普通公募基金资金流向 - 2025年8月美国非货币公募基金总量为22.98万亿美元，较7月增加0.41万亿美元 [8] - 8月标普500指数上涨1.91%，美国国内股票型产品规模上升1.62%，赎回压力有所减缓 [8] - 上周美国国内股票基金流出维持在200亿美元附近，债券产品流入平稳，略超100亿美元 [8]

美国ETF产品创新 - 过去3周美国市场新发行91只ETF产品，发行速度显著提升 [1] - 单股票杠杆反向产品共13只，另有Direxion发行6只Top5系列杠杆反向产品，覆盖能源、科技、半导体、生物科技等热门板块 [4] - GraniteShares的YieldBOOST系列单股票期权+杠杆策略以及YieldMax的单股票Covered Call策略产品线有所扩充 [4] - 数字货币相关产品丰富度提升，监管态度更为开放，例如Tuttle发行挂钩贝莱德比特币ETF的末日期权Covered Call产品，Amplify发行挂钩以太坊的期权产品，First Trust和Calamos发行挂钩比特币的Buffer下跌保护产品 [4] - Innovator在结构化产品策略上创新，发行Dual Directional系列，标的指数上涨或下跌时投资者均可能获得正收益，仅在超出下跌保护区间时承担损失 [4] - ARK进入下跌保护Buffer ETF领域，发行DIET系列产品，下跌时仅承担挂钩标的约50%的损失，上涨超过一定比例可获得50%~80%的参与收益 [5][7] - 首只挂钩ARKK的DIET产品以每年10月为重置期，超过5%的上涨区间后投资者可获得收益的63.72% [7] - Federated Hermes发行市场中性ETF，采用MDT的主动量化结合方法构建组合 [7] - 锐联和华夏基金发行华夏中国科技创新ETF，跟踪由约100家中国科技企业构成的Solactive华夏创新中国科技指数 [7] - Liberty One发行3只红利策略ETF，包括行业等权的Spectrum ETF、关注衰退期表现的Defensive Dividend Growth ETF以及股债结合的Tactical Income ETF [8] - Global X和WisdomTree均发行了半导体和量子计算主题ETF [8] 美国ETF资金流向 - 过去一个月美国ETF合计资金流入近1800亿美元，其中股票产品流入超过1000亿美元，今年以来资金流入水平持续维持高位 [9] - iShares标普500 ETF IVV过去1个月流入超过450亿美元，规模已超越SPY [12] - 比特币信托IBIT和黄金信托GLD资金流入显著，分别为61.13亿美元和45.29亿美元 [12] - 多只杠杆产品如Direxion每日半导体看多3倍股票SOXL和ProShares三倍做多QQQ指数ETFTOQQ资金流出靠前，分别流出31.12亿美元和17.85亿美元 [12] - 近两周主要ETF资金流向显示，SPDR标普500 ETF SPY净流入69.51亿美元，Vanguard标普500 ETF VOO净流入49.67亿美元 [13] - 10月10日市场跌幅明显时，黄金ETF GLD单日流入近4.76亿美元 [13] 美国ETF市场表现 - 受复杂全球局势影响，美国上市的航空航天与国防ETF表现突出 [14] - Global X Defense Tech ETF SHLD和Select STOXX Europe Aerospace & Defense ETF EUAD今年以来涨幅分别达87.79%和89.56% [15] - iShares U.S. Aerospace & Defense ETF ITA和SPDR S&P Aerospace & Defense ETF XAR今年以来收益分别为46.25%和48.65% [15] 美国普通公募基金动态 - 2025年8月美国非货币公募基金总量为22.98万亿美元，较7月增加0.41万亿美元 [16] - 8月标普500上涨1.91%，美国国内股票型产品规模上升1.62%，赎回压力减缓 [16] - 近4周美国国内股票基金流出水平稳定，有3周流出超过200亿美元，债券产品流入平稳 [16]

因子选择策略 - 因子选择方法结合宏观量化观点与因子动量，对共振因子进行重点配置，非共振因子则根据其属性（市值/基本面或价量/分析师预期）分别参考宏观结果或因子动量结果[1] - 当前宏观维度修正后方向为经济好转、流动性偏弱和信用宽松，因子选择标准为对经济敏感、对流动性不敏感、对信用敏感[1] - 沪深300指数中，成长、低波动率、分析师预期等因子在2025年多个时间段内被选中；中证500指数中，成长、盈利、低波动率等因子持续被选中；中证1000指数中，成长、低波动率、小市值等因子表现突出[2] - 2025年9月，沪深300中的成长因子维持强势，盈利和分析师预期因子表现出色，中证500中的成长因子也表现优异[3] 宏观经济前瞻指标 - 经济前瞻指标模型显示2025年10月处于底部拐点，预计未来3个月小幅上行，随后进入平台期，本轮上行时间较上月预测有所延长[5] - 2025年9月PMI和PMI新订单指标分别为49.8和49.7，相比上月有所上升，经济前瞻指标位于2025年9月以来的上升周期中[5] - 多项领先经济指标处于上升周期：固定资产投资完成额累计同比、粗钢产量当月同比、挖掘机产量当月同比、工业企业利润总额累计同比、社会消费品零售总额当月同比均位于上升周期[5] - 产量:粗钢:当月同比指标位于2025年6月以来的上升初期，预计持续上行至2026年4月达到顶部；金融机构新增人民币贷款居民户短期指标位于2025年5月以来下降周期的底部，预计未来开始上升；M2同比指标位于7月以来的下降周期初期，预计未来3月小幅上行后继续下降[8] - 社会消费品零售总额当月同比指标位于9月以来的上升周期初期，未来继续上升[9] - PMI新订单指标位于2025年9月以来的上升周期初期，预计2025年12月达到顶部；固定资产投资完成额累计同比位于2025年9月以来上升周期初期，预计12月达到峰值[10] 流动性环境分析 - 流动性判断基于利率水平、货币净投放和超储率，综合信号为-3~3的整数，数值越大越紧缩[11] - 2025年9月利率信号转向偏紧（综合信号为1），但货币净投放维持偏松（0.71），超储率高于历史同期（1.22%），综合流动性指标维持略偏松[12] - 2025年7月和8月的综合流动性信号均为1，显示略偏松环境[12] 信用状况评估 - 信用指标分为价格、总量和结构三个维度，当前信用价格指标偏宽松（信号为1），信用总量指标中性偏正（信号为0.5），信用结构指标偏弱（信号为-1）[15] - 综合信用指标小幅正向，但信用总量指标本月重新回落，信用结构各细分指标均偏弱[15] 大类资产配置观点 - 当前经济上行、流动性偏紧、信用较好的环境下，债券观点转弱，黄金因动量强势进行顶格配置（权重20%），A股配置略有降低（权重59.36%）[16] - 大类资产配置中，A股中性偏多，黄金偏多，商品偏空，债券偏空，美股中性[16] 市场关注点变化 - 通过Factor Mimicking模型跟踪市场关注点，2023年以来信用和通胀关注度较高，去年924行情以来流动性持续为最受关注变量[17] - 近期经济和PPI相关关注度持续回升，2025年9月末经济关注度已经超越流动性，进入交替期[17] 行业配置策略 - 结合经济上行、流动性偏紧、信用乐观的宏观环境，行业选择倾向于对经济敏感、对流动性不敏感、对信用敏感的行业[19] - 对经济最敏感的行业包括公用事业、煤炭、综合；对流动性最不敏感的行业包括美容护理、银行、食品饮料；对信用最敏感的行业包括传媒、有色金属、家用电器[19] - 综合得分最高的行业包括公用事业、家用电器、轻工制造、美容护理、建筑材料、银行[19] - 本期行业选择成长属性明显下降，防御属性和消费属性提升，均衡程度较高[20]

美国ETF创新产品动态 - SoFi发行Agentic AI ETF（AGIQ），跟踪投资于自动驾驶、人工智能助手、网络安全、自主工业机械及半导体和云计算等相关公司的指数，重仓股包括英伟达、特斯拉和PALANTIR，权重均超7% [2] - 上周美国共10只新发ETF产品，其中一半为单股票杠杆反向产品，2倍杠杆产品涉及eToro、Webull、PHILIP MORRIS和Arista网络，2倍反向产品挂钩礼来医药 [1][2] - LionShares发行收益型产品（TOT），通过红利和税收优化策略提高实际收益，主要投资其他ETF并使用期货和期权 [1][2] - TappAlpha发行基于纳斯达克100的期权策略产品（TDAQ），采用末日期权和指数结合方式兼顾稳定收益和上涨可能 [3] - Grayscale发行以太坊Covered Call产品（ETCO），底层主要投资以太坊相关ETF并卖出对应看涨期权 [3] - Roundhill发行周度分红产品（WPAY），投资于旗下15只单股票1.2倍杠杆产品系列 [3] 美国ETF资金流向 - 上周美国股票ETF流出约10亿美元，债券ETF流入超100亿美元，商品ETF因黄金上涨持续流入 [4] - 道富标普500 ETF（SPY）大幅流出32.23亿美元，先锋标普500 ETF（VOO）流入51.35亿美元，景顺纳斯达克100 ETF（QQQ）流出46.15亿美元 [6][8] - 国际股票产品呈现流入，债券ETF中短期产品流入更多，iShares 0-3 Month Treasury Bond ETF（SGOV）流入21.18亿美元 [4][6] - 黄金相关产品表现强劲，SPDR Gold MiniShares Trust（GLDM）流入17.94亿美元，SPDR黄金（GLD）净流入27.53亿美元 [6][8] 美国ETF表现分析 - 今年以来标普500涨幅约10%，跨境ETF整体表现优于美股，规模前十产品多数涨幅超20% [9] - Vanguard FTSE Developed Markets ETF（VEA）规模1716.85亿美元，今年以来收益24.84% [9] - iShares Core MSCI EAFE ETF（IEFA）规模1487.15亿美元，今年以来收益24.35% [9] - Vanguard Total International Stock ETF（VXUS）规模1022.52亿美元，今年以来收益23.05% [9] 美国普通公募基金资金流向 - 2025年7月美国非货币公募基金总量22.57万亿美元，较6月减少0.12万亿美元 [10] - 7月标普500上涨2.17%，但美国国内股票型产品规模下降0.95%，赎回压力较大 [10] - 8月20日至27日单周，美国国内股票基金合计流出约146亿美元，债券产品流入约40亿美元 [10]

ROE的下滑风险 - 净资产收益率是衡量企业盈利能力的重要指标 ROE越高说明企业盈利能力越强 但仅依据历史高ROE筛选股票组合的未来收益表现并不持续[1] - 在2010年4月30日至2024年4月30日回测期间 基于过去1年ROE水平将股票分为6档的组合收益表现不稳定 某些年份高ROE组合表现更差 如2015年5月至2016年4月等时段[1][3] - 若能提前筛选出当年高ROE股票可带来较好收益回报 但预测ROE复杂度高 因此采取筛选财务稳定性较高股票的方式推断未来ROE维持中枢水平[6] ROE转移矩阵分析 - 次年ROE维持去年ROE中枢比例较高 如去年ROE介于10%-15%的股票次年仍落在该区间的比例为46.47%[7] - 高ROE股票次年ROE下滑比例远高于提升比例 如去年ROE介于10%-15%的股票中 次年ROE提升比例仅15.19% 下滑比例达38.34%[7] - ROE提升能带来丰厚回报 但ROE下滑会严重损害收益 如去年ROE10%-15%的股票中 次年维持该区间组合收益率为14.77% 而下滑至5%-10%的组合收益率仅2.69%[8][9] 财务稳定性刻画框架 - 从四个财务维度刻画稳定性：盈利稳定性、成长稳定性、杠杆稳定性和现金流稳定性 每个维度选取代表性小类因子[10] - 盈利稳定性因子包括销售净利率ttm过去9季度标准差、ROE_ttm过去9季度标准差和经营性现金流净额ttm/总资产过去9季度标准差[11] - 成长稳定性因子包括归母净利润ttm环比增速、营业收入ttm环比增速和总资产同比增速过去9季度标准差[11] - 杠杆稳定性因子包括总负债/净资产和有息债务/总资产过去9季度标准差[11] - 现金流稳定性因子包括经营性现金流净额ttm/营业收入ttm和现金及现金等价物净增加额ttm/净利润ttm过去9季度标准差[11] 盈利稳定性因子表现 - ROE稳定性因子在中证全指内RankIC月度均值-3.14% RankIC_IR为-0.47 RankIC<0月度占比70.42%[14][16] - 在沪深300内选股效果相对较弱 RankIC_IR为-0.30 RankIC<0月度占比61.97%[16] - 因子多空年化收益在中证全指、沪深300、中证500和中证1000分别为7.24%、7.32%、5.72%和9.40%[16] 成长稳定性因子表现 - 营业收入ttm环比增速稳定性因子在中证全指内RankIC月度均值-2.96% RankIC_IR为-0.45 RankIC<0月度占比70.42%[24][25] - 在沪深300内RankIC_IR为-0.30 RankIC<0月度占比63.38%[25] - 因子多空年化收益在四个样本空间分别为5.76%、7.33%、4.98%和9.13%[25] 杠杆稳定性因子表现 - 有息债务/总资产稳定性因子在中证全指内RankIC月度均值-1.73% RankIC_IR为-0.41 RankIC<0月度占比66.2%[33][35] - 在中证500内RankIC_IR为-0.32 RankIC<0月度占比61.27%[35] - 因子多空年化收益在四个样本空间分别为6.16%、3.70%、6.08%和6.15%[35] 现金流稳定性因子表现 - 经营性现金流净额/营业收入稳定性因子在中证全指内RankIC月度均值-1.67% RankIC_IR为-0.30 RankIC<0月度占比69.72%[42][47] - 在沪深300内选股效果不显著 t统计量不显著[47] - 因子多空年化收益在中证500与中证1000分别为4.31%和7.68%[47] 稳定性因子合成与表现 - 选取ROE稳定性、营业收入ttm环比增速稳定性和有息债务/总资产稳定性三个小类因子等权合成稳定性因子[52] - 合成因子在中证全指内RankIC月度均值-3.54% RankIC_IR为-0.51 RankIC<0月度占比72.54%[55][57] - 在中证500内RankIC_IR为-0.45 RankIC<0月度占比70.42%[57] - 因子多空年化收益在四个样本空间分别为9.40%、8.17%、8.34%和11.62%[57] 稳定性因子在高ROE股票池的应用 - 以过去9个季度ROE_ttm均不低于10%筛选历史高ROE股票 2020年以来每期约600只[58] - 所有历史高ROE股票未来维持高ROE的平均比例为73.44% 稳定性最高的G1组该比例提升至84.33%[62] - 在高ROE股票池内稳定性因子RankIC月度均值-3.70% RankIC_IR为-0.44 RankIC<0月度占比65.49% 因子多空年化收益8.50%[63][64] 稳定性筛选组合表现 - 高ROE股票池等权组合年化收益率9.78% 夏普比率0.41[69] - 稳定性因子值最小50只股票等权组合年化收益率15.80% 夏普比率0.71[69][70] - 除2015、2019、2020年外 其余年份均取得正向超额收益[70] 多因子优选组合表现 - 在高ROE高稳定性股票池内基于成长、波动性、长期动量和分红四个因子选股[78][79] - 成长因子RankIC月度均值4.94% RankIC_IR为0.53 分组多空年化收益率16.19%[78] - 因子优选等权组合年化收益率22.36% 夏普比率0.94 显著高于高ROE股票池等权组合的9.78%和0.41[82][83] - 除2014、2017和2024年前10个月外 其余年份均跑赢中证800全收益指数[83] 组合特征分析 - 因子优选等权组合每期平均单边换手率30.39% 每年4月调仓时换手率较高[83] - 组合市值暴露平均在100亿元左右 与中证1000指数市值暴露相当[86][87] - 行业配置前五为医药、机械、汽车、电子和纺织服装 总权重平均45%左右[88]