量化因子与构建方式 1. **因子名称：高频价格区间因子**[3][11] * **因子构建思路**：衡量股票在日内不同价格区间成交的活跃程度，以体现投资者对未来走势的预期[3]。研究发现，高价格区间成交越不活跃，或低价格区间大单越活跃，股票未来上涨可能性越大[11]。 * **因子具体构建过程**：该因子由三个细分因子加权合成。 * **细分因子1：高价格80%区间成交量因子 (VH80TAW)**。利用三秒快照数据，计算股票在日内高价格80%区间的成交量，该因子值与未来收益呈负相关[11]。 * **细分因子2：高价格80%区间成交笔数因子 (MIH80TAW)**。计算股票在日内高价格80%区间的成交笔数，该因子值与未来收益呈负相关[11]。 * **细分因子3：低价格10%区间每笔成交量因子 (VPML10TAW)**。计算股票在日内低价格10%区间的平均每笔成交量，该因子值与未来收益呈正相关[11]。 * **合成方法**：对上述三个细分因子，分别赋予25%、25%和50%的权重进行合成[14]。然后对合成后的因子进行行业和市值中性化处理[14]。 * **因子评价**：该因子展现出了较强的预测效果，今年以来表现比较稳定[3]。在样本外表现出色，超额净值曲线稳定向上[16]。 2. **因子名称：高频量价背离因子**[3][19] * **因子构建思路**：衡量股票价格与成交量的相关性，当量价出现背离时（相关性低），无论股价处于上升或下降通道，未来上涨的可能性均较高[19]。 * **因子具体构建过程**：该因子由两个细分因子等权合成。 * **细分因子1：价格与成交笔数相关性因子 (CorrPM)**。利用高频快照数据，计算快照成交价（或收益率）与快照成交笔数的相关性[19]。 * **细分因子2：价格与成交量相关性因子 (CorrPV)**。利用高频快照数据，计算快照成交价（或收益率）与快照成交量的相关性[19]。 * **合成方法**：对上述两个细分因子进行等权合成[19]。然后对合成后的因子进行行业和市值中性化处理[19]。 * **因子评价**：该因子近几年表现一直不太稳定，多空净值曲线趋近走平[3]。自2020年以来，收益呈现下降趋势，可能与高频因子被广泛使用有关[23]。但今年以来表现良好，能相对稳定获取正的超额收益[23]。 3. **因子名称：遗憾规避因子**[3][24] * **因子构建思路**：基于行为金融学的遗憾规避理论，考察投资者卖出股票后股价反弹的比例和程度。卖出后反弹占比越高或反弹程度越大，股票的预期收益会更低[24]。 * **因子具体构建过程**：该因子由两个细分因子等权合成。 * **细分因子1：卖出反弹占比因子 (LCVOLESW)**。利用逐笔成交数据区分主动买卖方向，计算卖出后股价反弹的交易占比[24]。 * **细分因子2：卖出反弹偏离因子 (LCPESW)**。利用逐笔成交数据区分主动买卖方向，计算卖出后股价反弹的程度[24]。 * **合成方法**：对上述两个细分因子进行等权合成[28]。然后对合成后的因子进行行业和市值中性化处理[28]。 * **因子评价**：该因子展现了较好的预测效果，样本外超额收益稳定，表明A股投资者的遗憾规避情绪会显著影响股价预期收益[3][31]。 4. **因子名称：斜率凸性因子**[3][32] * **因子构建思路**：从投资者耐心与供求关系弹性的角度出发，利用限价订单簿数据计算买卖双方的订单簿斜率，刻画其对股票预期收益的影响[3][32]。买方斜率越大（需求弹性小）或卖方斜率越小（供给弹性大），股票预期收益越高[32]。 * **因子具体构建过程**：该因子由两个细分因子等权合成。 * **细分因子1：低档斜率因子 (Slope_abl)**。将委托量数据按档位累加，用委托价和累计委托量计算低档位的订单簿斜率[32]。 * **细分因子2：高档位卖方凸性因子 (Slope_alh)**。将委托量数据按档位累加，用委托价和累计委托量计算高档位的卖方订单簿凸性[32]。 * **合成方法**：对上述两个细分因子进行等权合成[35]。然后对合成后的因子进行行业和市值中性化处理[35]。 * **因子评价**：该因子自2016年以来收益保持平稳趋势，但在样本外整体表现比较平淡[35]。 量化模型与构建方式 1. **模型名称：高频“金”组合中证1000指数增强策略**[4][38] * **模型构建思路**：将上述三类高频因子（价格区间、量价背离、遗憾规避）等权合成，构建纯高频因子的指数增强策略[4]。 * **模型具体构建过程**： * **因子合成**：将价格区间因子、量价背离因子、遗憾规避因子进行等权合成[4]。 * **策略设置**：以中证1000指数为基准，进行周频调仓[38]。手续费率为单边千分之二[38]。加入换手率缓冲机制以降低调仓成本[38]。 2. **模型名称：高频&基本面共振组合中证1000指数增强策略**[4][43] * **模型构建思路**：将高频因子与有效的传统基本面因子结合，以提升多因子投资组合的表现[43]。 * **模型具体构建过程**： * **因子池**：高频因子包括上述三类因子（价格区间、量价背离、遗憾规避）；基本面因子包括一致预期、成长和技术因子[43]。 * **因子合成**：将所有高频因子和基本面因子进行等权合成[4]。 * **策略设置**：以中证1000指数为基准，构建指数增强策略[43]。 因子的回测效果 （注：以下因子表现数据均基于中证1000指数成分股，并经过行业市值中性化处理[10]。超额收益基准为所有成分股等权配置[10]。） 1. **价格区间因子**，上周多空收益率2.18%[10]，本月以来多空收益率4.25%[12]，今年以来多空收益率4.25%[12]；上周多头超额收益率1.24%[10]，本月以来多头超额收益率1.60%[12]，今年以来多头超额收益率1.60%[12]。 2. **量价背离因子**，上周多空收益率3.60%[10]，本月以来多空收益率3.71%[12]，今年以来多空收益率3.71%[12]；上周多头超额收益率1.80%[10]，本月以来多头超额收益率2.41%[12]，今年以来多头超额收益率2.41%[12]。 3. **遗憾规避因子**，上周多空收益率0.02%[10]，本月以来多空收益率-0.91%[12]，今年以来多空收益率-0.91%[12]；上周多头超额收益率0.17%[10]，本月以来多头超额收益率-0.82%[12]，今年以来多头超额收益率-0.82%[12]。 4. **斜率凸性因子**，上周多头超额收益率-0.40%[2]，本月以来多头超额收益率-2.01%[2]，今年以来多头超额收益率-2.01%[2]。 模型的回测效果 1. **高频“金”组合中证1000指数增强策略**，年化收益率10.56%[39]，年化波动率23.75%[39]，Sharpe比率0.44[39]，最大回撤率47.77%[39]，双边换手率（周度）14.66%[39]，年化超额收益率9.58%[39]，跟踪误差4.36%[39]，信息比率(IR)2.20[39]，超额最大回撤6.53%[39]；上周超额收益0.68%[4]，本月以来超额收益-1.74%[4]，今年以来超额收益-1.34%[4]。 2. **高频&基本面共振组合中证1000指数增强策略**，年化收益率14.80%[45]，年化波动率23.39%[45]，Sharpe比率0.63[45]，最大回撤率39.60%[45]，双边换手率（周度）22.54%[45]，年化超额收益率13.70%[45]，跟踪误差4.23%[45]，信息比率(IR)3.24[45]，超额最大回撤4.97%[45]；上周超额收益0.18%[4]，本月以来超额收益-1.05%[4]，今年以来超额收益率-0.92%[4]。

核心观点 报告认为，在2026年企业盈利修复可能成为市场核心驱动力的宏观背景下，投资者将更加关注基本面的边际变化（增长率g）而非股息率（d），因此红利策略全年可能难以获得相对于全A市场的超额收益[2][14][15] 然而，红利策略作为投资组合的“压舱石”依然重要，其估值低、波动小且股息率具备相对性价比[2][33] 配置思路应从注重历史分红向寻求基本面弹性切换，并建议关注港股红利的结构性机会[3][62] 第一问：2026年的红利策略能有超额吗？ - **2025年跑输原因**：2025年红利策略大幅跑输市场，万得全A上涨27.65%，而中证红利下跌1.39%[13] 核心原因在于市场转向以AI产业投资为代表的成长性赛道，同时制造业“反内卷”对实物消耗型红利构成压力，且市场风险偏好抬升[11][22] - **2026年展望**：基于企业盈利修复、更多行业景气度改善的宏观假设，市场驱动力可能偏向增长率（g），红利策略全年获取超额收益的难度较大[2][14][15] - **历史规律**：在全A（非金融）ROE回升阶段，红利能否有超额收益取决于驱动力是否与红利主要行业相关，例如2005-2007年和2016-2017年因宏观逻辑受益而跑赢，但在产业政策驱动（如2013年移动互联网）的行情中则跑输[16] - **结构分化**：制造业“反内卷”趋势下，传统制造业红利（量价齐升）的业绩弹性可能大于实物消耗型红利（价稳量升）[22][26] - **防御价值**：当市场波动放大或科技成长板块下行时，红利风格会出现再均衡并可能阶段性占优，例如2025年10-11月的经验[2][11][33] 第二问：2026年的红利策略，买A股还是港股？ - **历史表现**：自2024年4月17日至报告期，港股红利低波指数相对A股红利低波指数的超额收益高达49.10%[36][40] - **性价比来源**：港股红利股息率更具性价比，主要源于其更高的分红比例，尽管PE估值与A股已相差无几[3][37] - **收益归因**：港股相对收益的主要来源是个股选择贡献，而非行业配置贡献[3][44] 金融、能源、工业和材料行业的个股选择贡献最为突出[3][44] - **股息率差异**：无论是共有的A-H红利股还是港股独有股票，贡献主要相对收益的行业其港股股息率均高于A股[3][59] 例如，9只A-H红利股的港股股息率均值比A股高1.17%[46] - **收敛空间**：A股与港股红利股的股息率差值自2023年以来持续收敛，已处于低位，未来进一步收敛的空间可能有限[3][46][53][59] - **2026年配置结论**：港股红利的配置性价比依旧更好，但两者表现差异可能不会像2025年那样明显[3][60] 若市场向基本面要弹性，港股股息率优势可能削弱[3][60] - **红利税影响**：港股通红利税对持股满一年的机构投资者（如保险）几乎无影响，但会降低个人投资者持有港股红利的实际收益[3][60][61] 第三问：如何构建和优化2026年的红利组合？ - **基本面线索**：2026年三大核心线索是海外AI投资与制造业复苏带来缺电、新兴市场资源保护主义与降息周期共振、内需破局与消费力恢复[3][62] - **受益范围分析**：资源类红利和传统制造业红利受益范围最广，同时受益于多条线索；金融类红利仅受益于走出通缩后的盈利后周期修复[3][62][66] - **配置思路转变**：应从注重历史分红和静态股息率，转向寻求有基本面弹性、未来分红比例可能提升且预测股息率符合要求的标的[3][62] - **赔率与胜率体系**：构建细分行业评分体系，赔率以股息率为核心，结合分红稳定性与提升空间；胜率以ROE TTM为核心，结合影响基本面的核心因素[3][65] - **行业筛选象限**： - **第一象限（赔率胜率双高）**：包括保险、纺织制造、煤炭开采、航运港口、饮料乳品、通信服务、家居用品、食品加工、非白酒、物流等行业[3][69] - **第二象限（胜率高、赔率不足）**：如摩托车、工程机械、水泥、小家电等[3][69] - **第三象限（赔率胜率双低）**：如造纸、商用车、冶钢原料、酒店餐饮、专业连锁[3][69] - **第四象限（赔率高、胜率不足）**：如白酒、银行、铁路公路、基础建设、装修建材、厨卫电器等[3][69] - **配置建议**：建议加大第一象限行业的配置，第四象限中赔率很高的行业也可作为中长期配置方向[3][71] - **标的组合构建**：基于上述行业评分，结合个股基本面与估值，报告筛选出了包含55只A+H标的的2026年红利组合供参考[3][72][74]

产业前沿：AI需求强劲，供给持续紧张 - 存储芯片2026年一季度价格大幅上涨，一般型DRAM合约价季增55-60%，NAND Flash季增33-38%，预计二季度价格环比再涨约20%[13] - 预计存储芯片产业规模2026年达5516亿美元（同比增长134%），2027年达8427亿美元（同比增长53%），2026-2027年供不应求，2028年改善[13] - OpenAI 2025年年化收入突破200亿美元，较2024年的60亿美元大幅增长[15] - Anthropic年化收入从2025年夏季约40亿美元提升至2025年底的90亿美元以上[16] 资本风向：巨头财报与AI应用进展 - 英特尔2025年第四季度营收137亿美元，但预计2026年第一季度营收指引为117–127亿美元，显示AI需求强劲但供给紧张[20] - 谷歌Gemini API调用量过去一年增长逾一倍，达850亿次；Gemini企业订阅用户增长至800万[30] - 阿里千问大模型全球下载量超10亿次，衍生模型数量突破20万个[31] - 苹果计划在2026年6月发布全新AI聊天机器人，并于9月正式推出[33] 产业链与公司动态：上游高景气与国产化 - 天孚通信预计2025年净利润18.81亿元-21.5亿元，同比增长40.00%-60.00%，反映光通信行业高景气[25] - 阿里巴巴正考虑将其芯片设计子公司平头哥分拆为独立公司并推动上市[29]

量化模型与构建方式 1. **模型名称：微盘股轮动模型**[19][20][27] * **模型构建思路**：通过比较微盘股指数与茅指数的相对价值和短期动量，判断并轮动投资于表现更优的风格指数。[19][20][27] * **模型具体构建过程**： 1. **计算相对净值**：计算微盘股指数与茅指数的相对净值（微盘股指数净值 / 茅指数净值）。[27] 2. **计算年均线**：计算该相对净值的243日移动平均线（年均线）。[27] 3. **计算斜率**：分别计算微盘股指数和茅指数过去20日收盘价的斜率（趋势）。[27] 4. **生成信号**： * 当微盘股/茅指数相对净值 **高于** 其243日均线时，倾向于投资微盘股。[27] * 当微盘股/茅指数相对净值 **低于** 其243日均线时，倾向于投资茅指数。[27] * 结合20日斜率：当两个指数的20日斜率方向相反且一方为正时，选择投资斜率为正的指数，以应对潜在的风格切换。[27] 2. **模型名称：微盘股择时风控模型**[19][20][27] * **模型构建思路**：监控十年期国债收益率和微盘股波动率拥挤度的同比变化，当任一指标触及预设阈值时，发出平仓信号以控制中期系统性风险。[19][20][27] * **模型具体构建过程**： 1. **计算十年期国债收益率同比**：计算当前十年期国债到期收益率相对于一年前同期的变化率。[27] $$十年国债利率同比 = \frac{当前十年期国债到期收益率}{一年前同期十年期国债到期收益率} - 1$$ 2. **计算波动率拥挤度同比**：计算当前微盘股波动率拥挤度指标相对于一年前同期的变化率。[27] $$波动率拥挤度同比 = \frac{当前波动率拥挤度}{一年前同期波动率拥挤度} - 1$$ 3. **生成风控信号**：设定两个阈值，十年国债利率同比阈值为0.3（30%），波动率拥挤度同比阈值为0.55（55%）。[27] * 若 **十年国债利率同比 ≥ 30%** 或 **波动率拥挤度同比 ≥ 55%**，则触发风控信号，建议平仓。[27] * 否则，维持持仓。[27] 3. **模型名称：宏观择时模型**[47][50] * **模型构建思路**：基于经济增长和货币流动性两个宏观维度的动态事件因子，生成权益资产（股票）的配置仓位信号，进行股债轮动。[47] * **模型具体构建过程**：报告未详细描述具体构建过程，但指出模型根据经济增长和货币流动性层面生成信号强度，并综合得出股票仓位建议。具体细节需参考其历史研究报告《Beta 猎手系列：基于动态宏观事件因子的股债轮动策略》。[47][49] 模型的回测效果 1. **微盘股轮动模型**：报告未提供该模型历史回测的综合绩效指标（如年化收益率、夏普比率等），但提供了截至2025年12月31日的具体信号：维持茅指数信号，预期中期配置茅指数能有更高相对收益。[19][20] 2. **微盘股择时风控模型**：报告未提供该模型历史回测的综合绩效指标，但提供了截至2025年12月31日的监控值：波动率拥挤度同比为-33.43%，十年期国债到期收益率同比为9.93%，均未触及风控阈值，因此中期系统性风险处于可控范围，风控信号未触发。[19][20] 3. **宏观择时模型**： * 截至2025年12月31日，模型对1月份权益推荐仓位为 **60%**（上月为55%）。[47][50] * 模型对12月份经济增长层面信号强度为50%，货币流动性层面信号强度为60%。[47] * 择时策略2025年年初至今收益率为 **14.59%**，同期Wind全A收益率为26.87%。[47] 量化因子与构建方式 1. **因子名称：市值因子**[54][66] * **因子构建思路**：使用公司流通市值的对数作为代理变量，通常认为小市值公司具有更高的风险溢价和成长潜力。[66] * **因子具体构建过程**：$$LN\_MktCap = ln(流通市值)$$[66] * **因子评价**：报告指出，过去一周小市值因子在全市场范围内表现强势，是市场风格的主导因子之一。[54] 2. **因子名称：价值因子**[54][66] * **因子构建思路**：通过多种估值比率衡量公司价格是否低于其内在价值，例如市净率、市盈率、市销率的倒数等。[66] * **因子具体构建过程**：报告列出了多个细分价值因子，例如： * $$BP\_LR = \frac{最新年报账面净资产}{最新市值}$$ * $$EP\_FTTM = \frac{未来12个月一致预期净利润}{最新市值}$$ * $$SP\_TTM = \frac{过去12个月营业收入}{最新市值}$$[66] * **因子评价**：报告指出，过去一周价值因子全线飘红，显示市场资金在追逐小盘弹性的同时，风险偏好回归对低估值的重视。[54] 3. **因子名称：成长因子**[66] * **因子构建思路**：通过公司财务指标的增长率来衡量其未来的成长潜力。[66] * **因子具体构建过程**：报告列出了多个细分成长因子，例如： * $$NetIncome\_SQ\_Chg1Y = 单季度净利润同比增速$$ * $$OperatingIncome\_SQ\_Chg1Y = 单季度营业利润同比增速$$ * $$Revenues\_SQ\_Chg1Y = 单季度营业收入同比增速$$[66] 4. **因子名称：质量因子**[66] * **因子构建思路**：通过盈利能力、运营效率、财务稳健性等指标衡量公司的经营质量。[66] * **因子具体构建过程**：报告列出了多个细分质量因子，例如： * $$ROE\_FTTM = \frac{未来12个月一致预期净利润}{股东权益均值}$$ * $$OCF2CurrentDebt = \frac{过去12个月经营现金流净额}{流动负债均值}$$ * $$GrossMargin\_TTM = 过去12个月毛利率$$[66] 5. **因子名称：一致预期因子**[54][66] * **因子构建思路**：基于分析师一致预期的变化或目标价空间，捕捉市场对未来盈利预期的调整。[66] * **因子具体构建过程**：报告列出了多个细分一致预期因子，例如： * $$EPS\_FTTM\_Chg3M = 未来12个月一致预期EPS过去3个月的变化率$$ * $$TargetReturn\_180D = 一致预期目标价相对于目前股价的收益率$$[66] * **因子评价**：报告指出，随着年报预告披露期接近尾声，市场短期脱离对于高业绩预期板块的追逐，使得一致预期因子表现走弱。[54] 6. **因子名称：技术因子**[54][66] * **因子构建思路**：基于价量数据构建指标，反映市场的交易行为、流动性和动量特征。[66] * **因子具体构建过程**：报告列出了多个细分技术因子，例如： * $$Volume\_Mean\_20D\_240D = \frac{20日成交量均值}{240日成交量均值}$$ * $$Turnover\_Mean\_20D = 20日换手率均值$$[66] * **因子评价**：报告指出，过去一周量价类因子（技术和低波因子）表现良好，并预期未来一周小市值和量价类因子能维持表现。[54] 7. **因子名称：波动率因子**[66] * **因子构建思路**：通过股票收益率的历史波动率或模型残差波动率来衡量其风险水平，通常低波动股票具有更稳定的表现。[66] * **因子具体构建过程**：报告列出了多个细分波动率因子，例如： * $$Volatility\_60D = 60日收益率标准差$$ * $$IV\_CAPM = CAPM模型残差波动率$$ * $$IV\_FF = Fama-French三因子模型残差波动率$$[66] 8. **因子名称：反转因子**[66] * **因子构建思路**：基于股票过去一段时间的收益率，认为过去表现差的股票未来可能反弹，而过去表现好的股票可能回调。[66] * **因子具体构建过程**：报告列出了多个细分反转因子，例如： * $$Price\_Chg20D = 20日收益率$$ * $$Price\_Chg60D = 60日收益率$$ * $$Price\_Chg120D = 120日收益率$$[66] 9. **因子名称：可转债正股一致预期因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“一致预期”类因子应用于可转债择券。[59] 10. **因子名称：可转债正股价值因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“价值”类因子应用于可转债择券。[59] 11. **因子名称：可转债正股成长因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“成长”类因子应用于可转债择券。[59] 12. **因子名称：可转债正股财务质量因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“财务质量”类因子应用于可转债择券。[59] 13. **因子名称：可转债估值因子**[59] * **因子构建思路**：直接从可转债自身的估值指标出发进行择券，选取的指标是平价底价溢价率。[59] 因子的回测效果 （以下数据均基于“上周”和“今年以来”两个时间窗口，在全部A股、沪深300、中证500、中证1000四个股票池中的表现） 1. **一致预期因子**： * **IC均值（上周）**：全部A股 0.21%， 沪深300 -8.80%， 中证500 -1.51%， 中证1000 -0.18%[55] * **IC均值（今年以来）**：全部A股 2.25%， 沪深300 -2.73%， 中证500 0.51%， 中证1000 0.84%[55] * **因子多空收益（上周）**：全部A股 0.08%， 沪深300 0.10%， 中证500 -1.46%， 中证1000 -0.87%[55] * **因子多空收益（今年以来）**：全部A股 -0.07%， 沪深300 0.45%， 中证500 -5.89%， 中证1000 -2.20%[55] 2. **市值因子**： * **IC均值（上周）**：全部A股 10.97%， 沪深300 33.47%， 中证500 -2.07%， 中证1000 4.74%[55] * **IC均值（今年以来）**：全部A股 7.41%， 沪深300 19.70%， 中证500 -8.85%， 中证1000 -0.66%[55] * **因子多空收益（上周）**：全部A股 1.62%， 沪深300 3.11%， 中证500 1.70%， 中证1000 0.06%[55] * **因子多空收益（今年以来）**：全部A股 2.65%， 沪深300 7.23%， 中证500 -10.20%， 中证1000 -0.45%[55] 3. **成长因子**： * **IC均值（上周）**：全部A股 7.53%， 沪深300 -11.51%， 中证500 1.18%， 中证1000 4.51%[55] * **IC均值（今年以来）**：全部A股 5.72%， 沪深300 3.62%， 中证500 2.91%， 中证1000 2.77%[55] * **因子多空收益（上周）**：全部A股 1.29%， 沪深300 -2.91%， 中证500 1.64%， 中证1000 0.45%[55] * **因子多空收益（今年以来）**：全部A股 2.89%， 沪深300 0.59%， 中证500 4.64%， 中证1000 0.14%[55] 4. **反转因子**： * **IC均值（上周）**：全部A股 -2.85%， 沪深300 -4.27%， 中证500 -5.74%， 中证1000 4.07%[55] * **IC均值（今年以来）**：全部A股 -2.45%， 沪深300 0.53%， 中证500 -9.15%， 中证1000 -0.03%[55] * **因子多空收益（上周）**：全部A股 -1.30%， 沪深300 -1.84%， 中证500 -2.80%， 中证1000 0.20%[55] * **因子多空收益（今年以来）**：全部A股 -4.25%， 沪深300 -3.14%， 中证500 -13.15%， 中证1000 -2.79%[55] 5. **质量因子**： * **IC均值（上周）**：全部A股 -6.17%， 沪深300 -19.17%， 中证500 -13.04%， 中证1000 -11.20%[55] * **IC均值（今年以来）**：全部A股 3.05%， 沪深300 1.08%， 中证500 -4.73%， 中证1000 -0.86%[55] * **因子多空收益（上周）**：全部A股 -0.69%， 沪深300 -3.29%， 中证500 0.05%， 中证1000 -0.96%[55] * **因子多空收益（今年以来）**：全部A股 1.45%， 沪深300 -0.88%， 中证500 -4.69%， 中证1000 1.51%[55] 6. **技术因子**： * **IC均值（上周）**：全部A股 6.77%， 沪深300 -4.67%， 中证500 3.45%， 中证1000 5.79%[55] * **IC均值（今年以来）**：全部A股 3.02%， 沪深300 -4.23%， 中证500 -5.47%， 中证1000 -0.55%[55] * **因子多空收益（上周）**：全部A股 -0.39%， 沪深300 -1.41%， 中证500 -0.60%， 中证1000 -0.59%[55] * **因子多空收益（今年以来）**：全部A股 -1.95%， 沪深300 -4.69%， 中证500 -13.04%， 中证1000 -4.09%[55] 7. **价值因子**： * **IC均值（上周）**：全部A股 14.54%， 沪深300 14.95%， 中证500 20.03%， 中证1000 22.00%[55] * **IC均值（今年以来）**：全部A股 0.25%， 沪深300 0.80%， 中证500 -5.63%， 中证1000 -2.89%[55] * **因子多空收益（上周）**：全部A股 1.42%， 沪深300 0.26%， 中证500 3.68%， 中证1000 3.31%[55] * **因子多空收益（今年以来）**：全部A股 -3.09%， 沪深300 -3.34%， 中证500 -8.43%， 中证1000 -2.43%[55] 8. **波动率因子**： * **IC均值（上周）**：全部A股 5.56%， 沪深300 1.98%， 中证500 -1.57%， 中证1000 10.41%[55] * **IC均值（今年以来）**：全部A股 0.82%， 沪深300 -0.12%， 中证500 -8.94%， 中证1000 -0.88%[55] * **因子多空收益（上周）**：全部A股 -1.11%， 沪深300 -1.33%， 中证500 -2.28%， 中证1000 -0.03%[55] * **因子多空收益（今年以来）**：全部A股 -3.70%， 沪深300 -1.95%， 中证500 -13.49%， 中证1000 -3.47%[55]

核心观点 报告通过多维度市场流动性、交易行为及机构预期数据，揭示了近期A股市场呈现整体交易热度回落、但结构性热点活跃的特征，同时不同投资者群体行为出现显著分化，北上资金回流但反复，个人投资者内部（ETF与两融）及机构投资者（主动基金与ETF）之间均存在分歧，市场未来可能面临交易层面的扰动[8][9] 宏观流动性 - 美元指数有所回落，中美10年期国债利差“倒挂”程度继续加深[1][15] - 10年期美债名义利率不变，实际利率回升，隐含的通胀预期小幅回落[1][15] - 离岸美元流动性整体宽松，3个月日元与美元互换基差回升，欧元与美元互换基差回落[18] - 国内银行间资金面均衡偏紧，DR001和R001利率均上升，且R001与DR001之差小幅走阔，1年期国债收益率上升而10年期回落，导致期限利差(10Y-1Y)收窄[18][24] 市场交易热度与波动 - 市场整体交易热度明显回落[2][25] - 军工、电力设备及新能源（电新）、消费者服务、化工、家电等板块的交易热度处于90%历史分位数以上[2][25] - 上证50和中证500的波动率回升，而沪深300、中证1000、深证100、科创50、创业板指的波动率回落[31][33] - 所有板块的波动率均仍处于80%历史分位数以下[2][31] - 市场流动性指标有所回落，各板块的流动性指标均在60%历史分位数以下[35][40] 机构调研热度 - 电子、电力设备及新能源（电新）、汽车、计算机、机械等板块的机构调研热度居前[3][42] - 仅银行等少数板块的调研热度环比仍在上升[3][42] - 主动偏股基金前100大重仓股、创业板指、沪深300、中证500、上证50的调研热度均有所回落[42][48] 分析师盈利预测 - 全A市场2026年和2027年的净利润预测同时被上调[4][50] - 行业层面，农林牧渔、有色金属、消费者服务、计算机、电子等板块的2026年和2027年净利润预测均被上调[4][58] - 指数层面，创业板指、中证500、上证50的2026年和2027年净利润预测均被上调，沪深300的2026年预测被下调、2027年预测被上调[4][67] - 风格层面，大盘成长、中盘价值、小盘价值的2026年和2027年净利润预测均被上调，小盘成长、大盘价值的预测均被下调，中盘成长的2026年预测被上调、2027年预测被下调[4][70] 北上资金动向 - 北上资金交易活跃度有所回落，但整体继续净买入A股，其行为节奏存在明显反复[5][80] - 基于前10大活跃股口径，北上资金在电子、汽车、家电等板块的买卖总额之比上升，在通信、电新、有色金属等板块的买卖总额之比回落[5][89] - 基于持股数量小于3000万股的标的口径，北上资金主要净买入电子、电新、化工等板块，净卖出计算机、传媒、国防军工等板块[5][90] - 综合来看，北上资金可能主要净买入电子、汽车等板块，净卖出计算机、传媒、军工等板块[5] 融资融券动向 - 两融活跃度继续回落至2025年7月下旬以来的低位，上周两融投资者净卖出82.65亿元[6][94] - 行业上，两融主要净买入有色金属、金融（银行与非银）、食品饮料等板块，净卖出TMT（电子、计算机、通信、传媒）、医药、家电等板块[6][94] - 各板块的融资买入额占成交额的比例均有所回落[6][101] - 风格上，两融继续净买入大盘成长和大盘价值板块，净卖出中盘及小盘的成长与价值板块[6][105] 龙虎榜交易 - 龙虎榜买卖总额继续回升，但其占全A成交额的比例有所回落[7][109] - 行业层面，建材、电力设备及新能源（电新）、石油石化等板块的龙虎榜买卖总额占其成交额的比例相对较高且仍在上升[7][109] 公募基金与ETF动向 - 主动偏股基金股票仓位继续回落[8][114] - 剔除涨跌幅因素后，主动偏股基金主要加仓轻工制造、银行、医药等板块，主要减仓电力设备及新能源（电新）、通信、基础化工等板块[8][114] - 风格上，主动偏股基金与大盘成长/价值、中盘成长/价值的相关性上升，与小盘成长/价值的相关性回落[8] - 新成立权益基金规模继续回升，其中主动型基金新成立规模回升，被动型（指数）基金新成立规模略回落[8] - ETF继续被大幅净赎回，且以机构持有的ETF为主，而个人持有的ETF则延续被大幅净申购[8] - 从跟踪指数看，红利、中证2000、券商等ETF被主要净申购，而沪深300、中证1000、上证50等ETF被主要净赎回[8] - 从行业拆分看，ETF净卖出各类板块，其中电子、金融、电新等板块被主要净卖出[8] 投资者行为共识与分化 - ETF与北上资金的买入共识度、两融与龙虎榜的买入共识度均出现回落[8] - 个人投资者内部开始分化：个人ETF继续被净申购，但两融投资者开始转向净流出[9] - 北上资金虽延续回流但行为反复明显，而机构ETF依然是主要的卖出力量[9]

报告行业投资评级 未提及 报告的核心观点 25 年四季度权益转入高位震荡、纯债也进入波动但利率水平较低，固收类资金继续向权益市场要收益，但转债不断新高的估值也带动各产品规模、仓位、持券偏好出现分化[1] 根据相关目录分别进行总结 转债仓位：整体被"稀释"，个别有分化 - 25 年末全市场基金持有转债市值 3,082.56 亿元、环比 25Q3 略降 2.6%，转债余额降至 5386 亿元，公募基金持仓转债占比继续上升[11] - 所有基金转债持仓市值与 25Q3 相比小幅下降、仓位环比下降到 0.85%、环比减少 0.03pct，混合型基金持有转债规模大幅下降，债券型基金和股票型基金持有转债规模小幅下降[14] - 混合型基金转债仓位继续主动下降，偏债混的转债仓位降低至 3.89%、回到 21 年初的位置，灵活配置型的转债仓位止跌回升到 0.66%、但仍处于历史较低位置[18] - 25 年末债基转债持仓比例整体下降，一级债基转债持仓比例主动提升至 7.97%，二级债基持仓转债比例被动下降至 7.12%，转债基金持仓转债比例被动上升至 86%，两只可转债 ETF 规模收缩[25] - 截至 25 年末，“固收+”产品总净值规模环比上涨 9.8%，二级债基申购规模增加，一级债基产品遭净赎回，转债基金份额下滑，可转债 ETF 份额降幅超 10%[39] 持仓风格：银行/周期/电新实现超配 - 25 年四季度转债平价中位数在 100 - 105 之间波动，转债整体股性较强，大部分产品降低了对超低平价转债的持有比例[53][54] - 除灵活配置型产品外，各类资金规避临期转债持仓，加大对次新标的持仓，转债基金对 1.5 年以内转债持有占比最低，对 4 - 5 年期转债持有占比最高[59] - 25 年四季度主动公募基金对石油石化、电新、银行行业增持幅度超 20%，对公用事业、食品饮料等行业减配[62] - 各类基金对不同行业投资偏好差异大，周期板块除偏债混外超配，地产链普遍低配，消费板块大部分标配，医药、TMT、中游制造、金融、公用事业板块各基金配置情况不同[66][67] 持仓个券：底仓券继续被大幅增持，临期券遭到规避 - 增持规模前二十的个券以大盘/相对低价券为主，减持个券主要为上涨兑现高强赎预期标的、临期标的、弱资质标的[72][75] - 个券持有基金数量大幅增加的除次新券外，与增持规模前二十大重合少且不乏弹性标的，持有基金数量大幅减少的除减持规模前二十大外，其他临期标的也遭清仓[75] - 各类基金持仓偏好差异大，但持仓集中度普遍提升，各类型基金前十大重仓转债有不同变化[79]

核心观点 - 2025年四季报显示固收+规模再创新高，含权敞口小幅下降 [1] 市场概况 广义固收类基金规模 - 2025Q4易方达基金广义固收类基金规模3627.05亿元排名第1但规模降4.71%，招商基金规模3512.27亿元排名第2且规模增9.88%，广发基金规模3405.02亿元排名第3规模增3.78%等 [8] 混合资产策略基金规模 - 2025Q4易方达基金混合资产策略基金规模2347.93亿元排名第1规模降3.30%，景顺长城基金规模2263.68亿元排名第2规模增32.11%，汇添富基金规模1459.97亿元排名第3规模增25.66%等 [8] 业绩表现 回报均值 - 2025Q4短期纯债型基金回报均值0.49%，中长期纯债型0.56%，一级债基0.55%等；今年以来短期纯债型1.49%，中长期纯债型1.02%，一级债基2.30%等 [15] 最大回撤均值 - 2025Q4短期纯债型基金最大回撤均值 - 0.06%，中长期纯债型 - 0.28%，一级债基 - 0.53%等；今年以来短期纯债型 - 0.31%，中长期纯债型 - 1.02%，一级债基 - 1.09%等 [15] 年化夏普比率均值 - 2025Q4短期纯债型基金年化夏普比率均值4.28，中长期纯债型4.35，一级债基2.30等；今年以来短期纯债型1.40，中长期纯债型1.61，一级债基0.99等 [15] 资产配置 杠杆率 - 2025Q4短期纯债型基金杠杆率111.89%较Q3增0.40%，中长期纯债型115.43%较Q3降0.24%，纯固收类均值114.90%较Q3降0.15%等 [40] 持仓特征 股票持仓 - 2025Q4行业持仓占比中有色金属占比14.65%居首，电子11.80%，非银金融8.40%等；股票持仓占比中紫金矿业占比5.86%居首，宁德时代3.87%，中际旭创3.65%等 [57][58] 转债持仓 - 2025Q4转股溢价率方面，混合债券型一级基金35.86%，混合债券型二级基金35.65%，偏债混合型基金37.62%等；纯债溢价率方面，混合债券型一级基金33.92%，混合债券型二级基金37.94%，偏债混合型基金27.66%等 [65] 行业与转债持券市值比 - 2025Q4行业持券市值比中银行占比14.45%居首，化工12.83%，电气设备11.79%等；转债持券市值比中兴业转债占比5.99%居首，上银转债4.30%，温氏转债3.06%等 [68][69] 基金经理观点 纯债市场观点 - 黄莹洁预计2026年一季度债市或区间震荡曲线趋陡，基本面贸易摩擦或缓和出口增长但固投和社零增速放缓，货币政策灵活高效，供需上超长期政府债供给压力大 [74] - 张李陵、李禹成认为当前经济复苏依赖内生动力，货币政策可对冲不确定性，债券逻辑将从交易转向配置 [74] - 苏谋东对2026年一季度宏观经济中性偏乐观，认为资金面将维持宽松利好中短信用债，期限利差或稳定 [74] - 顾飞辰认为2026年一季度美国滞胀或延续、经济软着陆可能性大，国内经济有压力但政策前置，通胀或回升，债市短多长空，信用债票息是主要收益 [74] - 宋倩倩预计2026年一季度债市主线是政策和机构行为，多空交织但赔率改善，票息策略占优 [74] - 罗远航认为2026年一季度美联储降息不确定，国内经济托底政策将出台，CPI和PPI或上升，债市震荡无下行趋势 [74] - 郭振宇认为2026年通胀预期决定债市走势，货币政策稳定，债市大概率震荡走高，组合将开展波段交易 [74] 债券与股票市场观点 - 邓欣雨、赵宇澄预计2026年GDP平减指数转正，业绩驱动股市上行，关注涨价和创新成长领域，转债仓位中枢下降重视股市映射机会，纯债注重防守 [75] - 董晗、李怡文预计2026年经济开门红概率高，政策和海外财政共振发力，纯债中等偏低久期配置高等级信用债，转债中低仓位选优质个券，看好股市结构机会 [75] 转债及股票市场观点 - 黄波认为2026年一季度宏观经济新旧动能转换，经济靠外需与内需政策平衡，政策适度宽松，价格温和回升，固收选高性价比转债 [79] - 过钧认为2026年我国融资成本低位，中美利差或收窄，人民币升值，市场内需改善利好股市，转债高估值逊色于正股，债券收益率曲线可能熊陡 [79] - 刘文良认为2026年一季度全球流动性支持风险资产，国内政策利好，权益市场春季行情有望展开，看好科技和周期板块，转债有较好表现 [80] - 王石千认为2026年一季度宏观经济和政策利好债市，但风险偏好上行债券收益震荡，权益市场上涨，转债市场或随股票上涨 [81]

报告行业投资评级 未提及相关内容 报告的核心观点 上周（1/19 - 1/23）债券型 ETF 资金净流出 156 亿元，不同类型 ETF 资金流向、业绩表现、规模、升贴水率和换手率存在差异 [2][13] 根据相关目录分别进行总结 发行进度跟踪 - 上周无新发行债券 ETF [3][17] 存量产品跟踪 - 截止 2026 年 1 月 23 日，利率债 ETF、信用债 ETF、可转债 ETF 流通市值分别为 1311 亿元、3829 亿元、734 亿元，信用债 ETF 规模占比 63% [4][19][20] - 相较于上周，利率债 ETF、信用债 ETF、可转债 ETF 流通市值分别减少 58 亿元、减少 91 亿元、增加 43 亿元 [4][20] - 基准做市信用债 ETF、科创债 ETF 流通市值分别为 1092 亿元、2950 亿元，较上周分别减少 50 亿元、减少 74 亿元 [4][22] ETF 业绩跟踪 - 利率债 ETF、信用债 ETF 累计单位净值分别收于 1.19、1.03 [5][24] - 基准做市信用债 ETF 成立以来回报率持续拉升至 1.4% 附近，科创债 ETF 成立以来回报率上行至 0.4% [5][30] 升贴水率跟踪 - 上周信用债 ETF、利率债 ETF、可转债 ETF 升贴水率均值分别为 -0.17%、-0.04%、+0.03%，信用债 ETF 配置情绪偏低 [6][35] - 基准做市信用债 ETF 和科创债 ETF 周度升贴水率均值分别为 -0.24%、-0.17% [6][35] 换手率跟踪 - 上周换手率利率债 ETF＞信用债 ETF＞可转债 ETF，利率债、信用债 ETF 周度换手率分别升至 171%、136%，可转债 ETF 周度换手率降至 109% [7][40] - 华夏上证基准做市国债 ETF、科创债 ETF 永赢、摩根上证 AAA 科技创新公司债 ETF 等产品换手率较高 [7][40]

报告行业投资评级 未提及 报告的核心观点 特朗普新一年内外事务全面出击，对内尝试修复K型经济，对外寻找个人中选与国家利益的“公约数”，为AI叙事提供友好宏观环境；传统经济政策框架被白宫行政权替代，未来将有更多“非常规经济政策”，政治经济学视角越发重要；2026年特朗普行政权或无限放大，对内政策由选民评判，对外事务影响美元信用 [2][4] 根据相关目录分别进行总结 第一支箭：对内改善可负担性 - 特朗普用行政手段控制生活成本，刺激K型经济中低收入群体和受抑制的就业，因传统货币政策有局限，降息只让富人感受“繁荣” [5] - 2025年第三季度美国“工薪阶层”劳动收入份额降至53.8%，创历史最低，减税或发钱会增加财政赤字压力 [6] - 特朗普政策包括信贷利率管制（信用卡利率上限10%）、住房市场干预（推出50年期抵押贷款，让“两房”买2000亿美元MBS），还延续其他政策；信用卡利率上限算法高估，可能带来信用供给下降、道德风险、通胀压力等副作用；“两房”买MBS可增加房贷意愿、压缩利差 [10][14] - 联储或两房购买资产类似“量化宽松”，利好金融市场；特朗普行政手段或“数量制胜”，但需联储支持，他对新联储主席人选“控制力”增大，对资本市场更友好 [15][16] 第二支箭：对外政策寻求美国各方利益的“最大公约数” - 特朗普行动是为攫取“美国国家利益、选民关切和自身政治诉求”的最大公约数，“绝对决心行动”为建立“西半球能源堡垒”，觊觎格陵兰岛有个人政治诉求和国家战略目标 [19] - 特朗普模式的经济民族主义欲替代达沃斯全球主义模式，他谈判艺术是极限施压，美国或打破更多全球规则，黄金、比特币等资产将受冲击 [20] - 未来特朗普可能因威胁边际效用递减发出二次威胁，或引发美国资产抛售、长端美债利率走高、黄金上涨和美股流动性压力 [21] 第三支箭：AI领先地位需要延续 - 特朗普要求AI企业优先服务美国国家利益，前两支箭为AI营造宏观环境，当前电脑及周边、数据中心投资比重上升快 [22][23] - 2026年AI企业外部融资重要，私募信贷风险聚集，AI企业贷款信用利差与其他类别无明显区别 [27] - AI热潮风险可控，但持续性取决于AI企业盈利增速预期，股票与债务市场定价割裂，可能出现股价回调 [30] 最后：昂贵的价码由美元信用承担 - 特朗普政策动态影响复杂未知，与“现代货币理论”相似，经济政策服务经济现状，不受政治意志转移 [31] - 行政逻辑短期可胜经济逻辑，但不能取消经济规律，特朗普政策红利背后成本由美国经济和美元信用承担 [32]

投资评级与核心观点 - 首次覆盖给予“买入”评级，基于2026年30倍PE估值，对应目标价74.76元 [3] - 报告核心观点：悍高集团是国内家具五金行业龙头，展现出穿越地产周期的强阿尔法，凭借高壁垒的“硬产品×强品牌×深渠道×高效率”乘数效应，公司仍处于高速成长期 [1][2] 公司概况与财务表现 - 公司创始于2004年，是国内家具五金行业龙头，产品体系包括收纳五金、基础五金、厨卫五金、户外家具等 [1][14] - 2020-2024年，公司营业收入和归母净利润的年复合增长率分别为+35%和+76%，展现出穿越地产周期的强成长性 [1][23] - 2025年前三季度，公司实现营业收入24.97亿元，同比增长+24.3%，归母净利润4.83亿元，同比增长+38.1%，成长逻辑持续兑现 [23] - 公司盈利能力持续提升，综合毛利率从2020年的28.1%提升至2025年前三季度的37.8%，净利率从2019年的6.5%提升至2025年前三季度的19.4% [28][44] - 公司ROE表现亮眼，从2019年的26.5%提升至2024年的35.9%，主要驱动力为经营杠杆释放带来的净利率提升 [36][44] - 公司期间费用率持续优化，从2019年的23.5%降至2025年前三季度的14.8%，主要因销售与管理费用率下降，背后是人效大幅提升，人均创收从2019年的50万元增至2024年的98万元 [29][40] - 公司资产负债结构稳健，经营性现金流与利润增长基本匹配，盈利质量高，并承诺2025-2027年每年现金分红比例不低于当年实现可分配利润的30% [44][45] 行业分析 - 家具五金是家具产业的核心配套与价值提升环节，行业协会统计广义家具五金市场规模超过2000亿元，预计2024-2028年CAGR为+7.6% [1][53] - 报告测算，公司核心聚焦的狭义家居功能五金市场规模约700亿元 [1][55] - 行业需求端由存量房翻新主导，2025年中国家装市场中，由存量房装修和二手房交易构成的旧房装修需求总计1226万套，占比达66%，为家具五金需求提供稳定支撑 [61][63] - 行业供给端呈现“金字塔型”竞争格局：外资品牌（如百隆、海蒂诗）垄断高端市场；内资龙头（如悍高、东泰）凭借高质价比在中高端市场快速崛起并实现国产替代；大量中小企业陷入低端红海竞争 [1][64] - 龙头企业护城河源于“硬产品×强品牌×深渠道×高效率”形成的乘数效应，竞争要素包括产品品质与设计、自主品牌建设、多元化渠道网络以及成本控制与供应链效率 [1][67][70] 公司竞争壁垒与增长动力 - **品牌塑造**：公司坚持打造C端有认知的B端品牌，品牌塑造根植于独特的审美基因与一贯的美学坚持，2024年自主品牌销售占比预计超90% [2][76][87] - 公司从设计感强的拉篮起家，其“美斯系列”衣柜五金荣获2025年德国iF设计大奖和红点奖，希勒飞碟3.0转角拉篮获得国家发明专利，打破了欧洲品牌的技术垄断 [76][84] - 公司拉篮产品在主要电商平台（天猫、京东、抖音）2022-2024年连续三年销量第一，成功抢占消费者心智 [84][86] - **渠道优势**：公司已形成经销（57%）、电商（11%）、云商（11%）、直销（8%）及出口（13%）的多元立体渠道网络，不依赖单一客户或出口代工 [2][90] - 经销商网络广度与深度行业领先，2024年经销商数量达369家，单家平均提货额从2019年的226万元提升至460万元，前五大客户收入占比合计仅8.4% [90][94][106] - 公司积极探索C端新业态，通过全屋收纳旧改店切入存量焕新市场，并通过厨卫原创馆孵化第二增长曲线 [108] - **极致制造**：公司打造星际总部、六角大楼及在建独角兽三大智能制造基地，规划总产值潜力超60亿元 [2][109] - 通过提升自产比例、推进全链条自动化，基础五金规模效应显现，其毛利率从2020年的13.4%攀升至2025年上半年的40%，2020-2024年收入CAGR达+64% [2][28][109] - 公司拥有超过110条自动化生产线，通过“自动化+数字化+精益化”深度融合，显著降低人工成本，提升品质一致性与生产效率 [110] 盈利预测与估值 - 预计公司2025-2027年归母净利润分别为7.52亿元、9.97亿元、13.09亿元，同比增长率分别为+41.6%、+32.5%、+31.3% [3][7] - 预计2025-2027年摊薄每股收益分别为1.881元、2.492元、3.272元 [7] - 当前股价对应2025-2027年PE分别为36.1倍、27.3倍、20.8倍 [3][7] - 增长动力：基础五金在产能持续投放和爆款产品策略下高速成长；收纳五金依靠高端品牌调性维持高盈利；厨卫五金在C端新业态探索下打造第二增长曲线 [3]