量化模型与因子总结 量化模型与构建方式 1. **模型名称**：基于交易动机因子及股票价差收益因子的选基策略[2][24] * **模型构建思路**：通过结合刻画基金经理交易动机的因子和反映其股票交易直接收益的因子，筛选出股票价差收益较高、拥有主动交易动机且业绩粉饰可能性较低的基金[24]。 * **模型具体构建过程**： * **因子构建**：策略使用了两个核心因子。 1. **交易动机因子**：该因子由估值/流动性动机因子、业绩粉饰动机因子等权合成。其中，估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出[47]。 2. **股票价差收益因子**：该因子由基金利润表中股票价差收入（股票投资收益科目）计算而来[47]。 * **策略构建**：将上述两个因子相结合，构建选基策略。策略采用半年频调仓，每年3月末/8月末进行调仓，从主动权益型基金中筛选，并扣除交易成本[24]。 2. **模型名称**：交易独特性选基策略[3][32] * **模型构建思路**：根据基金经理持股、交易的明细构建网络，并由此构建刻画基金经理交易独特性的指标，用于筛选基金[3][32]。 * **模型具体构建过程**： * **因子构建**：策略核心为**交易独特性因子**。先根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异[48]。 * **策略构建**：基于交易独特性因子构建选基策略。策略采用半年频调仓，在每年4月初/8月初进行调仓，选基范围为偏股混合型基金、普通股票型基金、灵活配置型基金，并扣除交易成本[32]。 3. **模型名称**：基于申报信息的行业主题ETF轮动策略[4][39] * **模型构建思路**：对基金发行全流程进行事件驱动研究，利用申请材料公示阶段具有前瞻性的信息，构造因子来筛选与申报ETF相近的行业主题ETF，以把握市场投资热点[4][39]。 * **模型具体构建过程**： * **因子构建**：策略核心为**行业主题申报相似因子（T+1）**。先统计上个月申报的股票型ETF跟踪的指数，统计出该指数池与市场上指数的成分相似度，从而构建该因子[48]。 * **策略构建**：基于行业主题申报相似因子构建ETF轮动策略。策略采用月频调仓，从行业主题ETF中进行筛选，交易费率为单边千分之一，基准为中证800指数[39]。 模型的回测效果 1. **基于交易动机因子及股票价差收益因子的选基策略**[28] * 12月份收益率：1.56% * 年化收益率：10.85% * 年化波动率：21.62% * Sharpe比率：0.50 * 最大回撤率：48.39% * 年化超额收益率（相对万得偏股混合型基金指数）：3.64% * 信息比率(IR)：0.61 * 超额最大回撤率：19.22% * 12月份超额收益率：-1.54% 2. **交易独特性选基策略**[36] * 12月份收益率：5.36% * 年化收益率：13.40% * 年化波动率：19.52% * Sharpe比率：0.69 * 最大回撤率：37.26% * 年化超额收益率（相对万得偏股混合型基金指数）：5.66% * 信息比率(IR)：1.09 * 超额最大回撤率：10.84% * 12月份超额收益率：2.27% 3. **基于申报信息的行业主题ETF轮动策略**[43][44] * 12月份收益率：5.84% * 年化收益率：19.22% * 年化波动率：21.05% * Sharpe比率：0.91 * 最大回撤率：34.89% * 年化超额收益率（相对中证800指数）：11.33% * 信息比率(IR)：0.64 * 超额最大回撤率：19.07% * 12月份超额收益率：2.53% 量化因子与构建方式 1. **因子名称**：交易动机因子[47] * **因子构建思路**：刻画基金经理的交易动机，区分为估值/流动性动机和业绩粉饰动机[47]。 * **因子具体构建过程**：该因子由**估值/流动性动机因子**、**业绩粉饰动机因子**等权合成。其中，估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出[47]。 2. **因子名称**：股票价差收益因子[47] * **因子构建思路**：直接反映基金经理通过股票交易获取价差收益的能力[47]。 * **因子具体构建过程**：该因子由基金利润表中股票价差收入（股票投资收益科目）计算而来[47]。 3. **因子名称**：交易独特性因子[48] * **因子构建思路**：基于基金经理网络，度量基金经理交易行为与其关联基金经理的差异程度[48]。 * **因子具体构建过程**：先根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异[48]。 4. **因子名称**：行业主题申报相似因子（T+1）[48] * **因子构建思路**：利用新申报ETF的信息，计算其与现存行业主题ETF的相似度，以捕捉市场热点[48]。 * **因子具体构建过程**：先统计上个月申报的股票型ETF跟踪的指数，统计出该指数池与市场上指数的成分相似度，从而构建该因子[48]。 5. **因子名称**：基金业绩动量类因子[47] * **因子构建思路**：从多个维度衡量基金的历史业绩动量[47]。 * **因子具体构建过程**：该类因子由四个因子等权重合成，包含4因子模型alpha、夏普比率、区间胜率、HM模型中的择时能力系数，均用过去1年的基金净值数据进行计算[47]。 6. **因子名称**：选股能力因子[47] * **因子构建思路**：评估基金经理的选股能力[47]。 * **因子具体构建过程**：该因子根据多期Brinson模型，使用基金季频重仓股数据进行计算，由选股胜率、选股超额收益率两个因子等权重合成而来[47]。 7. **因子名称**：隐形交易能力因子[47] * **因子构建思路**：从收益和风险两个层面度量基金交易（非重仓股部分）带来的贡献[47]。 * **因子具体构建过程**：该因子由隐形收益能力因子、风险转移能力因子等权重合成而来[47]。 8. **因子名称**：主动轮动收益因子[48] * **因子构建思路**：体现基金风格轮动带来的结果收益[48]。 * **因子具体构建过程**：该因子根据区间风格主动变化及区间风格因子收益计算[48]。 9. **因子名称**：绝对主动轮动指标[48] * **因子构建思路**：剥离被动风格变化，纯粹衡量基金经理主动进行风格调整的部分[48]。 * **因子具体构建过程**：该因子将基金报告期之间的风格变化，剔除了被动变化的部分，保留基金经理主动调整的部分[48]。 10. **其他因子类别**：报告中还提及了**基金规模类因子**、**持有人结构类因子**、**含金量因子**等，但未详细描述其具体构建过程[47]。

报告行业投资评级 未提及 报告的核心观点 - 折价成交个券中“24产融08”债券估值价格偏离幅度较大；净价上涨成交个券中“22万科02”估值价格偏离程度靠前；净价上涨成交二永债中“25农行二级资本债04B(BC)”估值价格偏离幅度较大；净价上涨成交商金债中“25农行TLAC非资本债02C(BC)”估值价格偏离幅度靠前；成交收益率高于5%的个券中地产债排名靠前 [2] - 信用债估值收益变动主要分布在[-5,0)区间；非金信用债成交期限主要分布在0.5年内，其中0.5至1年品种折价成交占比最高；二永债成交期限主要分布在4至5年，其中1年内品种折价成交占比最高；分行业看轻工制造行业的债券平均估值价格偏离最大 [2] 各图表总结 图表1：折价成交跟踪 - 展示大幅折价个券成交情况，涉及“24产融08”等多只债券，包含剩余期限、估值价格偏离、估值净价等信息，行业主要集中在非银金融、农林牧渔、城投等，成交规模从几十万元到上亿元不等 [4] 图表2：净价上涨个券成交跟踪 - 呈现大幅正偏离个券成交情况，如“22万科02”等，涵盖剩余期限、估值价格偏离等指标，行业包括房地产、城投、银行等，成交规模差异较大 [6] 图表3：二永债成交跟踪 - 记录二永债成交信息，有“25农行二级资本债04B(BC)”等债券，包含估值收益率偏离、剩余期限等内容，银行分类有国有行、城商行、股份行等，成交规模不同 [8] 图表4：商金债成交跟踪 - 展示商金债成交情况，如“25农行TLAC非资本债02C(BC)”，涉及剩余期限、估值价格偏离等，银行分类多样，成交规模各有不同 [10] 图表5：成交收益率高于5%的个券 - 列出成交收益率高于5%的个券，有“22万科02”等，包含剩余期限、估值价格偏离等信息，行业有房地产、银行、交通运输等，成交规模不一 [11] 图表6：当日信用债成交估值偏离分布 - 展示当日信用债估值收益变动分布情况，分为[-10,-5)、[-5,0)、(0,5]、(5,10]区间，有债券只数和成交规模数据 [13][14] 图表7：当日非金信用债成交期限分布（城投+产业） - 呈现当日非金信用债成交期限分布，包括0.5年内、0.5 - 1年等多个期限区间，有成交规模数据 [15][16] 图表8：当日二永债成交期限分布 - 展示当日二永债成交期限分布，有1年内、1 - 1.5年等期限，有成交规模数据 [18][19] 图表9：各行业非金信用债折价成交比例及成交规模 - 体现各行业非金信用债估值价格偏离及成交规模，涉及农林牧渔、房地产等多个行业，有平均估值价格偏离和成交规模数据 [20][21]

报告行业投资评级 - 报告未明确给出统一的行业投资评级，但在投资建议中重点推荐了三条主线及具体公司，表明其对风电板块持积极看法 [6][134] 报告的核心观点 - 经济性驱动下，全球风电需求有望维持长周期景气，预计2025年全球新增风电装机167GW，同比+34%，2026年达196GW，同比+18% [2][13] - 国内需求在电力市场化交易、以旧换新、绿电直连及海风政策推动下，有望打破“五年规划”周期实现持续增长，预计2026年国内新增装机132GW，同比+10% [2][14] - 海外需求在AI数据中心及电气化驱动的全球缺电背景下有望持续释放，预计2025-2030年CAGR达14%，欧洲海风市场增速最快（2025-2030年CAGR 32%）[3][50] - 2025年陆上风机不含塔筒中标均价同比上涨约11%，预计整机环节盈利弹性将在2026-2027年持续释放 [4][74] - 行业基本面持续改善，有望扭转市场对风电板块的固有偏见，驱动行业估值体系实现价值重塑 [6][128][134] 根据相关目录分别进行总结 一、经济性驱动全球风电需求维持长周期景气 - **国内需求驱动因素**：电力市场化交易使风电电价相对光伏更具优势，带动投资重心转向风电 [16]；“以旧换新”（以大代小）需求显著，2025年央国企相关招标超3GW，同比+200%，“十五五”期间预计每年贡献10-20GW增量 [27][31][33]；绿氢氨醇等新应用场景拓展需求，如航运绿色化转型带动绿色甲醇需求，预计2030年全球需求量超4000万吨，电力成本占其生产成本近80%，陆风凭借低度电成本成为主力电源 [35][39][41][43] - **国内需求预测**：预计2025年国内新增装机120GW（陆风110-115GW，海风7-8GW），2026年达132GW（陆风120GW以上，海风10-12GW）[14][47]；2025年央国企风机招标约109GW，同比-11%，但整机环节在手订单接近300GW，对2026年需求形成有力支撑 [19][21] - **国内海风进展**：海风首次写入2025年政府工作报告，顶层关注度提升 [44]；各省深远海规划规模庞大，部分示范项目已进入推进流程，预计2025-2026年启动招标 [44][45]；中短期项目储备充裕，已核准未开工项目达33GW，预计2025/2026年海风新增装机分别为8GW/12GW，同比+42%/+50% [45][47] - **海外需求驱动与预测**：AI与电气化驱动全球缺电，经济性驱动海外风电需求长周期高景气 [3][50]；预计2025年海外新增装机47GW，同比+24%，2026年达64GW，同比+37% [13][50]；国内产业链出海从“设备”升级为“设备+产能+服务”全链条，有望进一步驱动海外需求预期上修及成本下降 [3][51] - **欧洲海风市场**：欧洲海风是海外增速最快、价值量最高的细分市场 [3]；招标机制从“负补贴”向“CfD模式”调整接近尾声，预计将提升项目转化率，支撑2030-2040年需求增长 [3][59]；2025年欧洲海风定标规模约7.7GW，同比-61%，预计2026年有望修复至20GW以上 [67][69]；跟踪项目指引2031-2032年装机规模超14GW [71][73] 二、从盈利弹性角度，依次推荐整机、两海环节，建议关注零部件结构性机会 - **整机环节盈利弹性**：2025年国内陆风不含塔筒中标均价1571元/kW，同比上涨约11% [4][74]；成本端因技术迭代（如“前集成”传动链使10MW风机成本降超2%）仍呈下降趋势，预计2026-2027年整机制造毛利率将随高价订单占比提升持续向上 [4][75][78]；行业订单交付周期延长，头部企业订单对应约2年交付量，盈利弹性释放有望延续至2027年 [78][79] - **整机价值驱动转型**：电力市场化交易及大型化放缓背景下，业主对项目收入端和产品可靠性重视度增加，行业需求逻辑从“成本驱动”转向“价值驱动” [81][82]；头部企业凭借高可靠性产品已形成溢价，如金风科技近60%中标项目为高价中标，超低价中标占比仅约5%，且市场份额保持稳定 [85][86][88]；面向电力交易的新一代智能风机可提升项目收益率，如金风新品实测提升平均上网电价约10元/MWh，延长风机寿命5年，提升项目收益率2%-2.5% [91][92][93] - **整机出海加速**：2025年国内整机企业海外新签订单约40GW，同比+43% [4][95]；2024年海外市占率约23%，主要集中在亚非拉陆风市场，未来在欧洲、日韩等高端市场市占率有望提升 [95][100]；头部企业向海外EPC及服务业务延伸，如金风科技2025年上半年海外服务收入超11亿元，同比+348%，进一步拉长出海价值链 [102][103] - **“两海”（海缆、管桩等基础环节）海外订单释放**：欧洲海风项目供应链订单释放较并网节点提前3-4年，2030-2031年并网项目的订单将于2026-2027年体现 [5][105]；预计2026、2027年欧洲管桩订单释放规模达14GW、17GW [5][108]；欧洲本土管桩产能最大仅能满足约8GW年新增装机，产能缺口明显，国内企业有望获取外溢订单 [108][110][115]；欧洲商业化漂浮式项目（总计1.30GW）即将招标，漂浮式基础需求量和单价（预计翻倍）均显著高于固定式，国内具备工业化产能的企业有望受益 [112][113] - **“两海”国内业绩弹性**：国内已完成风机招标、具备开工条件的海风项目超15GW [5][119]；2025Q3海缆、管桩环节核心标的合同负债及存货位于近两年高位，预计2026年国内相关环节盈利弹性将继续释放 [5][119][121]；国内海风向“深水远岸”发展，海缆、基础环节抗通缩属性强，将受益于装机增长 [122][124] - **零部件环节结构性机会**：2025年前三季度，主轴、铸锻件、叶片等零部件环节盈利改善明显 [124]；2026年行业需求增长，零部件产能利用率及盈利能力有望进一步提升 [124]；技术变化带来结构性机会，如滑动轴承在齿轮箱中的渗透率有望在2026年快速提升，可带来更优扭矩密度及更轻重量，相关布局企业如金雷股份有望受益 [124][127] 三、投资建议 - 重点推荐三条主线：1）盈利确定性改善、行业格局优化的整机环节，重点推荐金风科技、运达股份、明阳智能、三一重能等 [6][134]；2）受益于国内深远海渗透率提升及出海升级的海缆、基础环节，重点推荐大金重工、东方电缆、海力风电等 [6][134]；3）受益于技术变化及海外市占率提升的零部件企业，重点推荐金雷股份、日月股份、时代新材等 [6][134] - 板块估值处于历史底部，基本面改善有望驱动估值体系价值重塑 [128][134]

报告行业投资评级 未提及 报告的核心观点 - 根据Wind数据，折价成交个券中“24产融08”债券估值价格偏离幅度较大；净价上涨成交个券中“25盱眙02”估值价格偏离程度靠前；净价上涨成交二永债中“25贵州银行二级资本债01”估值价格偏离幅度较大；净价上涨成交商金债中“25农行TLAC非资本债02C(BC)”估值价格偏离幅度靠前；成交收益率高于5%的个券中金融债排名靠前 [2] - 信用债估值收益变动主要分布在(0,5]区间；非金信用债成交期限主要分布在0.5年内，其中0.5年内品种折价成交占比最高；二永债成交期限主要分布在4至5年，其中2年内品种折价成交占比最高；分行业看，农林牧渔行业的债券平均估值价格偏离最大 [2] 根据相关目录分别进行总结 折价成交跟踪 - 折价成交中“24产融08”剩余期限3.27年，估值价格偏离 -0.99%，估值净价84.01元，成交规模18050万元等多只个券有不同程度折价，涉及非银金融、农林牧渔、公用事业等多个行业 [4] 净价上涨个券成交跟踪 - 净价上涨成交中“25盱眙02”剩余期限4.25年，估值价格偏离0.22%，估值净价102.02元，成交规模2045万元，涉及城投、煤炭、交通运输等行业 [6] 二永债成交跟踪 - 二永债成交中“25贵州银行二级资本债01”剩余期限4.59年，估值价格偏离0.01%，估值净价99.15元，成交规模992万元，涵盖城商行、农商行、股份行、国有行等银行分类 [8] 商金债成交跟踪 - 商金债成交中“25农行TLAC非资本债02C(BC)”剩余期限9.58年，估值价格偏离0.00%，估值净价97.20元，成交规模3888万元，涉及国有行、城商行、股份行、农商行等 [10] 成交收益率高于5%的个券 - 成交收益率高于5%的个券中“16朝阳银行二级”剩余期限0.47年，估值收益率6.32%，成交规模3970万元，包括银行、房地产、综合、城投、非银金融等行业 [11] 当日信用债成交估值偏离分布 - 信用债估值收益变动主要分布在(0,5]区间 [2] 当日非金信用债成交期限分布 - 非金信用债成交期限主要分布在0.5年内，其中0.5年内品种折价成交占比最高 [2] 当日二永债成交期限分布 - 二永债成交期限主要分布在4至5年，其中2年内品种折价成交占比最高 [2] 各行业非金信用债折价成交比例及成交规模 - 分行业看，农林牧渔行业的债券平均估值价格偏离最大 [2]

量化模型与构建方式 1. 人工智能全球大类资产配置模型 * **模型名称**：人工智能全球大类资产配置模型[38] * **模型构建思路**：将机器学习模型应用到大类资产配置问题上，基于因子投资的思路，使用模型对各类资产进行打分排序，最终构建可投资的月频量化等权配置策略[38] * **模型具体构建过程**：报告未详细描述具体的机器学习模型算法、因子构成及打分排序的详细计算过程，仅提及了基于因子投资思路构建策略的整体框架[38] 2. 基于动态宏观事件因子的股债轮动配置模型 * **模型名称**：基于动态宏观事件因子的股债轮动配置模型[43] * **模型构建思路**：构建一个宏观择时模块，结合风险预算模型框架，输出不同风险偏好（保守、稳健、进取）的股债配置权重[43] * **模型具体构建过程**： 1. **宏观择时模块**：从经济增长和货币流动性两个维度构建动态宏观事件因子[43]。每个维度包含多个细分指标（因子），例如经济增长维度包括M1同比、PPI同比、PPI-CPI剪刀差、工业增加值同比、国债利差(10Y-1M)、发电量环比等；货币流动性维度包括M1-M2剪刀差、中美国债利差(10Y)、中国国债美国TIPS利差(10年)等[46]。 2. **信号生成**：每个细分指标根据其数值或变化发出看多信号（记为1）或看空信号（记为0）[46][54]。 3. **维度信号合成**：将同一维度下的多个细分因子信号进行合成，得到该维度的总体信号强度（例如60%）[43][45]。 4. **最终仓位确定**：综合经济增长和货币流动性维度的信号，通过风险预算模型框架，计算出最终的股票建议仓位，并据此构建保守型、稳健型和进取型三种不同风险偏好的配置策略[43][45]。 3. 红利风格择时配置模型 * **模型名称**：红利风格择时配置模型[50] * **模型构建思路**：使用经济增长和货币流动性共10个指标，通过动态事件因子体系构建针对中证红利指数的择时策略，以提升收益稳定性[50] * **模型具体构建过程**： 1. **因子构建**：选取经济增长和货币流动性两个维度的共10个指标作为动态事件因子。经济增长维度指标包括消费者信心指数、发电量环比、国债利差(10Y-3M)、中采制造业PMI新出口订单、PPI同比、PPI-CPI剪刀差；货币流动性指标包括Shibor2W、R007_MA20、Shibor1M环比、逆回购R007差额[54]。 2. **信号生成**：每个指标根据规则独立生成看多信号（1）或看空信号（0）[54]。 3. **信号合成**：将所有指标的信号进行合成，得到最终的择时信号（0%或100%），用于决定中证红利指数的推荐仓位[50][54]。 模型的回测效果 1. 人工智能全球大类资产配置模型 * **回测区间**：2021年1月至2025年12月[39] * **年化收益率**：6.78%[39] * **年化波动率**：6.53%[42] * **夏普比率**：1.04[39] * **最大回撤**：6.66%[39] * **基准（资产等权）年化收益率**：6.80%[39] * **基准夏普比率**：0.75[39] * **基准最大回撤**：12.67%[39] * **年初至今收益率（截至报告期）**：7.18%[40] * **基准年初至今收益率**：18.14%[40] 2. 基于动态宏观事件因子的股债轮动配置模型 * **回测区间**：2005年1月至2025年12月[43] * **进取型策略年化收益率**：20.03%[44] * **稳健型策略年化收益率**：10.84%[44] * **保守型策略年化收益率**：5.88%[44] * **基准（股债64）年化收益率**：8.97%[44] * **进取型策略年化波动率**：14.07%[49] * **稳健型策略年化波动率**：8.14%[49] * **保守型策略年化波动率**：3.20%[49] * **基准年化波动率**：16.49%[49] * **进取型策略夏普比率**：1.30[49] * **稳健型策略夏普比率**：1.18[49] * **保守型策略夏普比率**：1.48[49] * **基准夏普比率**：0.54[49] * **进取型策略最大回撤**：-13.72%[49] * **稳健型策略最大回撤**：-6.77%[49] * **保守型策略最大回撤**：-3.55%[49] * **基准最大回撤**：-46.24%[49] * **进取型策略年初至今收益率**：15.77%[49] * **稳健型策略年初至今收益率**：4.23%[49] * **保守型策略年初至今收益率**：0.70%[49] * **基准年初至今收益率**：15.95%[49] 3. 红利风格择时配置模型 * **模型具体测试结果取值**： * **年化收益率**：16.18%[50][53] * **年化波动率**：17.32%[53] * **夏普比率**：0.93[50][53] * **最大回撤**：-21.22%[50][53] * **基准（中证红利全收益指数）年化收益率**：11.28%[53] * **基准年化波动率**：22.60%[53] * **基准夏普比率**：0.57[53] * **基准最大回撤**：-36.80%[53] 量化因子与构建方式 1. 动态宏观事件因子（用于股债轮动及红利择时） * **因子构建思路**：从宏观经济指标中选取具有预测性的变量，将其转化为二值化（0/1）的择时信号，用于判断股票市场的整体或风格（红利）走势[43][50] * **因子具体构建过程**：报告列出了用于不同模型的细分宏观指标，其构建逻辑应为：当指标值或变化量超过（或低于）特定阈值时，发出看多信号（赋值为1），否则为看空信号（赋值为0）[46][54]。具体指标包括： * **经济增长维度**：M1同比、PPI同比、PPI-CPI剪刀差、工业增加值同比、国债利差(10Y-1M或10Y-3M)、发电量当月值3月移动平均环比、消费者信心指数、中采制造业PMI新出口订单等[46][54] * **货币流动性维度**：M1-M2剪刀差、中美国债利差(10Y)、中国国债美国TIPS利差(10年)、Shibor2W、R007_MA20、Shibor1M环比、逆回购R007差额等[46][54]

核心观点 报告基于多因子量化模型构建了三种行业轮动策略，并对近期市场表现、因子有效性及未来行业配置方向进行了分析 核心观点认为超预期增强行业轮动策略历史表现优异，并结合当前因子得分情况，给出了2026年1月的具体行业推荐 其中，国防军工行业获得多个策略共同推荐，值得重点关注[4][5][49] 当期市场与行业概况 - **主要市场指数普涨**：过去一个月（截至2025年12月31日），国内主要宽基指数普遍上涨，中证500、国证2000、中证1000、沪深300、上证50分别上涨6.17%、3.99%、3.56%、2.28%、2.07%[1][12] - **行业表现分化**：中信一级行业中，有19个行业上涨 国防军工行业涨幅最大，月涨幅达21.24%，有色金属、通信、综合金融等行业涨幅靠前 医药、食品饮料、房地产行业表现落后，月涨跌幅分别为-4.09%、-4.34%、-4.47%[1][12] 行业轮动策略构建 - **超预期增强策略框架**：以基本面为核心，叠加估值面和资金面 基本面包括盈利、质量、分析师预期和超预期因子；估值面包含估值动量因子；资金面考虑北向及公募持仓 超预期因子旨在识别业绩超出市场一致预期的行业[19] - **景气度估值策略**：主要基于估值动量、盈利与质量因子进行构建[20] - **调研行业精选策略**：基于机构调研数据，从行业层面的调研热度与广度（拥挤度）两个视角判断机构关注度动向[20] 行业因子表现分析 - **十二月单因子表现突出**：盈利、质量、估值动量和分析师预期因子均取得正的IC值，其中盈利因子IC达到55.67% 所有因子均带来正向多空收益，分析师预期因子多空收益最高，为6.16% 在多头超额收益方面，分析师预期因子达到4.02%[2][21] - **2025年全年因子表现**：质量、估值动量、分析师预期和调研活动因子IC均值为正，分别为7.27%、1.37%、2.44%和7.34% 质量、分析师预期和超预期因子的多空收益分别达到30.95%、19.92%和15.62% 盈利、质量、分析师预期、超预期和调研活动因子全年均带来正的多头超额收益[2][22] - **策略因子长期表现**：超预期增强因子自2011年以来IC均值达8.20%，风险调整IC为0.294；调研活动因子自2017年以来IC均值达9.02%，风险调整IC达0.464[27][28] 行业配置策略表现 - **十二月策略表现**：超预期增强行业轮动策略收益率为6.39%，行业等权基准收益率为3.15%，超额收益率为3.24%；景气度估值行业轮动策略收益率为8.85%，超额收益为5.70%；调研行业精选策略收益率为-0.27%，超额收益率为-3.42%[3][33][41] - **历史长期表现**： - **超预期增强策略**（2011年1月-2025年12月）：年化收益率12.54%，夏普比率0.499，年化超额收益率6.99%，最大回撤54.44%[33][34] - **景气度估值策略**（同期）：年化收益率9.85%，夏普比率0.380，年化超额收益率4.67%[34] - **调研行业精选策略**（2017年1月-2025年12月）：年化收益率6.29%，夏普比率0.318，年化超额收益率2.23%，最大回撤40.18%[41][44][47] 当期行业推荐（2026年1月） - **超预期增强策略推荐行业**：房地产、有色金属、国防军工、基础化工、电子行业 持仓较上月显著调整，调出非银行金融、传媒和电力设备及新能源，调入房地产、国防军工和基础化工[4][49] - **房地产**：估值动量、分析师预期和超预期因子得分进一步上升，总排名第一[4][49] - **有色金属**：超预期因子改善，总排名第二[4][49] - **国防军工**：估值动量和分析师预期因子得分均大幅上升[4][49] - **基础化工**：分析师预期和超预期因子得分改善[4][49] - **电子**：此前排名第一，本月因超预期得分大幅下降，总排名落至第五[4][49] - **景气度估值策略推荐行业**：有色金属、国防军工、机械、基础化工、电子行业 其中机械行业因分析师预期与超预期得分不高，未获超预期增强策略推荐[4][49] - **调研行业精选策略推荐行业**：计算机、交通运输、煤炭、钢铁、国防军工行业 推荐原因包括基金调研热度上升（计算机、交通运输、国防军工）和调研拥挤度下降（计算机、交通运输、煤炭、国防军工）[4][50] - **共同关注行业**：**国防军工**行业同时获得超预期增强策略和调研精选策略推荐，值得重点关注[5][50]

报告行业投资评级 未提及 报告的核心观点 - 折价成交个券中“23产融09”债券估值价格偏离幅度较大；净价上涨成交个券中“22万科06”估值价格偏离程度靠前；净价下跌成交二永债中“22兴业银行二级01”估值价格偏离幅度较小；净价下跌成交商金债中“25威海银行小微债”估值价格偏离幅度较小；成交收益率高于5%的个券中地产债排名靠前 [2] - 信用债估值收益变动主要分布在(0,5]区间；非金信用债成交期限主要分布在2至3年，其中3至4年品种折价成交占比最高；二永债成交期限主要分布在4至5年；农林牧渔行业的债券平均估值价格偏离最大 [2] 各图表总结 图表1：折价成交跟踪 - 大幅折价个券涉及非银金融、城投、农林牧渔、煤炭等多个行业，如“23产融09”剩余期限2.69年，估值价格偏离 -1.05%，成交规模16万元；“20渤水02”剩余期限4.96年，估值价格偏离 -0.39%，成交规模15034万元 [3] 图表2：净价上涨个券成交跟踪 - 大幅正偏离个券主要集中在房地产、城投等行业，如“22万科06”剩余期限1.50年，估值价格偏离4.15%，成交规模297万元；“25奉发02”剩余期限4.94年，估值价格偏离0.11%，成交规模24894万元 [5] 图表3：二永债成交跟踪 - 二永债涉及股份行、城商行、国有行等银行分类，各券估值价格偏离均为 -0.01%，如“22兴业银行二级01”剩余期限1.02年，成交规模112946万元；“23贵州银行永续债01”剩余期限2.14年，成交规模3175万元 [6] 图表4：商金债成交跟踪 - 商金债涉及城商行、农商行、股份行等银行分类，部分券估值价格偏离为0.00%或 -0.01%，如“25威海银行小微债”剩余期限2.96年，成交规模32901万元；“23中信银行01”剩余期限0.27年，成交规模171537万元 [7] 图表5：成交收益率高于5%的个券 - 高收益成交个券主要集中在房地产、城投、非银金融等行业，如“22万科06”剩余期限1.50年，估值收益率160.19%，成交规模297万元；“23产融09”剩余期限2.69年，估值收益率7.88%，成交规模16万元 [8] 图表6：当日信用债成交估值偏离分布 - 展示了信用债估值收益变动在不同区间的债券只数和成交规模情况，但文档未给出具体数据 [10] 图表7：当日非金信用债成交期限分布（城投+产业） - 呈现非金信用债在不同成交期限的成交规模情况，但文档未给出具体数据 [12] 图表8：当日二永债成交期限分布 - 展示二永债在不同成交期限的成交规模情况，但文档未给出具体数据 [15] 图表9：各行业非金信用债折价成交比例及成交规模 - 体现各行业非金信用债平均估值价格偏离和成交规模情况，但文档未给出具体数据 [17]

2026年宏观经济与政策基调 - 2026年是“十五五”规划开局之年，政策将靠前发力，以投资为抓手推动经济实现“开门红”[2][4][5] - 固定资产投资增速自2025年下半年以来延续负增长，政策将推动具备条件的“十五五”重大项目提前开工建设[5] 基建投资重点与资金保障 - 基建投资重点方向包括养老、托育、医疗等民生类投资、消费基础设施建设和城市更新[2][6] - 国家发改委已下达2026年提前批“两重”建设项目清单资金2200亿元，以及中央预算内投资750亿元[6] - 投资资金保障包括5000亿元新型政策性金融工具、2000亿元用于项目建设的债务结存限额及专项债结转结余资金[7] - 中央和国有企业（央企）将作为基建投资的实施主体发挥积极作用[2][7] 财政政策与地方治理 - 地方财政压力从“三保”演变为需兼顾“还本付息与保清欠”的“五保”，财政可持续性面临挑战[2][11] - 政策强调“因地制宜”和“实事求是”，核心在于完善差异化的考核评价体系，推动地方政府从“速度竞争”转向“能力与负担平衡”[2][12][13] - 2026年财政赤字率预计与2025年大致持平，赤字规模预计扩张2200亿元[14][16] - 通过优化税收征管、规范优惠政策等增加财政收入，2026年一般公共预算支出较2025年增量有望超过1万亿元，其中赤字扩张仅贡献2200亿元[2][14] 消费与设备更新支持政策 - 2026年“以旧换新”政策首批资金规模为625亿元，预计全年为2500亿元，低于2025年的810亿元和3000亿元[8] - 设备更新支持范围扩大，新增老旧小区加装电梯、商业综合体等线下消费商业设施，以及消防救援、检验检测设备更新[6][8]

核心观点 报告的核心观点是：上周市场交易热度与主要指数波动率继续回升，但不同资金主体的行为出现分化。北上资金活跃度显著回升并成为主要买入力量，而两融活跃度有所回落且ETF被机构净赎回，主动偏股基金仓位则继续回升。分析师对全A的盈利预测进行了结构性调整，对不同板块和风格的预期存在差异。 宏观流动性 - 美元指数有所回升，中美10年期国债利差“倒挂”程度加深 [2][13] - 10年期美债名义利率与实际利率均回升，其背后隐含的通胀预期回升 [2][13] - 离岸美元流动性边际宽松，3个月日元/欧元与美元互换基差均回升 [2][18] - 国内银行间资金面整体均衡、先紧后松，DR001与R001均上升，期限利差(10Y-1Y)收窄 [2][18] 市场交易热度与波动 - 市场整体交易热度继续回升，军工、纺服、轻工、商贸零售、消费者服务等板块的交易热度均处于80%历史分位数以上 [3][24] - 主要指数波动率均回升，包括中证1000、沪深300、中证500、上证50、科创50、创业板指、深证100 [31] - 行业层面，通信、电力设备及新能源（电新）、电子、化工板块的波动率依然处于80%历史分位数以上 [3][31] - 市场流动性指标回落，石油石化板块的流动性指标在80%历史分位数以上 [36] 机构调研与分析师预测 - 电子、医药、机械、电新、计算机等板块的机构调研热度居前，商贸零售、石油石化、电子、汽车、家电等板块的调研热度环比上升 [4][42] - 分析师分别下调/上调了全A的2025年/2026年的净利润预测 [4][51] - 行业上，房地产、交通运输、化工、电新、机械等板块的2025年与2026年净利润预测均被上调 [4][59] - 指数上，创业板指的2025年与2026年净利润预测均被下调，上证50的2025/2026年预测分别被上调/下调，沪深300的2025/2026年预测分别被上调/下调，中证500的2025/2026年预测分别被下调/上调 [4][68] - 风格上，小盘成长与小盘价值的2025年与2026年净利润预测均被上调，中盘成长的两年预测均被下调，大盘成长的2025/2026年预测分别被上调/下调，大盘价值的2025/2026年预测分别被上调/下调，中盘价值的2025/2026年预测分别被下调/上调 [4][73] 北上资金动向 - 北上资金交易活跃度回升，近5日买卖总额占全A成交额之比从上上周的9.99%回升至上周的10.13% [5][82] - 上周北上资金整体大幅净买入A股 [5][88] - 基于前10大活跃股口径，北上在有色金属、国防军工、汽车等板块的买卖总额之比上升，在电子、通信、电新等板块回落 [5][90] - 基于持股数量小于3000万股的标的口径，北上主要净买入电子、国防军工、有色金属等板块，净卖出食品饮料、纺织服装等板块 [5][92] 两融资金动向 - 两融活跃度有所回落，但仍处于2025年11月以来的相对高位，上周两融投资者净卖出22.73亿元 [6][97] - 行业上，两融主要净买入国防军工、电力及公用事业、传媒等板块，净卖出非银行金融、通信、电子等板块 [6][97] - 电力及公用事业、家电、食品饮料等板块的融资买入占比环比上升 [6][103] - 风格上，两融净买入大盘成长与小盘成长，净买入中盘价值与小盘价值，净卖出大盘价值 [6][107] 龙虎榜交易 - 龙虎榜交易热度继续回升，上周龙虎榜买卖总额及其占全A成交额之比均延续上升 [6][111] - 行业层面，国防军工、商贸零售、传媒等板块的龙虎榜买卖总额占成交额之比相对较高且仍在上升 [6][111] 公募基金与ETF动向 - 主动偏股基金（偏股混合型与普通股票型）的股票仓位继续回升 [7][117] - 剔除涨跌幅因素后，主动偏股基金主要加仓通信、电新、电子等板块，主要减仓国防军工、消费者服务、传媒等板块 [7][117] - 风格上，主动偏股基金与大盘成长、中盘成长、中盘价值、小盘价值的相关性上升，与小盘成长、大盘价值的相关性回落 [7] - 上周新成立权益基金规模回落，其中主动型新成立规模回落，被动型新成立规模回升 [7] - 上周ETF再度被净赎回，且以机构持有为主的ETF净赎回为主，个人持有为主的ETF被小幅净申购 [7] - 从跟踪指数看，中证A500、创业板50、券商等相关的ETF被主要净申购，而上证50、沪深300、中证500等ETF被主要净赎回 [7] - 从行业拆分看，ETF主要净买入有色金属、钢铁、非银行金融等板块，净卖出电子、国防军工、计算机等板块 [7]

量化模型与构建方式 1. **模型名称：微盘股/茅指数轮动模型**[2][17][24] * **模型构建思路**：通过比较微盘股与茅指数的相对价值和动量趋势，进行大小盘风格轮动配置[17][24]。 * **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）[17]。 2. **计算年均线**：计算该相对净值的243日移动平均线（年均线）[17]。 3. **计算动量斜率**：分别计算微盘股指数和茅指数过去20日收盘价的斜率[17]。 4. **生成轮动信号**： * 当微盘股/茅指数相对净值 **高于** 其243日均线时，初始倾向投资微盘股；反之则倾向投资茅指数[24]。 * 结合动量斜率进行最终判断：当微盘股与茅指数的20日斜率方向相反，且其中一方为正时，选择投资斜率为正的指数[24]。 2. **模型名称：微盘股择时风控模型**[17][24] * **模型构建思路**：通过监控宏观利率和波动率拥挤度指标，对微盘股投资进行中期风险控制，在风险过高时发出平仓信号[17]。 * **模型具体构建过程**： 1. **计算风险指标**： * 计算十年期国债到期收益率的同比变化率（YoY）[17]。 * 计算微盘股波动率拥挤度的同比变化率（YoY）[17]。 2. **设置风险阈值**：十年期国债利率同比的阈值为30%，波动率拥挤度同比的阈值为55%[17][24]。 3. **生成风控信号**：当 **任一指标** 触及或超过其对应阈值时，模型发出平仓信号[24]。 3. **模型名称：宏观择时模型**[39][40] * **模型构建思路**：基于经济增长和货币流动性等多个宏观维度的信号，综合判断中期权益资产（股票）的推荐配置仓位[39][40]。 * **模型具体构建过程**：模型细节请参阅专题报告。本报告展示了其输出结果：模型分别对经济增长和货币流动性维度给出信号强度（百分比），并综合生成股票仓位建议[39][40]。例如，截至11月30日，经济增长信号强度为50%，货币流动性信号强度为60%，综合推荐的股票仓位为55%[40]。 模型的回测效果 1. **宏观择时模型**，2025年年初至今收益率13.57%[39]，同期Wind全A收益率25.65%[39]，超额收益表现参见图表[42][43]。 2. **微盘股/茅指数轮动模型**，截至2025年12月31日，微盘股对茅指数的相对净值为2.08[17]，高于其243日均线1.81[17]，但微盘股20日斜率0.01%等于茅指数20日斜率0.01%[17]，模型发出轮动至茅指数的信号[2][17]。 3. **微盘股择时风控模型**，截至2025年12月31日，十年期国债利率同比为10.27%[17]，未触及30%阈值；波动率拥挤度同比为-9.22%[17]，未触及55%阈值；因此中期风控信号未触发[2][17]。 量化因子与构建方式 1. **因子名称：一致预期因子**[44][56] * **因子构建思路**：使用分析师一致预期数据，捕捉市场对未来盈利预期的变化[56]。 * **因子具体构建过程**：包含多个细分因子，例如： * `EPS_FTTM_Chg3M`：未来12个月一致预期EPS过去3个月的变化率[58]。 * `ROE_FTTM_Chg3M`：未来12个月一致预期ROE过去3个月的变化率[58]。 * `TargetReturn_180D`：一致预期目标价相对于目前股价的收益率[58]。 2. **因子名称：市值因子**[44][56] * **因子构建思路**：捕捉规模效应，通常小市值股票长期表现可能优于大市值股票[56]。 * **因子具体构建过程**： * `LN_MktCap`：流通市值的自然对数[56]。 3. **因子名称：成长因子**[44][56] * **因子构建思路**：衡量公司的成长性，营收或利润增长更快的公司可能获得溢价[56]。 * **因子具体构建过程**：包含多个细分因子，例如： * `NetIncome_SQ_Chg1Y`：单季度净利润同比增速[56]。 * `OperatingIncome_SQ_Chg1Y`：单季度营业利润同比增速[56]。 * `Revenues_SQ_Chg1Y`：单季度营业收入同比增速[58]。 4. **因子名称：反转因子**[44][58] * **因子构建思路**：捕捉股价的均值回复现象，过去一段时间跌幅较大的股票未来可能反弹，涨幅过大的股票可能回调[58]。 * **因子具体构建过程**：包含多个不同时间窗口的收益率，例如： * `Price_Chg20D`：20日收益率[58]。 * `Price_Chg60D`：60日收益率[58]。 * `Price_Chg120D`：120日收益率[58]。 5. **因子名称：质量因子**[44][58] * **因子构建思路**：衡量公司的盈利能力和财务稳健性[58]。 * **因子具体构建过程**：包含多个细分因子，例如： * `ROE_FTTM`：未来12个月一致预期净利润/股东权益均值[58]。 * `GrossMargin_TTM`：过去12个月毛利率[58]。 * `Revenues2Asset_TTM`：过去12个月营业收入/总资产均值[58]。 6. **因子名称：技术因子**[44][58] * **因子构建思路**：基于价量数据，捕捉市场交易行为和技术形态[58]。 * **因子具体构建过程**：包含多个细分因子，例如： * `Volume_Mean_20D_240D`：20日成交量均值/240日成交量均值[58]。 * `Turnover_Mean_20D`：20日换手率均值[58]。 * `Skewness_240D`：240日收益率偏度[58]。 7. **因子名称：价值因子**[44][56] * **因子构建思路**：寻找价格低于其内在价值的股票，常用估值指标衡量[56]。 * **因子具体构建过程**：包含多个细分因子，例如： * `BP_LR`：最新年报账面净资产/最新市值[56]。 * `EP_FTTM`：未来12个月一致预期净利润/最新市值[56]。 * `SP_TTM`：过去12个月营业收入/最新市值[56]。 8. **因子名称：波动率因子**[44][58] * **因子构建思路**：捕捉波动率效应，低波动股票长期风险调整后收益可能更优[58]。 * **因子具体构建过程**：包含多个细分因子，例如： * `Volatility_60D`：60日收益率标准差[58]。 * `IV_CAPM`：CAPM模型残差波动率[58]。 * `IV_FF`：Fama-French三因子模型残差波动率[58]。 9. **因子名称：可转债正股成长因子**[53][54] * **因子构建思路**：从可转债对应的正股出发，使用预测正股成长的因子来构建可转债择券因子[53]。 * **因子具体构建过程**：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[53]。 10. **因子名称：可转债正股财务质量因子**[53][54] * **因子构建思路**：从可转债对应的正股出发，使用衡量正股财务质量的因子来构建可转债择券因子[53]。 * **因子具体构建过程**：报告未给出具体公式，但指出其构建逻辑是从预测正股的因子衍生而来[53]。 11. **因子名称：可转债正股一致预期因子**[54] * **因子构建思路**：从可转债对应的正股出发，使用正股的一致预期因子来构建可转债择券因子[53]。 * **因子具体构建过程**：报告未给出具体公式。 12. **因子名称：可转债正股价值因子**[54] * **因子构建思路**：从可转债对应的正股出发，使用正股的价值因子来构建可转债择券因子[53]。 * **因子具体构建过程**：报告未给出具体公式。 13. **因子名称：可转债估值因子**[53][54] * **因子构建思路**：直接基于可转债自身的估值指标进行择券[53]。 * **因子具体构建过程**：选取了平价底价溢价率作为因子[53]。 因子的回测效果 （以下结果基于“今年以来”时间区间，股票池为“全部A股”，指标为IC均值）[45] 1. **一致预期因子**，IC均值1.97%[45] 2. **市值因子**，IC均值3.25%[45] 3. **成长因子**，IC均值1.54%[45] 4. **反转因子**，IC均值6.56%[45] 5. **质量因子**，IC均值0.52%[45] 6. **技术因子**，IC均值8.84%[45] 7. **价值因子**，IC均值3.99%[45] 8. **波动率因子**，IC均值8.76%[45] （以下结果为上周表现，股票池为“全部A股”，指标为IC均值）[45] 9. **一致预期因子**，IC均值-2.10%[45] 10. **市值因子**，IC均值-1.84%[45] 11. **成长因子**，IC均值2.87%[45] 12. **反转因子**，IC均值7.96%[45] 13. **质量因子**，IC均值5.87%[45] 14. **技术因子**，IC均值19.20%[45] 15. **价值因子**，IC均值5.04%[45] 16. **波动率因子**，IC均值18.68%[45]