量化模型与构建方式 1. **模型名称：黄金交易拥挤度仓位管理策略**[19] * **模型构建思路**：在长期看多黄金的前提下，通过监测交易拥挤度指标来规避短期过热风险，进行动态仓位调整以提升风险调整后收益[19]。 * **模型具体构建过程**： 1. 计算黄金价格40日乖离率：$$乖离率 = \frac{当前价格 - 40日移动平均价格}{40日移动平均价格} \times 100\%$$[19] 2. 获取沪金主力平值隐含波动率（IV）[19]。 3. 设置交易信号触发条件：当黄金价格40日乖离率超过9%，且沪金主力平值IV超过30%时，发出拥挤信号[21]。 4. 仓位管理规则：当触发拥挤信号时，将组合仓位降低至40%；否则，保持全仓持有黄金[21]。 2. **模型名称：10Y国债利率预测模型（结构化静态因子模型）**[44] * **模型构建思路**：利率由资金供需决定，通过结构化静态因子模型从宏观指标中抽象出四大驱动因子，共同刻画利率的变动方向[44]。 * **模型具体构建过程**： 1. 从精选的宏观指标中抽象出四大核心因子：经济增长、通货膨胀、债务杠杆、短期利率[44]。 2. 采用结构化静态因子模型（Structured Static Factor Model）整合四大因子，预测下月10Y国债利率的变动方向[44][47]。 3. 通过累加或累减实际利率变动来评估模型的择时效果[49]。 3. **模型名称：黄金择时模型（四因子模型）**[54] * **模型构建思路**：黄金走势主要对标美元信用，从反映美元信用的宏观指标中抽象出四大因子，采用结构化静态因子模型判断黄金价格方向[54]。 * **模型具体构建过程**： 1. 从精选的宏观指标中抽象出四大核心因子：美国经济、美国就业、美国财政、美国对外负债[54]。 2. 采用结构化静态因子模型整合四大因子，进行月度黄金走势的择时判断[54]。 4. **模型名称：房地产行业压力指数**[61] * **模型构建思路**：采用扩散指数法，通过房地产市场供给与需求各链路中的关键指标，从绝对水平和边际变动两个维度打分，加总标准化后衡量房地产市场的整体承压状态[61]。 * **模型具体构建过程**： 1. 选取房地产市场供给与需求链路中的关键指标（如土地成交量价、商品房销售面积、房价指数、新开工面积、开发贷款、个人住房贷款等）[61][64]。 2. 对每个指标从绝对水平和边际变动两个维度进行评分[61]。 3. 将所有指标的评分加总并进行标准化处理，得到房地产行业压力指数，指数值越大表示市场压力越大[61]。 5. **模型名称：A股景气度指数2.0**[27] * **模型构建思路**：考虑到A股净利润主要由金融业和工业构成，通过分别构建两者的高频景气度指数，加和得到整体A股利润的同步预测指数[27]。 * **模型具体构建过程**： 1. 分别构建金融业和工业的高频景气度指数[27]。 2. 将金融业景气度指数与工业景气度指数加和，得到整体的A股景气度指数2.0，用于同步预测万得全A净利润同比变化[27]。 6. **模型名称：三维择时体系（分歧度-流动性-景气度）**[38][41] * **模型构建思路**：从市场分歧度、流动性、景气度三个维度综合判断市场大势[38][41]。 * **模型具体构建过程**： 1. 分别构建或监测市场分歧度、流动性、景气度三个指标的变化趋势[41]。 2. 根据三个指标的状态（上升、下降、高位、低位等）进行综合判断，形成对市场整体走势的观点[38]。 7. **模型名称：印度权益市场二维择时框架（分歧度-流动性）**[71][75] * **模型构建思路**：从量价维度，通过市场分歧度和流动性两个指标的状态组合，对印度权益市场进行择时判断[71][75]。 * **模型具体构建过程**： 1. 分别计算印度权益市场的分歧度指标和流动性指标[71]。 2. 根据两个指标的上行/下行状态，将其划分为不同区域，对应不同的市场行情判断（如震荡、放量下跌等）[71][75]。 8. **模型名称：量化大势研判框架**[80][81] * **模型构建思路**：通过跟踪多类风格资产的优势差（Δgf, Δg, ΔROE等）变化，判断市场风格扩张或收缩状态，从而推荐占优风格[80][81]。 * **模型具体构建过程**： 1. 计算预期增速资产优势差（Δgf）、实际增速资产优势差（Δg）、ROE优势差（ΔROE）等指标[80]。 2. 根据这些优势差指标的变动方向（扩张或收缩），结合风格拥挤度，综合判断并推荐当期占优的市场风格（如预期成长、实际成长、盈利能力等）[80][81][85]。 9. **模型名称：国联民生金工多维行业配置策略**[99] * **模型构建思路**：采取“恒星+卫星”模式，将胜率赔率策略和出清反转策略以4:1的权重组合，策略内部行业等权持有，构建行业配置组合[99]。 * **模型具体构建过程**： 1. **胜率赔率策略**：从胜率（短周期超额收益概率，由行业景气度决定）和赔率（长周期绝对收益空间，由估值、股息率等决定）两个维度筛选行业[100][102]。 2. **出清反转策略**：从行业需求、供给、竞争格局三个维度划分行业状态，筛选处于“出清结束反转状态”的行业[106][111]。 3. 将两个子策略以4:1的权重合并，构成最终的多维行业配置策略组合[99]。 10. **因子名称：黄金价格乖离率**[19] * **因子构建思路**：衡量黄金价格相对于其移动平均线的偏离程度，乖离率越高意味着获利盘越大，短期回调风险越高[19]。 * **因子具体构建过程**：计算当前价格与40日移动平均价格的偏离百分比，公式为：$$乖离率 = \frac{当前价格 - 40日移动平均价格}{40日移动平均价格} \times 100\%$$[19] 11. **因子名称：沪金主力平值隐含波动率（IV）**[19] * **因子构建思路**：反映市场对未来黄金价格波动水平的预期，IV越高则预示价格大幅波动的风险越大[19]。 12. **因子名称：市值因子拥挤度**[93][95] * **因子构建思路**：用于观察小盘/大盘风格的交易拥挤程度，拥挤度越高意味着该风格存在过热和反转的可能[93]。 模型的回测效果 1. **黄金交易拥挤度仓位管理策略**，年化收益24.3%，年化波动15.0%，夏普比率1.62，最终净值3.57[21]。 2. **始终全仓持有黄金（基准）**，年化收益20.9%，年化波动16.6%，夏普比率1.26，最终净值3.04[21]。 3. **10Y国债利率预测模型**，2006年以来样本内外胜率约70%，2023年以来样本外胜率68%[47]。 4. **黄金择时模型（四因子模型）**，2008年以来胜率约65%，2023年以来样本外胜率78%[54]。 5. **国联民生金工多维行业配置策略**，2023年绝对收益2.36%，超额收益（相对中信一级行业等权）7.26%；2024年绝对收益15.23%，超额收益4.83%；2025年绝对收益31.35%，超额收益6.47%；2026年截至1月底绝对收益8.41%，超额收益3.34%[99]。 6. **胜率赔率策略**，2024年以来绝对收益70.68%，相较于中信一级行业等权基准超额收益19.61%[105]。 量化因子与构建方式 1. **因子名称：黄金价格乖离率**[19] * **因子构建思路**：衡量黄金价格相对于其移动平均线的偏离程度，乖离率越高意味着获利盘越大，短期回调风险越高[19]。 * **因子具体构建过程**：计算当前价格与40日移动平均价格的偏离百分比，公式为：$$乖离率 = \frac{当前价格 - 40日移动平均价格}{40日移动平均价格} \times 100\%$$[19] 2. **因子名称：沪金主力平值隐含波动率（IV）**[19] * **因子构建思路**：反映市场对未来黄金价格波动水平的预期，IV越高则预示价格大幅波动的风险越大[19]。 3. **因子名称：市值因子拥挤度**[93][95] * **因子构建思路**：用于观察小盘/大盘风格的交易拥挤程度，拥挤度越高意味着该风格存在过热和反转的可能[93]。 因子的回测效果 *(注：报告中未提供单个因子的独立回测指标值，如IC、IR等，故本部分略过)*

投资评级与核心观点 - 报告对长安汽车维持“推荐”评级 [2][7] - 核心观点：看好公司电动智能转型，叠加华为智能化赋能，预计2025-2027年收入分别为1,896亿元、2,095亿元、2,335亿元，归母净利润分别为63.1亿元、81.6亿元、109.4亿元 [7] 近期经营数据与年度目标 - 2026年1月集团批发销量为13.47万辆，同比下滑51.14%，环比下滑47.14% [1] - 2026年1月自主品牌批发销量为10.01万辆，同比下滑58.46%，环比下滑51.82% [1] - 2026年1月新能源汽车批发销量为3.66万辆，同比下滑45.74%，环比下滑68.18% [1] - 截至2026年1月，深蓝S05累计销量超17万辆，上市以来月均销量破万；长安启源A06累计交付21460辆 [7] - 2026年集团销量目标为330万辆，新能源销量目标为140万辆，海外市场目标为75万辆 [7] 智能化与产品技术进展 - 深蓝品牌拿下首批L3级自动驾驶专用正式号牌，实现从测试到合规商用的关键突破 [7] - 深蓝S09完成OTA升级优化鸿蒙座舱体验，后续将推出搭载3纳米车规级芯片与激光雷达的L06智能轿跑 [7] - 2026款阿维塔07搭载华为乾崑ADS 4和鸿蒙座舱，智能体验持续迭代 [7] - 阿维塔与英国之宝深化联合研发，以“移动实验室”优化座舱声学系统 [7] 全球化与生态合作布局 - 长安汽车足迹已深入全球117个国家，投放41款车型 [7] - 泰国工厂已实现本地生产并出口欧洲，计划后续将产能翻番并持续提升本土化率 [7] - 欧洲市场规划未来三年推出八款全新车型，深蓝品牌推出PHEV版本规避欧盟关税 [7] - 阿维塔、深蓝、启源三大品牌均开启海外布局 [7] - 右舵版阿维塔07发运泰国，正式进军东南亚高端市场 [7] - 与美的集团签署全面战略合作协议，聚焦“人·车·家”场景 [7] - 与宁德时代深化五年战略合作，探索换电、飞行汽车等前沿领域 [7] 财务预测与估值 - 预计2025-2027年营业收入分别为1,895.53亿元、2,094.56亿元、2,335.43亿元，增长率分别为18.7%、10.5%、11.5% [2][8] - 预计2025-2027年归属母公司股东净利润分别为63.06亿元、81.62亿元、109.43亿元，增长率分别为-13.9%、29.4%、34.1% [2][8] - 预计2025-2027年每股收益（EPS）分别为0.64元、0.82元、1.10元 [2][8] - 预计2025-2027年毛利率分别为15.8%、16.6%、17.2% [8] - 以2026年2月5日收盘价11.27元计算，对应2025-2027年市盈率（PE）分别为18倍、14倍、10倍 [2][7] - 以2026年2月5日收盘价计算，对应2025-2027年市净率（PB）分别为1.4倍、1.3倍、1.2倍 [2][8]

投资评级 - 首次覆盖，给予“推荐”评级 [2][8] 核心观点 - 公司发布正面业绩预告，2025年收入与利润增长强劲，业绩兑现优秀 [8] - 公司坚持“向下扎根，向上生长”战略，2025年门店扩张加速，并计划在2026年通过“四店齐发”延续强劲拓店势头 [8] - 公司通过多品类、多场景布局及线上线下融合，提升了门店经营效率与同店收入，驱动利润率显著增长 [8] - 公司供应链、产品研发及运营优势明显，大店模式已验证效率升级和盈利模型，为未来增长奠定基础 [8] - 基于盈利预告，报告预测公司2025-2027年营收与核心经营净利润将保持高速增长 [8] 财务预测与业绩表现 - **收入预测**：预计2025-2027年营业收入分别为78.0亿元、93.8亿元、113.0亿元，对应增长率分别为20.6%、20.2%、20.5% [1][8] - **利润预测**：预计2025-2027年经调整净利润分别为4.63亿元、5.89亿元、7.28亿元，对应增长率分别为48.9%、27.3%、23.6% [1] - **盈利能力**：以2025年预告数据中值计算，净利率/核心经营利润率预计为5.8%/5.9%，同比分别提升2.1个百分点和1.1个百分点 [8] - **每股收益**：基于核心经营净利润，预计2025-2027年EPS分别为0.17元、0.21元、0.27元 [1][8] - **估值水平**：基于当前股价（4.26港元）及2026年1月30日汇率，对应2025-2027年核心经营PE分别为22倍、18倍、14倍 [1][8] 业务运营与战略进展 - **门店扩张**：2025年末门店总数达到11,566家，较2024年末净增1,416家，且拓店速度逐季加速，2025年第四季度净增805家 [8] - **市场下沉**：公司持续大力开拓乡镇市场，践行“向下扎根”战略 [8] - **效率提升**：通过多品类、多场景、运维会员等手段实现单店收入增长，规模扩张与店效提升共同优化运营效率 [8] - **2026年规划**：公司计划在2026年进行大店调改3000家，新开大店3000家，战略聚焦于社区大店、露营大店、锅圈小炒、乡镇大店“四店齐发” [8] - **模式验证**：华南等地样板门店显示，大店面积扩大1倍可带来业绩增长3倍，验证了从人效、坪效到盈利模型的完整数据 [8]

投资评级 - 首次覆盖，给予“推荐”评级 [2][8] 核心观点 - 公司2025年业绩预告表现优秀，收入与利润增长强劲，战略执行有效，验证了其在供应链、产品研发及运营方面的优势 [8] - 公司坚持“向下扎根，向上生长”战略，大力开拓乡镇市场，门店网络高速扩张且增速逐季提升，为未来增长奠定基础 [8] - 通过多品类、多场景布局及线上线下融合，公司实现了单店收入增长和运营效率优化，共同驱动利润率显著提升 [8] - 展望2026年，公司计划“四店齐发”（社区大店/露营大店/锅圈小炒/乡镇大店），大店模式已通过样板店验证了从人效、坪效到盈利模型的跑通，增长势头有望延续 [8] 财务预测与业绩表现 - **2025年业绩预告**：预计收入约7,750至7,850百万元人民币，同比增长约19.8%至21.3%；预计净利润约443至463百万元人民币，同比增长约83.7%至92.0%；预计核心经营利润约450至470百万元人民币，同比增长约44.8%至51.2% [8] - **盈利预测**：预计2025-2027年营业收入分别为7,802/9,378/11,296百万元人民币，增长率分别为20.6%/20.2%/20.5% [1][8] - **利润预测**：预计2025-2027年经调整净利润分别为463/589/728百万元人民币，增长率分别为48.9%/27.3%/23.6% [1][8] - **利润率提升**：以预告数据中值计算，2025年公司净利率/核心经营利润率分别为5.8%/5.9%，同比提升2.1/1.1个百分点 [8] - **每股收益与估值**：基于经调整净利润，预计2025-2027年EPS分别为0.17/0.21/0.27元人民币，当前股价对应PE分别为22/18/14倍 [1][8] 业务运营与战略进展 - **门店扩张加速**：2025年末门店总数达到11,566家，较2024年末净增1,416家；2025年各季度净增门店数分别为250/361/805家，呈现逐季度加速态势 [8] - **2026年扩张计划**：公司计划在2026年进行大店调改3000家，新开大店3000家 [8] - **效率提升**：规模扩张叠加单店收入增长，共同优化了运营效率，驱动利润率增长 [8] - **大店模式验证**：以华南大店为例，面积扩大1倍，业绩增长3倍，大湾区、郑州等地的样板门店验证了从人效、坪效、品效到盈利模型的完整数据跑通 [8]

行业投资评级 - 报告对汽车行业维持“推荐”评级 [7] 核心观点 - 2026年1月车市表现平淡，但新势力车企同比表现好于行业平均 [4] - 预计随着各地政府补贴陆续开启及春节后新车上市，汽车需求有望企稳回升 [4] - 智能化能力将成为车企竞争的重要因素，智能驾驶正逐步迎来技术、用户接受度和商业模式的三重拐点 [12] - 零部件估值处于低位，中期成长不断强化，看好新势力产业链及智能电动增量 [11] 1月车市整体表现 - 乘联会初步推算1月狭义乘用车零售市场规模约为180.0万辆，环比下降20.4%，同比微增 [4] - 1月新能源零售预计可达80万辆，渗透率为44.4% [4] - 1月是销量淡季，表现平淡主要受两方面因素影响：1）国补虽延续，但地方政府补贴未正式开启；2）新车上市较少 [4] - 5家样本新势力车企（不含小米、埃安）1月合计交付130,772辆，同比增长17.5%，环比下降28.0%，同比表现好于行业平均 [4] 重点新势力车企交付量及分析 - **零跑汽车**：1月交付32,059辆，同比增长27.4%，环比下降31.9% [3][5] - 销量增长得益于C10、B01在20万元以内的强势产品及性价比优势 [5] - 12月主要车型销量：C10交付近1万辆，占当月交付量26.6%；B01交付0.78万辆，占20.9% [5] - 新车规划：旗舰SUV D19计划于2026年4月上市；MPV D99将于2026年内上市 [5] - 借助Stellantis品牌及渠道优势，有望快速提升海外品牌认知度 [5] - **理想汽车**：1月交付27,668辆，同比下降7.5%，环比下降37.5% [3][9] - 12月主要车型销量：L6交付1.27万辆，占当月交付量28.6%；i6交付1.6万辆，占36.1% [9] - 1月推送OTA 8.2版本系统更新，新增40项功能和25项体验优化 [9] - 截至2026年1月31日，拥有547家零售中心，覆盖159城；547家售后网点，覆盖221城；投入使用3,966座超充站，拥有21,945个充电桩 [9] - **蔚来汽车**：1月交付27,182辆，同比增长96.1%，环比下降14.2% [3][6] - 其中乐道品牌交付3,481辆，萤火虫品牌交付2,807辆 [6] - 12月主要车型销量：ES8交付2.2万辆，占当月交付量46.3%；ET5T交付0.39万辆，占8.1%；乐道L90交付0.41万辆，占8.6%；乐道L60交付0.5万辆，占10.5% [6] - **极氪汽车**：1月交付23,852辆，同比增长99.7%，环比下降9.3% [3][10] - 12月主要车型销量：极氪7X交付0.51万辆，占当月交付量19.6%；极氪007交付0.26万辆，占10.0% [10] - 新车规划：搭载浩瀚超级电混架构的极氪8X计划于2026年上半年上市 [10] - **小鹏汽车**：1月交付20,011辆，同比下降34.1%，环比下降38.0% [3][6] - 12月主要车型销量：MONA M03交付约1.2万辆，占当月交付量29.5%；G6交付0.36万辆，占8.6% [6] - 2026年全球新品发布会上市多款新车，2026款小鹏P7+起售价18.68万元，小鹏G7超级增程起售价19.58万元 [6] - 1月三款车型获CCC Digital Key™认证，跻身全球首批获此认证的中国车企行列 [6] - **小米汽车**：1月交付超39,000辆 [3][10] - 新一代SU7将于2026年4月上市，标准版预售价22.99万元，Pro版25.99万元，Max版30.99万元 [10] - 1月新增9家门店，全国139城已有484家门店；2月计划新增6家门店；截至1月31日，全国已有270家服务网点，覆盖159城 [10] 行业趋势与投资建议 - **智能化趋势**：以小鹏和华为系为代表的车企持续迭代及推广智能驾驶，标配智驾时代已来 [12] - 2026年智驾技术进步有望降低硬件门槛，将智驾应用在20万元以内的主流市场 [12] - 以小鹏和比亚迪为首的车企有望通过平价智能化，对合资品牌形成差异化优势并提升份额 [12] - **投资建议**： - **整车领域**：看好智能化布局领先、产品及品牌周期向上的优质自主车企，推荐吉利汽车、小鹏汽车、比亚迪，建议关注江淮汽车 [12] - **零部件领域**：估值低位，中期成长强化，看好新势力产业链及智能电动增量 [11] - 根据国联民生汽车零部件研究框架，优质客户排序为：华为智选 > 自主品牌 > 新势力 > 合资品牌；优质赛道排序为：大空间+好格局 > 大空间+差格局 > 小空间+好格局 > 小空间+差格局 [11] - **智能化**：推荐智能驾驶领域的伯特利、地平线机器人、科博达；推荐智能座舱领域的继峰股份 [11] - **新势力产业链**：推荐H链的星宇股份、沪光股份；推荐T链的拓普集团、新泉股份、双环传动 [11]

报告行业投资评级 未提及 报告的核心观点 通过梳理美国利率走廊制度，厘清美联储对短期利率的控制手段及应观察的流动性状态；看到货币政策工具的局限性，以及美联储围绕“自由市场”不过多干涉市场、不对短端利率绝对控制的运行宗旨 [8] 根据相关目录分别总结 为什么要研究美国的利率走廊 美国准确的利率走廊制度从 2008 年金融危机开始追溯，距今不足 20 年，且相当“不标准”，EFFR 不会被强硬控制在“走廊”内；在金融危机前美国短期利率体系缺乏政策性上下限工具，利率控制依赖市场因素；美国利率走廊制度演进路径与部分国家不同，未采取强硬价格约束方式 [3][6][7] FFR 与 EFFR 的历史 FFR 是引导隔夜准备金成本达预期政策区间的目标，非强制规定利率；联邦基金市场交易在特定机构间进行，FFR 近似政策意图与预期管理工具，金融危机后其政策属性远超交易属性；实际承担类似银行间市场多类型交易的是回购市场，SOFR 与停用的 LIBOR 是资金市场重要观察指标 [13][14] 1982 年 - 1994 年：重新逐步转向目标 FFR 两次石油危机后，1979 年 10 月美国启动非借入准备金目标制，由价格型工具重回数量型工具，目的是缓解加息阻力、传达通胀预期；但 1980 年代初美国金融体系变化，使美联储在 1982 年左右将权重向目标 FFR 转移，原因包括数量型工具失效、利率波动威胁金融稳定、维护利率稳定成本高、储贷协会危机 [16][17][18] 1994 年 - 2008 年：盯住 EFFR，贴现率成为走廊“硬上限” 1982 - 1994 年美联储转向价格型货币政策，但未形成有效政策锚；1994 年 2 月起美联储公布联邦基金目标利率；2003 年 1 月 9 日放宽贴现窗口限制，设定一级信贷利率为利率走廊上限；在稀缺准备金体系下，美联储未形成正式利率下限 [21][22][23] 2008 年 - 2014 年：IOER 的引入与边界失效 次贷危机期间，一级信贷利率是调控 EFFR 波动的关键工具；2008 年 10 月引入 IOER 构建利率下限体系，但未发挥“硬下限”作用，EFFR 长期击穿理论下限，根本原因是联邦基金市场功能与成交结构变化；IOER 由理论下限演化为实际上限，且始终无法成为刚性约束 [27][30][32] 2014 年 - 2021 年：隔夜逆回购协议补充“硬下限” 针对 IOER“利率漏底”缺陷，2014 年起引入隔夜逆回购协议构建有效利率下限机制，扩展交易对手范围，封堵套利空间；2015 年 12 月加息周期启动，现代利率走廊体系实质运行，IORB 影响利率分布中位数，ON RRP 约束 EFFR 下限 [44][45] 当前的利率走廊机制 2021 年 7 月 28 日设立常备回购机制作为利率走廊上限，解决了贴现率的问题；当前形成“ON RRP（下限） - IORB（中枢） - SRF（上限）”的利率走廊机制结构，FFR 承担沟通与预期管理功能，EFFR 是监测操作有效的技术指标 [49][50]

政策导向与政绩观 - 地方政府在2026年工作报告中显著强化了对“正确政绩观”的务实表述，更贴近民生关切，这侧面解释了各省经济增长目标加权平均值下调的原因[3][7] - 例如北京提出深化整治群众身边不正之风和腐败问题，浙江强调避免“拍脑袋”决策[3][9] 科技创新与区域协同 - 京津冀、长三角、大湾区三大区域在2026年均将打造国际科技创新中心集群置于全年工作最领先位置[3][15] - 北京、天津、河北、广东等省份将科技创新相关工作列为2026年政府工作的第1位[15] - 核心科技创新地区在部署科技工作的同时，也专门部署了“反内卷”工作，以构建清朗高效的科研生态[3] 消费与内需策略 - 2026年，地方政府对“扩内需、促消费”任务的次序安排多数保持稳定或有所后移，政策资源更多向产业升级和科技创新倾斜[4][16] - 此前“乐于消费型”的广东和浙江在2026年均调低了内需（消费）相关工作的目标次序[4][16] 绿色发展 - 2026年各省份普遍对“双碳”工作做出明确部署，绿色发展在政府工作中占有稳固地位[4][17] - 具体举措包括建设“零碳园区”、“零碳工厂”，以及推动钢铁、水泥、焦化、有色等高耗能行业进行碳排放监测与改造[4][17] - 例如，浙江计划在2026年启动建设省级零碳园区20个、绿色（低碳）工厂150家[17]

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略（资产比较策略）**[8][12] * **模型构建思路**：基于产业生命周期理论，将权益资产划分为五种内在风格属性。通过“g>ROE>D”的优先级顺序，自下而上地比较所有资产的优劣，筛选出具有基本面优势的资产，其风格属性即代表未来市场主流风格，并据此进行行业配置。[8] * **模型具体构建过程**： 1. **风格定义与资产分类**：根据产业生命周期，将股票资产划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值。[8] 2. **资产比较框架**：采用分级比较逻辑。 * **主流资产比较**：优先比较实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE）三类。只要其中一类资产具备优势，市场资金就会集中配置，次级资产机会不大。[12] * **次级资产比较**：当主流资产均无优势时，转向比较次级资产，其优先级由拥挤度决定：质量红利 > 价值红利 > 破产价值。[12] 3. **优势判断与因子应用**：对每一类风格资产，使用特定的量化因子进行横向比较，筛选出优势行业。 * **预期成长（gf）**：比较分析师预期增速（g_fttm）。[9][38] * **实际成长（g）**：比较业绩动量，使用超预期因子，如sue、sur、jor。[9][40] * **盈利能力（ROE）**：在PB-ROE框架下，选择估值较低的高ROE资产，使用PB-ROE回归残差因子。[9][43] * **质量红利**：结合股息率（dp）和盈利能力（roe）进行综合打分。[46] * **价值红利**：结合股息率（dp）和市净率倒数（bp）进行综合打分。[49] * **破产价值**：结合低市净率（pb）和小市值（size）进行综合打分（打分最低）。[53] 4. **行业配置**：以中信二三级行业（整理合并后为202个）为标的，每期在每个占优的风格策略下，选择排名靠前的5个行业，以等权重方式进行配置。[19] * **模型评价**：该框架自2009年以来对A股的风格轮动具有较好的解释能力。[19] 2. **因子名称：资产优势差（Spread）**[25] * **因子构建思路**：用于刻画某类资产中头部资产（Top组）相对于尾部资产（Bottom组）的趋势变化，类似于因子择时中的Spread指标。通过监测优势差的扩张与收缩，来判断对应风格资产的景气度。[25] * **因子具体构建过程**： 1. 每月末，计算所有行业在特定因子（如预期增速g_fttm、实际增速g_ttm、ROE）上的数值。 2. 根据因子值对行业进行排序，并分为若干组（如十分位）。 3. 计算头部组（如Top组）因子值的中位数与尾部组（如Bottom组）因子值的中位数之差。 $$资产优势差 = Top组中位数 - Bottom组中位数$$ 4. 观察该差值的时间序列变化，若差值扩大（Δ为正），则表明头部资产相对优势在增强；若差值缩小（Δ为负），则表明优势在减弱。[25][29] 模型的回测效果 1. **量化大势研判行业配置策略（资产比较策略）**，年化收益27.67%（2009年以来），2009年超额收益51%，2010年超额收益14%，2011年超额收益-11%，2012年超额收益0%，2013年超额收益36%，2014年超额收益-4%，2015年超额收益16%，2016年超额收益-1%，2017年超额收益27%，2018年超额收益7%，2019年超额收益8%，2020年超额收益44%，2021年超额收益38%，2022年超额收益62%，2023年超额收益10%，2024年超额收益52%，2025年超额收益14%，2026年1月超额收益-1%。[20][22] 量化因子与构建方式 1. **因子名称：预期净利润增速（g_fttm）**[9][38] * **因子构建思路**：基于分析师对未来净利润的一致预期，衡量资产的成长潜力。适用于所有产业周期阶段，是预期成长风格的核心筛选指标。[9] * **因子具体构建过程**：报告未给出具体计算公式，但通常指未来十二个月（Forward Twelve Months）的预期净利润增长率，由市场分析师一致预测数据计算得出。 2. **因子名称：超预期因子簇（sue, sur, jor）**[40] * **因子构建思路**：衡量公司实际发布的业绩相对于市场预期的偏离程度，捕捉业绩动量。主要适用于转型期和成长期资产，是实际成长风格的核心筛选指标。[9][40] * **因子具体构建过程**：报告未给出具体计算公式。通常包括： * **SUE（Standardized Unexpected Earnings）**：标准化意外盈余， (实际EPS - 预期EPS) / 历史盈余波动率。 * **SUR（Surprise）**：意外程度， (实际EPS - 预期EPS) / 预期EPS绝对值。 * **JOR**：可能指业绩预告或快报相关的超预期指标。 3. **因子名称：PB-ROE回归残差**[43] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的盈利资产。适用于成熟期资产。[9][43] * **因子具体构建过程**： 1. 在横截面上，对行业（或公司）的市净率（PB）与净资产收益率（ROE）进行回归。 $$PB = \alpha + \beta * ROE + \epsilon$$ 2. 计算回归残差 \(\epsilon\)。残差为负表示该行业的实际PB低于其ROE所对应的理论PB，即估值相对偏低，更具投资价值。 4. **因子名称：质量红利复合因子（dp+roe）**[46] * **因子构建思路**：综合考察资产的股息回报（dp）和盈利质量（roe），筛选出既能提供稳定现金分红又具备良好盈利能力的资产。适用于成熟期资产。[46] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和净资产收益率（roe）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 5. **因子名称：价值红利复合因子（dp+bp）**[49] * **因子构建思路**：综合考察资产的股息回报（dp）和账面价值（bp，即市净率的倒数），筛选出高股息且估值便宜的深度价值型资产。[49] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和市净率倒数（bp）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 6. **因子名称：破产价值复合因子（pb+size）**[53] * **因子构建思路**：寻找市净率（pb）极低、市值（size）较小的资产，这类资产可能蕴含并购重组、壳价值或极端低估的机会。适用于停滞期和衰退期资产。[53] * **因子具体构建过程**：报告明确指出该策略选取“PB+SIZE打分最低”的行业。[53] 通常做法是对市净率（pb）和市值（size）分别进行横截面标准化或分位数排序（注意：pb因子值小代表估值低，size因子值小代表市值小），然后按一定权重相加得到综合得分，并选择得分最低的资产。 7. **因子名称：拥挤度**[12][30][34] * **因子构建思路**：衡量某一类资产或策略的交易热门程度和资金集中度。拥挤度过高可能预示着短期风险加大，用于在次级资产比较中确定优先级，并作为主流资产配置的辅助风控指标。[12][30][34] * **因子具体构建过程**：报告未给出具体计算方法。常见的拥挤度指标可能包括：换手率分位数、估值分位数、资金流入强度、因子收益率波动率等。

报告行业投资评级 - 投资建议：看好2026年商业航天产业大年，建议关注美国商业航天卫星产业链龙头及太空算力、太空光伏等新兴场景应用方向 [9] 报告的核心观点 - 核心观点：SpaceX推出的新型空间态势感知（SSA）系统Stargaze，标志着商业航天产业进入新阶段，该系统将为其“百万卫星计划”提供关键安全保障，并可能指向构建“天基人工智能”的宏大产业蓝图 [1][3] - 核心观点：随着低地球轨道（LEO）卫星数量“井喷式”增长，太空交通拥堵和碰撞风险加剧，使得空间态势感知（SSA）系统的重要性日益凸显，该市场有望成为商业航天产业链的新亮点 [2][4] - 核心观点：2026年是商业航天产业加速之年，卫星发射计划的大力部署与低轨空间的有限性，共同推动了对卫星探测能力的迫切需求 [4] 根据相关目录分别进行总结 空间态势感知（SSA）系统的背景与重要性 - 近年来低地球轨道（LEO）内卫星数量增加，导致太空交通拥堵和碰撞风险成为全球航天界关注的重大问题 [2] - 火箭残骸长期滞留轨道、部分运营商机动时不共享轨迹预测、某些国家进行反卫星测试等行为，显著加剧了太空碎片和碰撞威胁 [2] - 传统地面雷达系统观测频率有限，轨道预测不确定性较大，受空间天气影响，预警往往滞后 [2] - 空间态势感知系统（SSA）是指对空间物体及其运行环境进行跟踪的知识、描述和实践，用于预测物体交会并发出近距离接近警告，以保障卫星安全并协调空间交通活动 [8] SpaceX Stargaze系统的技术突破与战略意义 - SpaceX旗下星链（Starlink）宣布开发了名为Stargaze的新型空间态势感知（SSA）系统，可显著提高低地球轨道（LEO）卫星运行的安全性和可持续性 [8] - Stargaze系统使用近3万个星体跟踪器收集数据，每个跟踪器持续观测附近物体，使整个星体群每天探测到约3000万次飞掠事件 [3] - 该系统能自主检测并汇总观测结果，整合到空间交通管理平台，识别太空物体间潜在的近距离接近，并生成交会数据消息（CDM） [3] - 从筛查结果时间看，SpaceX可以在几分钟内完成，而目前行业平均水平需要几个小时 [3] - SpaceX近期动作（Stargaze系统、百万卫星计划、收购xAI）指向一个宏大的产业蓝图：围绕商业航天产业提供的“平台位置”，部署太空算力和太空光伏，进而实现“天基人工智能”的目标 [3] 市场前景与产业趋势 - 2026年是商业航天产业加速之年，以SpaceX为首的航天经济参与者或大力部署卫星发射计划 [4] - 低轨空间的有限性使得卫星的探测能力成为短期的焦点问题 [4] - 空间态势感知系统市场或成为商业航天产业链新亮点 [4] - 我国在“十五五”时期内，将谋划推动太空交通管理发展，开展太空碎片监测、预警、清除等关键技术攻关 [4] 具体投资建议 - 建议关注美国商业航天卫星产业链龙头及太空算力、太空光伏等新兴场景应用方向，包括【RKLB】【ASTS】【SATS】【PL】【FLY】 [9]

行业投资评级 - 对计算机行业维持“推荐”评级 [5] 核心观点 - 大模型正从“聊天工具”进化为“自主员工”，进入Agent时代 [14] - 在Agent时代，模型“谁能以更低成本把强能力变成高频可用的生产力”比“谁更聪明”更重要 [4] - 掌握核心算法与行业接口的大模型厂商有望深度受益于万物智能化的红利 [14] - 建议关注已于2026年初成功上市的“大模型双子星”MiniMax和智谱，作为原生Agent生态的“大脑”，公司具有极高的稀缺性 [14] 事件与市场热度 - 截至2026年2月2日，Clawdbot在GitHub上的星标数量已超过13万个，官网累计访问量突破200万人次，成为近期增长最快的开源技术项目之一 [7] - 近期出现的“AI-only社区”如Moltbook，在极短时间内聚集了百万个代理账号规模，这类交互天然对应更高的请求密度与更频繁的API触发 [7] - 在Clawdbot创始人Peter Steinberger的力荐下，国内AI独角兽MiniMax旗下擅长长文本与逻辑推理的M2.1模型被成功带火 [7] Agent范式带来的变革与挑战 - 在传统对话范式下，单次交互仅需少数几次模型调用；但在工作流范式下，一个任务往往横跨计划、检索、工具调用、校验纠错及外部系统写入等多个阶段，导致模型调用频率、上下文长度及中间信息的复杂程度倍增 [7] - 多步推理与多轮工具调用天然带来“多回合上下文”，同时重试与自纠错会额外产生无效token [7] - 相较基础聊天，面向复杂任务的agent服务可能会消耗数十倍多的token [7] - “模型的单位成本×单位产出”是Agent类产品能否规模化落地的“生死线” [3] - 多模态与“视觉执行”走向前台：Agent进入办公与生产场景后，输入大量来自截图、PDF、表格、图表、界面元素等视觉信息 [4] MiniMax M2.1模型的核心优势 - **兼具效率与成本**：M2.1模型旨在通过极致的成本优势解决当前开发者在自动化编程中面临的高昂token成本痛点，其定价体系约为Claude Sonnet的8% [7] - **创新的计费模式**：不同于底层大模型厂商通用的token按量计费逻辑，公司转而采用分层月度订阅制 [7] - **高频刷新机制**：Coding Plan创新性地引入“每5小时重置额度”的高频刷新机制，打破了行业通用的按天或按月限额模式，释放了高频重度开发场景下的生产力 [7] - **长文本能力强**：M2.1的长文本能力让它更适合完成“持续记忆”，即读更长的文档、容纳更多中间结果、减少因截断导致的逻辑断裂 [7] - **推理与编程能力**：M2.1在推理与编程能力上“够用且性价比极高”，使其成为最适合被放进生产系统、被高频调用的选择 [7] - **多模态能力**：MiniMax的多模态能力辅助Agent更好地理解界面、提取关键信息、输出可执行的步骤/代码、再用截图回读做校验纠错，实现“视觉驱动的更强的可交付性” [4][14] 市场数据与表现 - 根据OpenRouter数据，截至2026年1月26日，MiniMax M2模型在AI编程的市占率已超过10% [13] - 2026年初至今tokens调用量趋势图显示，MiniMax M2.1模型的调用量在1月24日Clawdbot发布后出现显著增长，峰值接近50B（五百亿） [15][16] - 同期其他主要模型（如DeepSeek V3.2、智谱GLM4.7、Kimi K2 Thinking、Claude Sonnet 4、Qwen 3、GPT-4o-mini）的tokens调用量趋势图也被列出以作对比 [17][19][21][23][26][28][31]