宏观与策略观点 - 当前宏观格局延续“宽货币+信用宽松”组合，10月新增社融8161亿元，新增人民币贷款2200亿元，均低于市场预期，但信用扩张内生动力未改，整体金融条件对资产表现形成托底 [13] - 对A股展望：估值压力释放叠加内外部不确定性减弱，A股有望在年末稳步休整，预计在重要会议前后逐步企稳，明年一季度有望迎来向上合力 [14] - 对债市展望：基本面偏弱与利率下行支撑债市韧性，但出现遇好不涨的弱势信号，建议以波段操作为主 [14][15] - 对人民币展望：美元走弱势头基本兑现，人民币在外部流动性改善与季节性因素支撑下偏强，但在政策调节下将呈现双向波动态势 [15] - 对商品展望：商品价格走势分化，布伦特原油明显下跌，石油市场出现2020年以来最严重的供应过剩局面，黄金短期缺乏上行驱动，或维持震荡格局 [16] - 国内定量配置模型建议：在积极配置假设下，股票、债券、原油、黄金配置比例分别为30%、35%、23.3%、11.7%；在稳健配置假设下，比例分别为15%、85%、0%、0% [16] - 全球资产配置建议：增配全球权益资产，具体配置比例为美国(14.65%)、德国(0.81%)、法国(14.65%)、英国(13.02%)、日本(0.81%)、印度(13.02%)、中国香港(13.02%)，余下30%配置无风险收益产品 [16] 固定收益专题：公募REITs - 政策持续推动公募REITs市场扩围扩容，发行范围已涵盖12大行业的52个资产类型，其中10个行业领域的18个资产类型已实现首单上市，当前市值中交通、消费、产业园三大板块合计占比达62% [7] - 预计REITs市场规模可达2.3-3.8万亿元，与当前相比还有10-16倍扩容空间 [7] - 公募REITs是高分红的类固收权益型资产，近四年年平均分红率为5.73%，高于中证红利指数的5.52%，且近三年派息率与十年期国债收益率息差在300-400BP之间，具备配置优势 [8] - 公募REITs收益兼具债券与权益属性，全市场REITs近一年、近三年及成立以来年化回报率分别为23.66%、3.24%、7.64% [9] - 从美国经验看，投资时间越长分红收益占比越高，投资周期三年时分红收益占比约1/3，拉长至15年提升至2/3，35-40年则超过70% [9] - REITs与主流资产相关性弱，2025年以来中证REITs指数与沪深300、10年国债、黄金、中证红利的相关系数分别为-0.07、0.14、0.21、0.17，能有效对冲单一资产波动风险，填补股债之间的中风险稳收益资产空白 [10] AI赋能资产配置观点 - AI、分析师与交易员在信息处理、逻辑推演与决策执行上存在根本分野，形成互补而非替代关系 [11] - 在信息层面，AI以毫秒级速度抓取关键词并匹配历史模式，分析师从监管条款与产业链调研切入理解意图，交易员则关注盘口与流动性 [11] - 在推演层面，AI依赖相关性用旧样本预测未来，分析师构建因果链条寻找新价值锚，交易员关注预期差寻找反转契机 [11] - 在执行层面，AI遵守纪律自动触发风控，分析师在基本面不变时敢于左侧逆势加仓，交易员用快速止损与反手实现波动收割 [12] - AI难以识别结构性断裂、缺乏二阶思维与博弈直觉、难以理解政策语境，其擅长在既定范式下做最优解，而人类负责判断范式是否改变 [12] - 未来最有竞争力的是AI、分析师与交易员的合作体系：AI提升信息密度，分析师提供结构洞察，交易员给出实盘反馈 [12] 免税行业专题 - 海南离岛免税销售额在政策红利下2011-2019年CAGR达39%，2020-2021年因自贸港政策销售翻倍，峰值达495亿元，但2022-2024年进入调整期，2024年销售额较高点下滑37% [17] - 2025年9月起海南免税销售同比转正，9-11月同比增速分别为+3%、+13%、+27%，10-11月客单价分别增长+30%、+41%，龙头股价自6月低点反弹约40% [18] - 政策端持续优化：离岛免税放宽购物约束，岛内居民可不限次即购即提，国货6品类获准入场；市内免税允许网上预订及口岸提货，并扩充手机等品类 [18] - 需求端出现改善信号：2025年三季度以来，LVMH、爱马仕等品牌在中国境内市场恢复正增长，开云集团跌幅收窄，并观察到精品从日本回流至大中华区的趋势 [19][20] - 供给端龙头内功夯实：中国中免2025Q3收入与毛利率双企稳，全渠道会员超4500万；王府井收入降幅边际收窄；珠免集团加速剥离亏损地产业务聚焦核心资产 [20] - 渠道端核心机场重签是关键变量：中免2024年以78%市场份额全渠道领先，上海、首都机场免税合约即将重签，新招标规则限制兼中 [20] - 海南政府目标2027年销售额超600亿元（含有税），中国中免在营面积约超30万平方米，后续三期有望巩固地位 [20] - 投资建议看好中国中免（全渠道龙头）、王府井（市内免税拓张+机场招标弹性），建议关注海南机场 [21] 传媒互联网行业 - 本周（11.24-11.30）传媒行业上涨3.64%，跑赢沪深300指数(-0.84%)和创业板指(0.34%)，在所有板块中涨跌幅排名第2位 [21] - AI领域进展迅速：DeepSeek发布DeepSeek-Math-V2并在2025年IMO获得金牌；阿里通义发布生图模型Z-Image，首日下载量突破50万；夸克发布AI眼镜并搭载千问AI助手 [22] - 11月共178款国产游戏、6款进口游戏获批，版号发放数量创年内新高 [22] - 电影《疯狂动物城2》于11月26日上映，截至11月30日16时累计票房达18.24亿元，本周电影票房19.12亿元中该片票房占比达90.6% [22][23] - 2025年10月中国手游收入前三名分别为点点互动《Whiteout Survival》、点点互动《Kingshot》和柠檬微趣《Gossip Harbor：Merge&Story》 [23] - 投资建议把握游戏板块超跌布局机会，推荐巨人网络、恺英网络、吉比特等；IP潮玩推荐泡泡玛特；关注AI应用及影视院线机会，影视内容推荐芒果超媒、哔哩哔哩、光线传媒等 [23] 汽车智能化行业 - 智能驾驶是各国国家级战略，发展趋势必然，各地方政府正积极探索应用场景并完善安全条例 [24] - 特斯拉FSD V12与华为ADS3.0均实现“端到端”算法，引领技术突破L4，华为城市NOA覆盖率已达99.56%，大幅领先国内其他厂商 [24] - 2025年智能驾驶渗透率迎来新拐点，高速NOA渗透率有望从2024年的11.3%成长至2025年的26.3%，城市NOA渗透率有望从6.1%成长至10.9% [25] - 伴随硬件成本下降和国产芯片崛起，智驾市场不断下沉，比亚迪“天眼计划”引领打造10万元智驾车型，Deepseek接入进一步引导端侧算力下降 [25] - Robotaxi全球市场规模近10万亿元，商业化进程加速，Waymo与Apollo是领航者，PONY AI有望在2025年底实现超1000辆车队目标，WeRide目标2030年部署十万辆robotaxi [25] 非银金融：年金体系 - 以企业年金与职业年金为主的养老第二支柱稳步发展，预计年金增速有望保持8%的年化复合增速，高于未来名义GDP增长 [26] - 职业年金投资运营规模从2020年的1.29万亿元持续增长至2024年的3.11万亿元，接近企业年金3.64万亿元的规模，同比增速在2022年后基本稳定在20%左右 [27] - 年金资金是典型的长期“耐心资本”，未来为应对“资产荒”和利率下行，将提升权益资产战略配置权重 [27][28] - 未来年金投资倾向于构建“哑铃型”组合：一端聚焦高股息、低波动的价值型资产，另一端布局科技制造等成长领域 [28] - 以企业年金为例，权益配置比例有望由当下的10%-15%提升至20%-25%，带来约5000亿元权益增量空间，综合考虑负债增长和结构调整，预计每年带来1000至1500亿元权益增量资金 [28] 金融工程数据监控 - 截至2025年12月3日，主要股指成分股分红进度缓慢，沪深300指数中仅有1家公司处于预案阶段，20家公司不分红 [29] - 行业股息率比较显示，煤炭、银行和钢铁行业的股息率排名前三 [29] - 截至2025年12月3日，主要指数已实现股息率分别为：上证50指数2.52%，沪深300指数2.04%，中证500指数1.24%，中证1000指数0.95% [29] - 股指期货贴水幅度加深，截至2025年12月3日，IH、IF、IC、IM主力合约年化贴水率分别为2.84%、5.97%、14.65%、16.38% [30] - 2025年12月3日市场表现：沪深300指数相对抗跌，交通运输、有色金属、煤炭等行业表现较好，传媒、计算机、房地产等行业表现较差，AI应用、锂电池题材领跌 [30][31] - 市场情绪方面，2025年12月3日收盘时有53只股票涨停，16只股票跌停，封板率61%，连板率24% [31] - 截至2025年12月2日，两融余额为24865亿元，占流通市值比重2.6%，两融交易占市场成交额比重9.7% [31] - 近一年以来上证50、沪深300、中证500、中证1000股指期货主力合约年化贴水率中位数分别为0.63%、3.53%、11.15%、13.58% [32]

根据提供的研报内容，以下是关于量化模型与因子的总结。 量化模型与构建方式 1. **模型名称：股指分红点位测算模型**[13][40][42] * **模型构建思路**：该模型旨在精确测算股指期货合约存续期内，其标的指数因成分股分红除息而导致的理论点位自然滑落（即分红点数），以用于准确计算期货合约的升贴水幅度[13][42] * **模型具体构建过程**：模型的核心是计算从当前时刻（t）到期货合约到期日（T）之间，所有成分股分红对指数点位的总影响。具体步骤如下[40][42][43]： * **步骤1：确定测算范围**。识别所有除权除息日（τ）满足条件 t < τ ≤ T 的成分股。 * **步骤2：计算单只股票的分红贡献**。对于每一只符合条件的成分股，其分红对指数点位的贡献（分红点数）由以下公式计算： $$分红点数 = \sum_{n=1}^{N} \frac{成分股分红金额}{成分股总市值} \times 成分股权重 \times 指数收盘价$$[42] * **步骤3：汇总总分红点数**。将所有成分股的分红点数贡献加总，得到指数在期货合约存续期内的总分红点数。 * **步骤4：关键参数获取与预测**。模型实施中，需要对公式中的关键参数进行精细化处理[43][45]： * **成分股权重**：采用中证指数公司每日披露的日度收盘权重数据，以确保准确性，避免使用月末权重估算带来的偏差[46][47]。 * **分红金额**：若公司已公布分红方案，则直接采用；若未公布，则需预测。分红金额的预测分解为对净利润和股息支付率的预测，即：分红金额 = 净利润 × 股息支付率[48]。 * **净利润预测**：采用基于历史净利润分布的动态预测法。若公司已公布年报、快报或业绩预告，则直接采用（业绩预告取上下限均值）；若未披露，则根据其季度盈利分布稳定性进行分类预测[49][51]。 * **股息支付率预测**：若公司去年分红，则用去年股息支付率；若去年不分红，则用最近3年平均；若从未分红，则默认今年不分红；预测值大于100%时进行截尾处理[52][54]。 * **除息日预测**：采用基于历史间隔天数稳定性的线性外推法。若已公布除息日，则直接采用；否则，根据公司是否已公布预案、所处阶段（预案/决案）以及历史间隔天数的稳定性，选择使用历史日期或进行线性外推；若无可靠参考，则根据统计规律设置默认日期（如7月31日、8月31日等）[52][56][57]。 模型的回测效果 1. **股指分红点位测算模型**，预测股息点与实际股息点差额（2023年）：上证50指数误差基本在5点以内，沪深300指数误差基本在5点以内，中证500指数误差基本在10点以内[62] 2. **股指分红点位测算模型**，预测股息点与实际股息点差额（2024年）：上证50指数误差基本在5点以内，沪深300指数误差基本在5点以内，中证500指数误差基本在10点以内[62] 3. **股指分红点位测算模型**，股指期货预测股息点与实际股息点偏离度：上证50和沪深300股指期货预测效果最好，中证500股指期货偏离度稍大[62] 量化因子与构建方式 1. **因子名称：已实现股息率**[18] * **因子构建思路**：衡量指数成分股中，在当年已经完成现金分红的公司所带来的股息收益占指数市值的比例[18] * **因子具体构建过程**：因子值为指数中所有今年已现金分红的公司，其分红总额与指数总市值的比率。计算公式如下： $$已实现股息率 = \frac{\sum_{k=1}^{N1} 成分股k的分红金额}{\sum_{k=1}^{N1} 成分股k的总市值}$$[18] 其中，N1 表示指数成分股中今年已现金分红的公司数量[18] 2. **因子名称：剩余股息率**[18] * **因子构建思路**：衡量指数成分股中，在当年尚未进行现金分红的公司，其预期分红所带来的股息收益占指数市值的比例[18] * **因子具体构建过程**：因子值为指数中所有今年尚未现金分红的公司，其预期分红总额与指数总市值的比率。计算公式如下： $$剩余股息率 = \frac{\sum_{k=1}^{N2} 成分股k的预测分红金额}{\sum_{k=1}^{N2} 成分股k的总市值}$$[18] 其中，N2 表示指数成分股中今年尚未现金分红的公司数量，预测分红金额的估计方法同股指分红点位测算模型[18] 因子的回测效果 1. **已实现股息率因子**，取值（2025年12月3日）：上证50指数为2.52%，沪深300指数为2.04%，中证500指数为1.24%，中证1000指数为0.95%[4][18] 2. **剩余股息率因子**，取值（2025年12月3日）：上证50指数为0.32%，沪深300指数为0.18%，中证500指数为0.04%，中证1000指数为0.02%[4][18] 其他量化指标观察 1. **股指期货年化升贴水率**，取值（2025年12月3日）：IH主力合约为-2.84%，IF主力合约为-5.97%，IC主力合约为-14.65%，IM主力合约为-16.38%[5][14] 2. **股指期货基差历史分位点**，取值（2025年12月3日）：IH主力合约处于历史20%分位点左右，IF主力合约处于历史22%水平，IC主力合约处于历史22%水平，IM主力合约处于历史19%水平[28]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 公募REITs政策红利持续释放，发行范围不断扩围扩容，市场规模有望大幅增长，具有万亿蓝海潜力 [1][26] - 公募REITs是高分红的类固收权益型资产，兼具债券和权益属性，收益可分解为分红收益和资产增值收益，在资产配置中具有重要作用 [2][3] - 公募REITs与主流资产相关性弱，能有效对冲风险，填补股债之间中风险稳收益资产空白，适合中长期资金配置 [4] - 公募REITs投资方式有一级市场认购和二级市场交易，一级市场以分红和上市溢价为核心，二级市场收益弹性与风险并存 [50][53][62] 根据相关目录分别进行总结 政策演进：从试点破冰到全面扩容 - REITs在中国经历从私募到公募、从债性到股性转变，政策推动其市场扩围、扩容与深化 [12] - 2008年以来中央多次发文鼓励试点，2021年首批公募REITs上市，2024年进入常态化发行新阶段 [13] - 发行范围从传统基建拓展到多元资产，目前涵盖12大行业52个资产类型，部分已实现首单上市，未来还将进一步扩围 [14] 政策红利持续释放：横向扩容，纵向深化 - 国家发改委和证监会推动市场扩围扩容，底层资产类型不断增加，政策不断完善，如2024年通知扩展底层资产行业等 [13][14] - 公募REITs分为产权类和特许经营权类，两者在资产权利、典型项目、收益来源等方面存在差异 [15][17] 市场规模展望：万亿蓝海，蓄势待发 - REITs底层资产多元化是趋势，当前市场规模小、流动性弱，但进入常态化发行阶段后有望扩容 [25] - 参考美国和日本市场，推算中国REITs市场规模约2.3 - 3.8万亿元，按底层资产估算约3.7万亿元，较当前有10 - 16倍扩容空间 [26] 投资价值：高分红的类固收权益型资产 - 公募REITs兼具股性和债性，产品上市后二级市场价格会变化，且强制分红 [33] - 近四年公募REITs年平均分红率5.73%，高于中证红利指数平均分红率5.52%，与十年期国债收益率息差在300 - 400BP之间，有配置优势 [2][34] 收益分解：分红收益与资本利得 - 公募REITs收益兼具债券和权益属性，投资回报可分解为分红收益和资产增值收益，上市公募REITs总收益率平均值达17.21%，品类分化显著 [36] - 全市场REITs近一年、近三年及成立以来年化回报率分别为23.66%、3.24%、7.64%，美国上市REITs投资时间越长，分红收益占比越高 [3][39] 资产比价：风险收益中等，和其他资产相关度低 - 2025年以来，中证REITs指数与沪深300、10年国债、黄金、中证红利股呈弱相关或极弱相关，能对冲单一资产波动风险，优化组合风险收益结构 [4][41] - REITs填补股债之间中风险稳收益资产空白，契合中长期资金需求和低利率环境下市场需求 [43] 投资方式：一级市场认购和二级市场交易 - REITs投资方式有一级市场认购和二级市场交易，目前上市公募REITs投资者以机构投资者为主且呈上升趋势 [50] 一级市场：以分红和上市溢价为核心 - 一级市场认购投资者分战略、网下和公众投资者三类，认购价格通过询价确定，三类投资者认购数量有原则规定 [53] - 多数项目对不同金额公众投资者收取不同认购费，部分项目对战略及网下投资者免收，机构投资者成本有优势 [54] - 机构投资者在首发资产中占主要地位，战略、网下、公众投资者占比平均为72%、20%、9% [56] - 一级市场认购者短期收益源于认购价与上市后交易价差额，不同项目类型上市首日涨跌幅受资产稀缺性和市场情绪影响，2025年新上市REITs首日涨跌幅高于前四年 [58] 二级市场：收益弹性与风险并存 - 以中证REITs（收盘）指数回顾二级市场行情，走势分六个阶段，受市场规则、政策、疫情、估值、资金等因素影响 [62] - 今年以来REITs经调整配置价值提升，12月有望成为重要配置窗口期，市场情绪企稳，年底资金布局和政策红利等提供有利条件 [66]

根据提供的金融工程日报内容，该报告主要描述了市场表现、情绪、资金流向等日常监控指标，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容属于市场数据统计与描述性分析范畴[2][3][4][6][8][11][14][17][19][22][23][26][28][30][33][36][37]。 因此，本总结中“量化模型与构建方式”及“量化因子与构建方式”部分无相关内容，予以跳过。报告核心为对特定日期市场各类指标的表现进行统计和展示。 市场的回测效果 报告未提供任何模型或因子在历史数据上的系统化回测结果，如年化收益率、夏普比率、信息比率（IR）、最大回撤等指标。相关内容为市场监控指标在特定日期的取值或近期统计值。 市场监控指标与统计方式 1. **指标名称**：封板率[17] * **指标构建思路**：用于衡量涨停股票的封板质量，计算最高价涨停且收盘价仍维持涨停的股票比例[17] * **指标具体构建过程**：统计上市满3个月以上的股票，计算公式为： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ [17] * **指标评价**：反映了市场追涨情绪和涨停板的稳定性 * **指标取值**：2025年12月3日，该指标值为61%，较前日下降7%[17] 2. **指标名称**：连板率[17] * **指标构建思路**：用于衡量涨停板的持续性，计算连续两日收盘涨停的股票比例[17] * **指标具体构建过程**：统计上市满3个月以上的股票，计算公式为： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ [17] * **指标评价**：反映了市场短线投机资金的活跃度和赚钱效应的延续性 * **指标取值**：2025年12月3日，该指标值为24%，较前日下降0%[17] 3. **指标名称**：大宗交易折价率[26] * **指标构建思路**：通过大宗交易成交价与市价的差异，反映大资金的交易偏好和情绪[26] * **指标具体构建过程**：统计每日大宗交易，计算公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ [26] * **指标评价**：折价率较高通常意味着大股东或机构投资者愿意以较低价格减持，可能隐含其对后市谨慎的看法 * **指标取值**：近半年以来平均折价率为6.43%，2025年12月2日当日折价率为6.02%[26] 4. **指标名称**：股指期货年化贴水率[28] * **指标构建思路**：衡量股指期货价格与现货指数价格的差异，并年化处理以反映市场对未来预期和对冲成本[28] * **指标具体构建过程**：计算每日股指期货主力合约的基差（期货价格-现货指数价格），然后进行年化，计算公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [28] * **指标评价**：贴水率（负基差）较高通常意味着市场情绪偏空，且会增加利用股指期货进行对冲的成本 * **指标取值**： * 近一年中位数：上证50为0.63%，沪深300为3.53%，中证500为11.15%，中证1000为13.58%[28] * 2025年12月3日值及近一年分位点： * 上证50: 3.29% (35%分位点)[28] * 沪深300: 5.91% (29%分位点)[28] * 中证500: 13.68% (33%分位点)[28] * 中证1000: 15.20% (38%分位点)[28] 其他市场统计数据（无具体构建过程） * **两融余额及占比**：截至2025年12月2日，两融余额24865亿元，融资余额24689亿元，融券余额176亿元；两融余额占流通市值比重2.6%，两融交易占市场成交额比重9.7%[19][22] * **ETF折溢价**：2025年12月2日，G60创新ETF溢价0.58%（溢价较多），黄金股ETF基金折价0.40%（折价较多）[23] * **机构调研**：近一周内调研机构较多的股票包括乐鑫科技（113家）、长安汽车、晶盛机电等[30] * **龙虎榜资金流向**：2025年12月3日，机构专用席位净流入前十的股票包括四方达、航天发展等；陆股通净流入前十的股票包括通宇通讯、大金重工等[36][37]

报告行业投资评级 未提及 报告的核心观点 公募 REITs 是高分红的类固收权益型资产，收益兼具债券与权益属性，在市场交替震荡下是稳健配置之选；其市场政策红利持续释放，规模有望扩容，投资价值凸显，投资方式分一级市场认购和二级市场交易[1][2][3][4] 根据相关目录分别进行总结 政策演进：从试点破冰到全面扩容 - REITs 在中国从私募到公募、从债性到股性转变，四年以来相关政策推动其市场扩围、扩容与深化[12] 政策红利持续释放：横向扩容，纵向深化 - 2008 年以来中央多次发文鼓励试点，2020 年首批公募 REITs 上市，2024 年进入常态化发行新阶段[13] - 发行范围从传统基建扩至多元资产，已涵盖 12 大行业 52 个资产类型，10 行业 18 资产类型已首单上市，正推进扩围至更多类型[14] - 按底层资产分产权类和特许经营权类 REITs，已上市 77 只，产权类 59 个，特许经营权类 18 个，市场呈“三核驱动”[15][17] 市场规模展望：万亿蓝海，蓄势待发 - REITs 底层资产多元化是趋势，当前市场规模小、流动性弱，进入常态化发行阶段有望扩容[25] - 以美日市场为参考，推算中国 REITs 市场规模约 2.3 - 3.8 万亿元，按底层资产估算约 3.7 万亿元，较当前有 10 - 16 倍扩容空间[26] 投资价值：高分红的类固收权益型资产 - REITs 兼具股性和债性，强制分红特征使其偏债，近四年平均分红率 5.73%高于中证红利指数，与十年期国债收益率息差 300 - 400BP，有配置优势[2][33][34] 收益分解：分红收益与资本利得 - 公募 REITs 收益分分红和资产增值，已上市 REITs 总收益率平均 17.21%，品类分化显著[36] - 全市场 REITs 近一年、近三年及成立以来年化回报率分别为 23.66%、3.24%、7.64%，美上市 REITs 投资时间越长分红收益占比越高[3][39][40] 资产比价：风险收益中等，和其他资产相关度低 - 2025 年以来中证 REITs 指数与沪深 300、10 年国债、黄金、中证红利股弱相关或极弱相关，能对冲单一资产波动风险，填补股债间中风险稳收益资产空白[4][41][43] 投资方式：一级市场认购和二级市场交易 - 投资方式分一级市场认购和二级市场交易，上市公募 REITs 投资者以机构为主且呈上升趋势[50] 一级市场：以分红和上市溢价为核心 - 一级市场认购投资者分战略、网下和公众三类，认购价格通过网下询价确定，三类投资者认购数量有原则，机构投资者占比大[53][55][56] - 短期一级市场认购者收益源于一二级市场价格差额，不同项目类型和年份上市首日涨跌幅有差异，2025 年新上市首日涨跌幅 23%高于前四年[58] 二级市场：收益弹性与风险并存 - 公募 REITs 二级市场行情分六个阶段，今年以来经回调配置价值提升，12 月有望成配置窗口期[62][66]

核心观点 - AI大模型通过强大的信息收集和分析能力弥补了传统股价预测模型因缺乏非结构化信息而表现波动的缺陷[3] - TrendIQ平台展示了AI技术在股价预测上的能力圈，提供本地化部署和网页版两种选择，分别具备安全性和易用性优势[4] - 预测框架从基于LSTM的混合模型向Transformer架构演进，利用全局上下文感知、零样本学习和思维链推理提升预测能力[8] - 未来AI股价预测将向多模态融合和实时RAG方向发展，结合视觉、文本和时序分析提升鲁棒性[40] AI股价预测技术演进 传统LSTM模型的优势与局限 - LSTM模型因能处理非线性问题和时间序列特性，成为股价预测的"门面担当"，其神经元包含细胞状态和输入门、遗忘门、输出门三种门机制[5] - 机器学习时代LSTM与XGBoost结合捕捉时间依赖性和非线性关系，强化学习时代与xLSTM和深度强化学习结合优化长依赖捕捉问题[6] - LSTM存在三大局限性：模态单一性导致无法理解市场因果关系；解释性较弱被视为黑盒模型；泛化鲁棒性弱难以跨市场迁移[6][7] Transformer架构的创新突破 - Transformer架构通过全局上下文感知能力同时关注输入序列所有元素，捕捉微小但关键的市场信号[8] - 具备零样本与少样本学习能力，凭借海量通用语料预训练快速适应新兴资产预测任务[8] - 思维链推理将预测过程分解为逻辑步骤，提供宝贵可解释性，例如"通胀数据高于预期→央行加息概率增加→贴现率上升→高估值科技股承压"的推理链条[8] TrendIQ平台架构解析 本地化部署运行流程 - 训练阶段通过train_multiple.py和quick_train.py收集历史数据（使用yfinance），预处理后训练LSTM模型并保存文件，quick_train.py预设AAPL、GOOGL、MSFT、TSLA和AMZN五只热门股票训练[12][14] - 检查阶段通过check_models.py验证训练结果完整性，扫描data/目录统计模型数量和质量状态[18] - 运行阶段通过app.py启动Flask服务器，提供用户界面进行实时预测，包含价格预测、图表展示和置信度计算功能[20] 核心代码模块功能 - train_multiple.py作为批量处理引擎支持扩展股票列表（包括META、NVDA、NFLX等），提供三种训练模式：全量训练、自定义股票训练和单股票训练[17] - app.py整合预测功能，通过/live-ticker接口获取实时股价数据，/predict接口处理用户输入，基于60天历史数据进行LSTM预测并给出30天波动率计算的置信度[20] 本地部署与线上平台对比 本地部署实施步骤 - 软件包下载通过PowerShell或git bash获取完整项目结构，需Python 3.8以上环境支持[21] - 安装阶段一次性安装Flask、TensorFlow、NumPy、Pandas、Scikit-learn、YFinance、Joblib等依赖包[23] - 数据训练通过quick_train.py执行约10-15分钟的训练过程，为五只热门股票生成模型文件[24] - 本地运行通过python app.py启动服务，访问http://127.0.0.1:5000即可使用预测功能[28] 线上平台操作流程 - 用户通过Google账号或邮箱登录TrendIQ网页版，支持一键登录[32] - 预测功能分为Swing Trading（60分钟线及以上趋势预测）和Scalp Trading（5分钟及以内趋势预测），用户上传K线截图即可分析[33][34] - 预测结果包含三部分：多空趋势研判、止盈止损位置（如当前价6410对应止盈6685和止损6280）、具体判断理由（如上涨趋势建立、均线多头排列等）[36] 平台效果对比分析 - 本地版TrendIQ输入股价序列和成交量数据，使用LSTM模型，输出目标价和置信区间，对海外大市值、标准化程度高个股预测效果较好[41] - 线上版TrendIQ输入K线图，使用LSTM+LLM/LSTM+VAE模型，输出多空建议和止盈止损线，在多头排列环境中主升阶段判定准确，但震荡市胜率一般且大回撤时缺乏前瞻性[41] 未来技术演进方向 模型架构创新 - 学术界正用Transformer架构与图神经网络逐步取代LSTM，解决长序列依赖和高维数据处理问题[39] - Time-VLM和TimeRAG等新框架尝试将K线图作为图像处理，结合LLM文本理解和数值模型分析，实现多模态融合[40] 实时能力提升 - 实时RAG技术将连接外部知识库，在预测时主动搜索最新供应链动态和政策变化，缓解模型过时问题[40] - 多模态系统能在股价暴跌时同时识别技术破位形态、解读相关新闻事件并计算历史波动率，提升判断准确性[40]

报告行业投资评级 - 行业评级：非银金融·保险Ⅱ，优于大市，维持 [3] 报告核心观点 - 中国养老第二支柱（企业年金与职业年金）正稳步扩张，是应对人口老龄化、构建多层次养老体系的关键，预计年金规模将保持8%的年化复合增速，高于名义GDP增长 [1] - 年金资金作为“耐心资本”，具有长期性、稳定性和追求绝对收益的特点，其持续入市将优化资本市场结构，引导资管行业向长期价值投资转型 [2] - 面对“资产荒”和利率下行，年金投资将趋向“哑铃型”权益结构，一端配置高股息防御性资产，另一端布局科技制造等成长领域，企业年金权益比例有望从10%-15%提升至20%-25%，带来约5000亿元增量空间，每年新增1000至1500亿元权益资金 [2] - 职业年金凭借强制性和省级统筹模式快速崛起，投资运营规模从2020年1.29万亿元增长至2024年3.11万亿元，增速稳定在20%左右，已接近企业年金3.64万亿元的规模 [2] - 企业年金覆盖面临“存量固化”与“增量匮乏”困境，当前主要集中在国有大型企业，未来政策将重点推动中小企业通过集合计划参与，预计到2028年规模达6.4万亿元，2025-2028年基金规模年均增速15.1% [34][35] 三支柱体系下我国养老生态现状 - 中国养老体系呈现“一支独大”格局，第一支柱基本养老保险截至2024年末累计结余8.72万亿元，覆盖10.7亿人，但替代率有限；第二支柱企业年金和职业年金规模分别为3.64万亿元和3.11万亿元；第三支柱个人养老金处于发展初期，2024年末规模仅92亿元 [10][13] - 企业年金覆盖率低，参与职工3241.84万人，不足基本养老保险参保人数的10%；职业年金因强制性已基本实现制度全覆盖；个人养老金账户开设7000万个但实际缴费率仅22%，年均缴费不足2400元 [13] 企业年金篇：发展、现状与深度剖析 发展历程与模式 - 企业年金发展历经四个阶段：制度初建（1991-1999年）、制度试点（2000-2003年）、制度规范（2004-2015年）和制度深化（2016年至今），政策框架从雏形走向市场化运作 [17][22][24] - 采用“四角”信托运作模式，由受托人、账户管理人、托管人、投资管理人分工制衡，确保基金安全与专业运营 [25][26][27] 规模与参与结构 - 企业年金积累基金规模从2007年不足0.5万亿元增长至2024年3.64万亿元，但增速从早期超30%回落至10%-15%区间，呈现“存量积累”特征 [28][29][31] - 覆盖企业高度集中，金融、能源、电信等国有大型企业为主力，2022年金融业年金规模占比达22.5%；地域上广东、上海、北京稳居前三，2024年占比均超12% [37][38][39] - 民营企业参与度低，主因经济成本压力与制度激励不足；未来政策将推动集合计划、弹性缴费等模式，助力中小企业拓展覆盖 [33][34][44] 职业年金篇：崛起的制度性力量 制度背景与核心特征 - 职业年金于2015年随机关事业单位养老改革设立，具强制性、省级统筹、全国统一缴费标准（单位缴8%、个人缴4%）等特点，与企业年金的自愿性、分散决策形成对比 [45][46][47][48] - 制度设计旨在破解养老“双轨制”，确保改革后机关事业单位人员养老待遇平滑衔接，支撑改革平稳推进 [45] 职业年金规模测算 - 基于城镇非私营单位工资增速5%及就业人数增速1%假设，测算2025年职业年金缴费金额达7269.86亿元，其中个人缴纳2423.29亿元、单位缴纳4846.57亿元 [49][50] 年金资金投资模式分析 企业年金投资策略演进 - 投资范围逐步放宽：从2004年限定股票比例不超30%，到2013年纳入非标资产及养老金产品，2020年开放港股通投资，权益上限提至40% [52][53][54][55] - 当前趋向“哑铃型”配置，平衡高股息价值资产与科技成长领域，以应对利率下行并追求超额收益 [2] 职业年金投资运作特点 - 采用“统一委托、集中运营”模式，投资管理集约化，保障规范运作与资金安全 [2][46]

行业投资评级 - 行业投资评级：优于大市（维持评级）[1] 核心观点 - 国内外政策逐步落地，智能驾驶高速发展是必然趋势[2] - 特斯拉与华为“端到端”算法引领技术突破，华为城市NOA覆盖率已达99.56%[2] - 比亚迪推动“智驾平权”，2025年高速NOA渗透率有望从11.3%增至39.0%，城市NOA渗透率从6.1%增至9.6%[2][41] - 伴随硬件成本下降和国产芯片崛起，智驾功能加速向10-20万元车型市场下沉[2][45] - Robotaxi全球市场潜力近10万亿元，Waymo与Apollo为领域领航者，商业化进程持续加速[2][115] 智驾规范：各方政策逐步落地 - 国家政策积极推动L3商用部署和L4技术探索，构建标准体系并鼓励示范应用[6][7] - 地方政府如北京、上海、广州、深圳积极探索应用场景，聚焦权责划分并进入试点阶段[6][7] - 海外政策不断完善高级别智驾安全条例，并以美国、日本为代表积极提升渗透率，拓宽使用场景[9][11] 高端智驾：特斯拉与华为端到端技术 - 特斯拉FSD V13采用火箭同源代码，实现从停车场直接启动的全程自动驾驶[16][17] - 特斯拉FSD V12采用端到端神经网络模型，优化30万行代码，实现数据收集到反应的自动化[16][17] - 华为ADS 3.0实现业界首发“车位到车位”智驾领航NCA功能，城市NCA覆盖率高达99.56%[19][20] - 华为ADS 3.0采用GOD大网与PDP网络结合的端到端算法，复杂路口通过率超过96%[19][20] 智驾平权：2025年智驾渗透率拐点 - 比亚迪智驾研发采取自研+合作模式，高阶系统“天神之眼”实现全国无图城市领航功能开通[24] - 比亚迪将中阶智驾市场下沉至10万元级车型，部分车型智驾版价格下探至7.98万元[26][29] - DeepSeek大模型接入降低车端算力需求和芯片部署成本，推进中阶智驾功能下放[30][32] - 国内各类车企积极布局L3产品，比亚迪智驾版预计2025年覆盖全系车型[34][35] - 比亚迪智能驾驶硬件配置呈现高低分层趋势，高端车型具备L3级能力[37][38] 产业链及零部件厂商分析 - 智驾芯片市场向SoC过渡，英伟达Orin-X算力达254 TOPS，Thor-X算力达1000 TOPS[50][51] - 英伟达以42%份额主导国内市场，地平线、华为为国产龙头，份额分别为10%和9%[53][56] - 比亚迪“天神之眼”计划拉动芯片市场需求，预计2025年市场规模达15.8亿美元，较2024年增长37%[59][63] - 激光雷达市场100%由本土厂商构成，2024年装机量超150万颗，速腾聚创与华为技术份额领先[69][72] - 预计2025年激光雷达市场规模达8亿美元，较2024年增长62%，禾赛科技市占率预期达31%[76][77] - 毫米波雷达市场规模预计2025年超10000万颗，本土企业立讯精密、德赛西威份额提升[84][95] - 车载摄像头市场年均复合增长率达21.31%，2025年前装市场规模预计达1.2亿颗[97][98] - 韦尔股份与舜宇光学约30%-40%利润来自ADAS业务，受益于功能下沉至10万元以下车型[103] Robotaxi：智能驾驶最佳商业化场景 - Robotaxi是基于L4/L5技术的出行服务，集成传感器、AI算法等实现完全自主驾驶[112][114] - 全球市场潜力广阔，乐观预计2030年市场规模可达9.06万亿元[115] - 中国和美国处于商业化第一梯队，Waymo与Apollo为领域领航者[116][121] - Pony AI已实现全市范围运营成本盈亏，目标2025年车队超1000辆；WeRide目标2030年部署十万辆[2]

核心观点 - 报告以TrendIQ开源平台为例，探讨了AI大模型在股价预测领域的应用，展示了从传统LSTM模型到结合Transformer等新架构的迭代过程，并详细解析了本地部署与线上平台两种实现路径，旨在为投资者呈现AI技术在股价预测上的能力圈与未来进化方向[3][4] 一、深度学习与LLM在股价预测中的迭代演绎 - 过往学界与工业界倾向于使用LSTM作为股价预测的基础模型，因其能处理非线性问题并适应时间序列特性[5] - LSTM模型存在局限性：模态单一性，难以理解文本新闻等非结构化信息；解释性相对弱，被视为“黑盒”模型；泛化鲁棒性弱，难以跨市场或跨行业迁移[6][7] - Transformer架构为金融时序预测提供了新出路，其优势在于全局上下文感知、零样本与少样本学习能力以及思维链推理，能提供更好的可解释性[8][10] 二、“AI股价预言家”如何炼成：本地化部署与代码解读 - TrendIQ项目的运行框架由四个Python程序文件构成，形成“离线训练+诊断+在线服务”的闭环[12] - **训练阶段** (`train_multiple.py` 和 `quick_train.py`)：使用`yfinance`收集历史股票数据，预处理后训练LSTM模型并保存，是链条的起点[12][14] - `quick_train.py`预设了五只热门股票（AAPL、GOOGL、MSFT、TSLA、AMZN）进行快速训练，耗时约10-15分钟[14][16] - `train_multiple.py`支持批量训练，列表扩展至十只股票（包括META、NVDA等），并允许用户自定义股票列表和日期范围[17] - **检查阶段** (`check_models.py`)：验证训练生成的文件（CSV、.npy、.joblib、.h5）是否存在及完整，充当质量把关者[18][19] - **运行阶段** (`app.py`)：基于Flask框架启动Web应用，用户输入股票代码后，加载预训练模型进行预测，并显示预测价格、图表和置信度[13][20] 三、轻量化VS易用性：本地部署与线上平台如何选择 - **本地部署TrendIQ**适合跟踪特定个股、注重安全性和速度的投资者，流程分为四步[21] 1. **软件包下载**：从GitHub获取开源数据包[21] 2. **安装依赖**：通过pip一次性安装Flask、TensorFlow、NumPy、Pandas、Scikit-learn、YFinance、Joblib等库[23] 3. **股票数据训练**：运行`python quick_train.py`为五只热门股票训练LSTM模型，耗时约10-15分钟[24] 4. **本地运行**：运行`python app.py`启动服务器，用户可通过浏览器访问`http://127.0.0.1:5000`进行预测[28] - **线上平台TrendIQ**适合追求易用性、对预测精度要求相对较低的投资者[32] 1. 通过Google账号或邮箱登录网页版[32] 2. 在Swing Trading（针对60分钟线及以上趋势）或Scalp Trading（针对五分钟及以内趋势）界面，上传K线截图进行预测[33][34] 3. 预测结果包括：多空趋势研判、具体的止盈止损位置以及AI给出的判断理由[36] - **本地版与线上版对比**：两者在数据输入、模型、预测功能和实际效果上存在差异[41] - **数据输入**：本地版使用股价序列（高、低、开、收、成交量）；线上版使用不同级别的蜡烛图[41] - **模型**：本地版为LSTM；线上版为LSTM+LLM或LSTM+VAE[41] - **预测功能**：本地版提供目标价和置信区间；线上版提供多空建议、止盈止损线及判断理由[41] - **实际效果**：本地版对走势标准化程度高、成交量大的海外大票预测效果更好；线上版在多头排列上涨环境的主升阶段判定相对准确，但在震荡市胜率一般，且对顶部提示和大幅回撤后的“抄底”判断能力有限[41] 四、总结展望：“AI预言家”成色几何？未来如何再进化？ - 模型结构持续迭代，Transformer架构与图神经网络正逐步取代LSTM，成为股价预测领域新的技术基准[39] - 未来进化方向在于多模态融合与“阅读市场”的能力，例如Time-VLM等框架尝试结合视觉Transformer分析K线图、LLM理解财经新闻以及数值模型分析价格序列[40] - 实时检索增强生成技术将赋能AI预言家，通过实时连接外部知识库获取最新动态，缓解市场非平稳性导致的模型过时问题[40]

核心观点 - 报告认为当前宏观环境呈现“宽货币+信用宽松”的组合，金融条件对资产表现形成托底 [1][13] - A股市场在年末预计进入休整阶段，短期涨跌空间有限，明年一季度有望迎来向上合力 [2] - 债市整体仍具韧性，但显现“遇好不涨”的弱势信号，建议以波段操作为主 [3] - 商品市场走势分化，原油因供需格局恶化持续承压，黄金则缺乏明确上行驱动，预计维持震荡 [4] - 综合胜率和赔率，资产配置推荐顺序为：股市 > 商品 > 债市 [21] 货币信用环境 - 10月中国新增社会融资规模为8161亿元，低于万得一致调查值15377亿元 [1][13] - 10月新增人民币贷款为2200亿元，低于万得一致调查值4512亿元 [1][13] - 国信货币条件指数显示，Shibor 3M利率微幅下行至1.58，整体维持在低位区间，货币环境“稳中偏宽” [13][19] - 信用脉冲虽略有回落，但整体延续年内回升态势，信用扩张的内生动力未改 [1][13] A股市场展望与风格配置 - 11月主要股指普遍回调，中小市值及成长板块调整幅度较深，周期行业表现相对较强 [2] - 流动性方面，央行通过“买断式逆回购+MLF超额续作”稳定资金面，预计12月将维持跨年平稳操作节奏 [2] - 政策层面，中央经济工作会议预计将释放促消费、扩内需与稳增长信号 [2] - 风格配置建议关注大盘成长，依据包括：11月中国制造业PMI为49.2，高于美国的48.2，利好大市值企业；1-10月规模以上工业增加值同比增长6.10%，经济复苏利好成长板块；利率微降对估值端支撑利好大盘 [19][20][21] 债券市场展望 - 11月中债口径十年期国债到期收益率下行6.9个基点至1.73% [31] - 月内受信用事件（如万科债展期）扰动，信用利差短线走阔，压制债市风险偏好 [3] - 债市整体偏稳，但显现“遇好不涨”的弱势信号，建议逢脉冲式调整把握交易机会 [3] 外汇市场展望 - 11月下旬美元指数回落，美元兑人民币在岸、离岸双双走弱，人民币阶段性走强 [3] - 预计官方将坚持维持人民币汇率基本稳定的政策导向，人民币将呈现双向波动态势 [3] 商品市场展望 - 11月南华综合指数小幅上涨0.5%，但南华工业品指数下跌1.6% [4][31] - 布伦特原油明显下跌，石油市场出现2020年以来最严重的供应过剩局面 [4] - 黄金在11月企稳回升，但短期缺乏明显上行驱动，期权隐含波动率偏高，或维持震荡 [4] 定量配置建议 - 全球资产配置模型建议增配全球权益资产，具体比例为：美国(14.65%)、法国(14.65%)、英国(13.02%)、印度(13.02%)、中国香港(13.02%)、德国(0.81%)、日本(0.81%)、越南(0.00%)，余下30%配置无风险收益产品 [4][24] - 国内定量配置模型建议： - 积极配置假设下：股票30%、债券35%、原油23.3%、黄金11.7% [4][24] - 稳健配置假设下：股票15%、债券85%、原油0%、黄金0% [4][24] 市场情绪与行业景气指数 - 11月A股情绪指数Ⅰ有所抬升，指示股票交易情绪升温 [60] - 11月A股情绪指数Ⅱ出现两次谨慎信号，提示市场回调趋势和情绪回落 [63] - 11月行业轮动指数明显上行，行业间切换加快 [68] - 11月债市情绪指数明显下降，表明投资者对债券市场的关注度减少 [69] - 根据11月份的中观行业景气指数，景气上行的行业包括医药生物、食品饮料、汽车、机械设备、商贸零售、家用电器、环保、石油石化、非银金融、社会服务、电子、房地产 [75][77]