报告行业投资评级 - 行业评级为“优于大市” [1][4] 报告的核心观点 - 银行理财行业规模正逐步恢复增长，告别了通过“收益打榜”等短期行为干扰市场的阶段，监管整顿推动行业向长期稳健经营转型 [1][2] - 监管整顿理财产品“收益打榜”现象，有助于引导行业规范业绩展示，并可能推动社会无风险收益水平下行，提升资管行业对风险资产的吸引力 [2] - 在长期收益基准水平下行的背景下，理财产品正通过加大权益和黄金等收益增厚策略储备，以“固收+”等多元配置策略提升风险收益比 [3] 根据相关目录分别进行总结 收益率：环比回落 - 2026年2月份银行理财规模加权平均年化收益率为1.70%，较上月回落192个基点 [10] - 分产品类型看，现金管理类产品年化收益率为1.28%，纯债类产品为2.30%，“固收+”产品为1.68% [10] 存量：规模微增 - 2026年2月末理财产品存量规模为31.7万亿元，环比上月增加0.1万亿元 [1][11] - 普益数据显示存量规模为31.7万亿元，结合同业交流信息，行业整体规模约在33万亿元左右 [1] - 现金管理类和固收类产品是当前理财产品的绝对主力 [11][16] 新发：业绩比较基准略有反弹 - 2026年2月份新发产品初始募集规模为2995亿元 [18] - 新发产品基本为固收类产品，且大部分为封闭式运作模式 [18] - 2月份新发产品的平均业绩比较基准为2.35%，环比上月回升2个基点 [18] 到期：大部分产品达到业绩比较基准 - 2026年2月份到期的封闭式银行理财产品共计1434只 [27] - 从兑付情况来看，大部分到期产品达到了其业绩比较基准 [27] 附录：银行理财配置主要资产收益表现 - 银行理财产品的基础资产主要包括债券（以高等级信用债为主）、权益（以委外投资为主）和非标资产等 [29]

报告行业投资评级 - 行业评级为“优于大市” [1][5] 报告核心观点 - 2026年银行业处于“政策底迈向业绩底”的过渡阶段，基本面筑底确定性强但向上拐点不明确，市场环境与2016年下半年高度相似 [1][2][84][96] - 银行股定价权预计将从“险资/中央汇金”主导逐步转向“公募/外资”主导 [3][84] - 在基本面向上拐点明确前，投资策略核心是“精选复苏Alpha”，同时可保留高股息稳健仓位；若复苏信号明确，则需果断切换至复苏品种 [3][85][102] 根据相关目录分别总结 两轮典型银行行情核心驱动因素 - **2016-2017年行情**：由基本面拐点向上驱动，呈现戴维斯双击。不良生成率从2015年的1.25%回落至2017年的0.79%，净息差于2017年企稳回升至1.94% [12][14][21]。资金面经历从万能险主导（2016年）到公募/外资接棒（2017年）的切换 [1][22] - **2023-2025年行情**：在银行业绩下行周期中，由险资和中央汇金主导，形成红利Beta行情。核心驱动力是低利率环境下高股息资产稀缺、政策托底（如化债）带来的风险收敛以及新会计准则下险资的配置需求 [1][14][52][53]。期间申万银行指数累计涨幅约70% [14] 两轮险资择股逻辑核心差异 - **2016年**：以激进万能险为主导，在旧会计准则（IAS 39）下更看重席位溢价和高ROE潜力，偏好股权分散、成长性好的中小银行 [1][2][45][81] - **2023-2025年**：以长线资金为主导，实行新会计准则（IFRS 9）后，计入OCI账户的险资更在意股息率，偏好ROE底部明确、分红稳定的国有大行和部分区域城商行 [1][2][68][81] 2026年基本面展望 - 预计2026年上市银行营收和净利润同比增速分别为2.7%和3.0% [86][88] - 净息差预计从2025E的1.40%进一步收窄至2026E的1.34%，处于筑底阶段 [86][88][97] - 宏观经济环境与2016年下半年相似，PPI降幅收窄但内生动能不足，银行基本面筑底预期强，但缺乏明确的向上拐点预期 [2][84][96] 2026年资金面展望 - **保险资金**：仍是银行板块最稳定、最具持续性的核心配置盘，但增量资金边际放缓。大型险企因已完成IFRS 9切换，增量配置需求减弱；边际上需关注中小险企OCI账户对高股息股份行和区域城商行的配置需求 [3][89][90][91] - **中央汇金**：从2023-2025年大量增持宽基ETF（如沪深300ETF、上证50ETF）托底估值，转向中性策略。数据显示，2026年初以来中央汇金已减持相关ETF份额约50%-60% [3][66] - **公募基金**：作为趋势跟随型资金，在基本面向上拐点明确前，难以形成全面加仓共识，预计将进行结构性加仓，聚焦绩优股。一旦盈利向上拐点明确，公募有望重新掌握定价权，驱动戴维斯双击 [3][84][95] - **外资**：2023-2025年整体呈现净流出，对银行股影响减弱，并非2026年行情的核心影响因素 [78] 投资建议与重点公司 - **核心策略**：在基本面向上拐点明确前，精选复苏Alpha，同时保留高股息稳健底仓 [3][102] - **重点推荐（复苏Alpha）**：招商银行、宁波银行、长沙银行、渝农商行 [3][102] - **稳健底仓建议**：江苏银行、成都银行、兴业银行，这些更符合中小保险OCI账户的择股标准 [3][102] - **估值预测示例**： - 招商银行：2026E EPS为6.05元，对应PE为6.5倍 [4] - 宁波银行：2026E EPS为4.64元，对应PE为6.8倍 [4] - 长沙银行：2026E EPS为2.12元，对应PE为4.5倍 [4] - 渝农商行：2026E EPS为1.13元，对应PE为5.9倍 [4]

报告行业投资评级 - 行业投资评级为“优于大市” [1][4] 报告核心观点 - 核心观点：掘金牧业景气大周期，把握养殖龙头估值切换 [3] - 年内肉奶周期有望共振反转，反内卷支撑中长期生猪价格 [1] - 肉牛价格淡季不淡，生猪产能节后有望持续去化 [1] 根据相关目录分别进行总结 本周观点及数据总结 - **生猪**：行业反内卷有序推进，有望托底行业盈利。2月28日生猪价格10.79元/公斤，周环比-7.78%；出栏均重123.06公斤，周环比+0.29% [1][19] - **白鸡**：供给小幅增加，关注旺季消费修复。2月28日鸡苗价格2.72元/羽，周环比+10.57%；毛鸡价格7.14元/公斤，周环比-2.46% [1][35] - **黄鸡**：供给维持底部，有望率先受益内需改善。2月27日浙江快大三黄鸡/青脚麻鸡/雪山草鸡斤价为5.1/4.6/6.3元，周环比+8.51%/+4.55%/+12.50% [1][45] - **鸡蛋**：短期价格震荡，中期供给压力仍大。2月28日鸡蛋主产区价格3.34元/斤，周环比-4.57% [1][50] - **肉牛**：新一轮牛价上涨开启，看好牛周期反转上行。2月28日育肥公牛出栏价25.20元/kg，同比+6.78%；牛肉市场价61.88元/kg，同比+20.44% [2][57] - **原奶**：奶牛去化有望延续，原奶价格或迎拐点。2月12日国内主产区原奶均价3.04元/kg，同比-2.25% [2][61] - **豆粕**：估值处于历史低位，关注潜在天气或贸易端催化。2月28日国内豆粕现货3163元/吨，周环比+1.45% [2][64] - **玉米**：底部支撑较强，中长期供需平衡表收缩。2月28日国内玉米现货价2364元/吨，周环比+1.33% [2] - **橡胶**：短期受益石化链涨价，中期看好景气向上。2月27日国内全乳胶山东市价16850元/吨，周环比+4.33% [2] 基本面跟踪 生猪 - 行业反内卷有望支撑猪价中长期表现，短期节后需求季节性回落，猪价预计偏弱 [19] - 中期产能调控稳步推进，2025年12月末全国能繁存栏降至3961万头，季度环比减少1.83% [19] - 2月27日7kg仔猪价格356.19元/头，周环比-0.27% [1] 白鸡 - 短期节后消费淡季，毛鸡价格预计偏弱调整，种苗端价格受益补栏需求修复 [35] - 中期父母代存栏维持扩张，供给侧预计温和增长，但需求侧有望随内需改善，价格景气具备修复潜力 [35] - 2025年12月在产父母代存栏5019.27万套，环比+2.80% [36] 黄鸡 - 短期节后进入需求淡季，价格预计偏弱运行 [45] - 中期上游补栏谨慎，产能处于历史底部区间，需求有望率先受益内需刺激政策，价格具备更大修复弹性 [45] - 截至2025年12月末父母代存栏环比-1.7%，同比-0.8% [45] 鸡蛋 - 短期养殖端淘鸡放缓，供给充裕，节后淡季蛋价面临下行压力 [50] - 中期在产父母代存栏处于高位，供应压力仍大，鸡蛋价格或冲高回落 [50] 肉牛 - 政策保护信号明确，商务部决定对进口牛肉采取为期3年的保障措施，进口牛肉预计量减价增 [57][60] - 国内肉牛产业供需过剩局面已持续近20个月，价格累计跌幅近25% [58] - 2024年末国内牛存栏同比调减4%以上，基础母牛产能自2023年下半年呈调减趋势 [58] 原奶 - 现有价格下行业普遍现金亏损，产能预计加速去化，原奶价格有望迎来向上拐点 [61] - 全球大包粉价格持续上涨，国内进口价格已高于国内原奶价格，海外价格上涨有助于提升国内原奶价格周期反转高度 [62] 豆粕 - 短期进口成本对价格有支撑，中长期关注3月后巴西大豆上量及南美天气、贸易政策的潜在催化 [64] 投资建议 - **牧业**：推荐优然牧业、现代牧业等 [3] - **生猪**：推荐华统股份、德康农牧、牧原股份、温氏股份、天康生物、神农集团等 [3] - **禽**：推荐立华股份、益生股份、圣农发展等 [3] - **饲料**：推荐海大集团 [3] - **宠物**：推荐乖宝宠物等 [3] 重点公司盈利预测 - **优然牧业**：投资评级“优于大市”，2025年预测EPS 0.17元，对应PE 30倍；2026年预测EPS 0.59元，对应PE 9倍 [4] - **现代牧业**：投资评级“优于大市”，2025年预测EPS -0.04元；2026年预测EPS 0.08元，对应PE 18倍 [4] - **牧原股份**：投资评级“优于大市”，2025年预测EPS 3.57元，对应PE 13倍；2026年预测EPS 3.01元，对应PE 16倍 [4]

核心观点 - 报告认为当前宏观环境呈现“宽货币+宽信用”的双宽格局，对资本市场形成托底 [1][13] - 下一阶段市场风格将从高弹性交易转向围绕政策预期寻找配置方向，关注扩内需、下沉消费、自立自强、人工智能及未来产业等主线 [2] - 对大类资产的配置建议顺序为：股市 > 商品 > 债市 [20] 1. 未来大类资产市场展望 1.1 货币-信用“风火轮”：双宽格局持续 - 1月新增社会融资规模为72208亿元，高于市场预期的65062亿元 [1][13] - 1月新增人民币贷款为47100亿元，高于市场预期的44972亿元 [1][13] - 社融与信贷投放超预期，信用脉冲边际回升，货币条件整体偏宽松 [1][13] - 国信货币条件指数显示，Shibor 3M利率保持下行后趋稳，系统性资金趋紧风险极低 [13] 1.2 风格与板块配置：关注大盘周期 - 2月市场风格出现阶段性收敛，从高弹性资产转向低估值和绩优股 [2] - 基于基本面、估值和事件驱动因素的综合打分，当前市值风格偏向大盘周期 [19][20] - 具体来看：中美制造业PMI差异（中国49，美国52.4）利好小市值企业；1月CPI同比0.2%企稳利好周期股；2月Shibor 3M利率为1.58%，下调利好大盘股；2月IPO数量为8家，边际减少利好大盘企业 [19] 1.3 全球与国内大类资产的定量配置建议 - **国内资产定量配置建议**： - 积极配置假设下：股票10%、债券45%、原油15%、黄金30% [5][22] - 稳健配置假设下：股票10%、债券85%、原油1.7%、黄金3.3% [5][22] - **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15.25%、德国15.25%、日本15.25%、法国1.69%、印度0.85%、中国香港1.69%，英国和越南为0%，剩余50%配置无风险收益产品 [5][22] 2. 国内外大类资产月度复盘 2.1 国内大类资产回报排序及归因（2026年2月） - **股市分化**：中证500上涨3.4%，深证成指上涨2.0%，上证综指上涨1.1%，沪深300上涨0.1%，上证50下跌0.9%，创业板指下跌1.1% [30] - **板块表现**：周期股回报率4.1%，成长股3.1%，稳定股2.9%，消费股0.3%，金融股-1.7% [30] - **债市走强**：10年期国债到期收益率下行8.5个基点至1.73% [30] - **商品震荡**：上期所原油上涨3.7%，南华工业品指数下跌0.4%，上期所黄金下跌1.2%，南华综合指数下跌1.3% [30] - **人民币升值**：2月对美元逆势升值超1.3%，月末在岸价收于6.8559 [4][30] 2.2 海外大类资产走势复盘（2026年2月） - **权益市场**：东京日经225指数上涨10.37%，新兴市场上涨4.86%，全球股市上涨1.34%，发达市场股市上涨0.87%，美国股票下跌0.87% [41][43] - **债券市场**：美国国债上涨1.82%，MBS上涨1.67%，高收益债上涨0.19% [42] - **大宗商品**：伦敦现货黄金上涨4.83%，CRB商品指数下跌2.32% [42][43] 2.3 国内外大类资产间比价 - **中国股债性价比**：2026年2月，口径I下的分位数保持25%不变，口径II下的分位数由65%下降至61.67%，显示股票相对债券的吸引力有所减弱 [44] - **美国股债性价比**：2月历史分位数在I、II口径下边际显著提升，分别从8.33%升至20%、从3.33%升至13.33%，显示美股性价比有所增加 [44] 3. 国信多资产配置系列指数跟踪 3.1 宏观景气和政策量化指数 - **国内政策脉冲指数**：1月财政收支数据未公布，指数未更新 [55] - **央行分歧指数**：1月全球央行整体走势指数不变，但近两年中枢持续下移；政策分歧指数下降，显示全球央行政策取向一致性增强 [56] 3.2 股市交易情绪指数 - **A股情绪指数Ⅰ**：2026年2月该指数上升，指示股票交易情绪有所升温 [60] - **A股情绪指数Ⅱ**：2月未出现积极或消极信号 [62] - **行业轮动指数**：2026年2月指数先降后升，月度均值较前两个月明显下降，反映行业轮动节奏由较快向中等水平回归 [66] 3.3 债市情绪和风险指数 - **中国债市情绪指数**：2026年2月先升后降，与1月单边上扬趋势形成对比 [68] 3.4 中观行业景气指数 - 根据12月份的中观行业景气指数，景气上行的行业包括：钢铁、医药生物、汽车、机械设备、纺织服饰、商贸零售、环保、石油石化、非银金融、银行、社会服务、电子、房地产 [75][77]

行业投资评级 - 银行理财行业评级为“优于大市” [1][4] 报告核心观点 - 银行理财市场正从短期规模导向向长期稳健经营转型，监管整顿“收益打榜”现象，未来真实业绩展示将成为竞争核心要素 [2] - 监管整顿助推理财收益水平下行，有利于社会无风险收益水平下行，从而提升资管行业对风险资产的吸引力，推动“非标转标”进程 [2] - 长期理财收益基准水平下行，倒逼理财产品加大收益增厚策略储备，“固收+”产品通过跨市场、多资产配置（如权益和黄金）提升风险收益比 [3] 根据相关目录分别总结 收益率：环比回落 - 2026年2月银行理财规模加权平均年化收益率为1.70%，较上月回落192个基点 [10] - 分产品看，现金管理类产品年化收益率为1.28%，纯债类产品为2.30%，“固收+”产品为1.68% [10] 存量：规模微增 - 2月末理财产品存量规模为31.7万亿元，环比上月增加0.1万亿元 [1][11] - 结合同业交流，理财行业整体规模约在33万亿元左右，呈现逐步恢复增长态势 [1] - 现金管理类和固收类产品仍是理财产品的绝对主力 [11][16] 新发：业绩比较基准略有反弹 - 2月份新发产品初始募集规模为2995亿元 [18] - 新发产品基本为固收类产品，且大部分为封闭式运作 [18] - 2月份新发产品平均业绩比较基准为2.35%，环比上月回升2个基点 [18] 到期：大部分产品达到业绩比较基准 - 2月份到期的封闭式银行理财产品共计1434只 [27] - 从兑付情况看，大部分产品达到了业绩比较基准 [27] 附录：银行理财配置主要资产收益表现 - 银行理财产品基础资产包括债券（以高等级信用债为主）、权益（以委外投资为主）和非标资产等 [29] - 报告附录展示了相关资产（如AAA信用债、沪深300指数、公募基金）近一年的走势 [29][30][33][34] 产品策略与案例 - 在低利率、高波动环境下，“固收+”理财通过配置权益和黄金等资产增强收益 [3] - 案例：某股份行理财产品以债券指数收益为主要基准，配置10%的沪深300指数作为权益增强，在2025年实现了超过7%的年度净值增长，同时最大回撤控制在1%以内 [3] - 案例：某城商行理财通过配置黄金ETF在2025年实现了显著超额收益 [3] - “固收+”产品通过将大部分资金配置于稳健资产，以较小比例灵活配置增强型资产，有效缓冲单一市场波动 [3]

核心观点 - 报告认为，最近一周（2026/3/2-2026/3/6）北向资金可能小幅净流出，其中灵活型外资可能大幅净流出 [1] - 在港股市场，稳定型外资与灵活型外资的净流出额均有所收窄 [1][2] - 在亚太市场，外资近期流入日本股市，2月则流入印度股市 [1][2] - 在美欧市场，1月全球共同基金资金流入欧洲和美国权益市场 [1][3] A股市场外资流动 - 最近一周（2026/3/2-2026/3/6）北向资金估算净流出92亿元人民币，而前一周（2026/2/24-2026/2/27）为净流入21亿元人民币 [1][10] - 最近一周灵活型外资估算净流出50亿元人民币，前一周为净流入100亿元人民币 [1][10] - 陆股通前十大活跃个股中，宁德时代本周双向成交总金额为184亿元，占其当周交易金额的18%；中际旭创成交183亿元，占比9%；天孚通信成交174亿元，占比13% [1][10] 港股市场资金流动 - 最近一周（2026/2/25-2026/3/3）各类资金合计净流入港股市场225亿港元 [2][12] - 其中，稳定型外资净流出119亿港元，灵活型外资净流出6亿港元 [2][12] - 港股通（南向资金）净流入248亿港元，中国香港或大陆本地资金净流入109亿港元 [2][12] - 行业层面，外资流入非银金融、医药生物、有色金属等行业较多；港股通资金流入ETF、软件服务、石油石化等行业较多 [2][12][14] 亚太其他市场外资流动 - 日本股市：截至2026年2月23日当周，海外投资者净流入日本股市7454亿日元，前一周流入5234亿日元，自2023年以来累计净流入14.6万亿日元 [2][18] - 印度股市：2026年2月，海外机构投资者净流入印度股市25.0亿美元，前一月为净流出39.8亿美元，自2020年以来累计净流入108亿美元 [2][18] 美欧市场外资流动 - 美国股市：2026年1月，全球共同基金资金净流入美国权益市场322亿美元，前一月流入298亿美元，自2020年以来累计净流入7535亿美元 [3][19][21] - 欧洲股市：2026年1月，全球共同基金资金净流入英国、德国、法国权益市场的金额分别为36.7亿美元、35.9亿美元和42.7亿美元，前一月分别为17.4亿美元、9.7亿美元和21.6亿美元 [3][21]

量化模型与构建方式 1. **模型名称：单因子MFE组合模型**[14] * **模型构建思路**：为了在更贴近实际投资约束（如行业中性、风格中性、个股偏离限制等）的条件下检验单因子的有效性，避免传统分档测试的局限性，构建最大化单因子暴露组合（Maximized Factor Exposure Portfolio, MFE）[39]。 * **模型具体构建过程**：采用组合优化方法，在满足一系列实际投资约束的前提下，最大化组合在目标因子上的暴露[39]。具体优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，`f` 为因子取值向量，`w` 为待求解的股票权重向量，`w_b`为基准指数成分股权重向量[39][40]。 * 第一个约束 `s_l ≤ X(w - w_b) ≤ s_h` 限制组合相对于基准的风格因子暴露，`X` 为风格因子暴露矩阵[40]。 * 第二个约束 `h_l ≤ H(w - w_b) ≤ h_h` 限制组合相对于基准的行业偏离，`H` 为行业暴露矩阵[40]。 * 第三个约束 `w_l ≤ w - w_b ≤ w_h` 限制个股相对于基准权重的偏离幅度[40]。 * 第四个约束 `b_l ≤ B_b w ≤ b_h` 限制组合在基准成分股内的权重占比[40]。 * 第五个约束 `0 ≤ w ≤ l` 禁止卖空并限制个股权重上限[40]。 * 第六个约束 `1^T w = 1` 确保组合满仓[40]。 * **模型评价**：该方法能够更真实地反映因子在实战约束下的选股能力，检验出的“有效”因子更可能在最终的多因子组合中发挥作用[39]。 2. **模型名称：公募重仓指数模型**[41] * **模型构建思路**：为了测试因子在公募基金这一重要市场参与者持仓风格下的有效性，构建一个动态反映公募基金整体持仓偏重的指数作为新的因子测试样本空间[41]。 * **模型具体构建过程**： 1. **选样空间**：选取普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[42]。 2. **数据处理**：通过基金定期报告获取持股信息。若最新报告为季报，则结合前期的年报或半年报信息构建持仓数据[42]。 3. **权重计算**：将所有符合条件基金的持仓股票权重进行平均，得到公募基金平均持仓[42]。 4. **成分股筛选**：将平均后的股票权重降序排序，选取累计权重达到90%的股票作为成分股，构建公募基金重仓指数[42]。 模型的回测效果 1. **单因子MFE组合模型**，在沪深300样本空间中，EPTTM因子MFE组合最近一周超额收益1.46%，最近一月0.97%，今年以来1.55%，历史年化4.15%[18]。 2. **单因子MFE组合模型**，在中证500样本空间中，预期EPTTM因子MFE组合最近一周超额收益1.75%，最近一月1.86%，今年以来-1.40%，历史年化2.92%[20]。 3. **单因子MFE组合模型**，在中证1000样本空间中，预期EPTTM因子MFE组合最近一周超额收益2.02%，最近一月1.19%，今年以来-0.25%，历史年化2.87%[22]。 4. **单因子MFE组合模型**，在中证A500样本空间中，预期EPTTM因子MFE组合最近一周超额收益2.44%，最近一月1.57%，今年以来1.24%，历史年化1.81%[24]。 5. **单因子MFE组合模型**，在公募重仓指数样本空间中，单季EP因子MFE组合最近一周超额收益1.72%，最近一月1.84%，今年以来0.35%，历史年化3.01%[26]。 量化因子与构建方式 1. **因子名称：BP**[16] * **因子构建思路**：属于估值类因子，衡量公司净资产与市值的比率，即市净率的倒数[16]。 * **因子具体构建过程**：净资产 / 总市值[16]。 2. **因子名称：单季EP**[16] * **因子构建思路**：属于估值类因子，衡量单季度净利润与市值的比率[16]。 * **因子具体构建过程**：单季度归母净利润 / 总市值[16]。 3. **因子名称：单季SP**[16] * **因子构建思路**：属于估值类因子，衡量单季度营业收入与市值的比率[16]。 * **因子具体构建过程**：单季度营业收入 / 总市值[16]。 4. **因子名称：EPTTM**[16] * **因子构建思路**：属于估值类因子，衡量滚动净利润与市值的比率[16]。 * **因子具体构建过程**：归母净利润TTM / 总市值[16]。 5. **因子名称：SPTTM**[16] * **因子构建思路**：属于估值类因子，衡量滚动营业收入与市值的比率[16]。 * **因子具体构建过程**：营业收入TTM / 总市值[16]。 6. **因子名称：EPTTM分位点**[16] * **因子构建思路**：属于估值类因子，衡量当前EPTTM在过去一年中的相对位置[16]。 * **因子具体构建过程**：EPTTM在过去一年中的分位点[16]。 7. **因子名称：股息率**[16] * **因子构建思路**：属于估值类因子，衡量公司分红回报[16]。 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[16]。 8. **因子名称：一个月反转**[16] * **因子构建思路**：属于反转类因子，捕捉短期股价反转效应[16]。 * **因子具体构建过程**：过去20个交易日涨跌幅[16]。 9. **因子名称：三个月反转**[16] * **因子构建思路**：属于反转类因子，捕捉中期股价反转效应[16]。 * **因子具体构建过程**：过去60个交易日涨跌幅[16]。 10. **因子名称：一年动量**[16] * **因子构建思路**：属于动量类因子，捕捉长期股价动量效应[16]。 * **因子具体构建过程**：近一年除近一月后动量[16]。 11. **因子名称：单季净利同比增速**[16] * **因子构建思路**：属于成长类因子，衡量单季度净利润的同比增长[16]。 * **因子具体构建过程**：单季度净利润同比增长率[16]。 12. **因子名称：单季营收同比增速**[16] * **因子构建思路**：属于成长类因子，衡量单季度营业收入的同比增长[16]。 * **因子具体构建过程**：单季度营业收入同比增长率[16]。 13. **因子名称：单季营利同比增速**[16] * **因子构建思路**：属于成长类因子，衡量单季度营业利润的同比增长[16]。 * **因子具体构建过程**：单季度营业利润同比增长率[16]。 14. **因子名称：SUE**[16] * **因子构建思路**：属于成长类因子，衡量单季度净利润超出预期的标准化幅度[16]。 * **因子具体构建过程**：（单季度实际净利润 - 预期净利润）/ 预期净利润标准差[16]。 15. **因子名称：SUR**[16] * **因子构建思路**：属于成长类因子，衡量单季度营业收入超出预期的标准化幅度[16]。 * **因子具体构建过程**：（单季度实际营业收入 - 预期营业收入）/ 预期营业收入标准差[16]。 16. **因子名称：单季超预期幅度**[16] * **因子构建思路**：属于成长类因子，衡量预期净利润与实际净利润的比率[16]。 * **因子具体构建过程**：预期单季度净利润 / 财报单季度净利润[16]。 17. **因子名称：单季ROE**[16] * **因子构建思路**：属于盈利类因子，衡量单季度净资产收益率[16]。 * **因子具体构建过程**：单季度归母净利润 * 2 / (期初归母净资产 + 期末归母净资产)[16]。 18. **因子名称：单季ROA**[16] * **因子构建思路**：属于盈利类因子，衡量单季度总资产收益率[16]。 * **因子具体构建过程**：单季度归母净利润 * 2 / (期初归母总资产 + 期末归母总资产)[16]。 19. **因子名称：DELTAROE**[16] * **因子构建思路**：属于盈利类因子，衡量净资产收益率的同比变化[16]。 * **因子具体构建过程**：单季度净资产收益率 - 去年同期单季度净资产收益率[16]。 20. **因子名称：DELTAROA**[16] * **因子构建思路**：属于盈利类因子，衡量总资产收益率的同比变化[16]。 * **因子具体构建过程**：单季度总资产收益率 - 去年同期单季度总资产收益率[16]。 21. **因子名称：非流动性冲击**[16] * **因子构建思路**：属于流动性类因子，衡量单位成交额引起的价格冲击[16]。 * **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值 / 成交额的均值[16]。 22. **因子名称：一个月换手**[16] * **因子构建思路**：属于流动性类因子，衡量短期换手率水平[16]。 * **因子具体构建过程**：过去20个交易日换手率均值[16]。 23. **因子名称：三个月换手**[16] * **因子构建思路**：属于流动性类因子，衡量中期换手率水平[16]。 * **因子具体构建过程**：过去60个交易日换手率均值[16]。 24. **因子名称：特异度**[16] * **因子构建思路**：属于波动类因子，衡量股价波动中不能被常见风险因子解释的部分[16]。 * **因子具体构建过程**：1 - 过去20个交易日Fama-French三因子回归的拟合度[16]。 25. **因子名称：一个月波动**[16] * **因子构建思路**：属于波动类因子，衡量短期股价波动[16]。 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[16]。 26. **因子名称：三个月波动**[16] * **因子构建思路**：属于波动类因子，衡量中期股价波动[16]。 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[16]。 27. **因子名称：高管薪酬**[16] * **因子构建思路**：属于公司治理类因子，衡量高管激励水平[16]。 * **因子具体构建过程**：前三高管报酬总额取对数[16]。 28. **因子名称：预期EPTTM**[16] * **因子构建思路**：属于分析师类因子，基于分析师一致预期的滚动估值指标[16]。 * **因子具体构建过程**：一致预期滚动EP[16]。 29. **因子名称：预期BP**[16] * **因子构建思路**：属于分析师类因子，基于分析师一致预期的滚动估值指标[16]。 * **因子具体构建过程**：一致预期滚动PB[16]。 30. **因子名称：预期PEG**[16] * **因子构建思路**：属于分析师类因子，基于分析师一致预期的成长估值指标[16]。 * **因子具体构建过程**：一致预期PEG[16]。 31. **因子名称：预期净利润环比**[16] * **因子构建思路**：属于分析师类因子，衡量分析师预期净利润的变化趋势[16]。 * **因子具体构建过程**：一致预期净利润 / 3个月前一致预期净利润[16]。 32. **因子名称：三个月盈利上下调**[16] * **因子构建思路**：属于分析师类因子，衡量分析师盈利预测调整的净情绪[16]。 * **因子具体构建过程**：过去3个月内分析师（上调家数 - 下调家数）/ 总家数[16]。 33. **因子名称：三个月机构覆盖**[16] * **因子构建思路**：属于分析师类因子，衡量股票受机构关注度[16]。 * **因子具体构建过程**：过去3个月内机构覆盖数量[16]。 因子的回测效果 （以下因子回测效果均基于单因子MFE组合模型，指标为相对于各自基准的超额收益） 1. **EPTTM因子**，在沪深300样本空间中，最近一周1.46%，最近一月0.97%，今年以来1.55%，历史年化4.15%[18]。 2. **预期EPTTM因子**，在沪深300样本空间中，最近一周1.44%，最近一月0.66%，今年以来1.14%，历史年化3.69%[18]。 3. **单季EP因子**，在沪深300样本空间中，最近一周1.05%，最近一月1.15%，今年以来1.79%，历史年化5.30%[18]。 4. **预期EPTTM因子**，在中证500样本空间中，最近一周1.75%，最近一月1.86%，今年以来-1.40%，历史年化2.92%[20]。 5. **单季EP因子**，在中证500样本空间中，最近一周1.71%，最近一月1.20%，今年以来-0.39%，历史年化7.39%[20]。 6. **EPTTM因子**，在中证500样本空间中，最近一周1.66%，最近一月2.84%，今年以来0.10%，历史年化4.41%[20]。 7. **预期EPTTM因子**，在中证1000样本空间中，最近一周2.02%，最近一月1.19%，今年以来-0.25%，历史年化2.87%[22]。 8. **BP因子**，在中证1000样本空间中，最近一周1.87%，最近一月2.25%，今年以来1.59%，历史年化2.34%[22]。 9. **预期BP因子**，在中证1000样本空间中，最近一周1.86%，最近一月1.98%，今年以来1.26%，历史年化2.48%[22]。 10. **预期EPTTM因子**，在中证A500样本空间中，最近一周2.44%，最近一月1.57%，今年以来1.24%，历史年化1.81%[24]。 11. **EPTTM因子**，在中证A500样本空间中，最近一周2.08%，最近一月2.12%，今年以来1.30%，历史年化2.97%[24]。 12. **单季EP因子**，在中证A500样本空间中，最近一周1.83%，最近一月2.21%，今年以来1.41%，历史年化5.16%[24]。 13. **单季EP因子**，在公募重仓指数样本空间中，最近一周1.72%，最近一月1.84%，今年以来0.35%，历史年化3.01%[26]。 14. **EPTTM因子**，在公募重仓指数样本空间中，最近一周1.68%，最近一月2.47%，今年以来0.62%，历史年化0.88%[26]。 15. **预期EPTTM因子**，在公募重仓指数样本空间中，最近一周1.66%，最近一月1.78%，今年以来-0.51%，历史年化1.03%[26]。

量化模型与构建方式 1. **模型名称：港股精选组合模型**[14][15] * **模型构建思路**：该模型旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票，构建港股精选股票组合[14][15]。 * **模型具体构建过程**： 1. **构建分析师推荐股票池**：以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件，构建初始股票池[15]。 2. **双层筛选**：对分析师推荐股票池中的股票进行基本面和技术面两个维度的精选[14][15]。报告未详细说明具体使用的因子和筛选标准，但指出详细构建方式可参见专题报告《基于分析师推荐视角的港股投资策略》[14]。 * **模型评价**：该模型在长期回测中表现优异，年化超额收益显著[15]。 2. **因子名称：250日新高距离**[22] * **因子构建思路**：该因子用于量化股票价格接近其近期历史高点的程度，是识别趋势和动量效应的重要指标[20][22]。 * **因子具体构建过程**：计算最新收盘价与过去250个交易日最高收盘价的相对距离。具体公式为： $$250日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，$Closet$为最新收盘价，$ts\_max(Close, 250)$为过去250个交易日收盘价的最大值[22]。若最新收盘价创出新高，则因子值为0；若最新收盘价较新高回落，则因子值为正值，表示回落幅度[22]。 3. **模型名称：平稳创新高股票筛选模型**[22][23] * **模型构建思路**：该模型旨在从近期创出新高的股票中，进一步筛选出趋势更为平稳、持续性更好的股票[3][22]。 * **模型具体构建过程**：在过去20个交易日创出过250日新高的股票池中，按以下步骤进行筛选[22][23]： 1. **样本池**：全部港股，但剔除成立时间不超过15个月的股票[23]。 2. **分析师关注度筛选**：过去6个月内，买入或增持评级的分析师研报不少于5份[23]。 3. **股价相对强弱筛选**：过去250日涨跌幅位于样本池前20%[23]。 4. **股价平稳性筛选**：在满足上述条件的股票池内，用以下两个指标综合打分，取排名在前50%的股票（最少取50只）[23]： * **价格路径平滑性**：股价位移路程比。具体计算公式为： $$股价位移路程比 = \frac{过去120日涨跌幅绝对值}{过去120日日涨跌幅绝对值加总}$$ [22] * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值[23]。 5. **趋势延续性筛选**：对经过上述筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并取排序靠前的50只股票作为最终组合[23]。 模型的回测效果 1. **港股精选组合模型**[19] * 全样本（20100101-20251231）年化收益：19.08%[19] * 全样本相对恒生指数年化超额收益：18.06%[19] * 全样本信息比率（IR）：1.19[19] * 全样本相对最大回撤：23.73%[19] * 全样本跟踪误差：14.60%[19] * 全样本收益回撤比：0.76[19] 量化因子与构建方式 *（本报告未提供除“250日新高距离”外其他独立因子的详细构建与测试结果）* 因子的回测效果 *（本报告未提供独立因子的具体测试指标取值）*

报告行业投资评级 - 投资评级：优于大市（维持）[1] 报告核心观点 - 根据Semi-Analysis报道，预计26Q1 Anthropic单季度年度经常性收入（ARR）的净增规模将首次超越OpenAI，成为全球AI收入增长最快的大模型公司[2] - 伴随模型跨越Agentic Coding拐点，当前正处于Agent爆发的起点，其发展速度和技术变革带来的商业化影响可与2000年互联网变革相比[2] - AI时代大模型企业的核心壁垒在于技术领袖的战略判断和选择，技术驱动产品发展是更成功的路径，Anthropic的快速增长源于其创始人敏锐的技术品味[2] - 模型能力快速提升使得模型与应用的边界逐渐模糊，模型自主调用工具完善Agent任务，正在改变软件/互联网应用层的工作流和用户习惯[2] - 缺乏底层模型壁垒的海外头部明星AI应用（如Cursor、Perplexity）开始面临用户数冲击等问题[2] - 投资建议：重点关注ARR快速增长的前沿大模型厂商，以及已经降本增效或增收明显的公司[2] 一、Anthropic：凭专业生产力打造高毛利护城河 核心团队与经营理念 - 核心团队成员来自OpenAI，联合创始人Dario Amodei（前OpenAI研究副总裁，领导GPT-2/3开发）和Daniela Amodei（前OpenAI安全与政策副总裁）于2021年离开OpenAI创立Anthropic，原因是认为OpenAI对安全投入不足以及与微软过度绑定[9] - 26年2月完成300亿美元G轮融资，投后估值达到3800亿美元[9] - Anthropic的经营理念强调模型必须从底层架构上就是可控、讲逻辑、严格遵守规则的，这与OpenAI的“大力出奇迹”和Google的“融入全家桶生态”策略形成对比[10] - 专注于提供企业端服务，认为AI在企业端的生产力应用会超过消费端，因为商业客户的需求更能推动技术突破[10] - 高度重视编程，认为编程是AI构建的基础技能，最快被颠覆，且模型在编程上变强会帮助训练下一个更强的模型，形成正循环[10] - 定位为平台公司，通过API提供最接近底层能力的接口，让开发者基于最新技术构建，同时推出垂直产品（如Claude Code）以直接触达用户和降低使用门槛[10] 算力储备 - 采取多云路线，同时使用多家芯片供应商[17] - 25年末加大算力建设投入：与谷歌新签订100万张TPU合同；与微软+英伟达签订300亿美元Azure计算容量采购合同；宣布将投资500亿美元与Fluidstack合作自建数据中心[15][17] 模型能力：Coding、Agent场景下的SOTA模型 - 模型迭代引领Agent时代开启：25年5月Claude 4发布开启Agent时代；25年11月Claude 4.5 Opus发布后在编程、工具调用等维度达到SOTA水平[28] - Claude 3 Opus于24年3月首次全面超越同时期的GPT-4[26] - 25年Opus 4.5在复杂任务的交付率上实现质的飞跃，在真实场景的软件工程测试SWE-Bench Verified中首次拿到80.9%的分数，是第一个超过80%的模型[37][39] - Opus 4.5具备端到端的自主软件工程能力，能进行复杂项目独立开发、代理式智能协作和专业级成果输出[30] - Opus 4.5的“Computer Use”（操作电脑）能力达到生产级可用，能像人一样看GUI界面并操作，打通了没有API的遗留企业软件[35] - Claude模型能够独立完成任务的时间长度显著增加，Opus 4.6已突破1小时[40] - 根据Artificial Analysis测评，在Agent能力维度，Claude Opus 4.6目前保持领先地位[43] - 根据Menlo Ventures数据，25年Anthropic在企业大模型API市场份额达到40%，在Coding市场份额达到54%[18] 商业模式：极简产品矩阵，API贡献主要收入 - 主要收入来源：API调用贡献主要收入，25年8月API收入占比约60%[82] - 客户结构：约80%的收入来自企业客户，Claude Code的ARR中也有一半来自企业客户[82] - 产品矩阵相对克制，包括Claude聊天机器人、Claude Code（AI编程）和Cowork（通用AI Agent）[57] - 个人订阅制包含Pro版（20美元/月）和Max版（100/200美元/月），Pro版包含Claude Code、Cowork使用权及插件能力[56] - 企业服务：推出Team Plan（标准席位20美元/月，高级席位100美元/月）和定制化的Enterprise Plan，并与Salesforce、Cognizant、Snowflake、埃森哲等第三方合作伙伴共同打造企业服务[52][55] - Claude Code（终端AI编程工具）自26年初以来采用量和收入进入加速期：26年2月ARR达到25亿美元；26年初以来企业订阅用户数增长四倍；企业用户收入占Claude Code总收入一半以上；26年初至2月每周活跃用户数量翻了一番[60] - Claude Cowork（适用于通用计算的Claude Code）于26年1月推出，通过开源插件库覆盖销售、财务、法律、市场营销等各垂类场景，降低了Agent使用门槛[75][78] 财务表现：最强模型带来token溢价，28年有望迎来现金流转正 - 25年全年收入体量约45亿美元[3] - 26Q1预测ARR为190亿美元，预测净增ARR为100亿美元[3] - 26年初以来，伴随Agent产品全球爆发，Anthropic ARR在前两月较25年12月实现翻倍以上增速，重新加速[83] - 拥有最强的模型定价能力：Claude Opus 4.6输出价格为25美元/百万tokens，远高于其他厂商的SOTA模型，带来token溢价[82] - 毛利率水平强于OpenAI，25年毛利率已回到40%，预计28年达到约75%[82][93] - 预计28年收入将超过1020亿美元，并有望在该年迎来现金流转正[93][94] - 26年推理+训练支出预计达到约190亿美元，28年将增长至555亿美元[94] 二、谷歌：多模态能力领先，生态优势明显 模型能力：围绕多模态能力打造模型矩阵，综合性能领先 - 模型分为两条路线：原生多模态模型Gemini系列，以及垂类内容制作模型（如生图模型Imagen、视频模型Veo）[98] - Gemini系列持续迭代，从1.0版本（23年12月）到3.1版本（26年2月），重点转向Agentic能力与实时交互，并优化视觉理解与复杂任务规划[99] - 25年开始，Gemini从2.5到3.0版本逐渐成为模型综合性能榜单的领跑者，Gemini 3.1在Artificial Analysis的综合评分中排名第一[103][106] - 25Q4 Gemini应用月活跃用户（MAU）达到7.5亿[101] 商业模式：原生AI应用+Gemini赋能传统产品，云与广告受益增长 - C端通过Google AI Plans订阅模式提供丰富产品矩阵，包括AI原生应用（Chatbot Gemini、AI视频Flow、AI图像Whisk、AI编程Antigravity）以及AI赋能的传统产品（如搜索、Gmail）[107] - B端通过Google AI Studio和Google Cloud Vertex AI提供API服务，相关收入计入谷歌云[113] - Gemini的API调用量快速增长，从25年3月的350亿增长至8月的850亿，在谷歌Token消耗中占比约10%[113] - AI云（GPU/TPU租赁 + API调用）是谷歌云增长主要动力：25年AI云收入同比+187%，占谷歌云收入22%；其中API调用收入占比4%，预计26年将实现爆发式增长，达到25年的4-5倍[121][122] - 推出独立的Gemini Enterprise平台，整合模型、工作台、预构建Agent和数据连接能力，截至25Q4末已向2800多家公司售出超800万个付费席位[126] - AI持续升级广告产品（如AI Max、Smart Bidding Exploration、DemandGen），提升广告主转化效率（通常改善20%左右），带动广告收入稳健增长[127][130] 算力储备与资本开支 - 2025年资本开支（CAPEX）达914亿美元，同比+74%[3] - 算力资源分配：内部使用（模型训练、推理及传统业务）约占70%，外部通过谷歌云提供服务约占30%[117] 三、OpenAI：C端产品领导者，开始发力企业市场 模型能力与商业模式 - 模型路线从分化走向统一[97] - C端产品领导者，核心产品为ChatGPT，功能丰富度高于Anthropic和Google，并开始发力企业市场[5][56][97] - 25年全年收入体量为131亿美元[3] - 26Q1预测ARR为250亿美元，预测净增ARR为36亿美元[3] - 收入预测持续上修，预计2030年超过2800亿美元[97] 算力储备 - 推进“星际之门”项目，目标建设10GW算力[3] - 25年与微软和AWS分别签订2500亿美元和380亿美元的算力服务[3] 四、静态理解模型的商业化市场空间 - （注：报告内容中未提供此部分的详细总结信息）[97]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工多因子指数增强模型**[10][11] * **模型构建思路**：以多因子选股为核心，通过收益预测、风险控制和组合优化三个步骤，构建能够稳定跑赢特定基准指数（如沪深300、中证500等）的投资组合[10][11]。 * **模型具体构建过程**： 1. **收益预测**：基于多因子模型对股票未来收益进行预测。 2. **风险控制**：控制组合相对于基准指数在行业、风格、个股权重等方面的风险暴露。 3. **组合优化**：在满足各项风险约束的条件下，通过优化算法求解最优的股票权重，以最大化预期收益或风险调整后收益[11]。 2. **模型名称：单因子MFE（Maximized Factor Exposure）组合模型**[14][39] * **模型构建思路**：为了在更贴近实际投资约束（如行业中性、风格中性）的条件下检验单个因子的有效性，通过组合优化的方式，在控制各种风险暴露的前提下，构建最大化该因子暴露的投资组合，并观察其相对于基准的表现[14][39]。 * **模型具体构建过程**： 1. 采用组合优化模型，目标函数为最大化组合在目标因子上的暴露度[39]。 $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，`f`为因子取值向量，`w`为待求解的股票权重向量，`wb`为基准指数成分股权重向量。`X`为风格因子暴露矩阵，`H`为行业暴露矩阵，`Bb`为成分股标识向量。`sl`, `sh`, `hl`, `hh`, `wl`, `wh`, `bl`, `bh`, `l`分别为风格暴露、行业暴露、个股权重偏离、成分股权重占比、个股权重上限的约束边界[39][40]。 2. 设置具体约束条件，例如：控制组合相对于基准在特定行业和市值因子上的暴露为0；限制个股相对于基准权重的最大偏离幅度（如0.5%-1%）；要求组合满仓运作等[40][43]。 3. 在每月末，根据上述优化模型为每个因子构建其MFE组合[43]。 4. 在回测期内定期换仓，计算MFE组合扣除交易费用后的收益，并评估其相对于基准的表现[43]。 模型的回测效果 1. **国信金工多因子指数增强模型**[13] * 本周超额收益：沪深300增强组合0.31%，中证500增强组合1.11%，中证1000增强组合1.60%，中证A500增强组合0.05%[13]。 * 本年至今超额收益：沪深300增强组合3.36%，中证500增强组合-1.15%，中证1000增强组合3.40%，中证A500增强组合3.77%[13]。 2. **单因子MFE组合模型（以沪深300为样本空间示例）**[18] * 最近一周超额收益：EPTTM因子1.46%，预期EPTTM因子1.44%，单季EP因子1.05%[18]。 * 最近一月超额收益：标准化预期外收入因子1.81%，单季EP因子1.15%，预期PEG因子1.00%[18]。 * 今年以来超额收益：预期PEG因子2.00%，单季EP因子1.79%，标准化预期外收入因子1.78%[18]。 * 历史年化超额收益：单季EP因子5.30%，单季ROE因子5.27%，3个月盈利上下调因子5.18%[18]。 量化因子与构建方式 报告共列出了超过30个因子，涵盖估值、反转、成长、盈利、流动性、波动、公司治理和分析师等多个维度[15][16]。以下是部分因子的构建方式： 1. **因子名称：BP（市净率倒数）**[16] * **因子构建思路**：属于估值类因子，衡量公司净资产与市值的相对关系，通常认为低市净率（高BP）的股票可能被低估[16]。 * **因子具体构建过程**：$$BP = \frac{净资产}{总市值}$$[16] 2. **因子名称：EPTTM（滚动市盈率倒数）**[16] * **因子构建思路**：属于估值类因子，衡量公司过去十二个月净利润与市值的相对关系[16]。 * **因子具体构建过程**：$$EPTTM = \frac{归母净利润TTM}{总市值}$$[16] 3. **因子名称：单季EP**[16] * **因子构建思路**：属于估值类因子，使用单季度净利润数据计算市盈率倒数，更新更及时[16]。 * **因子具体构建过程**：$$单季EP = \frac{单季度归母净利润}{总市值}$$[16] 4. **因子名称：一个月反转**[16] * **因子构建思路**：属于反转类因子，基于过去短期股价表现，认为过去表现差的股票未来可能反弹，过去表现好的股票可能回调[16]。 * **因子具体构建过程**：$$一个月反转 = 过去20个交易日涨跌幅$$[16] 5. **因子名称：一年动量**[16] * **因子构建思路**：属于动量类因子，基于过去中长期股价表现，认为趋势会延续[16]。 * **因子具体构建过程**：$$一年动量 = 近一年除近一月后动量$$（即过去250个交易日剔除最近20个交易日的涨跌幅）[16] 6. **因子名称：单季净利同比增速**[16] * **因子构建思路**：属于成长类因子，衡量公司净利润的同比增长情况[16]。 * **因子具体构建过程**：$$单季净利同比增速 = \frac{单季度净利润 - 去年同期单季度净利润}{去年同期单季度净利润}$$[16] 7. **因子名称：SUE（标准化预期外盈利）**[16] * **因子构建思路**：属于成长类因子，衡量公司实际盈利超出分析师一致预期的程度，并进行标准化处理[16]。 * **因子具体构建过程**：$$SUE = \frac{单季度实际净利润 - 预期净利润}{预期净利润的标准差}$$[16] 8. **因子名称：单季ROE**[16] * **因子构建思路**：属于盈利类因子，衡量公司单季度的净资产收益率[16]。 * **因子具体构建过程**：$$单季ROE = \frac{单季度归母净利润 \times 2}{期初归母净资产 + 期末归母净资产}$$[16] 9. **因子名称：非流动性冲击**[16] * **因子构建思路**：属于流动性类因子，衡量单位成交金额对股价造成的冲击，值越大表示流动性越差[16]。 * **因子具体构建过程**：$$非流动性冲击 = 过去20个交易日的日涨跌幅绝对值 / 成交额的均值$$[16] 10. **因子名称：特异度**[16] * **因子构建思路**：属于波动类因子，衡量公司股价波动中不能被常见风险因子（如市场、规模、价值）解释的部分[16]。 * **因子具体构建过程**：$$特异度 = 1 - 过去20个交易日Fama-French三因子回归的拟合度(R^2)$$[16] 11. **因子名称：预期EPTTM**[16] * **因子构建思路**：属于分析师类因子，基于分析师对未来盈利的一致预期计算估值指标[16]。 * **因子具体构建过程**：$$预期EPTTM = 一致预期滚动EP$$[16] 12. **因子名称：三个月机构覆盖**[16] * **因子构建思路**：属于分析师类因子，衡量近期有多少家机构发布了对该公司的研究报告，通常代表关注度[16]。 * **因子具体构建过程**：$$三个月机构覆盖 = 过去3个月内发布研究报告的机构数量$$[16] 因子的回测效果（以最近一周表现为例，取自不同样本空间） 1. **在沪深300样本空间中**[18] * EPTTM因子，超额收益1.46% * 预期EPTTM因子，超额收益1.44% * 单季EP因子，超额收益1.05% * 预期净利润环比因子，超额收益-0.47% * 单季超预期幅度因子，超额收益-0.46% * 三个月机构覆盖因子，超额收益-0.43% 2. **在中证500样本空间中**[20] * 预期EPTTM因子，超额收益1.75% * 单季EP因子，超额收益1.71% * EPTTM因子，超额收益1.66% * 3个月盈利上下调因子，超额收益-1.12% * 一年动量因子，超额收益-1.10% * 特异度因子，超额收益-0.89% 3. **在中证1000样本空间中**[22] * 预期EPTTM因子，超额收益2.02% * BP因子，超额收益1.87% * 预期BP因子，超额收益1.86% * 一个月反转因子，超额收益-1.00% * 单季营利同比增速因子，超额收益-0.92% * 特异度因子，超额收益-0.74% 4. **在中证A500样本空间中**[24] * 预期EPTTM因子，超额收益2.44% * EPTTM因子，超额收益2.08% * 单季EP因子，超额收益1.83% * DELTAROA因子，超额收益-1.06% * EPTTM一年分位点因子，超额收益-0.94% * DELTAROE因子，超额收益-0.73% 5. **在公募重仓指数样本空间中**[26] * 单季EP因子，超额收益1.72% * EPTTM因子，超额收益1.68% * 预期EPTTM因子，超额收益1.66% * 三个月机构覆盖因子，超额收益-0.61% * 预期净利润环比因子，超额收益-0.32% * 单季营利同比增速因子，超额收益-0.31%