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]

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，A股在年末将进入休整阶段，短期涨跌空间有限，明年一季度有望迎来向上合力，债市虽具韧性但显现“遇好不涨”的弱势信号，商品市场中原油因供需格局恶化持续承压，黄金则维持震荡格局 [1][2][3][4] 货币与信用环境 - 10月中国新增社融8161亿元，低于万得一致调查值15377亿元，其中新增人民币贷款2200亿元，低于调查值4512亿元，但信用脉冲整体延续年内回升态势，信用扩张内生动力未改 [1][13] - 国信货币条件指数显示，Shibor 3M利率微幅下行，维持在低位，狭义货币条件指数基本持平，广义货币条件指数持续高位震荡，表明货币环境“稳中偏宽”，信用环境宽松态势延续 [13] A股市场展望与配置 - 11月A股主要指数普遍回调，大盘蓝筹相对抗跌，中小市值及成长板块调整较深，周期行业表现较强，科技板块月末虽有反弹但整体弱势 [2] - 预计12月央行将通过逆回购和MLF等操作维持跨年资金面平稳，美联储有望进行“预防式”小幅降息，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，为市场提供支撑 [2] - 风格配置上，基于中美制造业PMI差异（中国49.2 vs 美国48.2）、国内工业增加值增长（1-10月同比增长6.10%）、通胀回升（10月CPI同比0.2%）及利率环境（11月Shibor3M利率1.58%），报告建议关注大盘成长风格 [19][20][21] - 国内定量配置模型建议：在积极配置假设下，股票、债券、原油、黄金的配置比例分别为30%、35%、23.3%、11.7%；在稳健配置假设下，比例分别为15%、85%、0%、0% [4][24] 债券市场展望 - 11月债市整体偏稳，中债财富总指数与利率债指数小幅回调，信用债指数微幅走高，10年国开与国债利率均下行 [3] - 月内受万科债展期等信用事件扰动，信用利差短线走阔，压制风险偏好，报告认为债市仍具韧性，但显现“遇好不涨”的弱势信号，建议以波段操作为主 [3] 外汇市场展望 - 11月下旬在美联储鸽派信号带动下，美元指数回落，美元兑人民币在岸、离岸双双走弱，叠加年底结算需求，人民币阶段性走强 [3] - 报告预计官方将维持人民币汇率基本稳定的政策导向，短期人民币偏强，但将呈现双向波动态势 [3] 商品市场展望 - 11月商品价格走势分化，南华综合指数小幅上涨，但工业品指数回落，布伦特原油明显下跌 [4] - 原油需求端受特朗普政府贸易政策压制，供给端因OPEC+减产协议逐步解除及俄乌谈判推进，市场出现2020年以来最严重的供应过剩，预计明年供给缺口将进一步扩大 [4] - 黄金在10月高位回调后，11月因美国降息预期升温而企稳回升，但短期缺乏明显上行驱动，期权隐含波动率偏高，预计维持震荡格局 [4] 全球资产配置 - 全球资产配置模型对A股以外主要股市的配置建议比例为：美国14.65%、德国0.81%、法国14.65%、英国13.02%、日本0.81%、越南0.00%、印度13.02%、中国香港13.02%，剩余30%配置无风险收益产品 [4][24] 市场月度复盘（2025年11月） - **国内资产**：股市方面，主要指数普遍下跌，创业板指下跌4.2%，中证500下跌4.1%，消费股与金融股相对抗跌，回报率分别为-0.5%和-0.5% [31]。债市方面，10年期国债到期收益率下行6.9个基点至1.73% [31]。商品方面，上期所黄金上涨3.5%，南华综合指数上涨0.5%，上期所原油下跌1.0% [31]。汇率方面，美元对人民币在岸价收于7.0794，较10月底的7.1135有所升值 [31] - **海外资产**：11月海外大类资产回报排序为商品>债券>股票，发达市场股市录得0.15%回报，美国股票录得0.13%，新兴市场录得-1.68%，东京日经225指数录得-4.12%，伦敦现货黄金收益4.48% [41][42][43] 市场情绪与景气指数 - **A股情绪**：11月A股情绪指数Ⅰ有所抬升，指示交易情绪升温，而情绪指数Ⅱ出现两次谨慎信号，提示市场回调趋势和情绪回落，行业轮动指数明显上行，显示行业间切换加快 [60][63][68] - **债市情绪**：11月中国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] - **行业景气**：根据11月中观行业景气指数，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]

报告行业投资评级 - 行业投资评级：优于大市 [1][5][6] 报告核心观点 - 持续看好游戏板块新品周期与影视行业底部反转，关注AI应用机会 [4][40] - 游戏板块近期调整赋予良好布局机会，强新品周期有望推动业绩与估值上修 [4][40] - 影视内容关注政策转向、供给端底部改善带动需求改善可能 [4][40] - AI应用重点把握应用场景机会，重点关注AI动漫短剧方向 [4][40] 板块周表现回顾 - 本周（11.24-11.30）传媒行业上涨3.64%，跑赢沪深300（-0.84%）和创业板指（0.34%）[1][12] - 传媒板块在所有板块中涨跌幅排名第2位 [1][13] - 涨幅靠前的公司包括新华都（29%）、易点天下（26%）、蓝色光标（18%）等 [13] - 跌幅靠前的公司包括中南传媒（-6%）、完美世界（-5%）、中文传媒（-4%）等 [13] AI技术及硬件进展 - DeepSeek-Math-V2正式发布，这款6850亿参数的混合专家模型在2025年IMO竞赛中获得金牌，正确率达83.3% [2][16][17] - 阿里通义推出Z-Image生图模型，仅6亿参数实现照片级真实感，首日下载量突破50万 [2][17] - 夸克AI眼镜发布两个系列六款单品，最低到手价1899元，均搭载阿里千问AI助手 [2][18] 影视内容表现 - 《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 [2][18] - 本周电影票房19.12亿元，《疯狂动物城2》以17.3亿元票房占比90.6% [3][19] - 网络剧方面，《唐朝诡事录之长安》《枭起青壤》《大生意人》播映指数居前 [26][27] - 综艺节目《现在就出发第3季》《喜人奇妙夜第二季》《向往的生活-戏如人生》排名靠前 [3][28][29] 游戏行业动态 - 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 [2][18] - 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》 [3][30][31] - iOS游戏畅销榜排名前三位为《和平精英》《王者荣耀》《英雄联盟手游》 [33] 投资建议与重点公司 - 游戏板块推荐巨人网络、恺英网络、吉比特等标的 [4][40] - IP潮玩重点推荐泡泡玛特 [4][40] - 媒体端推荐分众传媒、哔哩哔哩 [4][40] - 影视内容推荐芒果超媒、光线传媒、华策影视、万达电影等 [4][40] - AI应用方向推荐中文在线、昆仑万维、阅文集团等 [40]

行业投资评级 - 免税行业评级为“优于大市” [1][7] 核心观点 - 中国免税行业新周期的演绎序幕拉开，政策与供需共振驱动行业进入复苏通道 [1] - 海南免税景气度是板块龙头业绩关键，近期销售拐点向上，市场关注点从“持续探底的不确定”转向“复苏持续性与强度的分歧” [1] - 过去两年行业在政策持续优化和龙头内功夯实下积聚内生改善力量，外部环境边际企稳有望驱动行业正向逻辑兑现 [6][22] 行业历史复盘 - 2011-2019年海南离岛免税销售额CAGR达39%，从10亿元增至135亿元 [12] - 2020-2021年自贸港政策推动销售翻倍，2021年峰值达495亿元，购物人次671万人次，客单价7367元 [12] - 2022-2024年进入调整期，2024年销售额较高点下滑37%，购物人次和客单价分别下滑15%和26% [13] - 2020-2021年强预期下中国中免市值一度逼近8000亿元，估值超80倍，后随销售回落进入双杀阶段 [16] - 2025年9月起销售同比转正，9-11月销售额同比分别+3%、+13%、+27%，客单价10-11月分别+30%、+41% [18] 政策端变化 - 离岛免税政策放宽购物约束：岛内居民可不限次即购即提，国货6品类获准入场，离境旅客可共享政策 [23][24] - 2025年11月新政首月销售额23.8亿元，同比增长27.1%，其中国产商品销售126件，岛内居民即购即提购物金额1080.8万元 [25] - 海南2025年12月封关运作，预计离岛免税模式长期保留，牌照优势持续存在 [26] - 市内免税政策优化：允许网上预订及口岸提货，扩充手机等品类，政策仍处探索阶段有较大完善潜力 [29][30] 需求端变化 - 资产价格企稳的财富效应向高端消费传导，地缘关系带动精品回流 [31] - 2025年三季度LVMH、爱马仕中国境内市场恢复正增长，开云集团跌幅收窄，历峰、Prada观察到从日本回流至大中华区的购买行为增加 [31][32] - 2024年9月以来股市走强对高端消费形成支撑，精品消费回流趋势有所体现 [33] 渠道端变化 - 2024年中免以78.7%市场份额全渠道领先，其次是海发控、海旅投等 [34][36] - 上海机场、首都机场免税合约即将重签，新招标规则限制兼中，中免凭借规模与运营优势有望保持竞争力 [36][37] - 海南政府目标2027年销售额超600亿元，中免在营约超30万㎡，三期项目有望巩固地位 [42][46] - 市内免税中免卡位京沪核心出境空间，王府井已在部分城市落子，消费回流空间广阔 [48][54] 供给端变化 - 中国中免2025Q3收入117.11亿元，毛利率32.0%企稳，全渠道会员超4500万，供应链向精品、手机、黄金等品类迭代 [56][58] - 公司获董事会授权可灵活开展资本运作，国际化产业链布局预期升温 [61] - 王府井2025Q3收入23.5亿元，降幅边际收窄，依托老牌零售优势稳步拓展海南万宁店及市内免税店 [63] - 珠免集团加速剥离亏损地产业务，聚焦拱北口岸等核心免税资产，盈利能力有望改善 [64][65] 投资建议 - 板块推荐中国中免（全渠道龙头，央企考核强化+品类会员精细化运营+国际化资本工具打开长期空间）、王府井（市内免税稳步拓张+京沪机场招标潜在弹性）组合 [6][66] - 建议关注海南机场（卡位海南核心交通枢纽与重要物业） [6]

核心观点 - AI、分析师和交易员在资产配置中形成互补而非替代关系，三者分别在信息处理速度、逻辑推演深度和决策执行灵活性上具有独特优势[2][3] - 通过复盘2023年10月17日美国升级芯片出口管制案例，揭示三类主体在认知体系上的根本分野：AI依赖历史模式匹配，分析师构建因果链条，交易员关注市场情绪和博弈机会[2][4][5] - AI无法完全取代人类投研人员，因其难以处理结构性断裂、缺乏二阶思维和博弈直觉、无法理解政策语境和软信息等模糊边界[24][25][26] - 未来最有竞争力的资产配置体系是AI×分析师×交易员的协作模式，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[3][29] 信息摄取与反应维度 - AI以毫秒级速度抓取关键词并匹配历史模式，例如在芯片禁令事件中瞬时抓取"Export Controls"+"China"+"Nvidia"等负面高权重词组并触发自动抛售[8][9] - 人类分析师需要数小时到数天进行深度语境分析，例如阅读400页监管文件，关注"豁免了什么"和"缓冲期多久"等定性信息，判断产能将转移至北美客户[8][9] - 交易员以秒级速度实时关注盘口流动性，包括买卖盘订单流、大单成交方向和波动率变化，通过观察第一小时内杀跌动能判断市场抛压性质[8][9] - 三类主体角色定位不同：AI是市场加速器放大恐慌，分析师是基本面稳定器提供长期价值锚点，交易员是干预者捕捉错杀机会并提供流动性[9] 核心逻辑与推演框架 - AI依赖相关性陷阱进行线性外推，根据历史地缘政治危机（如2022年禁令）预测科技股将进入3-5天的"避险模式"，增加空头头寸规避短期风险[13][15] - 人类分析师通过因果链重塑构建非线性推演，进行产业链调研推测英伟达将推出符合新规的"降级版"芯片（如H20），通过最坏情景测算发现当前股价PEG依然合理[13][15] - 交易员关注预期差套利，利用反身性原理观察市场拥挤度和机构资金动向，在关键整数关口（如450美元）进行日内波动套利，追求短期收益[13][15] - 三者预测依据不同：AI依赖情绪因子延续，分析师进行估值锚定与情景分析，交易员运用反身性原理捕捉情绪极端点[15] 决策输出与风险偏好 - AI决策遵循严格纪律，按风险价值（VaR）模型自动执行减仓、降杠杆等操作，优先控制尾部风险，避免极端回撤但可能错过V型反弹[20][21][22] - 人类分析师强调观点确信，在估值被情绪打穿时建议"分批买入"，愿意承受短期账面亏损换取中长期估值修复，观察窗口拉长至未来几个季度[20][21][22] - 交易员追求高度机动性，盘中频繁调仓并在多空间快速切换，早盘顺势做空后跌幅放缓即逐步止盈甚至反手做多，对短期价格波动极度敏感[20][21][22] - 时间维度和盈亏特征差异明显：AI关注中短期回撤控制，分析师以1-4个季度为主，交易员以日内到数日为单位且盈亏迅速集中[22] AI的结构性短板 - AI无法处理结构性断裂，当遇到训练集未出现过的新范式时倾向于用旧经验解释新变化，例如将芯片禁令简单解读为需求受损而忽略供给受限的新格局[24] - AI缺乏二阶思维和博弈直觉，难以理解市场参与者对信息的预期反应，无法判断跌幅是否超预期或不及预期，而交易员能通过关键价位支撑推断买盘强度[25] - AI难以理解软信息和模糊边界，如政策文件中的豁免条款、过渡期安排以及管理层语气等语境信息，人类分析师能识别监管意图中的折中路径[26] 人类投研人员的比较优势 - 未来分析师需将机械性工作外包给AI，如秒级抓新闻、梳理财报数据等，自身聚焦于商业模式可持续性、估值倍数合理性等深层判断[30] - 投研角色应从信息传递者升级为观点变现者，在AI提供的信息地平线上给出结构清晰、逻辑闭环的定价趋势判断，并承担评级责任[30] - 具备跨学科整合能力的分析师更具优势，需在宏观经济、科技演进、监管逻辑间切换视角，形成从地缘格局到资产定价的完整因果链[31]

报告核心观点 - 量化固收+基金是一类以固定收益资产为核心底仓，通过量化模型驱动权益、可转债等增强类资产配置，在控制组合波动与最大回撤的基础上，追求“固定收益+超额收益”的产品 [7] - 量化策略是固收+基金权益部分配置的重要思路，需要结合大类资产的配置策略在牛市增厚收益、熊市减少回撤 [185] - 量化策略的业绩表现主要取决于是否能够结合宏观环境选对因子 [185] 量化固收+定义与核心特征 - 产品以纯债资产为核心底仓，结合久期、仓位、券种选择等策略优化配置，保障本金安全与组合稳健收益 [8] - 依托多因子、指数增强、红利低波等量化策略进行仓位择时和选股，获取可持续的超额回报 [8] - 常见运行方式包括固收基金经理+量化基金经理、量化基金经理单独管理、固收基金经理+量化团队支持三种模式 [8] 常用的量化固收+策略 - **红利低波策略**：聚焦红利和低波动单一明确收益驱动因子，通过因子打分筛选符合相应特征的标的，获取该因子长期带来的超额收益，因子定义清晰、透明可复制，但需承受单一因子阶段性失效的风险 [10] - **指数增强策略**：以宽基指数（如沪深300、中证500）为基准，通过量化模型超配有效因子或择时交易，在控制跟踪误差的前提下争取超越基准的超额收益，依赖多因子模型筛选标的，目标是“长期跑赢基准 + 控制波动” [10] - **多因子策略**：认为资产收益由多个独立风险因子共同驱动，通过量化模型筛选并组合价值、成长、动量、低波等有效因子打分较高的个股，分散单一因子风险，追求更稳健的超额收益，覆盖股票、可转债等多个资产，通过因子权重动态调整适应市场变化 [10] - **小市值策略**：偏好中小盘或微盘股，认为这类标的市场关注度较低易存在估值洼地，通过挖掘小市值资产的定价偏差获取收益，聚焦中证1000、中证2000等中小盘指数成分股，部分采用高频调仓优化收益 [10] - **量化择时策略**：基于宏观经济指标、市场情绪、技术信号等数据，通过量化模型判断市场方向或资产轮动趋势，动态调整股票、债券等资产的仓位比例，模型对数据敏感性高，难点在于精准捕捉市场拐点 [12] - **多策略融合**：整合指数增强、多因子、择时等多种独立策略，利用不同策略在不同市场环境下的非相关性平滑组合波动，通过量化模型动态分配各策略权重，优先选择表现占优的策略 [12] 绩优量化固收+基金剖析：红利低波策略 - 策略在权益部分配置持续分红、现金流稳定且股价波动小的公司，长期获得不错的风险调整后收益，代表性基金A1和A2合计规模分别为50.54亿元和1.62亿元 [13][25] - 红利低波指数过去20年年化收益率达13.52%，年化波动率24.28%，最大回撤-66.79%，夏普比率0.63，表现优于中证红利指数（年化收益率9.94%）和沪深300指数（年化收益率8.48%） [15][22] - 常用红利因子包括高股息率（D/P）、适中分红率（D/E）、每股股利增长率、高盈利质量（如ROE）和分红连续性；低波因子侧重低历史波动率，需规避行业过度集中风险 [16] - A1基金自2023年9月12日成立以来年化收益率3.96%，年化波动率1.67%，夏普比率1.55，最大回撤-1.01%，Calmar比率3.91，波动率远低于万得混合债券型二级指数（年化波动率3.17%） [26][32] - 资产配置方面，股票仓位在6.0%-10.5%范围内波动，围绕8%配置目标小幅调整，可转债仓位在指数低位时积极加仓，上涨阶段逐步减仓，债券部分通过久期管理（牛市拉长、熊市压缩）优化收益 [36][43][49] - 行业配置高度集中，重仓银行、钢铁、煤炭、交通运输、基础化工等典型红利低波行业，前五大行业集中度维持高位，持股数量约220只，风格稳定不随意切换 [56] - 五因子模型显示A1基金市场因子暴露度仅0.0924，与其他因子敏感度接近0，严格贴合红利低波指数风格，超额收益主要来源于特质和市场因子，凸显选股和策略管理能力 [63] 绩优量化固收+基金剖析：指数增强策略 - 策略通过量化模型优化权益资产配置，在跟踪基准指数基础上超配有效因子评分高的个股，常用沪深300、中证500等宽基指数，因子包括基本面（价值、盈利、成长）、技术面（流动性、动量）和事件因子（盈利预测上调） [73] - 代表性基金B1（跟踪沪深300）、B2（跟踪中证500）和B3（高弹性）自2018年管理人任职以来年化收益率分别为4.99%、4.92%和7.52%，均优于业绩基准和万得混合债券型二级指数（年化收益率4.17%），B3基金累计总回报最高 [75][76][85] - B1基金股票部分采用多因子增强策略，结合机器学习确定因子权重，债券部分以高等级短久期信用债为底仓，利率债进行动量交易，可转债借鉴股票多因子模型选券 [78] - 资产配置显示B1基金可转债仓位操作偏左侧，行情启动前加仓（如2020年），阶段性高点前减仓；权益仓位波动较小，市场下跌阶段适度提升仓位强化增强效果 [89][97] - 债券部分利息收入贡献主要收益，久期管理顺应市场牛熊周期；行业配置高度分散，动态调整电力设备、电子、非银金融、医药生物和基础化工等行业权重，持股数量超500只 [104][112] - 五因子模型显示B1基金对市场因子正向暴露较高，偏向中小盘成长股，低配价值股，收益主要来源于特质因子；行业增强能力显著，2025年中超配电子、传媒和通信行业，低配公用事业、银行，Brinson模型验证行业选择贡献超额收益 [119][125] 绩优量化固收+基金剖析：多因子策略 - 策略通过多维度因子（基本面、技术面、情绪、另类如ESG）构建评分体系，自下而上全市场选股，超配高分个股，适应不同市场环境，降低单一因子失效风险 [129] - 代表性C基金自2020年12月29日管理人任职以来年化收益率3.56%，年化波动率5.16%，夏普比率0.41，最大回撤-8.92%，业绩与万得混债二级指数接近但波动控制更优 [132][139] - 资产配置采用SAA（债券70%、股票15%、转债15%）结合TAA（宏观、估值、资金、情绪四维度月度打分调整仓位），股票部分按月通过基本面（60%）、估值（20%）、动量/情绪（20%）因子筛选个股，不对齐指数 [133] - 可转债配置采用“双低”策略（低价+低转股溢价率），配合条款博弈和流动性筛选；债券部分以票息为核心，通过久期调整和个券选择增强收益 [133][160] - 行业配置分散度高，动态调整金融、公用事业（估值因子占优）或电子、制造（动量/成长因子占优）等行业权重，前五大行业集中度趋势性下降，持股广泛 [167] - 五因子归因显示C基金市场因子暴露较高，偏向成长属性，收益主要来源于市场因子和特质因子，凸显个股精选能力；Brinson模型分析2025年中个股选择在公用事业、汽车和传媒行业贡献超额收益 [174][182] 三种量化固收+策略总结对比 - **红利低波策略**：权益配置逻辑为高分红+低波动双因子选股，行业分散度低，收益来源于分红收益+选股Alpha，波动控制能力强，风格因子暴露纯净 [184] - **指数增强策略**：权益配置逻辑为基准跟踪+因子增强，行业分散度中等，收益来源于指数Beta收益+因子Alpha收益，波动控制能力中等，风格以市场主导为主 [184] - **量化多因子策略**：权益配置逻辑为多维度因子全市场选股，行业分散度高，收益来源于市场Beta影响+选股Alpha收益，波动控制能力较强，风格切换和因子轮动活跃 [184]