核心事件与逻辑 - 日本40年期国债收益率于1月20日突破4%的历史高位，单日涨幅超25个基点，形成“6σ”冲击[13] - 直接诱因是日本财政货币政策变动：政府计划推出每年增加约5万亿日元赤字的补充预算，同时央行持续推进缩表并减少国债购买[1][13] - 日本债务占GDP比例已超过219%，财政扩张引发市场对主权信用的担忧，导致期限溢价飙升[13] - 日本央行行长暗示中性利率在1%-2.5%之间，强化了市场对2026年持续加息的预期[13] 全球市场影响与传导机制 - 作为全球最大海外债主，日本资金回流效应强烈：日债利率升至4%以上，叠加日元套息交易反转压力，导致经汇率对冲后的美债对日本投资者吸引力下降[1][14] - 日本寿险和养老金开始减少美债配置并回流资金，以填补国内流动性缺口，从而诱发美债波动并冲击全球金融市场稳定[1][14] - 风险展望：若日本政府出面稳定赤字预期，日元可能瞬间暴涨，引发比2024年8月更大规模的套息交易平仓，美债可能遭遇新一轮流动性踩踏[2][14] 近期多资产表现 (1月17日至1月24日) - **权益市场**：沪深300下跌0.63%，恒生指数下跌0.36%，标普500下跌0.36%[3][15] - **债券市场**：中债10年期收益率下跌1.26个基点，美债10年期收益率下跌0个基点[3][15] - **外汇市场**：美元指数下跌1.88%，离岸人民币升值0.27%[3][15] - **大宗商品**：伦敦金现上涨7.27%，伦敦银现上涨9.04%，WTI原油上涨2.75%，LME铜下跌0.62%[3][15] 库存与资金行为数据 - **库存变化**：原油库存较上周上升44935万吨至44684万吨；螺纹钢库存较上周上升295万吨至294万吨；阴极铜库存较上周上升213515吨至145342吨[4][26] - **资金行为**：美元多头持仓减少1926张至16003张，空头持仓增加762张至22421张；黄金ETF规模增加3万盎司至3493万盎司[4][31]

量化模型与构建方式 1. **模型名称**：创新的基本面量化模型[32] **模型构建思路**：融合主动权益投资与量化投资的优势，将基本面投资逻辑进行定量化归纳和提炼，以兼顾长期逻辑与投资效率[31][33] **模型具体构建过程**：该模型并非一个具体的单一模型，而是一个融合性的投资框架。其核心是将传统基本面分析的逻辑（如产业理解、深度价值挖掘）进行系统化、定量化的处理，形成可验证、可迭代的量化规则[30][33]。汇安基金基于此框架，构建了一个包含多种策略的量化策略储备体系，可以根据产品定位和客户需求进行灵活组合与定制化输出[35][37]。具体策略储备包括：适配A股市场的Barra多因子模型、小微盘精选策略、超预期策略、机构持仓精选策略、SmartBeta选股策略、红利精选策略[35]。 2. **模型名称**：Brinson归因模型[56] **模型构建思路**：用于分解投资组合相对于基准的超额收益来源，将超额收益拆解为配置收益、选股收益和交互收益，以评估基金经理的资产配置和个股选择能力[56] **模型具体构建过程**：基于基金定期报告（半年报/年报）披露的全部持仓，模拟其下一季度的收益，并以沪深300指数作为业绩基准进行归因分析。超额收益被分解为三个部分：配置收益（行业/板块配置贡献）、选股收益（行业内个股选择贡献）和交互收益（配置与选股共同作用的贡献）。此外，还定义了交易收益，即基金实际收益与基于定期报告持仓模拟收益的差额，用于衡量持仓披露后主动交易带来的收益。具体拆解公式如下： $$基金收益-指数收益=交易收益+超额收益=交易收益+配置收益+交互收益+选股收益$$[56] **模型评价**：该模型能有效拆解基金超额收益的来源，帮助分析基金经理的选股能力和配置能力[56]。 量化因子与构建方式 1. **因子名称**：Barra风险因子[35][50] **因子构建思路**：采用成熟的Barra多因子风险模型来刻画股票的风险特征，并控制组合相对于基准的风格暴露，以实现“紧约束，低偏离”的投资目标[35][46] **因子具体构建过程**：报告中未详细描述Barra因子的具体构建公式，但明确指出该基金使用了适配A股市场的Barra多因子模型[35]。该模型通常包含一系列风格因子（如市值、估值、动量、波动率、流动性、成长、盈利质量等）和行业因子。通过计算基金持仓在这些因子上的暴露度，并与基准指数（沪深300）的暴露度进行对比，以评估组合的风格偏离情况[50]。 **因子评价**：使用Barra模型有助于严格控制组合的风格暴露，使其贴近基准，减少不必要的风格偏离风险，符合“紧约束”的策略要求[46][50]。 模型的回测效果 1. **创新的基本面量化模型（汇安沪深300指数增强A应用效果）** **全样本期（2023-09-28至2026-01-16）**：年化收益13.06%，年化超额收益2.29%，信息比率(IR)0.81，年化跟踪误差2.53%，最大回撤-13.65%[40][42] **2024年度**：年化超额收益-0.92%，信息比率(IR)-0.26，年化跟踪误差3.31%[42] **2025年度**：累计超额收益7.23%，信息比率(IR)4.74，年化跟踪误差1.28%，相对最大回撤-0.57%[3][41][42] 2. **Brinson归因模型（应用于汇安沪深300指数增强A的归因结果）** **2025年第一季度**：选股收益0.89%，配置收益-0.19%，交互收益-0.03%，超额收益0.67%[56][59] **2025年第三季度**：选股收益0.42%，配置收益1.51%，交互收益0.10%，超额收益2.03%[56][59] **2025Q1与Q3均值**：平均季度选股收益0.66%[3][56][59] 因子的回测效果 1. **Barra风险因子暴露分析（汇安沪深300指数增强A，2024H2至2025H1）** **市值因子**：暴露与沪深300基准指数几乎保持一致，无明显偏离[50] **成长因子**：略有正向暴露[50] **整体风格暴露**：与沪深300指数的因子暴露整体较为相近[3][50]

2025年经济回顾与结构变化 - 2025年全年GDP同比增长5.0%，但四季度增速回落至4.5%，为近年新低[1] - 四季度经济呈现筑底回升迹象，10-12月月度GDP增速分别约为4.5%、4.3%与4.7%[1] - 增长动力结构转换，呈现“二产降、三产升”格局，服务业恢复明显快于工业[1] 2026年政策展望与导向 - 2026年政策框架为“一个目标、两个重点、三个原则、六项政策”，着力点明显向投资侧倾斜[2] - 在“两个重点”中，“激发民间投资”置于“促进居民消费”之前，六项政策中有四项支持民间投资[2] - 政策支持重心指向民间投资而非政府主导的基建，释放传统基建不再是稳增长主力的信号[2] 近期高频数据表现 - 消费动能持续偏弱：一线城市地铁客流量同比增长2.4%，但物流数据同比跌幅扩大至-9.6%，电影票房同比萎缩26.9%，汽车销售同比下滑32.0%[15][16] - 外贸显现韧性：本周中国港口货物吞吐量同比增长6.23%（部分受春节错位影响）[24] - 房地产市场分化：二手房成交季节性回暖，但十大城市存销比攀升至113.3的历史新高[16][43] - 财政政策聚焦结构：近期出台的七项结构性政策总投入规模约为2500亿元[31]

行业投资评级 - 银行理财行业投资评级：优于大市（维持） [1] 核心观点 - 银行理财行业正处于从“规模扩张”向“质量提升”转型的关键阶段 [4] - 未来发展路径清晰：负债端通过产品创新获取更稳定、长久期的资金；资产端通过策略拓展与外部合作破解收益困境；行业格局上，集中化与差异化将是长期主题 [4] 行业规模与增长 - 2025年理财市场存续规模逆势增长11.15%，达到33.29万亿元 [2] - 在利率市场化深化、存款利率持续下行的背景下，银行理财承接“存款搬家”与稳健理财需求，成为居民储蓄的重要流向 [2] - 持有理财产品的投资者数量达1.43亿个，较年初增长14.37% [15] 产品收益与资产配置 - 2025年理财产品平均收益率已降至1.98% [2] - 固定收益类产品存续规模为32.32万亿元，占全部理财产品存续规模的97.09% [9] - 混合类、权益类、商品及金融衍生品类产品存续规模分别为0.87万亿元、0.08万亿元、0.02万亿元 [9] - 资产配置上，进一步减少了对信用债、非标、权益类资产的配置，对公募基金、现金及存款配置比例增多 [12] - 2025年理财加大配置公募基金，占比提升至5.1% [4] 产品创新与期限结构 - 产品创新沿两个维度展开：一是拉长期限，二是丰富策略与场景 [3] - 封闭式产品平均期限显著拉长，1年期以上产品存续规模占全部封闭式产品的比例提升至70.87%，较年初增加3.72个百分点 [3][7] - 领先机构正布局“多资产、多策略”，涵盖量化中性、衍生品等，同时拓展养老理财、理财FOF等场景 [3] 行业格局与渠道变化 - 行业呈现“理财子公司主导、银行资管部门退出”的格局，理财公司规模占比已超92% [3] - 59家中小银行在2025年退出市场，行业集中度提升 [3] - 代销渠道成为渠道核心增量，全市场有593家机构代销理财公司产品，较年初增加31家 [21] - 母行代销占比下降 [21] 与公募基金的合作关系 - 银行理财与公募基金的关系从“竞争”走向“竞合” [4] - 合作源于两大刚需：一方面通过配置债券基金、中性策略基金等稳定净值，平滑组合波动；另一方面借助公募基金的权益投研优势，以FOF/MOM等形式间接参与股市，增厚收益 [4]

投资评级 - 维持“优于大市”评级 [1][2][5] 核心观点 - 杭州银行高成长性延续，资产质量优质 [1] - 净利润延续两位数高增，2025年归母净利润同比增长12.1%至190.30亿元 [1] - 信贷延续高增，扎实做好金融“五篇大文章”，相关领域贷款增速均高于整体贷款增速 [2] - 资产质量指标均处在低位，拨备覆盖率保持同业前列 [2] 2025年业绩表现 - **整体业绩**：2025年实现营业收入387.99亿元，同比增长1.1%，增速较前三季度回落0.3个百分点 [1] - **净利润**：实现归母净利润190.30亿元，同比增长12.1%，增速较前三季度回落2.5个百分点 [1] - **收入结构**： - 净利息收入同比增长12.8%，增速较前三季度提升2.9个百分点，表现亮眼 [1] - 非利息收入同比下降19.5%，降幅较前三季度扩大5.5个百分点 [1] - 手续费及佣金净收入同比增长13.1%，增速较前三季度提升0.5个百分点 [1] - 其他非息收入同比下降31%，降幅较前三季度扩大6个百分点，主要受债市波动导致交易账户公允价值亏损及兑付存量债券收益动力下降影响 [1] 资产负债与业务发展 - **规模增长**：期末总资产达2.36万亿元，较年初增长12.0% [2] - **信贷投放**：贷款总额1.07万亿元，较年初增长14.3% [2] - 制造业、科技、绿色贷款、普惠小微企业贷款余额较年初分别增长22.25%、23.44%、22.75%和17.06%，均高于贷款总额增速 [2] - **存款情况**：存款总额1.44万亿元，较年初增长13.20% [2] 资产质量与风险抵补 - **不良率**：期末不良贷款率维持在0.76% [2] - **逾期率**：逾期率0.62%，90天以上逾期率0.53%，与9月末持平 [2] - **拨备水平**：拨备覆盖率为502%，较9月末下降11个百分点，依然处在同业前列 [2] 财务预测与估值 - **盈利预测调整**：考虑到2026年LPR大概率仍有所下降，调降2026-2027年归母净利润预测至213亿元和241亿元（原预测233亿元和273亿元），对应同比增速分别为12.0%和13.2% [2] - **估值水平**：当前股价对应2026-2027年预测市净率（PB）分别为0.79倍和0.70倍 [2] - **关键预测数据**： - **营业收入**：预计2025E/2026E/2027E分别为388.02亿元、413.74亿元和459.97亿元，同比增长1.1%、6.6%和11.2% [4][9] - **归母净利润**：预计2025E/2026E/2027E分别为190.38亿元、213.23亿元和241.46亿元，同比增长12.1%、12.0%和13.2% [4][9] - **每股收益（EPS）**：预计2025E/2026E/2027E分别为3.03元、3.41元和3.88元 [4][9] - **净资产收益率（ROE）**：预计2025E/2026E/2027E分别为15.6%、16.2%和16.3% [4][9] - **股息率**：预计2025E/2026E/2027E分别为4.2%、4.7%和5.3% [4]

美国地缘战略与三重诉求 - 2026年美国地缘手段前置，以安全、能源及政治工具重塑国际秩序与资产定价[1] - 美国对格陵兰的介入基于三重诉求：底层为国家安全与军事前沿支点，中层为关键矿产与北极航线资源，上层服务于特朗普政治周期与更大金融博弈[1][11][12][17] - 基准情形下，格陵兰问题可能通过美国-格陵兰-丹麦三方合作解决，美国实现事实性主导[2] 欧盟反制能力与结构性弱点 - 欧盟对美贸易顺差约34%集中于医药产品，且依赖美国药企的利润转移安排，存在“虚高”[1][19] - 欧盟能源依赖美国，原油依赖度约16%，天然气依赖度高达45%，削弱其反制筹码[1][23] - 欧盟拟定的超930亿欧元报复性关税清单威慑力有限，且数字服务税年收入仅数亿欧元量级，难以冲击美国科技巨头利润[19][27] - 欧盟持有大量美债，但将其武器化抛售会侵蚀自身资产负债表，并非有效博弈工具[30] 全球秩序重构与资产再定价 - 新秩序下资产定价锚发生结构性变化，“硬通货”与稀缺资源的战略属性上升，“软估值”依赖的信用被透支[2][39] - 黄金定价逻辑从“机会成本”转向“秩序安全锚”，其价格与地缘风险相关性已显著抬升至约0.5[33] - 美债面临再定价，利率难降、通胀难退，美国2026财年赤字预计达1.7万亿美元（占GDP的5.5%）[20][36] - 资产重估沿两条主线：一是资金流向贵金属与战略资源；二是美元信用边际走弱下，人民币资产或迎来相对升值空间[2][39]

市场流动性近期变化 - 融资保证金比例从80%上调至100%，杠杆资金流入速率放缓[1] - 1月中旬以来宽基ETF累计净赎回超5000亿元[1] - 其中挂钩沪深300指数ETF净赎回规模达3259亿元，挂钩中证1000指数ETF净赎回达819亿元[1][17] - 全A日均成交额从1月14日高点4万亿元回落至2.8万亿元[13] 历史春季行情结束的三大信号 - 信号一：实质性政策收紧，例如2007年5月印花税从1‰上调至3‰导致行情终结[2][18] - 信号二：突发性外部冲击，例如2008年初美国次贷危机恶化、2021年底美联储大幅加息与俄乌冲突[2][19] - 信号三：基本面趋势恶化，例如2012年1-2月工业企业利润增速超预期下滑至-25.3%[2][19] 当前市场判断与行情展望 - 当前政策意在呵护市场，引导长牛慢牛，行业及主题类ETF本周净申购超500亿元[3][25] - 历史上春季行情指数最大涨幅往往在20%以上，本次行情上证指数最大涨幅9.8%，仍有差距[3][26] - 本轮春季行情本质是始于2024年9月24日的A股牛市的纵深推进[3][26] - 科技成长仍是主线，建议关注AI应用落地细分板块，并可阶段性均衡配置周期、地产及服务消费[3][28]

投资评级 - 维持招商银行“优于大市”评级 [1][3][5] 核心观点 - 公司业绩底部明确，估值具备吸引力 [1] - 公司治理机制、文化体系以及优质客群是其重要的护城河，已具备很好的配置价值 [3] 2025年业绩表现 - **营收与利润**：2025年全年实现营收3375亿元，同比增长0.01%，扭转了2023-2024年连续两年同比下降态势 [1] 实现归母净利润1502亿元，同比增长1.2% [1] - **净利息收入**：净利息收入增速转正，2025年同比增长2.0%，其中四季度单季同比增长2.9%，已连续5个季度实现正增长 [1] - **非息收入**：非息收入同比下降3.4%，但降幅较前三季度收窄0.8个百分点，主要得益于手续费及佣金净收入增速提升 [2] - **业务规模**：期末资产总额13.07万亿元，较年初增长7.56% [2] 贷款总额7.26万亿元，较年初增长5.37% [2] 存款总额9.84万亿元，较年初增长8.13% [2] - **资产质量**：期末不良贷款率0.94%，较年初下降1bp [2] 拨备覆盖率392%，虽较年初下降约20个百分点，但依然处在高位 [2] 财务预测与估值 - **盈利预测**：预测2026-2027年归母净利润分别为1548亿元和1624亿元，对应同比增速为3.1%和4.9% [3] - **估值指标**：预测2026-2027年市净率分别为0.76倍和0.70倍 [3] - **营收预测**：预测2026-2027年营业收入分别为3483.81亿元和3681.36亿元，同比增长3.2%和5.7% [4] - **每股指标**：预测2026-2027年摊薄每股收益分别为5.92元和6.22元 [4] 预测2026-2027年每股净资产分别为49.30元和53.35元 [8] - **股息率**：预测2026-2027年股息率分别为5.8%和6.1% [4] - **盈利能力**：预测2026-2027年净资产收益率分别为13.1%和12.6% [4][8] - **资本充足**：预测2026-2027年核心一级资本充足率分别为15.17%和15.35% [8] 业务与增长驱动 - **净息差趋势**：净息差降幅在逐步收窄，预计2026年该趋势将进一步延续 [1] - **财富管理**：公司财富管理之王地位稳固，伴随资本市场持续改善，手续费及佣金净收入改善空间较大 [2] - **增长归因**：预测2026年业绩增长主要驱动力为生息资产规模增长（贡献8.2%）和净息差拖累减弱（-3.4%） [8]

核心观点 - 报告核心结论认为，尽管近期市场因流动性边际变化而步入震荡休整，但春季行情尚未结束，结构上建议均衡配置，科技主线中AI应用更优，并阶段性重视周期、地产及服务消费等板块 [1] 市场近期表现与流动性变化 - 近期A股流动性出现边际变化，一方面交易所将融资保证金最低比例从80%上调至100%，导致短期杠杆资金流入速率放缓 [1][13] - 另一方面，宽基ETF出现明显净赎回，自1月中旬以来累计净赎回超5000亿元，其中挂钩沪深300指数ETF净赎回规模达3259亿元，挂钩中证1000指数ETF净赎回达819亿元 [1][13][17] - 在此流动性环境下，市场情绪降温，全A日均成交额从1月14日的高点4万亿元回落至2.8万亿元，各大指数进入窄幅震荡，自1月14日高点以来，上证指数涨跌幅为-0.4%，沪深300为-0.8%，万得全A为0.8% [1][12][13] 历史上春季行情结束的信号 - 通过对历史春季行情的复盘，报告总结出行情结束的三大主要信号：实质性政策收紧、突发性外部冲击、基本面趋势恶化 [2][18] - **信号一：实质性政策收紧** 是导致春季行情结束的核心原因，例如2007年5月财政部将印花税从1‰上调至3‰，以及2017年3月底银监会密集出台文件整治银行“委外”业务，均导致行情终结 [2][18] - **信号二：外部事件冲击** 常引发市场风险偏好快速回落和急跌，例如2008年初美国次贷危机恶化、2021年底美联储大幅加息叠加俄乌冲突及国内疫情复发 [2][19] - **信号三：基本面不及预期** 随着年后数据明朗，若数据不及预期会导致行情结束，例如2012年两会下调GDP目标且1-2月工业企业利润增速超预期下滑至-25.3%，以及2023年春节消费高频数据复苏成色不足 [2][19][23] 对当前行情的判断与展望 - 报告认为，近期的降温举措（如上调融资保证金比例）意在平滑市场节奏，引导市场走向长牛、慢牛，政策本意仍是呵护市场 [3][25] - 当前市场流动性仍相对充裕，尽管宽基ETF净赎回，但行业、主题类ETF本周净申购超500亿元，且上调保证金比例后杠杆资金并未明显流出，本周融资余额仅小幅流出69亿元 [3][25] - 对比历史，除了震荡市及熊市期间的小反弹，其余春季行情期间指数最大涨幅往往在20%以上，而本次行情自去年12月17日以来上证指数最大涨幅为9.8%，对比历史仍有差距，因此春季行情未完待续 [3][26] - 中长期视角看，本次春季行情本质是始于2024年9月24日的A股牛市的纵深推进，当前政策宽松环境未变，1月20日财政部等多部门出台促内需政策组合，未来政策有望进一步发力，为市场上涨提供基本面支撑，2026年A股牛市有望走向后半场 [3][26][27] 行业配置建议 - 报告建议短期采取均衡配置策略，因历年春季行情期间成长或价值风格并无稳定的占优规律 [3][28] - **科技成长主线**：在AI浪潮驱动下，科技成长依然是本轮牛市的行业主线，行情有望从硬件向应用端扩散，建议关注AI应用落地的细分板块，近期政策与产业层面均有催化，如工信部印发《“人工智能+制造”专项行动实施意见》，蚂蚁集团医疗健康AI应用“阿福”月活用户已达3000万 [3][28] - **价值与周期板块**：部分价值板块配置机会值得关注，如低估值的地产等老登资产，以及受益涨价逻辑的上游资源品 [3][28] - **服务消费**：从短期行业轮动模型看，服务消费或可阶段性重视 [3][28]

量化模型与构建方式 1. 模型名称：国信金工指数增强组合模型 * **模型构建思路**：以多因子选股为主体，通过收益预测、风险控制和组合优化三个主要步骤，构建能够稳定战胜特定基准指数的增强组合[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的未来收益进行预测[11] 2. **风险控制**：控制组合相对于基准指数在行业、风格等方面的暴露[11] 3. **组合优化**：在满足风险控制约束的条件下，通过优化算法求解最优的股票权重，以最大化预期收益或控制跟踪误差[11] * **模型评价**：该模型是一个系统化的多因子增强框架，旨在通过量化方法获取稳定的超额收益 2. 模型名称：单因子MFE组合模型 * **模型构建思路**：为了在更贴近实际投资约束的条件下检验单因子的有效性，通过组合优化的方式，构建一个在控制行业、风格等暴露后，最大化该因子暴露的投资组合（Maximized Factor Exposure Portfolio）[14][40] * **模型具体构建过程**： 1. 设定优化目标为最大化组合在目标因子上的暴露[40] 2. 在优化过程中加入一系列实际投资中的约束条件，包括： * 控制组合相对于基准指数的风格因子暴露偏离度[40][41] * 控制组合相对于基准指数的行业偏离度[40][41] * 控制个股相对于其在基准指数中权重的偏离幅度（通常设置为0.5%-1%）[41][42] * 控制组合在基准指数成分股内的权重占比[40][41] * 禁止卖空，并设置个股权重上限[41] * 要求组合满仓运作（权重和为1）[41][42] 3. 具体的组合优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中： * $$f$$ 为股票的因子取值向量 * $$w$$ 为待求解的股票权重向量 * $$w_b$$ 为基准指数成分股的权重向量 * $$X$$ 为股票对风格因子的暴露矩阵 * $$s_l, s_h$$ 为风格因子相对暴露的下限及上限 * $$H$$ 为股票的行业暴露矩阵 * $$h_l, h_h$$ 为行业偏离的下限及上限 * $$w_l, w_h$$ 为个股权重偏离的下限及上限 * $$B_b$$ 为个股是否属于基准指数成分股的0-1向量 * $$b_l, b_h$$ 为成分股内权重的下限及上限 * $$l$$ 为个股权重上限 * $$\mathbf{1}^{T}\ w=1$$ 表示权重和为1[40][41] 4. 在回测中，每月末根据上述模型构建各因子的MFE组合，换仓时扣除双边0.3%的交易费用[44] 3. 模型名称：公募重仓指数 * **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，通过汇总公募基金的持仓信息，构建一个代表“机构风格”的股票指数作为新的因子测试样本空间[42] * **模型具体构建过程**： 1. **确定样本基金**：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，若基金转型则使用转型后半年以上的数据[43] 2. **获取持仓数据**：从基金的定期报告（年报、半年报、季报）中获取持股信息。若最新报告为季报，需结合前期的年报或半年报信息来构建完整的持仓数据[43] 3. **计算平均持仓**：将所有符合条件的基金持仓合并，计算每只股票在所有基金中的平均权重[43] 4. **筛选成分股**：将股票按平均权重从高到低排序，选取累计权重达到90%的股票作为成分股，构建公募重仓指数[43] 量化因子与构建方式 报告涉及超过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]。 1. 估值类因子 * **因子名称**：BP * **因子构建思路**：衡量公司的市净率倒数，属于价值因子[16] * **因子具体构建过程**：$$BP = \frac{净资产}{总市值}$$[16] * **因子名称**：单季EP * **因子构建思路**：使用单季度净利润计算的市盈率倒数[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] * **因子名称**：单季SP * **因子构建思路**：使用单季度营业收入计算的市销率倒数[16] * **因子具体构建过程**：$$单季 SP = \frac{单季度营业收入}{总市值}$$[16] * **因子名称**：EPTTM * **因子构建思路**：使用过去十二个月（TTM）净利润计算的市盈率倒数[16] * **因子具体构建过程**：$$EPTTM = \frac{归母净利润 TTM}{总市值}$$[16] * **因子名称**：SPTTM * **因子构建思路**：使用过去十二个月（TTM）营业收入计算的市销率倒数[16] * **因子具体构建过程**：$$SPTTM = \frac{营业收入 TTM}{总市值}$$[16] * **因子名称**：EPTTM分位点 * **因子构建思路**：衡量当前EPTTM在历史一年中的相对位置[16] * **因子具体构建过程**：计算股票当前EPTTM值在过去一年中的分位数[16] * **因子名称**：股息率 * **因子构建思路**：衡量公司的现金分红回报率[16] * **因子具体构建过程**：$$股息率 = \frac{最近四个季度预案分红金额}{总市值}$$[16] 2. 反转与动量类因子 * **因子名称**：一个月反转 * **因子构建思路**：捕捉短期价格反转效应[16] * **因子具体构建过程**：计算过去20个交易日的涨跌幅[16] * **因子名称**：三个月反转 * **因子构建思路**：捕捉中期价格反转效应[16] * **因子具体构建过程**：计算过去60个交易日的涨跌幅[16] * **因子名称**：一年动量 * **因子构建思路**：捕捉长期价格动量效应，通常排除最近一个月以避免与短期反转冲突[16] * **因子具体构建过程**：计算近一年（排除最近一个月）的累计涨跌幅[16] 3. 成长类因子 * **因子名称**：单季净利同比增速 * **因子构建思路**：衡量单季度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] * **因子名称**：单季营收同比增速 * **因子构建思路**：衡量单季度营业收入的同比增长情况[16] * **因子具体构建过程**：$$单季营收同比增速 = \frac{单季度营业收入 - 去年同期单季度营业收入}{去年同期单季度营业收入}$$[16] * **因子名称**：单季营利同比增速 * **因子构建思路**：衡量单季度营业利润的同比增长情况[16] * **因子具体构建过程**：$$单季营利同比增速 = \frac{单季度营业利润 - 去年同期单季度营业利润}{去年同期单季度营业利润}$$[16] * **因子名称**：SUE (标准化预期外盈利) * **因子构建思路**：衡量实际盈利超出分析师一致预期的程度，并经过标准化处理[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] * **因子名称**：SUR (标准化预期外收入) * **因子构建思路**：衡量实际收入超出分析师一致预期的程度，并经过标准化处理[16] * **因子具体构建过程**：$$SUR = \frac{单季度实际营业收入 - 预期营业收入}{预期营业收入的标准差}$$[16] * **因子名称**：单季超预期幅度 * **因子构建思路**：直接衡量实际盈利与预期盈利的比率[16] * **因子具体构建过程**：$$单季超预期幅度 = \frac{预期单季度净利润}{财报单季度净利润}$$[16] 4. 盈利类因子 * **因子名称**：单季ROE * **因子构建思路**：衡量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] * **因子名称**：单季ROA * **因子构建思路**：衡量单季度的总资产收益率[16] * **因子具体构建过程**：$$单季 ROA = \frac{单季度归母净利润 \times 2}{期初归母总资产 + 期末归母总资产}$$[16] * **因子名称**：DELTAROE * **因子构建思路**：衡量净资产收益率的同比变化[16] * **因子具体构建过程**：$$DELTAROE = 单季度净资产收益率 - 去年同期单季度净资产收益率$$[16] * **因子名称**：DELTAROA * **因子构建思路**：衡量总资产收益率的同比变化[16] * **因子具体构建过程**：$$DELTAROA = 单季度总资产收益率 - 去年同期单季度总资产收益率$$[16] 5. 流动性类因子 * **因子名称**：非流动性冲击 * **因子构建思路**：衡量单位成交金额对价格产生的冲击，反映股票的流动性水平[16] * **因子具体构建过程**：$$非流动性冲击 = 过去20个交易日的 \frac{日涨跌幅绝对值}{成交额} 的均值$$[16] * **因子名称**：一个月换手 * **因子构建思路**：衡量过去一个月的平均换手率[16] * **因子具体构建过程**：计算过去20个交易日换手率的均值[16] * **因子名称**：三个月换手 * **因子构建思路**：衡量过去三个月的平均换手率[16] * **因子具体构建过程**：计算过去60个交易日换手率的均值[16] 6. 波动类因子 * **因子名称**：特异度 * **因子构建思路**：衡量股价波动中不能被常见风险因子（如Fama-French三因子）解释的部分，即 idiosyncratic risk[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] * **因子名称**：一个月波动 * **因子构建思路**：衡量短期股价波动率[16] * **因子具体构建过程**：计算过去20个交易日日内真实波幅（True Range）的均值[16] * **因子名称**：三个月波动 * **因子构建思路**：衡量中期股价波动率[16] * **因子具体构建过程**：计算过去60个交易日日内真实波幅（True Range）的均值[16] 7. 公司治理类因子 * **因子名称**：高管薪酬 * **因子构建思路**：衡量公司高管的薪酬水平[16] * **因子具体构建过程**：对前三名高管报酬总额取自然对数[16] 8. 分析师类因子 * **因子名称**：预期EPTTM * **因子构建思路**：基于分析师一致预期计算的未来滚动市盈率倒数[16] * **因子具体构建过程**：使用一致预期数据计算滚动EP[16] * **因子名称**：预期BP * **因子构建思路**：基于分析师一致预期计算的未来市净率倒数[16] * **因子具体构建过程**：使用一致预期数据计算滚动PB[16] * **因子名称**：预期PEG * **因子构建思路**：结合成长性与估值水平的指标[16] * **因子具体构建过程**：使用一致预期数据计算PEG[16] * **因子名称**：预期净利润环比 * **因子构建思路**：衡量分析师对未来净利润预期的环比变化[16] * **因子具体构建过程**：$$预期净利润环比 = \frac{当前一致预期净利润}{3个月前一致预期净利润}$$[16] * **因子名称**：三个月盈利上下调 * **因子构建思路**：衡量过去三个月内分析师对盈利预期上调与下调的家数净差额[16] * **因子具体构建过程**：$$三个月盈利上下调 = \frac{过去3个月内分析师上调家数 - 下调家数}{总家数}$$[16] * **因子名称**：三个月机构覆盖 * **因子构建思路**：衡量过去三个月内覆盖该公司的机构（分析师）数量[16] * **因子具体构建过程**：统计过去3个月内发布研究报告的机构数量[16] 模型的回测效果 1. 国信金工指数增强组合模型 * **沪深300指数增强组合**：本周超额收益0.88%，本年超额收益2.99%[4][13] * **中证500指数增强组合**：本周超额收益0.68%，本年超额收益-0.92%[4][13] * **中证1000指数增强组合**：本周超额收益1.44%，本年超额收益1.18%[4][13] * **中证A500指数增强组合**：本周超额收益1.76%，本年超额收益3.50%[4][13] 因子的回测效果 以下为各因子在**最近一周**、**最近一月**、**今年以来**和**历史年化**四个时间窗口下，通过MFE组合构建方式测试获得的超额收益表现。数据来源于报告中对不同样本空间的跟踪结果汇总[17][18][20][22][24][26]。 1. 估值类因子 * **BP因子**：最近一周超额收益0.65% (HS300) / 0.31% (A500) / 1.33% (重仓)，最近一月超额收益0.79% (HS300) / -0.25% (A500) / 0.25% (重仓)，今年以来超额收益0.45% (HS300) / -0.66% (A500) / -0.65% (重仓)，历史年化超额收益2.73% (HS300) / 2.64% (A500) / 0.51% (重仓)[18][24][26] * **单季EP因子**：最近一周超额收益0.09% (HS300) / -0.11% (A500) / 0.54% (重仓)，最近一月超额收益0.64% (HS300) / -1.39% (A500) / -1.66% (重仓)，今年以来超额收益0.59% (HS300) / -1.17% (A500) / -2.01% (重仓)，历史年化超额收益5.33% (HS300) / 5.05% (A500) / 3.03% (重仓)[18][24][26] * **单季SP因子**：最近一周超额收益0.02% (HS300) / 0.12% (A500) / 1.10% (重仓)，最近一月超额收益-0.26% (HS300) / 0.18% (A500) / -1.11% (重仓)，今年以来超额收益-0.40% (HS300) / -0.34% (A500) / -0.99% (重仓)，历史年化超额收益2.70% (HS300) / 2.33% (A500) / 1.78% (重仓)[18][24][26] * **EPTTM因子**：最近一周超额收益0.01% (HS300) / 0.03% (A500) / 0.55% (重仓)，最近一月超额收益-0.33% (HS300) / -2.21% (A500) / -2.49% (重仓)，今年以来超额收益0.00% (HS300) / -1.72% (A500) / -2.48% (重仓)，历史年化超额收益4.14% (HS300) / 2.88% (A500) / 0.87% (重仓)[18][24][26] * **SPTTM因子**：最近一周超额收益0.05% (HS300) / 0.03% (A500) / 0.80% (重仓)，最近一月超额收益-0.03% (HS300) / -0.10% (A500) / -1.17% (重仓)，今年以来超额收益-0.25% (HS300) / -