核心观点 - 新年伊始，中资券商密集推进海外资本运作，通过担保、增资、发行可转债等方式支持境外业务发展，行业国际化进程显著加速 [1][2] - 行业出海是券商从“本土中介”向“全球交易商”跃升的战略选择，旨在打破国内增长天花板、争夺国际定价权，并已获得多维政策支持 [6] - 2025年以来，券商境外业务呈现头部领跑、中小突围的格局，港股市场回暖与跨境业务活跃是核心增长动力，未来增长潜力集中于跨境财富管理、新兴市场及离岸人民币业务等 [7][8][11] 近期资本运作动态 - **密集担保与增资**：2月13日，中信证券、中金公司、中泰证券密集发布为海外子公司提供担保的公告 [2]；同日，广发证券因完成H股配售，注册资本由76.06亿元人民币增至78.25亿元人民币，所筹资金将全部用于向境外附属公司增资 [2] - **海外融资创新**：广发证券计划将H股零息可转债在维也纳MTF快速上市 [3]；华泰证券近期已完成本金总额100亿港元的H股零息可转换债券发行，募集资金净额用于支持境外业务发展 [5] - **监管批准与子公司设立**：东吴证券获准向香港子公司增资20亿港元；东北证券获准新设香港子公司，投资额5亿港元；华安证券获准向香港子公司增资5亿港元 [5] - **大规模增资案例**：招商证券在2025年底宣布向境外子公司增资不超过90亿港元，创下当年券商向境外子公司增资规模之最 [5] - **参与券商广泛**：自2025年以来，已有十余家券商推进国际业务，包括西部证券、第一创业宣布在港设子公司，中信建投、广发证券、国金证券、山西证券、东兴证券等对香港子公司进行增资 [6] 行业国际化战略与驱动因素 - **战略升级**：发力海外市场被视为券商从“本土中介”向“全球交易商”的能级跃升，是对核心能力的重构与定价权的争夺 [6] - **增长驱动**：在国内市场进入存量博弈背景下，海外业务以其更高的净资产收益率水平，成为打破增长天花板、熨平周期波动的战略缓冲带 [6] - **客户需求外溢**：中资企业产业链延伸至海外，催生了对风险对冲、资金融通、资产配置的跨境服务需求，券商需跟进以掌握定价权 [6] - **政策红利**：行业出海已迎来顶层战略、资本运作、跨境业务、监管审批、市场机制等多维度政策支持 [6]；证监会提出力争在“十五五”时期形成若干家具有较大国际影响力的头部机构，并提升跨境金融综合服务能力 [7] - **市场机遇**：内地优质企业与资本将通过香港对接全球市场，全球华人资本依托香港加强与内地联动，将催生大量IPO、再融资及跨境资本服务机会 [9] 境外业务表现与格局 - **整体增速强劲**：从2025年中期业绩看，有可比数据的16家A股上市券商中，13家境外业务收入同比增速超过10% [7] - **头部公司领先**：中信证券境外业务收入69.12亿元，中金公司40.24亿元，国泰海通24.59亿元，华泰证券23.08亿元，合计贡献了主要的境外业务规模 [7] - **高增长案例突出**：财通证券境外业务收入同比增长898.48%，中信建投同比增长107.57%，展现中小券商的突围势头 [7] - **增长动力明确**：港股市场回暖与跨境业务活跃正成为驱动券商境外业务增长的核心动力 [8] 海外业务布局与拓展方向 - **地域拓展**：行业“出海”不再局限于香港，正逐步向东南亚、中东等新兴市场延伸，构建多点支撑的国际化版图 [10] - **具体突破案例**：中国银河于2024年2月牵头完成泰国信贷银行IPO，募资2.07亿美元，为泰国市场近年最大IPO；中金公司于2025年5月在阿联酋迪拜国际金融中心开设分公司，成为海湾地区首家中资持牌机构；国泰海通拟收购一家印尼证券公司，并已在新加坡、越南完成布局 [10] - **未来潜力领域**：增长潜力集中在跨境财富管理、离岸人民币相关业务、东南亚等新兴市场投行与资管、全球衍生品及跨境金融科技 [11] - **业务竞争力构建**：跨境衍生品与固定收益、外汇和大宗商品业务将成为券商海外业务的核心竞争力体现 [10] - **差异化发展路径**：头部券商应构建打通投行、投资与做市商业务的生态闭环；中小券商应聚焦特定产业、区域或产品，走精品化路线 [9] 发展挑战与关键能力 - **发展阶段**：行业正处于从业务出海到生态构建的过渡深化期，当前仍以牌照与业务扩张为主 [12] - **需突破的瓶颈**：包括资本实力、全球合规、品牌与人才、跨境协同效率等 [12] - **人才与风控关键**：需要既懂国际规则又懂中国产业的复合型团队及跨文化融合机制；需构建集团一体化的穿透式管理，以严控地缘政治、汇率流动性、合规与跨文化经营风险 [12] - **发展策略**：需立足中资背景，深耕“中国+海外”双向需求，聚焦区域与赛道深耕，强化研究定价、跨境协同与合规风控，走稳健可持续的国际化道路 [11][12]

指数与ETF市场表现 - 截至2026年2月13日11:30，中证全指建筑材料指数下跌2.05%，成分股中金晶科技领跌5.36%，韩建河山下跌5.17%，旗滨集团下跌4.38% [1] - 建材ETF当日下跌1.77%，报价0.72元，但拉长时间看，截至2月12日，该ETF近1月累计上涨8.24%，近2年净值上涨28.68%，排名可比基金第一 [1][2] - 建材ETF自成立以来最高单月回报为24.25%，最长连涨月数为2个月，最长连涨涨幅为29.69%，上涨月份平均收益率为6.65% [2] 产品流动性与资金动向 - 建材ETF盘中换手率为2.51%，成交5678.66万元，近1周日均成交1.83亿元，居可比基金第一 [1] - 建材ETF最新资金净流出2070.35万元，但近5个交易日内有3日资金净流入，合计流入2.13亿元，日均净流入达4253.90万元 [1] - 杠杆资金持续布局，建材ETF最新融资买入额为310.03万元，最新融资余额达3363.21万元 [1] 产品规模与运营特征 - 建材ETF近1周规模增长1.22亿元，实现显著增长，新增规模位居可比基金前三分之一 [1] - 建材ETF管理费率为0.50%，托管费率为0.10%，近半年跟踪误差为0.065%，在可比基金中跟踪精度最高 [4] - 该ETF成立以来超越基准的年化收益为3.19% [2] 风险收益指标 - 截至2026年2月6日，建材ETF近1年夏普比率为1.29 [3] - 截至2026年2月12日，建材ETF今年以来最大回撤为5.48%，相对基准回撤0.24%，回撤后修复天数仅为2天，在可比基金中修复最快 [3] 指数构成与行业背景 - 中证全指建筑材料指数前十大权重股合计占比61.6%，包括海螺水泥、东方雨虹、北新建材等公司 [5] - 国金证券研报指出，近期全球大类资产开启“Risk-off”模式，全球股票市场出现明显的成长向价值的加速风格切换，工业、原材料、房地产等价值板块因具备AI较难替代特征而获得市场青睐 [1] - 中银证券研报认为，全年可能出现两个拐点：一季度末左右的“政策拐点”和四季度左右的“基本面拐点”，后者主要体现在二手房价格降幅收窄 [2]

文章核心观点 - 黄磷行业在供给侧受政策严控与整合，需求侧受新能源增长及成本结构变化驱动，行业格局优化并存在价格上行空间，建议关注具备大规模产能的标的 [1] 供给侧分析 - 黄磷产能区域集中特征明显，主要集中于云南、四川、贵州和湖北，其中2025年云南黄磷产量占国内总产量的46% [2] - 行业竞争格局分散，小产能占比较高，5万吨以下产能占比约为47%，3万吨以下产能占比约为27%，2万吨以下产能占比约为14% [2] - 政策层面严控新增产能，要求新建项目实施产能等量或减量置换，并加速淘汰落后产能，明确将单台产能5000吨/年以下黄磷生产装置列为淘汰类 [3] - 政策推动行业节能降碳，目标到2025年黄磷领域能效标杆水平以上产能比例达到30%，能效基准水平以下产能基本清零 [3] 需求侧分析 - 黄磷下游应用以热法磷酸（33%）、草甘膦（27%）、三氯化磷（24%）为主 [4] - 近五年国内黄磷表观消费量波动上升，2025年表观消费量约为100.19万吨，同比增长18% [4] - 草甘膦等传统领域需求相对稳定，而以六氟磷酸锂为代表的新能源需求高速增长 [1][4] 成本与价格驱动因素 - 硫磺价格大幅上涨，截至2026年2月4日国产硫磺价格为4065元/吨，累计上涨2569元/吨，累计涨幅约为172% [5] - 硫磺涨价显著推高湿法磷酸成本，按单耗计算累计抬高湿法工业磷酸单吨生产成本3319元 [5] - 自2025年5月以来，热法磷酸价格开始低于湿法磷酸，且价差呈扩大趋势，热法磷酸性价比相对提升 [5] - 预计2026年硫磺供给增量不及需求增量，价格高位运行且易涨难跌，若供应恢复不及预期或新能源投产超预期，价格存在持续上行可能 [5] - 硫磺价格若继续上涨，将进一步推高湿法工艺成本，从而间接为热法磷酸及其原材料黄磷提供价格上行空间 [1][5]

报告行业投资评级 未提及 报告的核心观点 本周三个策略共同持仓6只可转债，分别为蓝帆转债、长汽转债、洽洽转债、富瀚转债、仙乐转债、政22转债；次低价策略和期权策略维持低换手，次低价策略增持标的价格中枢在中高位；双低策略本周增持标的受隐含波动率、转债涨跌相对正股因子、转股溢价率环比变化影响；行业维度上模型推荐石油石化、建筑材料、建筑装饰、社会服务、基础化工，边际增持社会服务 [2][6][7] 根据相关目录分别进行总结 各策略增持标的情况 - 次低价转债策略增持力诺转债、银邦转债、爱迪转债、立昂转债、花园转债、洁美转债 [3][4] - 期权转债策略增持耐普转02、联瑞转债、青农转债、共同转债 [5][6] - 双低增强策略增持双良转债、李子转债、锦鸡转债、恒帅转债、道通转债、蓝帆转债、赛特转债、思特转债、洽洽转债、中宠转2 [25] 各策略表现情况 - 次低价策略过去一周下跌1.84%，相较万得可转债低价指数超额收益为 -0.96%，今年以来上涨5.44%，相较基准超额收益为1.65%；近一年年化收益率25.15%，夏普率2.21，Calmar比3.96，最大回撤6.35%，年化超额收益4.09% [10][12][26] - 期权策略过去一周下跌1.84%，相较万得可转债低价指数超额收益 -0.96%，今年以来上涨7.95%，相较基准超额收益为4.08%；近一年年化收益率32.53%，夏普率3.09，Calmar比6.96，最大回撤4.68%，年化超额收益10.12% [10][12][26] - 双低增强策略过去一周下跌2.63%，相较万得可转债双低指数超额收益为 -1.17%，今年以来上涨6.40%，相较基准超额收益为4.12%；近一年年化收益率30.83%，夏普率2.18，Calmar比3.97，最大回撤7.76%，年化超额收益14.17% [10][12][26] - 行业轮动策略过去一周下跌1.38%，相较万得可转债双低指数超额收益为0.10%，今年以来上涨4.34%，相较基准超额收益为2.10%；近一年年化收益率23.38%，夏普率1.71，Calmar比3.52，最大回撤6.64%，年化超额收益7.62% [10][12][26] 各策略因子相关情况 |策略|因子|权重|算法|IC均值|IC标准差|ICIR|IC>0的频率|p - Value| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |次低价策略|priceavg priceavg|100%|过去一周收盘价平均|-7.90%|22.29%|-35.45%|18.53%|0.00%| |期权策略|amplitude mean 6 m|100%|可转债相对于正股日内振幅差|-4.40%|19.04%|-23.09%|31.38%|0.00%| |期权策略|impliedvol diff1 MaxPricePremium diff1 3m|20% 20%|使用BS模型反推得出隐含波动，双低因子相对于过去3个月的历史分位|未提及|未提及|未提及|未提及|未提及| |双低增强|pricechangediff diff 1 1W|20%|过去一周转债涨跌幅相对于正股的超额|-2.59%|7.22%|-35.89%|25.14%|0.00%| |双低增强|priceavg priceavg|20%|过去一周收盘价平均|未提及|未提及|未提及|未提及|未提及| |双低增强|stkratio diff1 1w|20%|过去一周转股溢价率环比|未提及|未提及|未提及|未提及|未提及| |行业轮动|Amihud diff1 3m|25%|收益成交比，单位成交额引起的收益变化|-2.50%|23.62%|未提及|未提及|未提及| |行业轮动|MaxPricePremium diff1 1m|25%|双低因子相对于过去1个月的历史分位|未提及|未提及|-10.59%|43.71%|2.75%| |行业轮动|pricechangediff mean 2w|25%|过去2周转债涨跌幅相对于正股的超额|未提及|未提及|未提及|未提及|未提及| |行业轮动|stkratio diff1 1m|25%|过去一月转股溢价率环比|未提及|未提及|未提及|未提及|未提及| [15]

中国赴日旅游市场变化 - 中国外交部门于2025年11月14日首次发布避免前往日本的提示 随后在12月11日和1月26日多次提醒[1] - 赴日旅游人次在2025年12月出现显著下滑[1] - 过去日本约40%的中国大陆游客来自上海及周边地区 约25%来自北京[1] 海南旅游市场受益 - 日本旅游热度下滑后 海南成为新的热门旅游目的地[1] - 截至2025年2月初 春节假期目的地为海南的日均机票订单量同比增长超过45%[1] - 海南客源城市前三甲为北京 上海和成都[1] 中国中免相关预测与估值 - 基于日本消费回流 海南旅游火热 免税折扣降低 人民币升值及市内免税进展暂缓等多重因素 调整中国中免盈利预测[1] - 调整后2025/2026/2027年EPS预测值分别为1.77元 2.79元和3.34元[1] - 以2026年2月11日收盘价97.00元计算 对应市盈率估值分别为52.16倍 33.15倍和27.69倍[1] - 维持对中国中免的买入评级[1]

公司投资者关系活动 - 中国重汽于2026年2月11日13:30-14:30接受了国金证券等投资者的调研 [1] - 公司董事会秘书张欣及投资者关系负责人何炳易参与接待并回答了投资者提问 [1] 行业技术动态 - 中国视频大模型技术取得突破，被形容为“地表最强”，能够根据几十个提示字生成电影级的15秒视频并可用于商业交付 [1] - 该技术进展引发了资本市场反应，带动相关影视类股票价格大幅上涨 [1]

报告行业投资评级 未提及 报告的核心观点 1 月城投债券审批呈现注册额度上升、审批节奏放缓、终止项目规模低位特征，年初融资节奏由松转紧；债券市场监管与审批变化反映化债政策延续"严控增量、化解存量、长效赋能"导向；2026 年化债冲刺，6 万亿置换债收官，城投债注册额度上升态势有望延续；长远看，城投化债步入关键期，化债路径多元，区域成效分化将更明显，各地化债力度加大，融资平台市场化出清和转型将加快 [5][6][47][48] 根据相关目录分别进行总结 注册情况：城投注册额度持续上升 - 1 月城投平台注册额度上升，交易所和 DCM 注册规模均明显上升，交易所完成注册城投债计划发行规模从 2394 亿元升至 3150 亿元，DCM 从 1685 亿元升至 1771 亿元，整体注册高于过去三年同期 [12] - 分行政层级，省级、市级、区县城投注册规模均上升，省级从 582 亿元升至 681 亿元，地级市从 1265 亿元升至 1843 亿元，区县级从 2232 亿元升至 2392 亿元，区县级城投债三个月移动平均比重降至 52% [15] - 分区县资质，弱资质区县注册规模回落，预算收入 50 亿以下区县级平台债券注册规模从 923 亿元降至 669 亿元，三个月移动平均比重升至 37.8% [18] - 分省份，1 月浙江、山东、湖北等区域规模环比明显上升，安徽、北京、河北等区域规模环比小幅下降，福建规模持续下降，江苏地级市和山东区县级下降明显，山东、四川规模上升主要来自地级市，江苏、浙江规模上升主要受区县级影响 [20] 审批反馈：城投债券审批有所放缓 - 1 月城投债券 DCM 和交易所审批节奏放缓，DCM 注册有效样本券 338 只、较上月上升，交易所样本券 96 只、较上月上升；DCM 平均反馈次数 2.4 次不变，反馈时间升至 41.5 天，交易所反馈 4.2 次不变，反馈时间升至 77.8 天 [25] - 分发行方式与层级，公募城投公司债反馈节奏在地级市提速，私募在地级市和区县级放缓；公募中地级市反馈时间减少，区县级小幅增加，私募中地级市和区县级反馈时间均小幅增加 [30] - 分省份，四川、福建、湖北等地审批反馈天数拉长，安徽、江西、湖南等地审批节奏加快，山东、河南区域延续审批速度放缓趋势；分行政层级，四川地级市和浙江、山东区县级平台审批节奏放缓，山东、安徽、江西地级市以及江苏区县级平台审批节奏提速 [32] - 分区县资质，弱资质区县平台债券审批节奏持续放缓，一般预算收入 50 亿元以下区县平台反馈天数从 65.2 天升至 67.2 天，低于去年均值，50 - 80 亿元和 100 - 300 亿元区县平台审批节奏放缓，80 - 100 亿元区县平台审批节奏有小幅提速 [35] 终止发行：终止项目规模维持低位 - 1 月终止项目规模维持低位，被终止的城投债拟发行规模从 5 亿元升至 6 亿元，终止项目数量与上月持平为 1 个；区县级城投债终止规模上升，三个月移动平均占比升至 74%，市级和省级无终止项目，弱资质区县终止项目数量三个月移动平均占比上升 [37] - 分省份，城投平台终止项目主要出现在湖北，且主要在区县级平台 [42]

量化模型与构建方式 1. **模型名称：股指期货期现套利模型**[46] * **模型构建思路**：当股指期货的市场价格偏离其理论价格时，通过在期货和现货市场进行反向操作（低买高卖），并持有至期货与现货价格在交割日收敛，从而获取无风险收益[46] * **模型具体构建过程**：模型分为正向套利和反向套利两种策略，并通过计算考虑交易成本后的套利收益率来判断是否存在套利机会[46] * **正向套利**：当期货价格被高估、现货价格被低估时，执行卖出期货合约、买入现货组合的操作[46]。其套利收益率计算公式为： $$P={\frac{(F_{\mathrm{t}}-S_{\mathrm{t}})-(S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{f}})(1+r_{\mathrm{f}})^{\frac{T-t}{360}}-S_{\mathrm{t}}C s-F_{\mathrm{t}}C f)}{S_{\mathrm{t}}+F_{\mathrm{t}}M_{\mathrm{f}}}}$$ 其中，`S_t`和`F_t`分别为t时刻现货与期货的价格；`M_f`为期货保证金比率；`r_f`为无风险利率；`C_s`和`C_f`分别为现货与期货的交易费用比率；`T-t`为套利持有天数[46] * **反向套利**：当期货价格被低估、现货价格被高估时，执行买入期货合约、卖出现货组合的操作[46]。其套利收益率计算公式为： $$P={\frac{(S_{t}-F_{t})-(S_{t}M l+F_{t}M_{t})(1+r_{t})^{\frac{T-t}{360}}-S_{t}C s-F_{t}C f-S_{t}r^{\frac{T-t}{360}})}{S_{t}M l+F_{t}M_{t}}}$$ 其中，`M_l`为融券保证金比率；`r_l`为融券年利率[46] * **参数设定**：计算中，股指期货单边交易费用取万分之零点二三，现货单边交易费用取千分之一；期货和融券保证金比率分别取20%和50%；融券利率为年化10.6%；暂时不考虑分红影响[46] 2. **模型名称：大语言模型（LLM）卖方观点汇总模型**[41][42] * **模型构建思路**：利用大语言模型（ChatGPT和KIMI）对大量卖方策略报告进行自动化处理，提取并汇总市场及行业的共识与分歧观点，为投资者提供参考[41][42] * **模型具体构建过程**：通过设计多套提示词，让大语言模型完成从含观点研报筛选、市场与行业观点原文信息提取，到最终观点汇总的全流程[41]。具体工作流程参见报告中的流程图[43][45] 3. **因子名称：分红调整基差率**[12][48] * **因子构建思路**：指数成分股分红会导致现货指数点位直接回落，并在期货价格上形成“额外贴水”。通过预测未来分红对指数点位的影响，对原始基差率进行修正，以得到更真实反映市场情绪的基差率水平[48] * **因子具体构建过程**：首先预测未来特定期间内成分股的分红总额，然后将其折算为对指数点位的影响值，最后用该值调整基差率计算[12][48] * **分红点位预测**：核心是预测每只成分股在合约期内的每股分红[48][52]。预测方法基于历史分红规律，具体取决于公司是否已公布分红预案[48]： * **已实施/已公布分红预案**：按照实际实施或预案方案计算[48] * **未公布分红预案**：使用预测的每股收益（EPS）乘以预测的派息率进行估算[48] * **EPS取值方法**：根据预测时点不同，EPS取值来源不同[48][49]： * 若预测时点`t`在当年10月之前，预测的是本年度剩余分红，EPS取上一年度的年报EPS；若年报未披露，则取上一年度12月31日的EPS_TTM[48][49] * 若预测时点`t`在当年10月之后，预测的是下一年度的分红，EPS取当前时点`t`的EPS_TTM[48] * **预测派息率取值方法**：根据公司历史分红稳定性分为三类[51][52]： * **稳定派息**（过去三年稳定派息）：取过去三年派息率的均值[51][52] * **不稳定派息但盈利**：取上一年度的派息率[51][52] * **未盈利、上市不足一年或发生其他重大变化**：若无分红预告，则预测派息率为0[51][52] * **分红点位计算**：将各成分股的预测分红汇总，计算其对指数点位的总影响[52]： $$分红点位 = \sum (每股分红 * \frac{指数收盘价 * 成分股权重}{成分股收盘价}) = \sum (EPS * 预测派息率 * \frac{指数收盘价 * 成分股权重}{成分股收盘价})$$ * **基差率调整**：将原始基差率减去分红点位的影响，得到分红调整后的基差率[12] 模型的回测效果 （报告中未提供量化模型的回测绩效指标，如年化收益率、夏普比率、最大回撤等具体数值） 量化因子与构建方式 1. **因子名称：基差率**[13][17] * **因子构建思路**：衡量股指期货价格与标的指数现货价格之间的偏离程度，是市场情绪、资金成本和套利力量的综合体现[13] * **因子具体构建过程**：使用期货合约价格减去现货指数价格，再除以现货指数价格[13][17] * **公式**：$$基差率 = \frac{期货合约价格 - 现货指数价格}{现货指数价格}$$[13][17] * **年化基差率**：对于非当月合约，常将基差率年化以便比较，公式为：$$年化基差率 = \frac{期货合约价格 - 现货指数价格}{现货指数价格} / 剩余交易日天数 * 252$$[17] 2. **因子名称：跨期价差率**[13][26] * **因子构建思路**：衡量同一标的、不同到期月份期货合约之间的价格差异，反映市场对远期价格的预期以及合约间的流动性溢价等[13] * **因子具体构建过程**：使用近月合约价格减去远月合约价格，再除以近月合约价格[13][26] * **公式**：$$跨期价差率 = \frac{当月合约价格 - 下月/当季/下季合约价格}{当月合约价格}$$[13][26] * **历史分位数**：将当前价差率置于历史数据（如2019年以来）的分布中，计算其所在的分位数位置，以判断当前价差所处的历史水平[12] 3. **因子名称：分红预测点数**[12][39] * **因子构建思路**：预测未来一年内，指数成分股分红合计将对现货指数点位造成的下降幅度，用于调整期货定价和套利计算[12] * **因子具体构建过程**：如“分红调整基差率”因子构建过程中所述，汇总所有成分股的预测分红，并折算为对指数点位的具体影响值[12][39][52] 因子的回测效果 （报告中未提供量化因子在选股或多空组合中的测试结果，如IC值、IR、多空收益等具体数值）

银行“开门红”揽储竞争升温 - 春节前夕，银行“开门红”揽储竞争再度升温，中小银行主要通过上调特定存款产品利率吸引客户，部分农商行3年期存款利率已接近2% [3] - 大型银行虽未直接提价，但普遍采用送积分、奖励立减金等方式加入揽储竞争 [3] - 2026年以来已有超过10家中小银行先后阶段性上调存款利率，上调主要针对特定产品、较高起存金额及1至3年特定期限 [5] - 例如，湖南新晃农商银行将3万元及以上整存整取3年期利率上调为1.75%，大额存单1年期与3年期利率分别上调至1.4%和1.8% [5] - 陕西商南农商银行将1年期、2年期存款利率均上浮15个基点（BP），分别至1.15%和1.2% [5] - 与此同时，部分前期利率较高的中小银行仍在持续“压降”利率，如新安银行自1月30日起，1年期、2年期、3年期存款利率分别下调20BP、25BP、25BP [5] - 大型银行通过多种非利率手段揽储，如客户月日均金融资产提升达标后可获微信立减金，新增5万至10万元可获40元，新增600万元以上最高可获5000元 [6] - 另有银行推出存入1年期及以上定期存款可回馈积分兑换礼品，或针对新客开卡存定期5万元以上送150元微信立减金 [6] 揽储升温背后的存款流转预期 - 揽储升温反映出银行业对2026年定期存款到期资金流向的预判与应对，银行正通过价格与服务竞争提前锁定可能流转的存款 [4] - 市场测算2026年居民定期存款到期规模庞大，中金公司研究显示约为75万亿元，其中1年期及以上存款到期约67万亿元 [8] - 但多家机构及业内人士指出，到期资金大概率仍将在银行体系内循环，并更多流向银行理财、货币基金及保险等低风险资产 [4] - 广发证券测算显示，2026年全年定存到期规模约为57万亿元~60万亿元，同比增幅为5万亿元~8万亿元，规模增幅并不突出 [9] - 当前居民风险偏好整体处于低位，收入信心与储蓄意愿之间存在明显负相关关系 [9] - 从1月高频数据看，新成立的偏股基金份额有所回升但量级未有显著改善，银行同业存单量缩价低，侧面反映银行表内负债相对充裕，定存续存率可能不低 [9] - 参考日本1995-1996年类似阶段，在定存到期高峰、低利率、风险资产回升环境下，日本居民依然大幅增持现金与存款、保险等低风险资产，减持股票与基金 [10] 到期存款资金的主要流向 - 存款在银行体系内到期后，除续存外，资金仍主要流向低风险领域 [12] - 参考日本经验，在1995年第二季度至1996年第二季度，日本居民部门金融资产规模增加了55.8万亿日元，其中现金与存款增加了43.9万亿日元，保险增加了20.2万亿日元，而证券投资信托基金减少了4414亿日元，股票投资减少了2.2万亿日元 [12] - 尽管利率较低，但预计仍有相对稳定的居民定存到期后继续选择定存、保险等资产或提前还贷 [12] - 目前3%以上的存量房贷利率仍显著高于其他低风险资产收益率，“提前还贷”仍是居民部门较有性价比的“投资”选择，2023年至2025年个人住房贷款降幅分别为6300亿元、4900亿元与6700亿元 [12] - 更多观点认为，资金将流向理财、货币基金等“类存款”低风险产品，理财和货币基金凭借高流动性等优势，可能是存款搬家的更大受益方 [13] - 银行理财或成为存款搬家的主要承接领域，参考2024年、2025年规模，2026年个人新增理财规模或继续在3万亿元左右，其中中低风险类理财（主要是固收类理财）更受市场青睐 [13] - 数据印证，2022年以来，中低风险理财（R1~R2）规模占理财总规模的比重从83%震荡上行至2025年年中的96%，中高风险理财（R3~R5）规模占比从17%回落至4% [14]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：人工智能全球大类资产配置模型**[44] * **模型构建思路**：将机器学习模型应用于大类资产配置问题，基于因子投资的思路，使用模型对各类资产进行打分排序，最终构建可投资的月频量化等权配置策略[44]。 * **模型具体构建过程**：报告未详细描述具体的机器学习模型算法、因子体系及打分排序的详细计算过程。其核心流程为：1) 输入宏观、市场等因子数据；2) 通过机器学习模型处理，输出对各资产的评分；3) 根据评分结果确定资产配置权重[44]。 2. **模型名称：基于动态宏观事件因子的股债轮动配置模型**[50] * **模型构建思路**：构建一个包含经济增长和货币流动性两大维度的动态宏观事件因子体系，并以此为基础，结合风险预算模型框架，输出针对不同风险偏好（保守型、稳健型、进取型）的股债配置权重[50]。 * **模型具体构建过程**： 1. **宏观择时模块构建**：选取经济增长和货币流动性两个维度的多个细分指标作为宏观事件因子[50][58]。例如，经济增长维度包括M1同比、PPI同比、PPI-CPI剪刀差、工业增加值同比、国债期限利差(10Y-1M)、发电量环比等指标；货币流动性维度包括M1-M2剪刀差、中美国债利差、中国国债与美国TIPS利差等指标[53]。 2. **信号生成**：每个细分指标根据其数值或变化方向，生成二值化的看多(1)或看空(0)信号[53]。 3. **信号合成**：将同一维度内各指标信号进行合成，得到该维度的总体信号强度（百分比形式）[6][54]。例如，2月份经济增长维度信号强度为40%，货币流动性维度信号强度为100%[6]。 4. **权重确定**：将宏观择时模块输出的信号（如股票仓位信号）[54]，输入到风险预算模型框架中，最终计算出保守型、稳健型、进取型三种配置方案中股票和债券的具体权重[50]。 3. **模型名称：基于红利风格择时配置模型**[58] * **模型构建思路**：基于经济增长与货币流动性两大维度构建动态宏观事件因子体系，对中证红利指数进行择时配置，以捕捉其相对A股的稳定优势并在市场偏弱时控制回撤[58]。 * **模型具体构建过程**： 1. **因子体系构建**：模型共使用经济增长与货币流动性两大维度共10项指标构建动态宏观事件因子体系[58]。报告列举了部分指标，包括：制造业PMI新出口订单、PPI同比、PPI-CPI剪刀差、Shibor 2W、Shibor 1M环比等[59][60]。 2. **信号生成与合成**：每个指标根据规则生成看多(1)或看空(0)信号[60]。将所有指标信号合成为一个最终的二值择时信号（1代表看多/满仓，0代表看空/空仓）[59]。例如，2月份最终合成信号为1[59]。 模型的回测效果 1. **人工智能全球大类资产配置模型**[46][49] * 回测期：2021年1月至2026年1月[46] * 年化收益率：7.22%[46][49] * 年化波动率：6.74%[49] * 最大回撤：-6.66%[46][49] * 夏普比率：1.07[46][49] * 年初至今收益率（截至2026年1月）：2.37%[46][49] 2. **基于动态宏观事件因子的股债轮动配置模型（进取型）**[51][57] * 回测期：2005年1月至2026年1月[51] * 年化复合收益率：20.15%[51][57] * 年化波动率：14.05%[57] * 最大回撤：-13.72%[57] * 夏普比率：1.31[57] * 收益回撤比：1.47[57] * 年初至今收益率（截至2026年1月）：3.65%[51][57] 3. **基于动态宏观事件因子的股债轮动配置模型（稳健型）**[51][57] * 回测期：2005年1月至2026年1月[51] * 年化复合收益率：10.85%[51][57] * 年化波动率：8.12%[57] * 最大回撤：-6.77%[57] * 夏普比率：1.19[57] * 收益回撤比：1.60[57] * 年初至今收益率（截至2026年1月）：1.22%[51][57] 4. **基于动态宏观事件因子的股债轮动配置模型（保守型）**[51][57] * 回测期：2005年1月至2026年1月[51] * 年化复合收益率：5.87%[51][57] * 年化波动率：3.20%[57] * 最大回撤：-3.55%[57] * 夏普比率：1.49[57] * 收益回撤比：1.65[57] * 年初至今收益率（截至2026年1月）：0.39%[51][57] 5. **基于红利风格择时配置模型**[59][61] * 年化收益率：15.85%[59][61] * 年化波动率：17.26%[59][61] * 最大回撤：-21.22%[59][61] * 夏普比率：0.90[59][61] * 最近1个月收益率（截至2026年1月）：0.00%[59][61] 量化因子与构建方式 1. **因子名称：动态宏观事件因子（用于股债轮动及红利择时）**[50][58] * **因子构建思路**：从经济增长和货币流动性两个宏观维度，选取具有预测性的高频或月度指标，将其转化为标准化的择时信号[50][53][58]。 * **因子具体构建过程**： 1. **指标选取**：选取一系列可量化的宏观指标。报告提及的指标包括但不限于： * **经济增长维度**：M1同比[53]、PPI同比[53]、PPI-CPI剪刀差[53]、工业增加值同比[53]、国债期限利差(10Y-1M)[53]、发电量当月值3个月移动平均环比[53]、制造业PMI新出口订单[60]、消费者信心指数[60]。 * **货币流动性维度**：M1-M2剪刀差[53]、中美国债利差(10Y)[53]、中国国债与美国TIPS利差(10年)[53]、Shibor 2W[60]、R007 20日移动平均[60]、Shibor 1M环比[60]、逆回购R007差额[62]。 2. **信号化处理**：对每个指标设定阈值或规则，将其原始数据转化为二值信号（通常1代表看多权益资产，0代表看空或中性）[53][60]。例如，当指标值高于某个临界值或环比改善时，发出看多信号(1)。 3. **因子应用**：这些信号既可以直接合成为最终的择时信号（如红利择时模型）[59]，也可以先合成各维度总信号，再作为输入进入更复杂的配置模型（如股债轮动模型）[6][54]。 因子的回测效果 （报告未单独提供动态宏观事件因子的独立回测绩效指标，其效果已体现在上述各配置模型的整体回测结果中。）