核心观点 - 中泰证券研报认为保利物业2025年上半年收入业绩维持增长 核心物业管理业务增长稳定 增值业务收入下行与地产行业趋势及业务结构调整有关 预计2025-2027年EPS为2.88、3.09和3.33元/股 对应PE为11.0、10.3和9.6倍 维持“买入”评级 [1] 财务业绩 - 2025年上半年公司实现营收83.9亿元 同比增长6.6% 权益股东应占净利润8.9亿元 同比增长5.3% [1][2] - 营业成本67.7亿元 同比增长8.0% 毛利率为19.4% 同比下降1.1个百分点 [2] - 费用率为5.4% 较2024年同期下降0.9个百分点 经营效率持续提升 [4] - 截至2025年上半年 公司现金及现金等价物为96.5亿元 较2024年末下降2.5% 现金依旧维持健康状态 [4] 业务结构分析 - 核心物业管理服务营收较2024年同期增加13.1% 有较高增速 [2] - 非业主增值服务收入减少16.1% 小区增值服务收入减少约3.7% 与房地产行业下行及大环境影响有关 [2] - 公司平均物业单价提升至2.47元/平米 较2024年提升0.14元/平米 [2] - 物业管理服务毛利率为16.6% 同比下降0.2个百分点 [3] 规模与市场拓展 - 截至2025年上半年末 公司在管面积6.4亿平米 其中来自控股股东保利发展的在管面积为3.6亿平米 同比增长3.1% [3] - 第三方在管面积占比63.8% 同比增长5.9% [3] - 新拓展第三方项目的单年合同金额约14.1亿元 同比增长17.2% [3] - 新拓展第三方项目单年合同金额中位于核心50城占比高达84.6% 同比提升5.1个百分点 [3] 未来展望 - 公司未来将在增强增长动能、夯实品质基础、提升组织效能和强化科技赋能四大维度协同发力 实现规模与效益的同步提升 [4]

核心观点 - 中泰证券维持保利物业“买入”评级 认为公司2025年上半年收入业绩维持增长 核心物业管理业务增长稳定 增值业务收入下行与地产行业趋势及业务结构调整有关 [1] 财务业绩 - 2025年上半年实现营收83.9亿元 同比增长6.6% [1] - 2025年上半年权益股东应占净利润为8.9亿元 同比增长5.3% [1] - 营业成本为67.7亿元 同比增长8.0% [1] - 毛利率为19.4% 同比下降1.1个百分点 [1] - 费用率为5.4% 较2024年同期下降0.9个百分点 [3] - 预计2025-2027年每股收益（EPS）分别为2.88元、3.09元和3.33元 对应市盈率（PE）分别为11.0倍、10.3倍和9.6倍 [1] 业务结构分析 - 物业管理服务营收较2024年同期增加13.1% [1] - 非业主增值服务收入减少16.1% [1] - 小区增值服务收入减少约3.7% [1] - 物业管理服务毛利率为16.6% 同比下降0.2个百分点 [2] 规模与市场拓展 - 截至2025年上半年末 公司在管面积达6.4亿平方米 [2] - 来自控股股东保利发展的在管面积为3.6亿平方米 同比增长3.1% [2] - 第三方在管面积占比达63.8% 同比增长5.9% [2] - 新拓展第三方项目的单年合同金额约14.1亿元 同比增长17.2% [2] - 新拓展第三方项目单年合同金额中位于核心50城占比高达84.6% 同比提升5.1个百分点 [2] 经营效率与定价 - 公司平均物业单价提升至2.47元/平方米 较2024年提升0.14元/平方米 [1] - 受益于新项目定价标准提升 住宅项目单价较去年同期有所提升 [2] - 截至2025年上半年 公司现金及现金等价物为96.5亿元 较2024年末下降2.5% [3] 未来战略方向 - 公司未来将在增强增长动能、夯实品质基础、提升组织效能和强化科技赋能四大维度协同发力 以实现规模与效益的同步提升 [3]

量化模型与构建方式 1. 模型名称：物理增强型样本熵择时模型 (Phys-Enhanced SampEn) * **模型构建思路**：将非线性动力学的样本熵理论与物理学的推重比概念深度融合，构建一个一体化择时模型。其核心创新在于将“流动性调整推重比序列”作为样本熵的输入，使得计算出的熵值能够同时量化“价格波动的随机性”与“驱动力-风险平衡的规律性”，从而输出择时信号[4][78]。 * **模型具体构建过程**： 1. **构建输入序列**：首先计算流动性调整推重比序列 $$Z_{t}=[T W R_{t}]$$，该序列融合了价格、成交量、波动率和流动性信息，作为后续样本熵计算的输入[79][80]。 2. **设定模型参数**：嵌入维度 $$m = 2$$，延迟时间 $$\tau = 1$$，相似性阈值 $$r = ETF_{std} \times \sigma_{std}$$，其中 $$\sigma_{std}$$ 为序列的标准差[82]。 3. **重构嵌入向量**：在序列 $$Z_t$$ 上构建延迟坐标嵌入，形成 $$m$$ 维嵌入向量序列：$$V_{i}^{(m)}=\left[Z_{i},Z_{i+\tau},\cdots,Z_{i+(m-1)\tau}\right],i=1,2,\cdots,N$$，其中 $$N = T - \tau + 1$$ 为有效样本数[83][84]。 4. **计算向量间相似性**：采用最大范数（Chebyshev距离）计算两个嵌入向量间的距离：$$d\left(V_{i}^{(m)},V_{j}^{(m)}\right)=\operatorname*{max}_{0\leq k\leq m-1,1\leq s\leq2}\left|Z_{i+k\tau(s)},Z_{j+k\tau(s)}\right|$$[86]。 5. **计算条件概率**：对每个嵌入向量 $$V_i^{(m)}$$，统计其与其他向量（排除自身）的相似性比例：$$C_{i}^{m}(r)=\frac{1}{N-1}\times\\left\{j\!:\!d\left(V_{i}^{(m)},V_{j}^{(m)}\right)<r,j\neq i\right\}$$[87]。进而计算全局平均相似概率：$$B^{m}(r)=\frac{1}{N}\sum_{i=1}^{N}C_{i}^{m}(r)$$[88]。 6. **计算物理增强型样本熵**：类似地构建 $$B^{m+1}(r)$$，最终定义物理增强型样本熵为：$$P h y s-S a m p E n(m,r,\tau)=-l n\left(\frac{B^{m+1}(r)}{B^{m}(r)}\right)$$。当 $$B^m(r)=0$$ 或 $$B^{m+1}(r)=0$$ 时，加正则化常数 $$10^{-6}$$ 避免对数发散[91][92]。 7. **生成择时信号**： * 基于滚动窗口 $$W$$ 个交易日的融合熵序列，定义经验分位数阈值：低熵阈值 $$S_{low}=Q_{0.4}(Phys-SampEn_t)$$，高熵阈值 $$S_{high}=Q_{0.6}(Phys-SampEn_t)$$[94][95]。 * 结合当前熵值 $$Phys-SampEn_t$$ 和推重比 $$TWR_t$$ 的方向，应用一套规则判断输出上涨、下跌或平盘信号。核心逻辑是：低熵态下系统规律性强，推重比数值指示趋势方向；高熵态下系统失序，规避方向性暴露或抓住反转趋势[95][97]。 2. 因子名称：流动性调整推重比 (TWR) * **因子构建思路**：在传统推重比（累计收益率/波动率）的基础上进行优化，将驱动力项从“累计收益”升级为“量价共振收益”，并将风险项从“单一波动率”扩展为“波动率×流动性阻力”，从而构建一个同时评估趋势有效性和交易可操作性的综合指标[54][72]。 * **因子具体构建过程**： 1. **计算驱动力 (Thrust)**：驱动力项定义为量价共振动量：$$T h r u s t_{v o l p,t}=\left(\sum_{k=t-L+1}^{t}r_{k}\right)\times\left(\frac{V o l_{t}}{V o l_{a v g,t}}\right)$$。其中，$$\sum r_k$$ 为过去 $$L$$ 日累计收益率，$$Vol_t$$ 为当日成交量，$$Vol_{avg,t}$$ 为过去 $$L$$ 日平均成交量[56][58]。 2. **计算风险项 (Weight)**：风险项综合了价格波动风险和流动性阻力：$$W e i g h t_{l i q\ ,t}=\sigma_{t}\times\left(\frac{V o l_{a v g,t}}{V o l_{t}}\right)+10^{-6}$$[64]。 * 价格波动风险 $$\sigma_t$$ 为过去 $$L$$ 日的年化波动率：$$\sigma_{t}=\sqrt{\frac{252}{L-1}\sum_{k=t-L+1}^{t}\left(r_{k}-\bar{r}_{t,L}\right)^{2}}$$，其中 $$\bar{r}_{t,L}$$ 为过去 $$L$$ 日的平均收益率[65][66]。 * 流动性阻力通过比较当日成交量与近期平均成交量的比值来构建，比值大于1表示流动性差、阻力放大[68]。 3. **计算原始推重比**：原始推重比为驱动力与风险项的比值：$$R a w T W R_{l i q,t}=\frac{T h r u s t_{v o l p,t}}{W e i g h t_{l i q,t}}$$[69]。 4. **标准化**：为消除跨ETF的量纲差异，对原始推重比进行Z-Score标准化：$$T W R_{l i q,t}=\frac{R a w T W R_{i i q,t}-\mu_{R a w T W R},\;\;W}{\sigma_{R a w T W R},\;\;w+10^{-6}}$$。其中，$$\mu_{RawTWR,W}$$ 和 $$\sigma_{RawTWR,W}$$ 分别为过去 $$W$$ 个交易日原始推重比的均值与标准差，$$10^{-6}$$ 为平滑项[70][71][72]。 3. 因子名称：样本熵 (SampEn) * **因子构建思路**：样本熵是用于量化时间序列复杂性和规律性的指标。它通过计算“数据片段延长后，还能保持相似”的概率，来衡量序列的“混乱度”或不确定性。相比近似熵，样本熵通过排除自匹配，提高了在短序列下的无偏性和统计一致性[20][21][44]。 * **因子具体构建过程**： 1. **重构嵌入向量**：对长度为 $$N$$ 的序列 $$x$$，设定嵌入维度 $$m$$ 和延迟时间 $$\tau$$，为每个时间点 $$i$$ 构造 $$m$$ 维嵌入向量：$$X_{i}^{m}=[x(i),x(i+\tau),x(i+2\tau),\cdots,x(i+(m-1)\tau)],\mathrm{i=1,2,\cdots,N_{m}}$$[25][26]。 2. **定义相似性度量**：采用Chebyshev距离（最大范数）计算两个嵌入向量间的距离：$$d\left(X_{i}^{m},X_{j}^{m}\right)=m a x_{k=0,1,\cdots,m-1}|x(i+k\tau)-x(j+k\tau)|$$。若距离小于阈值 $$r$$，则判定两个向量相似[28][29]。 3. **计算相似概率**： * 对于每个嵌入向量 $$X_i^m$$，计算其与其他向量（$$j \neq i$$）相似的比例：$$B_{i}^{m}(r)=\;\frac{1}{N_{m}-1}\sum_{j=1,j\neq i}^{N_{m}}I\big(d\big(X_{i}^{m},X_{j}^{m}\big)<r\big)\;.$$，其中 $$I(\cdot)$$ 为指示函数[31][33]。 * 对所有向量求平均，得到 $$m$$ 维整体相似概率：$$B^{m}(r)=\ \frac{1}{N_{m}}\sum_{i=1}^{N_{m}}B_{i}^{m}(r)$$[32]。 4. **计算样本熵**：将嵌入维度增加到 $$m+1$$，重复上述步骤得到 $$B^{m+1}(r)$$。样本熵最终定义为：$$S a m p E n(m,r,N)=-l n\left(\frac{B^{m+1}(r)}{B^{m}(r)}\right)$$[36]。概率衰减越慢（序列越规律），熵值越低；概率衰减越快（序列越随机），熵值越高[37]。 模型的回测效果 * **物理增强型样本熵择时模型 (单标的)**：回测期2017年1月至2025年11月，覆盖38只不同板块的ETF[7][101]。 * **宽基指数 (8只)**：策略年化收益率16.19%-41.67%，夏普比率1.04-1.69，最大回撤-14.32%至-25.48%，显著优于买入持有策略[106][108]。 * **周期资源型ETF (示例4只)**：策略年化收益率15.85%-44.81%，夏普比率0.77-1.89，最大回撤-13.25%至-29.61%，较买入持有大幅改善[116][118]。 * **新能源与科技型ETF (示例4只)**：策略年化收益率27.52%-33.45%，夏普比率1.27-1.51，最大回撤-21.14%至-31.31%，表现卓越[124][125]。 * **消费、医疗与金融型ETF (示例4只)**：策略年化收益率18.83%-30.28%，夏普比率0.98-1.37，最大回撤-14.43%至-29.45%，实现显著超额收益[130][132]。 * **物理增强型样本熵择时模型 (等权组合)**：基于38只ETF的择时信号动态构建等权组合。回测期内年化收益率37.20%，夏普比率1.76，索提诺比率251.62%，最大回撤-20.72%[137][140]。

报告核心观点 - 报告重点介绍了三种量化选股策略：戴维斯双击策略、净利润断层策略和沪深300增强组合，并展示了其历史回测及本年度的优异表现 [1][3][4] - 戴维斯双击策略在2010-2017年回测期内实现了**26.45%**的年化收益，超额基准**21.08%**，且年度超额收益稳定性强 [3][7] - 净利润断层策略自2010年至今取得了**29.22%**的年化收益，年化超额基准**26.34%**，本年度累计绝对收益高达**63.03%**，超额基准指数**39.07%** [3][11] - 基于投资者偏好因子构建的沪深300增强组合，历史回测超额收益稳定，本年度相对沪深300指数超额收益为**17.41%** [3][17] 戴维斯双击组合 - 策略核心是以较低市盈率买入成长潜力股，待成长性显现、市盈率提高后卖出，获取EPS和PE的乘数效应收益 [3][6] - 在2010-2017年回测期内，策略实现了**26.45%**的年化收益，超额基准**21.08%**，且在回测期内的7个完整年度里，每个年度的超额收益均超过了**11%**，稳定性好 [3][7] - 截至2025年12月5日，策略本年度累计绝对收益为**48.89%**，超额中证500指数**24.92%**；本期组合自2025年5月6日调仓以来，超额基准指数**9.09%** [3][8] - 全样本（2010年至2025年12月5日）数据显示，策略绝对收益年化为**24.31%**，超额收益年化为**20.95%** [7] 净利润断层组合 - 策略是基本面与技术面共振的选股模式，核心在于“净利润”（业绩超预期）和“断层”（盈余公告后首日股价向上跳空）[3][10] - 具体构建方法为：每期筛选过去两个月内满足业绩超预期事件的股票，按照盈余公告日跳空幅度排序，取前50只股票等权构建组合 [10] - 策略自2010年至今取得了**29.22%**的年化收益，年化超额基准**26.34%** [11] - 截至2025年12月5日，策略本年度累计绝对收益高达**63.03%**，超额基准指数**39.07%**；本周超额收益为**-0.33%** [3][11] - 全样本（2010年至2025年12月5日）数据显示，策略绝对收益年化为**29.22%**，超额收益年化为**26.34%** [11] 沪深300增强组合 - 策略基于对优秀基金的归因，将投资者偏好分为GARP型、成长型和价值型，并构建相应因子 [3][13] - GARP型因子通过PB与ROE分位数之差（PBROE）寻找低估值高盈利股票，通过PE与增速分位数之差（PEG）寻找低估且有成长潜力的公司 [3][13] - 成长型因子关注公司的成长性，通过营收、毛利、净利润增速寻找高速成长股票 [13] - 价值型因子偏好具有长期稳定高ROE的公司 [13] - 基于上述投资者偏好因子构建的增强组合，历史回测超额收益稳定 [17] - 截至2025年12月5日，该组合本年度绝对收益为**33.92%**，相对沪深300指数的超额收益为**17.41%**；本周超额收益为**0.06%**；本月超额收益为**0.06%** [3][15][17] - 全样本（2010年至2025年12月5日）数据显示，策略绝对收益年化为**10.31%**，超额收益年化为**8.74%** [15]

量化模型与构建方式 1. **模型名称：市场择时体系**[2][7] * **模型构建思路**：通过比较WIND全A指数的长期均线（120日）和短期均线（20日）的相对位置和距离，来区分市场的整体环境（如趋势或震荡）[2][7]。 * **模型具体构建过程**： 1. 计算WIND全A指数的20日移动平均线（MA20）和120日移动平均线（MA120）。 2. 计算两条均线的距离，公式为： $$均线距离 = \frac{MA20 - MA120}{MA120} \times 100\%$$ 3. 设定阈值（报告中提及3%）来判断市场状态。当均线距离绝对值大于3%时，通常认为市场存在趋势；当距离绝对值小于或接近3%时，市场可能处于震荡格局[2][7]。 4. 结合其他技术指标（如5日均线与趋势线的关系）进行综合判断[2][7]。 2. **模型名称：仓位管理模型**[2][8] * **模型构建思路**：结合市场估值水平（PE、PB分位数）和短期趋势判断，为绝对收益产品提供股票仓位的配置建议[2][8]。 * **模型具体构建过程**： 1. 评估市场估值水平：计算WIND全A指数的PE和PB在其历史数据中的分位数[2][8]。 2. 结合短期趋势判断：参考择时体系等模型对市场短期走势的研判[2][8]。 3. 综合估值和趋势信号，输出一个具体的股票仓位建议比例（例如70%）[2][8]。 3. **模型名称：行业趋势配置模型**[2][5][7] * **模型构建思路**：识别各行业板块的中期趋势，筛选出处于上行趋势或显示困境反转信号的行业进行配置[2][5][7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建步骤和公式，仅提及了其输出结果，例如显示电池和工业金属板块延续上行趋势，以及中期困境反转信号关注白酒和非银金融行业[2][5][7]。 4. **模型名称：TWO BETA模型**[2][5][7] * **模型构建思路**：该模型用于行业配置推荐，持续推荐科技板块[2][5][7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建步骤和公式，仅提及了其输出结果，即继续推荐科技板块，并关注商业航天和消费电子等细分领域[2][5][7]。 模型的回测效果 *本报告为周度市场观点与信号报告，未提供上述量化模型的历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）的具体数值。报告主要展示了模型在当期（2025年12月初）产生的具体信号和配置建议[1][2][5][7][8]。* 量化因子与构建方式 *本报告未涉及具体的股票alpha因子（如价值、动量、质量等因子）的构建与测试。报告内容聚焦于市场择时、行业配置和仓位管理等模型。* 因子的回测效果 *本报告未涉及具体的股票alpha因子的回测效果。*

核心观点 - 包装水行业竞争正从价格战转向价值战 驱动因素包括消费者对产品品质、健康功能及细分场景需求的提升 以及行业竞争焦点向上游优质水源地的转移 [1][4][5] - 建议关注两类公司：一是农夫山泉等凭借完善产品矩阵和快速市场响应能力的全国性头部公司 二是泉阳泉等凭借地缘和水源地优势实现区域突破的高品质区域性品牌 [1][6] 2025年行业复盘 - 2025年中国包装水（不含8L以上大包装）市场规模预计为2242.31亿元 同比增长3% 行业呈现多维度价值竞争 [1] - 龙头表现分化：截至2025年9月 农夫山泉以33%的市场份额位居首位 娃哈哈市占率同比提升2%位居第二 怡宝市占率下降3% [1] - 部分区域性品牌表现亮眼：例如泉阳泉前三季度营收同比增长13.86% 上半年饮品公司销量增长14.50% 增长动力源于牢固的经销商关系、地缘文化及较短的运输半径 [1] - 消费群体分层 平价与高端同步增长：2025年上半年包装水价格指数下行幅度收窄 6-9月明显走低 厂商在旺季采取“以价换量” PET价格自2024年以来持续下行 为价格战提供空间 同时高端水快速增长 预计2025年单价10元以上的矿泉水新品数量同比增长42% 占全部新品比例首次突破30% [2] - 渠道格局显著改变：2025年1-7月 特通渠道GMV同比增速达13.8% 5-7月增速稳定在15%左右 传统渠道GMV同比增速为12.0% 现代渠道GMV同比下滑14.2% [3] - 品牌渠道策略：以泉阳泉为例 通过深度开发南航航空系统用水需求等措施成功拓展特通渠道 同时各大品牌加码折扣店渠道 推出专属产品 [3] 2026年行业展望 - 产品价值深耕 健康化趋势延续：消费者需求超越“解渴” 更追求健康价值与功能性 调研显示71.37%的消费者希望纯净水“增加功能性（如抗氧化、增强免疫力）” 60.39%的消费者期待“改善口感 添加天然风味物质（如水果味）” 行业竞争转向价值驱动价格 [4] - 包装细化以适应多元化场景需求：未来消费场景将细分化 增量空间在于挖掘新场景而非存量竞争 包装水行业的全场景覆盖程度将决定行业话语权 [4] - 行业竞争焦点向资源端转移：行业核心竞争力从工业化生产转向水资源 未来竞争将由渠道逐渐向上游水源地转移 水源地竞争成为核心要素 [5] 投资逻辑 - 随着行业向价值战迁移及场景需求细分化 头部品牌凭借完善的产品矩阵及快速市场响应能力有望受益 建议关注农夫山泉等行业头部公司 [1][6] - 水源地竞争成为未来核心关注点 部分区域性品牌将凭借地缘优势在区域内抢占先机 水源地优势将成为区域突破的重点 建议关注以泉阳泉为代表的高品质区域包装水公司 [1][6]

文章核心观点 - 监管机构通过下调保险资金投资部分股票的风险因子 释放了保险公司的资本 此举可能引导保险资金增加对特定板块的股票配置 或直接改善行业偿付能力充足率 同时 下调出口信用保险相关风险因子旨在引导保险行业加大对外贸企业的支持力度 [1] 保险资金投资股票资本释放测算 - 截至2025年三季度末 保险资金投资股票期末余额为3.62万亿元 [1] - 假设其中沪深300和中证红利低波动100成分股投资占比为40% 科创板股票投资占比为5% 同时符合《通知》要求的加权平均持仓时间标的为20% [1] - 据此测算 考虑风险分散效应前静态释放的最低资本为326亿元 [1] - 若这部分释放的资金全部增配沪深300股票 对应可进入股市的资金为1086亿元（计算方式为326亿元除以风险因子0.3） [1] - 若不进行增配股票投资 此政策将改善保险行业偿付能力充足率幅度约1个百分点 [1] 出口信用保险政策调整 - 《通知》将保险公司出口信用保险业务和中国出口信用保险公司海外投资保险业务的保费风险因子从0.467下调至0.42 [1] - 同时 将相关业务的准备金风险因子从0.605下调至0.545 [1] - 分析认为 这一调整将引导保险公司加大对外贸企业的支持力度 有效服务国家战略 [1]

A股券商板块市场表现 - 券商股涨幅进一步扩大 其中中银证券涨停涨幅10.02% 兴业证券涨超8%涨幅8.65% 湘财股份涨超5%涨幅5.99% 东北证券涨超4%涨幅4.25% 华泰证券 锦龙股份 中泰证券 长江证券 太平洋 中信证券均涨超3% [1] - 中银证券总市值387亿元 年初至今涨幅25.23% 在领涨个股中表现突出 [2] - 兴业证券总市值640亿元 年初至今涨幅20.13% [2] - 湘财股份总市值339亿元 年初至今涨幅高达64.72% [2] - 东北证券总市值218亿元 年初至今涨幅20.58% [2] - 华泰证券总市值1989亿元 年初至今涨幅27.40% [2] - 锦龙股份总市值117亿元 但年初至今下跌13.96% [2] - 中泰证券总市值547亿元 年初至今涨幅5.51% [2] - 长江证券总市值455亿元 年初至今涨幅23.40% [2] - 太平洋总市值286亿元 年初至今微跌1.41% [2] - 中信证券总市值4153亿元 为板块内市值最大公司 但年初至今下跌3.10% [2] 券商行业重大资本运作动态 - 中金公司公告 鉴于重组相关事项存在重大不确定性 公司股票将继续停牌 [1] - 信达证券同日公告 公司正在筹划重大资产重组 A股股票将继续停牌 [1]

公司公告核心内容 - 中泰证券（上海）资产管理有限公司发布公告，调整旗下部分基金对停牌股票“思瑞浦”（688536）的估值方法 [1] - 调整自2025年12月3日起生效，对相关股票采用“指数收益法”进行估值 [1] - 此次调整旨在更好地维护基金份额持有人的利益，并与基金托管人协商一致 [1] 估值调整具体安排 - 估值调整依据为《中国证监会关于证券投资基金估值业务的指导意见》及中国证券投资基金业协会的相关通知 [1] - 待“思瑞浦”股票复牌且交易体现活跃市场特征后，将恢复采用当日收盘价估值 [1] - 恢复按市价估值时将不再另行公告 [1]

市场表现与资金动向 - 市场放量反弹，三大指数午后拉升，沪指涨0.7%收报3902.81点，深成指涨1.08%收报13147.68点，创业板指涨1.36%收报3109.30点 [1] - 市场全天成交额达1.7万亿元，较上个交易日放量超千亿，两市上涨个股超4300只，共79股涨停 [1] - 主力资金重点抢筹通信设备、电网设备、光学光电子等板块，主力净流入居前的个股包括实达集团、永鼎股份等 [2] 大金融板块动态 - 午后大金融板块强势反弹，保险、券商板块领涨，中银证券涨停，中国平安涨超5% [1] - 摩根士丹利将中国平安加入重点关注名单并仍列为首选，将其A股目标价从70元/股上调至85元/股，H股目标价从70港元/股上调至89港元/股 [1] 商业航天板块动态 - 商业航天板块表现强势，航天动力、超捷股份、航天机电、西部材料等多股涨停 [1] - 东吴证券表示，大运力、低成本、高可靠的可回收火箭迫在眉睫，2025年底开始一批新型号商业火箭将按计划发射，可复用火箭若实现回收有望助力国内低轨卫星星座组网加速落地 [1] 区域发展规划 - 福建省正会同省直有关部门抓紧谋划“十五五”期间海上福建建设重大思路和举措，持续推动福建海洋经济做大做强 [3] - 武汉审议通过五年行动方案，力争到2030年经济总量突破3万亿元，基本建成全国经济中心，全社会研发经费支出占地区生产总值比重达到4.3%，规模以上高新技术企业突破5000家 [4] 光伏行业动态 - 在行业自律等因素影响下，中国光伏产业链硅料、硅片、组件等多个环节12月份排产计划环比下降 [5] - 业内人士认为排产下降与终端需求不足有关，随着“反内卷”效果显现，2026年光伏行业价格将逐渐回升 [5] 机构后市研判 - 中泰证券认为未来一段时间指数大概率维持震荡格局，春节前机器人与券商将是行情主线，中央经济工作会议的政策预期博弈可能带来消费、地产等高弹性板块的阶段性交易机会 [6] - 东方证券认为短期市场疲弱格局依旧，但股指回落空间有限，建议投资者择机吸纳科技股 [7] - 光大证券认为指数缩量探底回升后有望迎来反弹，建议关注磷化工概念，因2025第二届磷锂产业高质量发展大会将于12月5日至7日在贵阳召开 [8][9]