量化模型与构建方式 1. **模型名称：行业拥挤度监测模型**[3] * **模型构建思路**：通过构建一个量化模型，对申万一级行业指数的拥挤度进行每日监测，以识别市场情绪过热或过冷的行业[3]。 * **模型具体构建过程**：报告未详细说明该模型的具体构建步骤、所使用的指标或计算公式。 2. **模型名称：溢价率 Z-score 模型**[4] * **模型构建思路**：通过计算ETF溢价率的Z-score值，来识别当前溢价率相对于其历史水平的偏离程度，从而筛选出存在潜在套利机会或回调风险的ETF产品[4]。 * **模型具体构建过程**：报告未详细说明该模型的具体构建步骤，但提及了核心指标为“溢价率 Z-score”。通常，此类模型的构建过程可能包含以下步骤： 1. 计算ETF的日度溢价率：$$溢价率 = (ETF市价 - IOPV) / IOPV \times 100\%$$ 其中，IOPV为基金份额参考净值。 2. 选取一个滚动时间窗口（例如过去60个交易日），计算该窗口内溢价率的均值($$\mu$$)和标准差($$\sigma$$)。 3. 计算当前溢价率的Z-score值：$$Z_t = \frac{PremiumRate_t - \mu}{\sigma}$$ 其中，$$PremiumRate_t$$为当前交易日的溢价率。 4. 设定阈值（如Z-score > 2或 < -2），当Z-score超过阈值时，生成相应的关注或警示信号。 量化因子与构建方式 1. **因子名称：行业拥挤度**[3] * **因子构建思路**：综合多个市场维度（如交易活跃度、价格动量、估值水平等）来度量一个行业是否处于交易过度拥挤的状态[3]。 * **因子具体构建过程**：报告未详细说明该因子的具体构建方法、合成指标或计算公式。仅展示了最终结果（热力图）[9]。 2. **因子名称：主力资金净流入额**[3][10] * **因子构建思路**：跟踪大额资金（主力资金）在行业层面的净流入或净流出情况，以判断资金的动向和偏好[3]。 * **因子具体构建过程**：报告直接使用了Wind等数据提供商计算的主力资金净流入额数据，未说明其具体算法。通常，该因子基于逐笔成交数据，通过识别大单买卖来估算主力资金的流向[10]。 3. **因子名称：ETF资金净流入**[5][6] * **因子构建思路**：跟踪资金流入或流出特定ETF产品的规模，反映市场对相关板块或风格的态度[5]。 * **因子具体构建过程**：报告直接引用了ETF的日度资金净流入数据。该数据通常基于ETF的份额变动和单位净值计算得出：$$日资金净流入 = (当日总份额 - 前一日总份额) \times 当日单位净值$$[6]。 4. **因子名称：IOPV溢价率**[6] * **因子构建思路**：衡量ETF交易价格与其实时净值（IOPV）之间的偏离百分比，溢价率为正表示交易价格高于净值，可能存在高估或套利机会[6]。 * **因子具体构建过程**：报告直接引用了IOPV溢价率数据。其计算公式为：$$IOPV溢价率 = \frac{ETF市价 - IOPV}{IOPV} \times 100\%$$[6]。 模型的回测效果 （报告中未提供任何量化模型的回测效果指标，如年化收益率、夏普比率、最大回撤、信息比率IR等。） 因子的回测效果 （报告中未提供任何量化因子的回测效果指标，如IC值、IR、多空收益、分组收益等。仅展示了因子在特定时点的截面数据或时间序列数据。）

拉尼娜状态的定义与当前判定 - 拉尼娜是指赤道中东太平洋海表温度大范围持续异常偏冷的现象 其技术判定标准为NINO3.4指数3个月滑动平均值小于等于－0.5℃ 此时进入拉尼娜状态 [2] - 当拉尼娜状态持续时间大于等于5个月 则判定为一次拉尼娜事件 “双重拉尼娜”指连续两个冬季均出现拉尼娜事件 而非同一年内发生两次 [2] - 当前监测显示拉尼娜状态仍在持续 预计将延续至2026年初 但总持续时长不满5个月 因此发展为拉尼娜事件的可能性相对较低 今年冬季出现双重拉尼娜事件的概率较小 [2] 拉尼娜对我国气候的历史与潜在影响 - 发生拉尼娜事件的冬季 有利于引导北方冷空气南下 加强东亚冬季风 导致我国中东部地区气温偏低 [3] - 受全球变暖等因素影响 本世纪以来拉尼娜背景下我国冬季也频繁出现偏暖甚至暖冬的情况 如2020至2021年冬季 [3] - 拉尼娜事件会抑制水汽向我国南方地区输送 导致降水持续偏少 容易引发冬春连旱 [3] - 在拉尼娜事件次年夏季 我国北方地区降水可能偏多 而长江流域降水偏少 容易发生高温干旱 [3] - 较之厄尔尼诺 拉尼娜年份西北太平洋和南海台风的生成位置总体偏北、偏西 也更容易在我国沿海地区登陆 [3] 对今冬气候趋势的预测与行业应对建议 - 综合判断 我国今年冬季气温接近常年同期到偏暖为主 但阶段性变化特征明显 冷暖起伏大 全国降水总体偏少 空间上呈“北多南少”分布 [4] - 北方地区如东北、华北、内蒙古、新疆等地冬季可能出现阶段性大风、强降温和强降雪天气 需警惕对设施农业、畜牧业造成的冻害、雪灾及大风影响 [4] - 供暖能源需求预计将高于历史同期 可能出现阶段性峰值 建议能源行业提前做好能源调配、物资储备及应急准备工作 [4] - 北方和西南部分地区可能发生阶段性低温和雨雪冰冻天气 将对输电线路、能源供给、交通运输等行业带来较大影响 阶段性低温也易导致经济林果等遭受冻害 [4] - 华东南部、华中东部及华南东部等地冬春季气温偏高、降水偏少 存在冬春连旱风险 建议加强水资源调度管理与农田水利建设 做好蓄水保水和防旱抗旱准备 这些地区森林火险等级也较高 应加强火源监测管控 [4]

太平洋投资管理公司（PIMCO）为新的资产支持融资策略募集70亿美元资金。 ...

量化模型与构建方式 1. **模型名称：行业拥挤度监测模型**[3] * **模型构建思路**：通过构建一个量化模型，对申万一级行业指数的拥挤度进行每日监测，以识别市场热度较高或较低的行业[3]。 * **模型具体构建过程**：报告未详细说明该模型的具体构建步骤、所使用的子因子或计算公式。 2. **模型名称：溢价率 Z-score 模型**[4] * **模型构建思路**：通过计算ETF溢价率的Z-score值，来识别存在潜在套利机会或回调风险的ETF产品[4]。 * **模型具体构建过程**：报告未详细说明该模型的具体构建步骤和计算公式。通常，此类模型会计算ETF的IOPV溢价率相对于其历史均值和标准差的标准化分数（Z-score）。一个可能的构建过程是： 1. 计算ETF在交易日t的IOPV溢价率：$$溢价率_t = (ETF市价_t / IOPV_t - 1) * 100\%$$ 2. 选取过去N个交易日（如60日或120日）的溢价率序列，计算其滚动均值($$\mu_t$$)和滚动标准差($$\sigma_t$$)。 3. 计算交易日t的溢价率Z-score值：$$Z_t = (溢价率_t - \mu_t) / \sigma_t$$ 4. 根据Z-score的阈值（如Z > 2 或 Z < -2）生成交易信号[4]。 量化因子与构建方式 1. **因子名称：行业拥挤度**[3] * **因子构建思路**：综合多个维度指标，衡量某一行业交易过热或过冷的程度[3]。 * **因子具体构建过程**：报告未详细说明该因子的具体构成、各维度指标及其合成方法。 2. **因子名称：主力资金净流入额**[3][10] * **因子构建思路**：衡量大额资金（主力资金）在特定时间段内对某一行业指数的净买入或净卖出金额，反映大资金的动向[3]。 * **因子具体构建过程**：报告直接使用了“主力净流入额”这一数据，未说明其具体计算方式。通常，该数据来源于行情软件，通过统计大单、中单、小单的成交额差值得出。 3. **因子名称：ETF IOPV溢价率**[6][12] * **因子构建思路**：衡量ETF交易价格相对于其实时估算净值(IOPV)的偏离程度，是判断ETF是否存在折溢价套利机会的基础指标[6][12]。 * **因子具体构建过程**：报告直接列出了“IOPV溢价率(%)”数据。其计算公式通常为：$$溢价率 = (ETF市价 / IOPV - 1) * 100\%$$ 模型的回测效果 （报告中未提供任何量化模型的回测效果指标数据，如年化收益率、夏普比率、最大回撤、信息比率(IR)等。） 因子的回测效果 （报告中未提供任何量化因子的回测效果指标数据，如IC值、IR、多空收益等。报告仅展示了因子在特定时点的截面取值或排名情况。） 1. **行业拥挤度因子截面取值（前一交易日）**[3] * 拥挤度水平靠前的行业：通信、军工、建材[3]。 * 拥挤度水平较低的行业：计算机、汽车[3]。 * 拥挤度变动较大的行业：银行、化工、建材[3]。 2. **主力资金净流入额因子截面取值（前一交易日）**[3] * 主力资金流入的行业：军工、商贸零售、食饮[3]。 * 主力资金流出的行业：有色、电子[3]。 3. **主力资金净流入额因子截面取值（近三个交易日）**[3][10] * 主力资金增配的行业：银行、钢铁[3]。 * 主力资金减配的行业：电子、通信[3]。 * 具体数值见图表4（对应文档10中的表格数据）[10]。 4. **ETF IOPV溢价率因子截面取值（数据截止日）**[6][12] * 具体ETF的溢价率数值见图表1（对应文档6中的表格数据）[6]。 * 根据溢价率Z-score模型筛选出的“建议关注”ETF产品列表见图表5（对应文档12中的表格数据）[12]。

二、中国太平洋财产保险股份有限公司云南分公司应按照有关规定及时办理变更及许可证换领事宜。 一、同意中国太平洋财产保险股份有限公司维西支公司营业场所变更为：云南省迪庆州维西县保和镇兰 永村委会云傈世纪城商业综合体1幢E09。 2025年12月12日，迪庆金融监管分局发布批复称，《中国太平洋财产保险股份有限公司云南分公司关于 中国太平洋财产保险股份有限公司维西支公司变更营业场所的请示》（云太保产（2025）73号）收悉。 经审核，现批复如下： ...

中国太保(02601.HK)公告，于2025年1月1日至2025年11月30日期间，中国太平洋保险(集团)股份有限公 司("公司")子公司中国太平洋人寿保险股份有限公司累计原保险保费收入为人民币2503.22亿元，同比增 长9.4%，公司子公司中国太平洋财产保险股份有限公司累计原保险保费收入为人民币1876.82亿元，同 比增长0.3%。 ...

智通财经APP讯，中国太保(02601)公布，于2025年1月1日至2025年11月30日期间，该公司子公司中国太 平洋人寿保险股份有限公司累计原保险保费收入为人民币2503.22亿元，同比增长9.4%，公司子公司中 国太平洋财产保险股份有限公司累计原保险保费收入为人民币1876.82亿元，同比增长0.3%。 ...

中国太保（601601）(02601)公布，于2025年1月1日至2025年11月30日期间，该公司子公司中国太平洋 人寿保险股份有限公司累计原保险保费收入为人民币2503.22亿元，同比增长9.4%，公司子公司中国太 平洋财产保险股份有限公司累计原保险保费收入为人民币1876.82亿元，同比增长0.3%。 ...

格隆汇12月16日丨中国太保(601601.SH)公布，于2025年1月1日至2025年11月30日期间，本公司子公司 中国太平洋人寿保险股份有限公司累计原保险保费收入为人民币2,503.22亿元，同比增长9.4%，本公司 子公司中国太平洋财产保险股份有限公司累计原保险保费收入为人民币1,876.82亿元，同比增长0.3%。 ...

智通财经APP获悉，太平洋证券发布研报称，展望2026年，国际能源署（IEA）预估全球原油市场将面 临显著的供应过剩压力。但观察到OPEC+的增产节奏有所放缓，同时美元处于降息周期，对于大宗品 价格有所支撑，且目前油价已接近过去十年的均价，认为油价有望逐步企稳，甚至出现小幅反弹。 太平洋证券主要观点如下： 2025年行业回顾：化工行业内部分化明显 截至2025年12月12日，上证指数年内上涨16.04%，沪深300指数上涨16.42%，深证成指上涨27.31%；中 信基础化工指数涨幅为32.16%，中信石油石化指数涨幅为6.59%，行业内分化明显。整体而言，基础化 工行业受机器人产业链、AI算力对电子化学材料需求提升等影响，表现明显好于市场；石油石化受油 价中枢下移，景气度承压。 2025年行业回顾：子行业分化明显 截至2025年12月12日，中信一级行业有29个上涨，仅2个下跌。石油石化年初至今涨幅为6.59%，基础 化工上涨32.16%。化工行业39个中信三级子行业中，38个上涨，1个下跌（去年同期26个上涨，13个下 跌）。其中涨幅居前的为钾肥（+85.87%）、无机盐（+81.78%）、改性塑料（+7 ...