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流程，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未来收益进行预测[11] 2. **风险控制**：在组合优化过程中施加多种约束条件以控制风险[11] 3. **组合优化**：采用组合优化模型，在满足风险约束的条件下最大化预期收益或因子暴露，以得到最终的投资组合权重[11] 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，采用组合优化的方式，在控制行业、风格等暴露的前提下，构建最大化该单因子暴露的投资组合（Maximized Factor Exposure Portfolio），并通过该组合相对于基准的表现来判断因子有效性[14][39] * **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加权暴露[39] 2. 施加一系列实际投资中的约束条件，包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比、禁止卖空及权重总和为1等[39][40] 3. 具体的组合优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ * **目标函数**：`max f^T w`，其中 `f` 为因子取值向量，`w` 为待求解的股票权重向量，`f^T w` 表示组合在单因子上的加权暴露[39] * **约束条件1**：`s_l ≤ X(w - w_b) ≤ s_h`，限制组合相对于基准指数 (`w_b`) 在风格因子（矩阵 `X`）上的暴露偏离在 `[s_l, s_h]` 范围内[40] * **约束条件2**：`h_l ≤ H(w - w_b) ≤ h_h`，限制组合相对于基准指数的行业偏离（矩阵 `H` 为行业暴露矩阵）在 `[h_l, h_h]` 范围内[40] * **约束条件3**：`w_l ≤ w - w_b ≤ w_h`，限制个股相对于基准指数成分股的权重偏离在 `[w_l, w_h]` 范围内[40] * **约束条件4**：`b_l ≤ B_b w ≤ b_h`，限制组合在基准指数成分股内的权重占比在 `[b_l, b_h]` 范围内，`B_b` 为标识是否为成分股的0-1向量[40] * **约束条件5**：`0 ≤ w ≤ l`，禁止卖空，并限制个股权重上限为 `l`[40] * **约束条件6**：`1^T w = 1`，要求权重和为1，即满仓运作[40] 4. 通常设置个股相对于基准权重的最大偏离幅度为0.5%-1%，以避免持仓过于集中[40] 5. 在回测中，于每月末根据约束条件构建每个单因子的MFE组合，换仓时双边扣除0.3%的交易费用，并计算相对于基准的收益风险指标[43] 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[41] * **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[42] 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构建完整持仓[42] 3. **计算平均持仓**：将所有符合条件基金的持仓股票权重进行平均，得到公募基金的平均持仓信息[42] 4. **筛选成分股**：将平均后的股票权重按从高到低排序，选取累计权重达到90%的股票作为成分股，以此构建公募基金重仓指数[42] 量化因子与构建方式 报告涉及估值、反转、成长、盈利、流动性、波动、公司治理、分析师共8大类30余个因子[15][16]。 1. 估值类因子 * **因子名称**：BP * **因子构建思路**：衡量公司净资产与市场价值的比例，属于价值型因子[16] * **因子具体构建过程**：净资产 / 总市值[16] * **因子名称**：单季EP * **因子构建思路**：使用单季度净利润衡量估值[16] * **因子具体构建过程**：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衡量估值[16] * **因子具体构建过程**：单季度营业收入 / 总市值[16] * **因子名称**：EPTTM * **因子构建思路**：使用滚动净利润衡量估值[16] * **因子具体构建过程**：归母净利润TTM / 总市值[16] * **因子名称**：SPTTM * **因子构建思路**：使用滚动营业收入衡量估值[16] * **因子具体构建过程**：营业收入TTM / 总市值[16] * **因子名称**：EPTTM一年分位点 * **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**：EPTTM在过去一年中的分位点[16] * **因子名称**：股息率 * **因子构建思路**：衡量公司分红回报[16] * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[16] 2. 反转类因子 * **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**：过去20个交易日涨跌幅[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**：过去60个交易日涨跌幅[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混淆[16] * **因子具体构建过程**：近一年除近一月后动量[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**：单季度净利润同比增长率[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**：单季度营业收入同比增长率[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**：单季度营业利润同比增长率[16] * **因子名称**：标准化预期外盈利 (SUE) * **因子构建思路**：衡量实际净利润超出分析师一致预期的程度，并进行标准化处理[16] * **因子具体构建过程**：(单季度实际净利润 - 预期净利润) / 预期净利润标准差[16] * **因子名称**：标准化预期外收入 (SUR) * **因子构建思路**：衡量实际营业收入超出分析师一致预期的程度，并进行标准化处理[16] * **因子具体构建过程**：(单季度实际营业收入 - 预期营业收入) / 预期营业收入标准差[16] * **因子名称**：单季超预期幅度 * **因子构建思路**：直接衡量实际净利润相对于预期净利润的比例[16] * **因子具体构建过程**：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**：衡量单季度净资产收益率[16] * **因子具体构建过程**：单季度归母净利润 * 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**：衡量单季度总资产收益率[16] * **因子具体构建过程**：单季度归母净利润 * 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**：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**：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造成的冲击，反映流动性成本[16] * **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值 / 成交额的均值[16] * **因子名称**：一个月换手 * **因子构建思路**：衡量短期交易活跃度[16] * **因子具体构建过程**：过去20个交易日换手率均值[16] * **因子名称**：三个月换手 * **因子构建思路**：衡量中期交易活跃度[16] * **因子具体构建过程**：过去60个交易日换手率均值[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[16] * **因子具体构建过程**：1 - 过去20个交易日Fama-French三因子回归的拟合度 (R-squared)[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**：过去20个交易日日内真实波幅均值[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**：过去60个交易日日内真实波幅均值[16] 7. 公司治理类因子 * **因子名称**：高管薪酬 * **因子构建思路**：衡量公司高管薪酬水平[16] * **因子具体构建过程**：前三高管报酬总额取对数[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的滚动市盈率倒数[16] * **因子具体构建过程**：一致预期滚动EP[16] * **因子名称**：预期BP * **因子构建思路**：基于分析师一致预期的账面市值比[16] * **因子具体构建过程**：一致预期滚动PB[16] * **因子名称**：预期PEG * **因子构建思路**：结合成长性的估值指标[16] * **因子具体构建过程**：一致预期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环比增长的预期[16] * **因子具体构建过程**：一致预期净利润 / 3个月前一致预期净利润[16] * **因子名称**：3个月盈利上下调 * **因子构建思路**：衡量过去一段时间内分析师对盈利预测的调整方向[16] * **因子具体构建过程**：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**：衡量公司受机构关注的程度[16] * **因子具体构建过程**：过去3个月内机构覆盖数量[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0.73%，本年超额收益19.95%[4][13] * **中证500指数增强组合**：本周超额收益-0.02%，本年超额收益7.36%[4][13] * **中证1000指数增强组合**：本周超额收益-0.31%，本年超额收益15.60%[4][13] * **中证A500指数增强组合**：本周超额收益0.09%，本年超额收益9.62%[4][13] 因子的回测效果 （以下因子表现均为其MFE组合相对于对应基准指数的超额收益） 1. 沪深300样本空间因子表现（最近一周/最近一月/今年以来/历史年化）[18] * **3个月盈利上下调**：0.93% / 2.01% / 9.86% / 5.36% * **标准化预期外盈利**：0.92% / 1.89% / 10.65% / 4.13% * **单季净利同比增速**：0.78% / 0.55% / 13.29% / 3.88% * **一年动量**：0.76% / 1.11% / 1.86% / 2.58% * **预期PEG**：0.72% / 1.07% / 10.69% / 3.60% * **单季营利同比增速**：0.71% / 0.46% / 12.89% / 3.47% * **单季ROE**：0.70% / 2.75% / 20.54% / 5.22% * **DELTAROE**：0.70% / 1.24% / 15.95% / 4.45% * **预期净利润环比**：0.64% / 0.62% / 4.71% / 1.59% * **单季ROA**：0.59% / 2.02% / 14.02% / 3.99% * **单季超预期幅度**：0.59% / 0.65% / 9.49% / 3.91% * **DELTAROA**：0.55% / 0.63% / 13.79% / 4.80% * **标准化预期外收入**：0.33% / 1.16% / 11.21% / 4.77% * **单季EP**：0.27% / 0.32% / 7.92% / 5.27% * **非流动性冲击**：0.25% / 0.12% / -1.49% / 0.32% * **单季营收同比增速**：0.20% / 0.05% / 18.08% / 4.67% * **三个月反转**：0.14% / -0.03% / 0.61% / 0.37% * **三个月换手**：0.12% / 0.26% / -4.78% / 2.37% * **预期EPTTM**：0.12% / 0.09% / 7.17% / 3.87% * **EPTTM一年分位点**：0.08% / -0.54% / 4.63% / 2.42% * **一个月反转**：0.06% / -0.24% / -1.08% / -0.37% * **一个月换手**：-0.01% / -0.24% / -5.27% / 1.34% * **一个月波动**：-0.07% / 0.11% / -1.15% / 1.02% * **特异度**：-0.11% / 0.06% / 2.15% / 0.15% * **EPTTM**：-0.12% / -0.08% / 6.19% / 4.34% * **单季SP**：-0.17% / -0.01% / -0.68% / 2.93% * **SPTTM**：-0.19% / 0.00% / -1.13% / 2.15% * **三个月波动**：-0.21% / -0.02% / -2.41% / 1.83% * **三个月机构覆盖**：-0.22% / 1.08% / 10.93% / 3.05% * **BP**：-0.32% / -0.48% / -1.63% / 2.70% *

券商股东减持概况 - 近期多家券商股东或高管披露减持计划，包括国信证券、东方财富、方正证券、国盛证券等 [1] - 国信证券股东华润信托与一汽投资计划合计减持不超过7400万股，占公司总股本不超过0.72% [1] - 东方财富三名高管计划合计减持不超过335万股，占公司总股本约0.022% [4] - 国盛证券相关股东计划减持不超过5452.56万股，占公司总股本约2.82% [4] - 方正证券股东中国信达计划减持不超过8232.1014万股，占公司总股本1.00% [5] 减持原因分析 - 减持原因普遍被解释为股东自身的资产配置调整、补充经营发展资金、偿还借款、缴纳税款等短期需求 [1][2][4] - 临近年底，企业面临结算、偿债、补充流动资金等需求，变现流动性较好的金融资产是高效手段 [1][3] - 券商股具有高Beta属性，在股价阶段性高位减持是原始股东或战略投资者兑现收益的窗口 [3] - 受访人士指出，短期少量减持更多源于短期资产配置需求，并不代表股东不看好公司发展 [1][3][6] 相关公司市场表现 - 截至12月10日，国信证券年内股价涨幅达19.47%，在申万证券公司涨幅榜中排名第11 [2] - 国盛证券年内股价涨幅超过33% [6] - 方正证券与东方财富年内股价分别下跌4.62%和9.53% [6] - 券商板块三季度业绩受益于资本市场良好表现，归母净利润上涨 [6] 行业政策利好 - 监管层明确表态将对优质机构适当“松绑”，进一步优化风控指标，适度打开资本空间和杠杆限制 [1][7] - 该政策被视为积极信号，有助于优质券商补充资本、发展融资融券、衍生品交易等资本密集型业务 [7] - 政策有助于降低优质券商的业务资本消耗和经营成本，允许适度提高杠杆倍数以扩大业务规模、提升盈利能力 [7] - 政策有望增加市场资金供给、提升流动性、增强定价效率并提振市场信心 [8][9] 行业前景与机构观点 - 政策为券商行业适度加杠杆打开空间，两融、自营、国际及衍生品业务有望直接受益，提升盈利能力和ROE [10] - “稳增长、稳股市”、“提振资本市场”的政策目标将持续定调板块走向，流动性宽松、市场环境优化等多因素推动行业景气度上行 [10] - 财富管理转型、国际化业务拓展、金融科技赋能有望成为行业提升ROE的驱动力 [11] - 当前板块估值处于历史低位，可关注综合实力强劲的头部券商及在特定业务领域具备差异化优势的券商 [11]

报告行业投资评级 未提及 报告的核心观点 - 过去一周生猪现货震荡略有反弹，期货先涨后落，基差继续偏低位震荡，LH01较低价交割区仍升水600元左右 [7] - 从仔猪出生数量看，到明年4月生猪供应呈稳定增加趋势，后期将压制猪价上方空间 [7] - 12月以来规模场出栏增量有限，散户及二育猪出栏积极性增加，匹配消费季节性增长 [7] - 二育栏舍利用率下降但仍略高于上年同期，行业出栏均重拐头，肥标猪价差偏弱，季节性降均重将继续推进 [7] - 离农历过年较远拉长旺季窗口，降低供应压力集中释放风险，预计春节前现货延续偏震荡运行趋势，春节后淡季压力较大 [7] - 样本数据显示能繁母猪存栏下滑，有利于支撑远端合约价格重心 [7] - 操作上近端震荡对待，远端宽幅震荡思路下把握逢低波段做多机会 [7] 根据相关目录分别进行总结 周度分析与展望 - 生猪供应和消费情况影响猪价走势，春节前后猪价趋势不同，操作策略分近端和远端 [7] 中央储备冻猪肉操作 - 价格过度下跌时，国家层面三级预警暂不启动临时储备收储，二级预警视情启动，一级预警启动；地方参照执行 [66] - 价格过度上涨时，市场周期性波动下二级预警启动储备投放，一级预警加大投放力度；特殊情形一级预警后重点时段集中投放；各省份自行确定投放启动条件，原则上不高于中央 [66]

公司人事任命 - 国信证券董事会于12月9日审议通过议案，同意推荐顾湘晴担任万和证券总经理人选 [2] 高管背景信息 - 顾湘晴为国信证券老员工，供职已超过20年 [3] - 其职业轨迹包括：2014年获批成为国信证券四川第二分公司负责人，后担任四川分公司总经理；2020年左右回到总部，历任机构事业部副总裁、资产托管部总经理 [3] 股权与控制权变更 - 证监会于8月21日发布批复，核准国信证券成为万和证券主要股东 [3] - 证监会同时核准深圳市投资控股有限公司成为万和证券实际控制人 [3]

2025年三季度及近期财务表现 - 2025年前三季度公司实现营业收入4.61亿元，同比下降11.29% [1] - 2025年前三季度归属于上市公司股东的净利润为-159.79万元，同比下降109.10% [1] - 2025年前三季度归属于上市公司股东的扣除非经常性损益的净利润为-1495.79万元，同比下降6269.25% [1] - 2025年前三季度经营活动产生的现金流量净额为1335.35万元，同比增长123.26% [1] - 2025年第三季度单季营业收入为1.76亿元，同比下降5.52% [2] - 2025年第三季度单季归属于上市公司股东的净利润为63.17万元，同比增长107.50% [2] - 2025年第三季度单季扣除非经常性损益的净利润为-203.52万元，同比增长71.43% [2] 2024年全年财务表现 - 2024年公司实现营业收入7.20亿元，同比下降18.58% [2] - 2024年归属于上市公司股东的净利润为-1288.76万元，同比下降112.60% [2] - 2024年扣除非经常性损益后归属于上市公司股东的净利润为-3716.07万元，同比下降151.37% [2] - 2024年经营活动产生的现金流量净额为-1125.66万元，同比下降106.23% [2] 公司上市与历史募资情况 - 公司于2020年11月12日在深交所创业板上市，发行数量3000万股，发行价格24.87元/股 [3] - 上市首日盘中最高价报83.60元，为上市以来最高价 [4] - 首次公开发行股票募集资金总额7.46亿元，扣除发行费用后募集资金净额6.96亿元 [4] - 最终募集资金净额较原计划多1920.27万元，原计划募集6.77亿元用于制造中心升级与产能扩建等项目 [4] - 首次公开发行股票的发行费用为4979.59万元，其中保荐承销费用3930.50万元 [5] 历史利润分配方案 - 2021年5月19日公告，拟每10股转增5股并派息（税前）2元，股权登记日为2021年5月25日 [5] - 2022年5月24日公告，拟每10股转增4股并派息（税前）2元，股权登记日为2021年5月30日 [5]

行业监管动态 - 近期《基金管理公司绩效考核管理指引（征求意见稿）》面向行业征求意见，旨在改革公募基金绩效管理，标志着“业绩为王”时代的到来 [1][6] - 指引核心要求基金公司根据基金产品中长期业绩和投资者盈亏情况，审慎确定分红频率与比例，对于过去三年业绩不佳、投资者亏损较大的公司，应适当降低分红 [1][6] - 该改革对行业影响深远，近千名基金经理可能面临“降薪” [1][6] 鹏华基金分红情况分析 - 2024年，鹏华基金营业收入35.94亿元，净利润7.51亿元，向股东分红总额4.62亿元，分红率达61.52% [1][6] - 近十年（2015-2024），鹏华基金累计净利润69.52亿元，累计向股东分红34.01亿元，平均分红率为48.92% [1][2][7] - 近十年分红率在头部基金公司中排名第三，仅次于景顺长城和汇添富，且有4年分红率超过60%，其中2016年高达80% [2][7] - 2022年至2024年，鹏华基金连续三年分红率超过60%，在头部公司中较为少见，三年累计分红16.8亿元，其股东国信证券（持股50%）累计获得分红8.4亿元 [3][8] 鹏华基金经营与业绩表现 - 非货币基金规模从2022年三季度末的4614.58亿元增长至2025年9月30日的5370.53亿元，但行业排名从第10位下降至第12位 [4][8] - 2022至2024年完整三年期间，旗下244只基金产品中，126只产品回报为负，占比51.64%；155只产品跑输业绩基准，占比63.52%；76只产品跑输基准超过10%，占比31.15% [4][5][8][9] - 从2022年12月1日至2025年11月30日，旗下265只产品中，40只产品亏损，占比15.09%；144只产品跑输基准，占比54.34%；54只产品跑输基准超过10%，占比20.38% [4][5][8][9] - 2022至2024年期间，产品净利润合计为-68亿元，而在2022年12月1日至2025年11月30日期间，产品净利润合计为1亿元 [5][9] 市场观点与潜在影响 - 市场人士认为，基金公司过高的分红率不利于其资本积累和风险防范，会削弱公司在创新、扩张和应对风险方面的能力 [5][9] - 指出基金公司股东未能履行长期资本、耐心资本的责任，在市场低迷、基民收益不理想时期进行高比例分红，损害了基金投资者的体验 [5][9]

责任编辑：何俊熹 来源：川商传媒 来源：川商传媒 责任编辑：何俊熹 ...

报告核心观点 - 中央经济工作会议的政策主线已从短期托底转向以科技创新为核心的中长期高质量发展 新质生产力成为贯穿近年会议的灵魂主线 当前会议聚焦的AI、能源革命等方向有望成为引领未来市场的重要投资主线 [3][5] - 产业政策是驱动A股结构性行情的核心引擎 回顾历史 由五年蓝图和产业政策驱动的“科技飞跃”路径清晰 科技成长板块市值占比已确立市场主导地位 本次会议将科技创新驱动放在重点任务中 科创成长有望在“十五五”开局年受益 [8][11] - A股的复苏是由新经济拉动的结构性复苏 “新旧动能切换”已先于基本面体现 随着“反内卷”政策推进和价格传导机制趋于顺畅 企业定价权与盈利能力正在系统性重估 2026年应关注科技轮动与价格改善方向 如AI下游应用层、精细化工等 [13] 近年经济工作会议复盘和主线梳理 - **政策总基调渐进升级**：从2022年应对“三重压力”的“稳增长、稳就业、稳物价” 到2023年“以进促稳、先立后破”的主动结构调整 再到2024年“进中求好”侧重发展质量 2025年则强调“稳中求进、提质增效” 发挥存量与增量政策集成效应 [4] - **宏观政策趋于精细化和结构化**：财政政策从侧重力度到侧重效率 2025年提出继续实施更加积极的财政政策并重视解决地方财政困难 货币政策从“精准有力”到“灵活适度、精准有效” 2025年提出继续实施适度宽松的货币政策 重点在于结构性工具运用和对“新质生产力”等领域的支持 [5] - **产业发展动能迭代深化**：新质生产力成为灵魂主线 2023年概念提出 2024年要求大力发展战略性新兴产业和未来产业 2025年则围绕发展新质生产力 推动科技创新和产业创新深度融合 进入具体行动和产业布局深化阶段 [5] - **房地产政策转向长效机制**：政策主线从2022年“保交楼、保稳定” 到2023年“积极稳妥化解风险” 再到2024年“加快构建房地产发展新模式” 2025年着力稳定市场 首提深化住房公积金制度改革和有序推动“好房子”建设 标志调控思路彻底转向供给侧结构性优化 [6] 从产业政策到驱动行情 - **产业政策引领历史牛市主线**：回顾三轮牛市 2005-2007年“煤飞色舞”周期 金融地产上涨超过840% 有色上涨超1200% 2013-2015年“移动互联”浪潮 计算机、传媒分别上涨7倍、6倍以上 高于全A 273%的涨幅 2019-2021年“能源革命”背景下 新能源指数上涨297% [11] - **本次会议明确科技创新为投资主线**：2025年中央经济工作会议将“坚持创新驱动 加紧培育壮大新动能”作为第二项重点任务 具体包括制定一体推进教育科技人才发展方案 建设国际科技创新中心 实施新一轮重点产业链高质量发展行动 深化拓展“人工智能+” 完善人工智能治理 创新科技金融服务 [11] - **“反内卷”政策助力盈利改善与ROE反弹**：重点任务提及制定全国统一大市场建设条例 深入整治“内卷式”竞争 当前企业盈利改善集中在TMT等高景气方向及有色、化工等受益于反内卷政策的领域 随着价格传导机制趋于顺畅 行业竞争转向追求合理利润空间 企业定价权与盈利能力正在系统性重估 夯实了ROE反弹的可持续性 [13]

核心观点 - AI已成为投研效率的革命性工具，能够快速解析海量信息并辅助决策，但无法独立创造超额收益，其核心障碍在于对历史数据的依赖和前瞻预判的鸿沟 [2] - AI在投研中的合理定位是“超级副驾驶”，旨在提升人类分析师的效率，而非替代人类决策，“人机结合”是应对模型风险和监管要求的必然模式 [2][3] - AI存在三大局限：历史依赖与前瞻预判的鸿沟、模型幻觉与过拟合风险、“黑盒”决策与策略同质化风险，这些局限决定了人类必须作为架构师、校验者和最终责任主体 [4][8][10] - AI本质是模式复现者而非意义创造者，容易陷入“解决方案主义”陷阱，并无法进行范式转换级别的创造性洞察，真正的智能投研是让AI承担效率工作，解放人类进行意义创造 [12][14][17] AI赋能投研：效率革命与“副驾驶”定位 - 以Citadel为代表的机构将AI定位为投资经理的“超级副驾驶”，核心在于实现极速信息处理与自动化分析支持，正在实现从“算力平权”到“投研平权”的跨越 [3] - AI通过深度处理非结构化数据提升宏观与政策分析效率，例如，借助大模型可对央行政策文本进行自动化处理，生成连续、可比的政策力度指数，改变传统人工解读模式 [3] - 在资产配置中，AI能快速解析海量结构化与非结构化数据，挖掘市场波动规律及资产间隐含关联性，辅助构建量化模型并优化风险平价权重，其策略回测能力可模拟多场景下的组合表现 [3] AI的局限一：历史依赖与前瞻预判的鸿沟 - AI基于历史数据训练，擅长总结过去，但难以预判缺乏历史先例的未来结构性拐点，这是其生成超额收益的核心障碍 [2][4] - Citadel创始人Ken Griffin指出，生成式AI无法帮助对冲基金产生超越市场的回报，因为投资优势在于预测未知未来，而AI只能学习过去已知信息 [4] - 在处理如黄金、部分国债等价格走势“非收敛”的资产时，AI可能错误地将动量驱动行情识别为均值回归拐点，从而做出误判，必须为其引入前瞻性数据或动量因子以弥补缺陷 [7][8] AI的局限二：模型幻觉、过拟合与数据异化风险 - AI幻觉是大型语言模型因缺乏真实认知与因果推理能力，而产生的与事实不符的内容，在投研中表现为“事实捏造”、“逻辑飞跃”和“情感误导”三种高风险形式 [8][9] - 过度依赖有限历史模式的AI可能“过拟合”，完美拟合历史数据却在真实市场中表现僵化，将局部噪声误认为普适真理 [9] - 数据异化风险指模型训练所依赖的“数据地基”发生改变，如宏观统计口径调整、行业分类重构，导致AI基于旧知识解答新问题，产生系统性偏差 [9] AI的局限三：“黑盒”决策、同质化与监管合规冲突 - AI的“黑箱”决策特性与金融监管要求的透明度、可解释性直接冲突，使得完全依赖AI的决策在面临合规审查时存在巨大压力 [10] - 策略同质化可能引发共振风险，当市场参与者广泛采用相似的AI模型时，其交易信号会高度趋同，在市场压力时期可能急剧放大波动，形成程序化踩踏 [11] - 模型在极端市场下可能集体失效，例如2018年“波动率末日”事件中，同质化的量化策略基于相同历史规则被同时触发大规模卖出，反而加剧了市场下跌 [11] 总结：AI“解决方案主义”陷阱与创造性洞察的缺失 - AI本质是模式复现者而非意义创造者，其强项在于规则清晰、目标明确的问题域内进行优化，但顶级投资本质是定义问题和发现新范式 [12] - 在投研中，AI可能被误用于处理模糊地带问题，例如强行将复杂的洞察需求压缩成可处理的结构化数据筛选问题，导致“衡量了容易衡量的，却错过了真正重要的” [12][13] - AI无法进行颠覆现有认知框架的“范式转换”级别创造性洞察，它无法想象从未见过的数据模式，只能在事后当新范式成为海量数据后对其进行学习和优化 [14] 人类的角色——架构师、校验者与最终的责任主体 - 人类角色已演进为框架架构师与范式定义者，为AI投喂经过验证的研究框架和逻辑 [18] - 人类是关键输出校验者与风险兜底者，对AI的结论进行逻辑审查、防止“幻觉”，并在模型可能失效的极端市场环境下进行干预 [18] - 人类是合规与伦理的最终责任主体，确保整个决策过程可解释、可审计，并为最终结果承担法律与道德责任 [18] - 未来的投研范式将是人类洞察驾驭AI算力的深度协同，AI是卓越的“副驾驶”，但穿越市场不确定性仍需人类承担最终且不可替代的决策职责 [21]

文章核心观点 - 国信证券认为，在2026年大众消费品板块中，应顺应新消费趋势，挖掘供给升级带来的结构性投资机会，并提出了五条具体的投资主线 [1] 2025年行业回顾 - 2025年前三季度中国城镇居民人均可支配收入同比增速为4.4%，增幅放缓，消费信心未明显修复 [2] - 2025年食品饮料板块表现弱势，年初以来板块下跌5.3%，跑输沪深300指数19.4个百分点 [2] - 子板块中，软饮料行业维持相对较高景气度，零食行业呈现分化，量贩零食龙头继续开店、魔芋零食放量成为局部亮点 [2] 2026年行业展望与趋势 - 在需求总量温和复苏的假设下，大众品板块仍将呈现结构性机会 [3] - 渠道端呈现细分化、专业化、高效化、差异化的长期趋势，传统线下零售业态的调改范围在扩大 [3] - 即时零售正加速消费习惯培育，大众品企业需调整优化渠道体系，提升渠道覆盖与适配能力 [3] - 预计大众消费将从极致比价回归到追求平价高质，消费者对“质”的评判维度更加多元，包括便捷性、健康程度、情绪体验等附加价值 [3] - 相较于前两年，供给侧将迎来更宽阔的产品/服务创新空间 [3] 2026年投资主线 - 产品及服务的高质价比改造：包括传统线下门店业态的提质与折扣化改造，以及厂商推出品质更优或能彰显个性、提升情绪价值的差异化产品 [1] - 渗透率持续提升的高景气品种：具备健康属性的品种可在长期持续替代相近品类 [1] - 前期受损较重行业的预期反转：包括酒水、餐饮行业及牧业 [1] - 个股逻辑主导下业绩确定性较强的标的 [1] - 高股息或高综合股东回报标的 [1]