行业投资评级 - 通信行业投资评级为“优于大市”，且维持该评级 [1] 报告核心观点 - AI军备竞赛进入2.0时代，智算中心互联技术快速迭代，各大科技公司持续加大智算中心投入 [2] - 云服务提供商（CSP）加速自研ASIC芯片和算力集群，探索适应自身AI发展的数据中心架构 [3] - 硅光模块凭借低成本、低功耗、高集成度优势，受益于AIGC驱动的数据中心互联需求，市场前景广阔 [4] - 光通信市场快速增长，CPO/OCS/OIO/DCI等新技术未来可期，800G及1.6T光模块需求旺盛 [5] AI数据中心互联发展趋势 - AI推理的token消耗量呈现爆发式增长，从单次交互转向任务链条式累积，Google的token用量从5月的月均480e增加到7月的980e [11] - 海外头部CSP厂商持续上调资本开支指引，预计2025年亚马逊、谷歌、微软、Meta四家厂商合计Capex增至3610亿美元，同比增幅超58% [2][20] - 英伟达拉动了数据中心网络架构快速升级，其GB200集群中GPU与800G光模块的需求比例达到1:2.5，GH200集群内该比例达1:9 [27] - CSP厂商加速自研ASIC芯片，如Google的TPU v6、AWS的Trainium、Meta的MTIA，带动数通需求，台企AI ODM厂商2025年6月营收合计5823亿新台币，同比增长88% [32] - 国内CSP厂商如腾讯、阿里、字节等也根据自身需求设计数据中心架构，立讯等厂商积极参与互联方案设计 [3][39][41][43][45] 光模块/硅光模块的发展 - 硅光模块将激光器、调制器、探测器等光子芯片集成在硅光芯片上，相比传统光模块具有高集成度、低成本、低功耗优势，成本降低约20%，功耗降低近40% [4][74][82] - 根据Yole预测，硅光模块2029年市场规模将达到103亿美元，过去5年复合年增长率达45%，销量近1800万只 [4] - 光模块技术迭代加速，从800G向1.6T/3.2T迈进，报告测算明年全球800G光模块有望达4000万只，1.6T光模块有望超过700万只 [5][76] - 硅光模块产业链全球以英特尔为龙头，中国已形成全产业链布局，包括中际旭创、新易盛、光迅科技等企业 [86][87] - 光模块行业格局呈现“东升西落”趋势，2024年全球光模块厂TOP 10中中国占据7个席位，技术迭代周期缩短至约2年 [92][93] 光通信前沿技术发展 - 光电共封装（CPO）是确定性技术方向，根据Lightcounting预测，其2029年渗透率有望达到50% [5][96] - 谷歌引领OCS全光交换技术发展，自TPU V4开始独创OCS架构，根据CignalAI预测，OCS市场规模有望超过16亿美元 [3][5][101] - 高密度光连接器由MPO向MMC发展，MMC-16每1RU可容纳3456根光纤，约为MPO-16的3倍 [106][109] - PCIe Switch是解耦利器，逐步成为交换芯片主流，根据ABI预测，其市场规模有望达50亿美元 [5][116] - OIO技术实现算力芯片间的光互联，MicroLED可能是新光源；DCI技术亟待升级，空芯光纤传输时延相比现有系统可降低30% [119][125][128]

行业投资评级 - 维持行业“优于大市”评级 [4] 核心观点 - 市场持续活跃、两融余额增长、主要股指持续上行等因素将驱动券商估值与盈利双击 [4] - 2025年前三季度上市券商营收和归母净利润实现高增长，营收达4,214.16亿元，同比+42.57%，归母净利润达1,692.91亿元，同比+62.48% [1] - 业绩增长主因是权益市场稳步向上、资本市场政策落地带动交易活跃、以及股权融资业务压力缓解 [1] - 金融投资资产是证券公司规模占比最大、收入贡献最大的资产类别，截至2025年三季度末规模为69,918亿元，占总资产比重47% [2] - 证券公司增配权益资产仍有空间，受益于政策支持、市场景气度持续及风控指标优化 [3] 收入结构与业绩表现 - 各类主营业务收入均同比上涨，经纪与自营业务为核心驱动力 [13] - 分部业务收入及占比：经纪收入1,117.77亿元（占比26.5%）、投行收入251.51亿元（占比6.0%）、资管收入332.51亿元（占比7.9%）、利息净收入342.87亿元（占比8.1%）、投资收益1,870.38亿元（占比44.4%） [13] - 截至2025年前三季度，43家上市券商总资产14.92万亿元，较2024年末增加2.67万亿元，同比+21.74%；净资产2.85万亿元，较2024年末增加3318亿元，同比+13.16% [19] - 2025年前三季度ROE（加权）均值为5.55%，较去年同期提升1.99个百分点 [23] - 财务杠杆率为3.97倍，较2024年末增加0.03倍 [26] 重资产业务 - 自营业务实现高增，2025年前三季度42家上市券商自营业务收入1,868.57亿元，同比+43.8% [30] - OCI权益投资占比持续提升，截至2025年9月末规模为6,251亿元，在金融资产中占比8.9% [2][32] - 2025年三季度末，42家上市券商权益投资自营权益类证券及证券衍生品规模为84.75万亿元，较2024年末增加32.6%；自营固定收益类证券及证券衍生品规模为813.98万亿元，较2024年末增加14.9% [34] - 2025年前三季度上市券商债权融资规模达10,206.53亿元，其中三季度融资规模5,664亿元，大幅攀升 [40] - 两融业务规模快速增长，截至2025年9月末市场两融余额2.39万亿元，同比+66%；多家券商上调两融业务总规模上限 [48][51] 经纪业务 - 2025年前三季度上市券商经纪业务收入1,117.77亿元，同比+74.64% [52] - 市场交投活跃，2025年三季度A股日均交易额20,919亿元，较去年同期+2.08倍；股基交易额达164.36万亿（单边），同比+31% [52] - 2025年前三季度客户资金存款达2.72万亿元，较2024年同期增幅+23.84% [53] - 行业佣金率持续降低，2025年前三季度测算佣金率为0.0158% [58] - 券商加速金融科技应用，如华泰证券上线“AI涨乐”、国泰海通证券发布“灵犀”App，推动服务向智能化、生态化转型 [59][60] 投行业务 - 2025年前三季度证券市场股权融资规模8,962.98亿元，同比增长3.39倍，其中IPO募集资金773.02亿元（同比+61.49%），再融资规模8,189.96亿元（同比+4.24倍） [61] - 头部券商主承销规模高度集中，前五名券商合计募集资金6,526.48亿元，行业占比73.58% [64] - 券商主承销收入合计49.37亿元，同比提升27% [65] - IPO承销规模前三为：中金公司125.38亿元（同比+2.49倍）、国泰海通108.40亿元（同比+2.58倍）、中信建投106.19亿元（同比+1.43倍） [68] - IPO储备项目达322家，同比+1.24倍，头部券商储备项目显著增加 [73] - 债券承销规模提升，2025年前三季度债券融资规模68.12万亿元，同比+13.43%；头部券商承销规模集中度高 [75][77] 重点公司推荐 - 报告重点推荐业绩布局全面、权益资产仓位提升的龙头券商，如华泰证券、中信证券 [4] - 推荐权益弹性突出、业绩有望释放的高弹性标的，如东方证券 [4] - 推荐经纪与两融市占率持续提升、流量变现能力强的东方财富 [4] - 推荐估值处于相对低位、战略焕新的兴业证券 [4] - 重点公司盈利预测显示，中信证券2025E EPS为2.04元，华泰证券为2.00元，东方证券为0.68元，东方财富为0.80元，兴业证券为0.32元 [5]

"内卷"问题的起源与特征 - PPI和GDP平减指数同时转负的情况在历史上仅出现过三次，本轮低通胀与90年代末最为相似，均处于经济结构转型期的供需失配阶段[2][14] - 企业ROIC从2021年的8.3%降至2025年预计的6.1%，固定资产周转率从2019年的22.3%降至2025年预计的7.4%[18] - 中下游企业利润降幅达1.1个百分点，高于上游的0.7个百分点，电力设备、计算机等行业成为内卷"重灾区"[24] - 2025年9月规上工企应收账款达27.2万亿元，同比增长5.7%，系统性风险正在积累[29] 短期政策应对措施 - 2026年财政赤字率预计维持在3.8%-4.0%的高水平，广义赤字规模超过12万亿元，其中新增专项债4.6万亿元[52] - 货币政策降息幅度预计为10-20BP区间下段，通过结构性工具实现"定向降息"，政策利率下限可能位于1%附近[57][66] - 2026年出口同比增速预计达5.3%，中美经贸关系缓和带来关税减免和进口增加（如2025-2028年每年采购至少2500万吨美国大豆）[45][48] - PPI预计在2026年中脱离持续近4年的负增长区间，实现温和通胀复苏[67][70] 长期改革方向与国际经验 - 通过户籍制度改革释放2.5亿农业转移人口需求潜力，当前户籍人口城镇化率不足50%[74] - 地方政府税收竞争激烈，湖南省宏观税率低至4.0%，较上海市（13.1%）低9.1个百分点[80] - 借鉴美国大萧条后"财政主导+货币配合"模式，以及日本60-70年代产业迭代与内需扩张经验，实现供给与需求再平衡[82][83]

新旧动能转换进程 - 窄口径下新兴产业规模预计2027年超越旧有产业，2024年旧经济增加值约17.5万亿元，新动能增加值约14.3万亿元[20] - 宽口径下新旧产业增加值预计2031年交汇，2024年广义地产链占GDP比重26.8%，战略性新兴产业占13.4%[20] - 本轮转型中商业银行不良贷款率未大幅飙升，相比1998-2002年切换期四大行账面不良率超25%风险控制更有效[25] - 新兴产业直接吸纳就业能力有限，房屋建筑业就业人数1200-2000万远超计算机通信制造业的600万[27] - 未来服务业就业占比将结构性上升以解决就业问题，但过程相对漫长[28][33] 未来优势产业方向 - 出口比较优势分析显示光学器具芯片制造属低水平高上升领域成长潜力大[35][44] - 产业生命周期测度表明软件开发半导体游戏航海装备等领域成为未来产业支柱[56][58] - 半导体集成电路软件开发游戏等产业处于技术突破向商业兑现过渡的关键阶段[60] - 新动能产业过去6个月累计涨幅超40%显示资本偏好与产业升级主线共振[60] - 老动能经过反内卷整合出清后经营质量和盈利韧性将逐步改善市场定价回升[63]

中长期增长目标与路径 - 为实现2035年人均GDP达到中等发达国家水平的目标，设定了“底线目标”和“合意目标”[2] - “底线目标”为未来十年年均实际GDP增速需达到4.2%[2] - “合意目标”为2035年人均GDP达到2.9万美元，国际排名进入前50名，对应未来十年实际GDP复合增速约4.4%[2][20] - “十五五”期间经济增速预计位于4.5%-4.9%区间，2026年内控增长目标大概率在4.8%-5.0%[2][23] - 新增长范式将转向由“动能迭代+温和通胀+汇率升值”共同驱动[1][11][26] 新范式对资产格局的影响 - 新增长范式将推动权益类资产系统性跑赢固收类资产[1][13][32] - 居民资产配置结构将发生趋势性转折，从房地产主导转向以权益类资产为核心[1][13][42] - 2026年“反内卷”见效将带动PPI上行，企业盈利周期触底回升，利率完成筑底[3][49][50] - 上游周期行业将率先修复利润，下游消费与服务行业为第二阶段受益者，最终形成宽基行情[3][52] - 当前A股市盈率处于历史65%分位数附近，估值仍有较大空间[42]

根据提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：国信金工指数增强模型**[11] * **模型构建思路**：以多因子选股为主体，构建对标不同宽基指数的增强组合，力求稳定战胜基准[10] * **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三部分[11] 2. **模型名称：单因子MFE组合模型**[14][39] * **模型构建思路**：采用组合优化的方式，在满足实际投资约束条件（如行业中性、风格中性）下，检验单因子的有效性，认为在此条件下检验“有效”的因子更可能在最终组合中发挥真实的收益预测作用[39] * **模型具体构建过程**：采用如下形式的组合优化模型来构建因子的 MFE 组合： $$ \begin{array}{ll}\max & f^{T}w \\\ s.t. & s_{l}\leq X(w-w_{b})\leq s_{h}\\ & h_{l}\leq H(w-w_{b})\leq h_{h}\\ & w_{l}\leq w-w_{b}\leq w_{h}\\ & b_{l}\leq B_{b}w\leq b_{h}\\ & \mathbf{0}\leq w\leq l\\ & \mathbf{1}^{T}w=1\end{array} $$ 其中，$f$ 为因子取值向量，$w$ 为待求解的股票权重向量，$w_b$ 为基准指数成分股权重向量。约束条件包括：组合相对于基准指数的风格暴露约束（$X$ 为风格因子暴露矩阵，$s_l$, $s_h$ 为上下限）；行业偏离约束（$H$ 为行业暴露矩阵，$h_l$, $h_h$ 为上下限）；个股权重偏离约束（$w_l$, $w_h$ 为上下限）；成分股内权重占比约束（$B_b$ 为成分股标识向量，$b_l$, $b_h$ 为上下限）；卖空限制及个股权重上限（$l$）；以及权重和为1的满仓约束[39][40]。构建过程包括：设定约束条件；每月末根据约束构建每个单因子的 MFE 组合；在回测期内换仓并计算收益风险指标[43] 3. **模型名称：公募重仓指数模型**[41] * **模型构建思路**：以公募基金持股信息构建指数，测试因子在“机构风格”样本空间中的有效性，以更精确判断因子对公募持仓池的选股效果[41] * **模型具体构建过程**：选样空间为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）。通过基金定期报告获取持股信息。将符合条件基金的持仓股票权重平均，获得公募基金平均持仓信息。将平均后的股票权重降序排序，选取累计权重达到90%的股票作为成分股来构建指数[42] 模型的回测效果 1. **国信金工指数增强模型**[13] * 沪深300指数增强组合：本周超额收益-0.22%，本年超额收益18.41% * 中证500指数增强组合：本周超额收益-0.52%，本年超额收益7.09% * 中证1000指数增强组合：本周超额收益-0.12%，本年超额收益16.38% * 中证A500指数增强组合：本周超额收益0.01%，本年超额收益9.75% 2. **公募基金指数增强产品（作为市场实践参考）**[28][29][31][32][33][34][35][36][38] * 沪深300指数增强产品（79只，规模785亿元）：最近一周超额收益中位数0.19%，最近一月0.21%，最近一季-1.08%，今年以来2.73% * 中证500指数增强产品（74只，规模505亿元）：最近一周超额收益中位数0.27%，最近一月0.58%，最近一季-0.46%，今年以来3.98% * 中证1000指数增强产品（46只，规模214亿元）：最近一周超额收益中位数0.00%，最近一月-0.11%，最近一季1.28%，今年以来8.83% * 中证A500指数增强产品（68只，规模253亿元）：最近一周超额收益中位数0.16%，最近一月0.29%，最近一季-1.06% 量化因子与构建方式 研报涉及估值、反转、动量、成长、盈利、流动性、波动、公司治理、分析师等多个维度的30余个因子[15][16]。因子构建思路和具体过程主要基于其计算方式，以下列出部分因子示例： 1. **因子名称：BP（市净率倒数）**[16] * **因子构建思路**：估值维度因子，衡量公司净资产相对于市值的比例 * **因子具体构建过程**：净资产 / 总市值 2. **因子名称：一个月反转**[16] * **因子构建思路**：反转维度因子，衡量股票短期内的反转效应 * **因子具体构建过程**：过去20个交易日涨跌幅 3. **因子名称：一年动量**[16] * **因子构建思路**：动量维度因子，衡量股票中长期动量效应（排除近期影响） * **因子具体构建过程**：近一年除近一月后动量 4. **因子名称：单季净利同比增速**[16] * **因子构建思路**：成长维度因子，衡量公司单季度净利润的增长情况 * **因子具体构建过程**：单季度净利润同比增长率 5. **因子名称：单季ROE**[16] * **因子构建思路**：盈利维度因子，衡量公司单季度的净资产收益率 * **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) 6. **因子名称：非流动性冲击**[16] * **因子构建思路**：流动性维度因子，衡量因交易冲击导致的非流动性程度 * **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 7. **因子名称：一个月波动**[16] * **因子构建思路**：波动维度因子，衡量股票短期价格波动 * **因子具体构建过程**：过去20个交易日日内真实波幅均值 8. **因子名称：高管薪酬**[16] * **因子构建思路**：公司治理维度因子，衡量公司高管的薪酬水平（取对数） * **因子具体构建过程**：前三高管报酬总额取对数 9. **因子名称：预期EPTTM**[16] * **因子构建思路**：分析师维度因子，基于分析师一致预期的估值指标 * **因子具体构建过程**：一致预期滚动EP（净利润/总市值） 10. **因子名称：三个月盈利上下调**[16] * **因子构建思路**：分析师维度因子，衡量分析师对公司盈利预期的调整趋势 * **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 （其他因子构建过程可参考表1[16]） 因子的回测效果 (单因子MFE组合) 以下为各因子在不同样本空间下，MFE组合相对于基准指数的超额收益表现（最近一周、最近一月、今年以来、历史年化）[18][20][22][24][26]。因子方向“正向”表示预期因子值越大，股票收益越好；“反向”则相反。 1. **沪深300样本空间中的因子表现**[18] * 三个月波动（反向）：最近一周1.39%，最近一月1.94%，今年以来-1.92%，历史年化2.02% * 一个月波动（反向）：最近一周1.32%，最近一月1.38%，今年以来-0.68%，历史年化1.11% * 三个月反转（反向）：最近一周1.17%，最近一月-0.08%，今年以来1.22%，历史年化0.47% * 一年动量（正向）：最近一周-1.00%，最近一月-0.48%，今年以来0.20%，历史年化2.31% * 单季营利同比增速（正向）：最近一周-0.64%，最近一月0.60%，今年以来12.16%，历史年化3.42% * 单季净利同比增速（正向）：最近一周-0.54%，最近一月0.08%，今年以来12.41%，历史年化3.84% 2. **中证500样本空间中的因子表现**[20] * 一个月换手（反向）：最近一周1.04%，最近一月1.80%，今年以来-8.71%，历史年化3.95% * BP（正向）：最近一周0.86%，最近一月1.56%，今年以来-1.98%，历史年化3.65% * 非流动性冲击（正向）：最近一周0.76%，最近一月0.01%，今年以来-4.77%，历史年化0.09% * 一年动量（正向）：最近一周-0.95%，最近一月-2.82%，今年以来0.02%，历史年化2.42% * 单季营收同比增速（正向）：最近一周-0.52%，最近一月-0.85%，今年以来14.82%，历史年化3.36% * 特异度（反向）：最近一周-0.51%，最近一月-0.59%，今年以来-3.40%，历史年化0.78% 3. **中证1000样本空间中的因子表现**[22] * 非流动性冲击（正向）：最近一周1.32%，最近一月2.40%，今年以来7.66%，历史年化2.51% * 预期净利润环比（正向）：最近一周0.70%，最近一月2.26%，今年以来5.32%，历史年化4.45% * EPTTM一年分位点（正向）：最近一周0.66%，最近一月-0.57%，今年以来7.20%，历史年化5.99% * 标准化预期外收入（正向）：最近一周-1.22%，最近一月-2.08%，今年以来15.60%，历史年化6.33% * 一年动量（正向）：最近一周-1.13%，最近一月-2.74%，今年以来-6.58%，历史年化-1.05% * 单季超预期幅度（正向）：最近一周-1.06%，最近一月-0.64%，今年以来8.22%，历史年化10.26% 4. **中证A500样本空间中的因子表现**[24] * 三个月波动（反向）：最近一周1.33%，最近一月1.49%，今年以来-7.75%，历史年化2.97% * 一个月波动（反向）：最近一周1.29%，最近一月0.17%，今年以来-6.52%，历史年化1.40% * 一个月换手（反向）：最近一周1.12%，最近一月1.60%，今年以来-8.54%，历史年化2.34% * 一年动量（正向）：最近一周-1.07%，最近一月-1.23%，今年以来-1.47%，历史年化1.33% * 标准化预期外盈利（正向）：最近一周-0.94%，最近一月-1.22%，今年以来8.20%，历史年化5.56% * 3个月盈利上下调（正向）：最近一周-0.89%，最近一月-0.50%，今年以来3.16%，历史年化4.77% 5. **公募重仓指数样本空间中的因子表现**[26] * 一个月波动（反向）：最近一周1.29%，最近一月0.64%，今年以来-15.15%，历史年化0.62% * 三个月波动（反向）：最近一周1.09%，最近一月0.72%，今年以来-13.74%，历史年化1.84% * 三个月换手（反向）：最近一周0.92%，最近一月1.05%，今年以来-10.01%，历史年化2.44% * 标准化预期外收入（正向）：最近一周-0.96%，最近一月-0.61%，今年以来4.23%，历史年化2.47% * 一年动量（正向）：最近一周-0.90%，最近一月-1.23%，今年以来-5.02%，历史年化1.51% * 特异度（反向）：最近一周-0.77%，最近一月-2.35%，今年以来-8.14%，历史年化0.05%

量化模型与构建方式 1. 优秀基金业绩增强组合 **模型构建思路**：从传统对标宽基指数转变为对标主动股基，在借鉴优秀基金持仓的基础上，采用量化方法进行增强，达到优中选优的目的[4][51] **模型具体构建过程**： 1. 对基金进行优选：由于直接复制全体主动股基持仓无法跟上基金中位数表现，且基金收益类指标在市场风格突变时易反转并带来持股风格集中化问题，因此对收益类因子进行分层中性化处理，基于业绩分层视角构建优选基金组合[51] 2. 构建优选基金持仓组合：根据业绩分层优选基金的补全持仓构建组合，该组合在全样本区间内相对偏股混合型基金指数的年化跟踪误差为4.68%，能较好跟踪股基中位数走势[51] 3. 构建业绩增强组合：以业绩分层视角下的优选基金持仓为选股空间和对标基准，采用组合优化的方法控制组合与优选基金持仓在个股偏离、行业偏离及风格上的偏离，构建最终组合[52] 2. 超预期精选组合 **模型构建思路**：以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池，接着对超预期股票池进行基本面和技术面两个维度的精选，挑选出同时具备基本面支撑和技术面共振的超预期股票[5][57] **模型具体构建过程**： 1. 筛选超预期事件股票池：以研报标题出现“超预期”以及分析师全线上调净利润作为筛选条件[5][57] 2. 双层优选股票：对筛选出的超预期股票池中的股票，进行基本面和技术面两个维度的分析，精选出两者共振的股票[5][57] 3. 构建投资组合：将精选出的股票构建成超预期精选股票组合[57] 3. 券商金股业绩增强组合 **模型构建思路**：以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离[6][62] **模型具体构建过程**： 1. 确定选股空间与基准：以券商金股股票池作为基础的选股范围和对标基准[6][62] 2. 组合优化控制偏离：采用组合优化的方法，在构建组合时控制其与券商金股股票池在个股层面和风格因子上的偏离程度[6] 3. 构建业绩增强组合：通过优化过程，构建出能够在一定程度上跟踪券商金股池表现，并力求实现增强效果的最终组合[62] 4. 成长稳健组合 **模型构建思路**：采用“先时序、后截面”的方式，构建成长股二维评价体系，旨在对成长股股票池超额收益释放的黄金期进行提前布局[7][67] **模型具体构建过程**： 1. 筛选成长股股票池：以研报标题出现“超预期”及上市公司“业绩大增”作为条件，筛选出成长股股票池[7][67] 2. 时序维度处理（分档）：根据上市公司距离正式财报预约披露日的间隔天数进行分档，优先选择距离财报预约披露日较近的股票[7][67] 3. 截面维度处理（精选）：当样本数量较多时，采用多因子打分的方法进一步精选优质个股[7][67] 4. 组合构建与风险控制：构建100只股票的等权组合，并引入弱平衡机制、跃迁机制、缓冲机制和风险规避机制以降低组合换手、规避组合风险[67] 模型的回测效果 1. 优秀基金业绩增强组合 **回测区间**：2012.1.4 - 2025.6.30[53][56] **考虑仓位及交易费用后年化收益**：20.31%[53][56] **相对偏股混合型基金指数年化超额收益**：11.83%[53][56] **在主动股基中排名**：大部分年度业绩排名排在股基的前30%[53] 2. 超预期精选组合 **回测区间**：2010.1.4 - 2025.6.30[58][60] **满仓状态考虑交易费用后年化收益**：34.49%[58][60] **相对中证500指数年化超额收益**：32.62%[58][60] **考虑仓位及交易费用后年化收益**：30.55%[58][60] **相对偏股混合型基金指数年化超额收益**：24.68%[58][60] **在主动股基中排名**：每年业绩排名都排在主动股基的前30%[58] 3. 券商金股业绩增强组合 **回测区间**：2018.1.2 - 2025.6.30[63][66] **考虑仓位及交易费用后年化收益**：19.34%[63][66] **相对偏股混合型基金指数年化超额收益**：14.38%[63][66] **在主动股基中排名**：2018年至2025年期间，每年业绩排名都排在主动股基前30%的水平[63] 4. 成长稳健组合 **回测区间**：2012.1.4 - 2025.6.30[68][71] **满仓状态考虑交易费用后年化收益**：39.59%[68][71] **相对中证500指数年化超额收益**：34.73%[68][71] **考虑仓位及交易费用后年化收益**：35.51%[68][71] **相对偏股混合型基金指数年化超额收益**：26.88%[68][71] **在主动股基中排名**：各年度业绩排名基本都排在股基的前30%[68]

投资评级 - 对京东集团-SW（09618 HK）维持“优于大市”评级 [3][21] 核心观点 - 国补结束后，日百品类和平台模式有望成为公司收入增长新引擎 [3][21] - 公司持续优化供应链效率，毛利率逐步提升，用户体验不断提升 [3][21] - 2025年第三季度收入增长亮眼，日百品类和平台业务快速增长，京东外卖亏损环比小幅减少 [1][9] 2025年第三季度业绩表现 - **收入表现**：本季度实现营业收入2991亿元，同比增长15% [1][9] - 京东零售收入2506亿元，同比增长11%，其中自营收入测算同比增长11% [1][9] - 带电品类收入增速为5%，商超品类收入增速达19% [1][9] - 自营收入增速环比第二季度的23%显著降低，主要受国补高基数及Q3多地国补额度用完影响 [1][9] - 平台活跃用户数及购物频次均实现40%以上增长，年度活跃用户在10月突破7亿 [1][9] - 京东物流收入521亿元，同比增长15% [1][9] - 新业务收入同比大幅增长214%，主要由于京东外卖快速增长导致 [1][9] - **利润表现**：Non-GAAP净利润为58亿元，Non-GAAP净利率为1.9%，较去年同期下降3.2个百分点 [2][10] - 经调整EBITDA利润率从去年同期的5.8%降至0.8% [2][10] - 分业务看，零售经营利润率从去年同期的5.2%提升至5.9%，推测主要由于毛利率提升及营销费率小幅下降 [2][10] - 物流经营利润率从去年同期的4.7%降至2.3% [2][10] - 新业务经营亏损从25Q2的148亿元增长至25Q3的157亿元，亏损大头仍为京东外卖 [2][10] - 京东外卖业务在Q3旺季单量环比增长、单均亏损收窄，整体亏损绝对值环比收窄 [2][10] - 测算本季度京东外卖亏损140亿元，日均单量升至1700万单，UE（单位经济效益）收窄至9.2元 [10] - **其他亮点**：公司在2025年京东全球科技探索者大会上公布人工智能路线图，推出数字人助理APP“他她它”和JoyInside AI代理 [11] 股东回报 - 2025年前三季度公司回购15亿美元股份，占截至2024年12月31日流通普通股的2.8% [2][11] - 股份回购计划下剩余金额约为35亿美元 [2][11] 盈利预测与估值 - **收入预测**：调整2025-2027年公司收入预测至13349亿元（+0.0%）、14334亿元（+1.0%）、15587亿元（+4.7%）[3][21] - **净利润预测**：调整2025-2027年公司经调整净利预测至300亿元（+0.8%）、415亿元（+1.7%）、574亿元（+1.2%）[3][21] - **估值指标**：公司目前对应2026年预测市盈率（PE）约为9倍 [3][21] - **其他财务指标预测（2025E-2027E）** [4] - 营业收入增长率：15.2%、7.4%、8.7% - 经调整净利润增长率：-37.2%、38.1%、38.3% - 每股收益（经调整）：9.42元、13.02元、18.00元 - EBIT Margin：1.4%、2.0%、3.1% - 净资产收益率（ROE）：11.6%、14.2%、18.8% - 市盈率（PE）：12.3倍、8.9倍、6.4倍 - EV/EBITDA：14.3倍、11.4倍、8.1倍 - 市净率（PB）：1.43倍、1.26倍、1.21倍

根据提供的研报内容，总结如下： 量化模型与构建方式 1. **模型名称：港股精选组合模型**[13][15] * **模型构建思路**：该模型旨在对分析师推荐股票池进行基本面和技术面的双层优选，挑选出同时具备基本面支撑和技术面共振的超预期股票[13][15] * **模型具体构建过程**：首先，以分析师上调盈利预测、分析师首次关注、分析师研报标题超预期事件作为分析师推荐事件，构建初始的分析师推荐股票池[15]；接着，对该股票池中的股票进行基本面和技术面两个维度的精选，最终构建出港股精选股票组合[15] 2. **因子名称：250日新高距离**[22] * **因子构建思路**：该因子用于量化表示股价接近其250日内最高点的程度，若创出新高则值为0，否则为正值表示回落幅度[22] * **因子具体构建过程**：具体计算公式如下： $$250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$ 其中，`Closet` 为最新收盘价，`ts_max(Close, 250)` 为过去250个交易日收盘价的最大值[22] 3. **模型名称：平稳创新高股票筛选模型**[22][23] * **模型构建思路**：该模型用于在过去20个交易日创出过250日新高的股票池中，根据多重标准筛选出趋势更为稳健的“平稳创新高”股票[22][23] * **模型具体构建过程**：筛选过程分为多个步骤： 1. **确定样本池**：全部港股，但需剔除成立时间不超过15个月的股票[23] 2. **分析师关注度筛选**：过去6个月内，买入或增持评级的分析师研报不少于5份[23] 3. **股价相对强弱筛选**：过去250日涨跌幅位于样本池前20%[23] 4. **股价平稳性综合打分**：在满足上述条件的股票池内，使用以下两个指标进行综合打分，并选取排名在前50%的股票（若数量不足则最少取50只）[23] * **价格路径平滑性**：股价位移路程比（具体计算方法原文未详细给出）[23] * **创新高持续性**：过去120日的250日新高距离在时间序列上的均值（具体计算方法原文未详细给出）[23] 5. **趋势延续性筛选**：对经过上一步筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并取排序靠前的50只股票作为最终的“平稳创新高股票”[23] 模型的回测效果 1. **港股精选组合模型**[18][19] * 全样本年化收益：19.11%[19] * 全样本超额收益（相对恒生指数）：18.48%[19] * 全样本信息比率（IR）：1.22[19] * 全样本跟踪误差：14.55%[19] * 全样本收益回撤比：0.78[19] * 全样本最大回撤：23.73%[19] * 2025年（截至20250630）年化收益：41.02%[19] * 2025年（截至20250630）超额收益：21.02%[19] * 2025年（截至20250630）信息比率（IR）：2.03[19] * 2025年（截至20250630）跟踪误差：17.33%[19] * 2025年（截至20250630）收益回撤比：1.95[19] * 2025年（截至20250630）最大回撤：10.77%[19] 量化因子与构建方式 （本报告中除“250日新高距离”因子外，未详细描述其他独立因子的构建方式） 因子的回测效果 （本报告中未提供独立因子的具体测试结果取值）

根据提供的金融工程日报内容，报告主要描述了市场表现、情绪和资金流向等日度监控指标，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容属于市场数据统计和描述性分析范畴[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44]。 因此，本总结中关于量化模型与因子构建方式、模型与因子回测效果的部分均无相关内容。