量化模型与构建方式 国信金工指数增强模型 1. **模型名称**：国信金工指数增强模型[11][12] **模型构建思路**：以多因子选股为主体，分别构建对标不同基准指数的增强组合，力求稳定战胜基准[11][12] **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块[12] 具体优化模型如下： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ 其中，f为因子取值向量，w为待求解的股票权重向量，wb为基准指数成分股权重向量 X为风格因子暴露矩阵，H为行业暴露矩阵，Bb为成分股标识向量 sl, sh为风格暴露上下限，hl, hh为行业偏离上下限，wl, wh为个股权重偏离上下限，bl, bh为成分股内权重占比上下限[39][40] 单因子MFE组合模型 1. **模型名称**：最大化单因子暴露组合（MFE组合）[15][39] **模型构建思路**：采用组合优化的方式来检验控制了各种实际约束后单因子的有效性，目标是在满足实际约束条件下最大化单因子暴露[39] **模型具体构建过程**：采用与指数增强模型相同的优化框架，但目标函数修改为最大化单因子暴露fTw 具体构建过程为：1) 设定约束条件，如控制行业暴露为0、市值风格暴露为0、个股权重最大偏离1%等[43] 2) 在每个月末，根据约束条件构建每个单因子的MFE组合[43] 3) 在回测期内根据各期MFE组合换仓，计算历史收益并按双边0.3%扣除交易费用[43] 公募重仓指数模型 1. **模型名称**：公募重仓指数[41][42] **模型构建思路**：以公募基金的持股信息构建一个指数，用于测试因子在“机构风格”下的有效性[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[42] 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后，选取累计权重达到90%的股票作为成分股来构建指数[42] 量化因子与构建方式 估值类因子 1. **因子名称**：BP[17] **因子构建思路**：市净率的倒数，衡量估值水平[17] **因子具体构建过程**：净资产/总市值[17] 1. **因子名称**：单季EP[17] **因子构建思路**：衡量单季度的盈利估值水平[17] **因子具体构建过程**：单季度归母净利润/总市值[17] 1. **因子名称**：单季SP[17] **因子构建思路**：衡量单季度的收入估值水平[17] **因子具体构建过程**：单季度营业收入/总市值[17] 1. **因子名称**：EPTTM[17] **因子构建思路**：衡量滚动市盈率的倒数[17] **因子具体构建过程**：归母净利润TTM/总市值[17] 1. **因子名称**：SPTTM[17] **因子构建思路**：衡量市销率的倒数[17] **因子具体构建过程**：营业收入TTM/总市值[17] 1. **因子名称**：EPTTM分位点[17] **因子构建思路**：衡量估值在历史中的相对位置[17] **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 1. **因子名称**：股息率[17] **因子构建思路**：衡量分红收益水平[17] **因子具体构建过程**：最近四个季度预案分红金额/总市值[17] 反转类因子 1. **因子名称**：一个月反转[17] **因子构建思路**：衡量短期反转效应[17] **因子具体构建过程**：过去20个交易日涨跌幅[17] 1. **因子名称**：三个月反转[17] **因子构建思路**：衡量中期反转效应[17] **因子具体构建过程**：过去60个交易日涨跌幅[17] 1. **因子名称**：一年动量[17] **因子构建思路**：衡量长期动量效应[17] **因子具体构建过程**：近一年除近一月后动量[17] 成长类因子 1. **因子名称**：单季净利同比增速[17] **因子构建思路**：衡量单季度净利润增长情况[17] **因子具体构建过程**：单季度净利润同比增长率[17] 1. **因子名称**：单季营收同比增速[17] **因子构建思路**：衡量单季度营业收入增长情况[17] **因子具体构建过程**：单季度营业收入同比增长率[17] 1. **因子名称**：单季营利同比增速[17] **因子构建思路**：衡量单季度营业利润增长情况[17] **因子具体构建过程**：单季度营业利润同比增长率[17] 1. **因子名称**：SUE[17] **因子构建思路**：衡量盈利超预期程度[17] **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[17] 1. **因子名称**：SUR[17] **因子构建思路**：衡量收入超预期程度[17] **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[17] 1. **因子名称**：单季超预期幅度[17] **因子构建思路**：衡量盈利超预期幅度[17] **因子具体构建过程**：预期单季度净利润/财报单季度净利润[17] 盈利类因子 1. **因子名称**：单季ROE[17] **因子构建思路**：衡量单季度净资产收益率[17] **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）[17] 1. **因子名称**：单季ROA[17] **因子构建思路**：衡量单季度总资产收益率[17] **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）[17] 1. **因子名称**：DELTAROE[17] **因子构建思路**：衡量净资产收益率的变化[17] **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[17] 1. **因子名称**：DELTAROA[17] **因子构建思路**：衡量总资产收益率的变化[17] **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[17] 流动性类因子 1. **因子名称**：非流动性冲击[17] **因子构建思路**：衡量价格冲击成本[17] **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[17] 1. **因子名称**：一个月换手[17] **因子构建思路**：衡量短期换手率水平[17] **因子具体构建过程**：过去20个交易日换手率均值[17] 1. **因子名称**：三个月换手[17] **因子构建思路**：衡量中期换手率水平[17] **因子具体构建过程**：过去60个交易日换手率均值[17] 波动类因子 1. **因子名称**：特异度[17] **因子构建思路**：衡量特异性风险[17] **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[17] 1. **因子名称**：一个月波动[17] **因子构建思路**：衡量短期波动率[17] **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 1. **因子名称**：三个月波动[17] **因子构建思路**：衡量中期波动率[17] **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 公司治理类因子 1. **因子名称**：高管薪酬[17] **因子构建思路**：衡量公司治理水平[17] **因子具体构建过程**：前三高管报酬总额取对数[17] 分析师类因子 1. **因子名称**：预期EPTTM[17] **因子构建思路**：衡量一致预期滚动EP[17] **因子具体构建过程**：一致预期滚动EP[17] 1. **因子名称**：预期BP[17] **因子构建思路**：衡量一致预期滚动PB[17] **因子具体构建过程**：一致预期滚动PB[17] 1. **因子名称**：预期PEG[17] **因子构建思路**：衡量成长估值指标[17] **因子具体构建过程**：一致预期PEG[17] 1. **因子名称**：预期净利润环比[17] **因子构建思路**：衡量预期净利润变化[17] **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[17] 1. **因子名称**：三个月盈利上下调[17] **因子构建思路**：衡量分析师盈利预测调整[17] **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[17] 1. **因子名称**：三个月机构覆盖[17] **因子构建思路**：衡量机构关注度[17] **因子具体构建过程**：过去3个月内机构覆盖数量[17] 1. **因子名称**：标准化预期外收入[17] **因子构建思路**：衡量收入超预期程度[17] **因子具体构建过程**：未明确给出计算公式，但参考SUE构建思路[17] 1. **因子名称**：标准化预期外盈利[17] **因子构建思路**：衡量盈利超预期程度[17] **因子具体构建过程**：未明确给出计算公式，但参考SUE构建思路[17] 模型的回测效果 1. **国信金工指数增强模型（沪深300）**，本周超额收益-0.65%，本年超额收益16.53%[5][14] 1. **国信金工指数增强模型（中证500）**，本周超额收益-0.37%，本年超额收益8.50%[5] 1. **国信金工指数增强模型（中证1000）**，本周超额收益-0.53%，本年超额收益16.52%[5] 1. **国信金工指数增强模型（中证A500）**，本周超额收益0.02%，本年超额收益9.22%[5] 因子的回测效果 沪深300样本空间 1. **一年动量因子**，最近一周0.67%，最近一月3.06%，今年以来1.10%，历史年化2.70%[19] 1. **单季营收同比增速因子**，最近一周0.66%，最近一月4.36%，今年以来16.54%，历史年化4.93%[19] 1. **三个月机构覆盖因子**，最近一周0.60%，最近一月1.96%，今年以来10.01%，历史年化3.10%[19] 1. **三个月盈利上下调因子**，最近一周0.37%，最近一月2.44%，今年以来7.80%，历史年化5.56%[19] 1. **一个月波动因子**，最近一周0.31%，最近一月-2.20%，今年以来-4.22%，历史年化0.43%[19] 1. **DELTAROA因子**，最近一周0.30%，最近一月2.29%，今年以来11.40%，历史年化4.81%[19] 1. **单季ROE因子**，最近一周0.26%，最近一月4.08%，今年以来14.71%，历史年化4.83%[19] 1. **单季净利同比增速因子**，最近一周0.21%，最近一月2.73%，今年以来12.35%，历史年化4.00%[19] 1. **三个月波动因子**，最近一周0.21%，最近一月-3.17%，今年以来-5.43%，历史年化1.34%[19] 1. **预期净利润环比因子**，最近一周0.20%，最近一月1.74%，今年以来4.12%，历史年化1.86%[19] 1. **单季ROA因子**，最近一周0.17%，最近一月2.14%，今年以来11.36%，历史年化3.88%[19] 1. **标准化预期外盈利因子**，最近一周0.17%，最近一月1.86%，今年以来10.98%，历史年化4.46%[19] 1. **股息率因子**，最近一周0.17%，最近一月-1.43%，今年以来0.00%，历史年化3.55%[19] 1. **特异度因子**，最近一周0.10%，最近一月-1.39%，今年以来0.65%，历史年化0.19%[19] 1. **高管薪酬因子**，最近一周0.10%，最近一月-0.70%，今年以来3.65%，历史年化3.21%[19] 1. **非流动性冲击因子**，最近一周0.08%，最近一月-1.09%，今年以来-2.50%，历史年化0.23%[19] 1. **单季超预期幅度因子**，最近一周0.02%，最近一月1.49%，今年以来7.65%，历史年化3.98%[19] 1. **DELTAROE因子**，最近一周0.01%，最近一月2.22%，今年以来12.47%，历史年化4.47%[19] 1. **标准化预期外收入因子**，最近一周-0.08%，最近一月1.08%，今年以来9.09%，历史年化4.84%[19] 1. **预期PEG因子**，最近一周-0.13%，最近一月1.76%，今年以来9.69%，历史年化3.72%[19] 1. **预期BP因子**，最近一周-0.16%，最近一月-4.00%，今年以来-2.87%，历史年化2.81%[19] 1. **EPTTM一年分位点因子**，最近一周-0.20%，最近一月-1.74%，今年以来3.96%，历史年化2.57%[19] 1. **SPTTM因子**，最近一周-0.20%，最近一月-3.13%，今年以来-4.10%，历史年化1.78%[19] 1. **单季营利同比增速因子**，最近一周-0.26%，最近一月1.06%，今年以来11.07%，历史年化3.64%[19] 1. **预期EPTTM因子**，最近一周-0.28%，最近一月-1.79%，今年以来2.73%，历史年化3.72%[19] 1. **单季EP因子**，最近一周-0.32%，最近一月-1.97%，今年以来3.42%，历史年化5.08%[19] 1. **三个月反转因子**，最近一周-0.33%，最近一月-2.14%，今年以来1.02%，历史年化0.79%[19] 1. **一个月反转因子**，最近一周-0.41%，最近一月-3.00%，今年以来0.00%，历史年化-0.27%[19] 1. **BP因子**，最近一周-0.47%，最近一月-3.83%，今年以来-4.11%，历史年化2.32%[19] 1. **EPTTM因子**，最近一周-0.48%，最近一月-2.04%，今年以来1.80%，历史年化4.13%[19] 1. **单季SP因子**，最近一周-0.63%，最近一月-3.59%，今年以来-3.10%，历史年化2.61%[19] 1. **三个月换手因子**，最近一周-0.64%，最近一月-2.98%，今年以来-5.56%，历史年化2.27%[19] 1. **一个月换手因子**，最近一周-0.69%，最近一月-2.90%，今年以来-6.12%，历史年化1.16%[19] 中证500样本空间 1. **高管薪酬因子**，最近一周1.13%，最近一月2.06%，今年以来9.78%，历史年化2.82%[21] 1. **标准化预期外收入因子**，最近一周1.07%，最近一月1.94%，今年以来10.83%，历史年化6.60%[21] 1. **单季营收同比增速因子**，最近一周1.05%，最近一月2.95%，今年以来13.28%，历史年化3.70%[21] 1. **单季SP因子**，最近一周0.99%，最近一月1.01%，今年以来-1.98%，历史年化4.21%[21] 1. **一年动量因子**，最近一周0.92%，最近一月0.21%，今年以来6.42%，历史年化3.07%[21] 1. **SPTTM因子**，最近一周0.76%，最近一月0.19%，今年以来-2.52%，历史年化2.69%[21] 1. **三个月机构覆盖因子**，最近一周0.66%，最近一月0.06%，今年以来3.69%，历史

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：港股精选组合模型 - **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[14][15] - **模型具体构建过程**： 1. 构建分析师推荐股票池：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[15] 2. 对股票池中的股票进行基本面和技术面两个维度的精选[15] 3. 构建港股精选股票组合[15] - **模型评价**：该组合在回测区间20100101-20250630表现优异，年化收益19.11%，相对恒生指数超额收益达到18.48%[15] 2. 因子名称：250日新高距离因子 - **因子构建思路**：用于衡量股票价格创新高的情况，基于研究发现股票价格在接近52周最高价时其未来收益显著更高的现象[21][23] - **因子具体构建过程**： 计算公式：$$250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$[23] 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 若最新收盘价创出新高，则250日新高距离为0；若最新收盘价较新高回落，则为正值，表示回落幅度[23] 3. 复合筛选条件：平稳创新高股票筛选体系 - **构建思路**：根据分析师关注度、股价相对强弱、股价路径平稳性、创新高连续性等角度筛选出平稳创新高股票[3][23] - **具体构建过程**： 1. 样本池：全部港股（剔除成立时间不超过15个月）[24] 2. 分析师关注度：过去6个月买入或增持评级的分析师研报不少于5份[24] 3. 股价相对强弱：过去250日涨跌幅位于样本池前20%[24] 4. 股价平稳性：使用两个指标综合打分，取排名在前50%的股票（最少取50只股票）[24] - 价格路径平滑性：股价位移路程比[24] - 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[24] 5. 趋势延续性：过去5日的250日新高距离在时间序列上的均值，取排序靠前的50只[24] 模型的回测效果 港股精选组合模型绩效表现[20] - 全样本期年化收益：19.11% - 相对恒生指数超额收益：18.48% - 信息比率(IR)：1.22 - 跟踪误差：14.55% - 收益回撤比：0.78 - 最大回撤：23.73% - 最大回撤起始日：20221025 - 最大回撤截止日：20230616 分年度绩效表现（2010-20250630）[20] 各年度具体指标包括：绝对收益、恒生指数收益、超额收益、相对最大回撤、信息比、跟踪误差、收益回撤比、最大回撤起始日和截止日 因子的回测效果 平稳创新高筛选体系近期表现[23][29] - 筛选出的平稳创新高股票涵盖多个板块，包括周期板块（12只）、医药板块（10只）、科技板块（9只）、消费板块（5只）和制造板块（4只） - 具体个股表现数据显示，筛选出的股票在过去250日涨跌幅表现优异，多数股票涨幅超过100%，部分甚至超过500%

量化模型与构建方式 1. 模型名称：优秀基金业绩增强组合[4][13][49]；模型构建思路：从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，以达到优中选优的目的[4][49]；模型具体构建过程：首先对基金进行优选，对收益类因子进行分层中性化处理以规避风格集中化问题，基于业绩分层视角构建优选基金组合[49]；然后根据其补全持仓构建优选基金持仓组合，该组合能较好地跟踪股基中位数走势[49]；最后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，构建最终的优秀基金业绩增强组合[50] 2. 模型名称：超预期精选组合[5][13][55]；模型构建思路：对超预期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[5][55]；模型具体构建过程：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[5][55]；接着对超预期股票池中的股票进行基本面和技术面两个维度的精选[5][55] 3. 模型名称：券商金股业绩增强组合[6][13][60]；模型构建思路：以券商金股股票池为选股空间和约束基准，进行进一步精选以获得稳定战胜偏股混合型基金指数的表现[6][60]；模型具体构建过程：以券商金股股票池为选股空间和对标基准[6][60]；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] 4. 模型名称：成长稳健组合[7][13][65]；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][38][65]；模型具体构建过程：以研报标题超预期及业绩大增为条件筛选成长股股票池[7][65]；根据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][65]；当样本数量较多时，采用多因子打分精选优质个股[7]；构建100只股票等权组合[7]；引入了弱平衡机制、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[65] 模型的回测效果 1. 优秀基金业绩增强组合，全样本年化收益（考虑仓位）20.31%[51]，全样本年化超额收益（相较偏股混合型基金指数）11.83%[51]，2025年（考虑仓位）绝对收益27.54%[2][16][23]，2025年超额收益（相对偏股混合型基金指数）-3.91%[2][16][23]，2025年在主动股基中排名分位点53.24%[2][16][23] 2. 超预期精选组合，全样本年化收益（考虑仓位）30.55%[56]，全样本年化超额收益（相较偏股混合型基金指数）24.68%[56]，2025年（考虑仓位）绝对收益45.51%[2][16][31]，2025年超额收益（相对偏股混合型基金指数）14.06%[2][16][31]，2025年在主动股基中排名分位点20.03%[2][16][31] 3. 券商金股业绩增强组合，全样本年化收益（考虑仓位）19.34%[61]，全样本年化超额收益（相较偏股混合型基金指数）14.38%[61]，2025年（考虑仓位）绝对收益33.97%[2][16][37]，2025年超额收益（相对偏股混合型基金指数）2.52%[2][16][37]，2025年在主动股基中排名分位点39.18%[2][16][37] 4. 成长稳健组合，全样本年化收益（考虑仓位）35.51%[66]，全样本年化超额收益（相较偏股混合型基金指数）26.88%[66]，2025年（考虑仓位）绝对收益51.45%[3][16][44]，2025年超额收益（相对偏股混合型基金指数）20.00%[3][16][44]，2025年在主动股基中排名分位点14.27%[3][16][44]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：平稳创新高股票筛选模型**[27][29] * **模型构建思路**：基于行为金融学理论，从已创新高的股票中进一步筛选出具有平稳动量特征的股票，这些股票被认为可能具有更强的动量效应和持续性[27] * **模型具体构建过程**：该模型是一个多步骤的筛选流程： 1. 初始股票池：过去20个交易日创出过250日新高的股票[19][27] 2. **分析师关注度筛选**：过去3个月内有不少于5份买入或增持评级的分析师研报[29] 3. **股价相对强弱筛选**：过去250日涨跌幅位于全市场前20%[29] 4. **综合打分筛选**：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，并取排名在前50%的股票[29]： * **价格路径平滑性（股价位移路程比）**：$$ \text{平滑性} = \frac{|\text{过去120日涨跌幅}|}{\sum|\text{过去120日日涨跌幅}|} $$[27] 该比值越高，表明价格路径越平滑，波动越小。 * **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[29] 5. **趋势延续性筛选**：对经过上述筛选的股票，计算其过去5日的250日新高距离在时间序列上的均值，并最终选取该指标排序最靠前的50只股票[29] 量化因子与构建方式 1. **因子名称：250日新高距离**[11] * **因子构建思路**：衡量当前股价相对于其过去250个交易日最高点的回落幅度，用于识别接近或创出新高的股票，这类股票被认为具有动量效应[11] * **因子具体构建过程**：对于单只股票，在时间点t，其250日新高距离的计算公式为： $$ \text{250日新高距离} = 1 - \frac{\text{Close}_t}{\text{ts\_max(Close, 250)}} $$[11] 其中，$\text{Close}_t$ 为股票在t日的最新收盘价，$\text{ts\_max(Close, 250)}$ 为股票在过去250个交易日收盘价的最大值。若最新收盘价创出新高，则该因子值为0；若股价从高点回落，则该因子为正值，表示回落的幅度[11] 模型的回测效果 （注：研报中未提供平稳创新高股票筛选模型的具体回测指标数值，如年化收益率、夏普比率、信息比率(IR)、最大回撤等，因此此部分省略。） 因子的回测效果 （注：研报中未提供250日新高距离因子的具体回测指标数值，如IC、ICIR、因子收益率、年化多空收益等，因此此部分省略。）

量化模型与构建方式 1. **模型名称**：250日新高距离模型[11] **模型构建思路**：通过计算当前价格与过去250日最高价的相对距离，来衡量股票或指数接近历史高点的程度，以此捕捉市场动量与趋势[11] **模型具体构建过程**：对于给定的标的（股票或指数），取其最新收盘价 `Closet` 和过去250个交易日收盘价的最大值 `ts_max(Close,250)`，按以下公式计算： $$250 日新高距离 = 1 - \frac{Closet}{ts\_max(Close, 250)}$$[11] 若最新收盘价创出新高，则结果为0；若价格回落，则结果为正值，表示回落幅度[11] 量化因子与构建方式 1. **因子名称**：平稳创新高股票筛选因子[27][29] **因子构建思路**：在创250日新高的股票池中，结合分析师关注度、股价相对强弱、趋势延续性、股价路径平稳性和创新高持续性等多个维度，筛选出价格路径更为平滑、趋势更可能持续的“平稳创新高”股票[27][29] **因子具体构建过程**：筛选过程分为多个步骤： 1. 初筛股票池：筛选出过去20个交易日内创过250日新高的股票[19] 2. 分析师关注度：要求过去3个月内，有买入或增持评级的分析师研报不少于5份[29] 3. 股价相对强弱：要求过去250日涨跌幅位于全市场前20%[29] 4. 多指标综合打分：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，并取排名在前50%的股票[29]： * **价格路径平滑性（股价位移路程比）**：计算公式为 `过去120日涨跌幅的绝对值 / 过去120日日涨跌幅绝对值加总`[27][29] * **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`[29] 5. 趋势延续性：使用`过去5日的250日新高距离在时间序列上的均值`作为指标，并最终选取该指标排序最靠前的50只股票作为最终筛选结果[29] 模型的回测效果 1. 250日新高距离模型，截至2025年9月19日，上证指数250日新高距离1.63%[12]，深证成指250日新高距离1.09%[12]，沪深300指数250日新高距离1.08%[12]，中证500指数250日新高距离1.24%[12]，中证1000指数250日新高距离1.54%[12]，中证2000指数250日新高距离1.91%[12]，创业板指250日新高距离1.79%[12]，科创50指数250日新高距离1.28%[12] 2. 250日新高距离模型，截至2025年9月19日，电子行业指数250日新高距离0.65%[13]，通信行业指数250日新高距离3.31%[13]，消费者服务行业指数250日新高距离1.76%[13]，电力设备及新能源行业指数250日新高距离2.03%[13]，汽车行业指数250日新高距离2.22%[13]，食品饮料行业指数250日新高距离较远[13]，银行行业指数250日新高距离较远[13]，煤炭行业指数250日新高距离较远[13]，综合金融行业指数250日新高距离较远[13]，非银行金融行业指数250日新高距离较远[13] 因子的回测效果 1. 平稳创新高股票筛选因子，截至2025年9月19日，全市场共有1461只股票在过去20个交易日创出250日新高[19]，其中电子行业创新高个股数量204只[19]，机械行业创新高个股数量201只[19]，基础化工行业创新高个股数量158只[19]，有色金属行业创新高个股数量占比64.52%[19]，电子行业创新高个股数量占比41.98%[19]，综合行业创新高个股数量占比34.78%[19] 2. 平稳创新高股票筛选因子，截至2025年9月19日，科技板块创新高股票数量456只，占比32.25%[20]，制造板块创新高股票数量417只，占比26.71%[20]，周期板块创新高股票数量346只，占比30.81%[20]，医药板块创新高股票数量98只，占比19.96%[20]，消费板块创新高股票数量96只，占比19.96%[20]，大金融板块创新高股票数量40只，占比17.54%[20] 3. 平稳创新高股票筛选因子，截至2025年9月19日，中证2000指数中创新高个股数量523只，占比26.15%[20]，中证1000指数中创新高个股数量306只，占比30.60%[20]，中证500指数中创新高个股数量170只，占比34.00%[20]，沪深300指数中创新高个股数量101只，占比33.67%[20]，创业板指中创新高个股数量36只，占比36.00%[20]，科创50指数中创新高个股数量23只，占比46.00%[20] 4. 平稳创新高股票筛选因子，最终筛选出50只平稳创新高股票[30]，其中科技板块18只[30]，制造板块15只[30]，科技板块中电子行业创新高最多[30]，制造板块中机械行业创新高最多[30]

证券研究报告 | 2025年09月19日 政府债周报 2 万亿化债再融资债即将发完 政府债净融资第 37 周（9/8-9/14）6084 亿，第 38 周（9/15-9/21）3179 亿。截至第 37 周（9/8-9/14）累计 11.1 万亿，超出去年同期 4.9 万亿。 国债净融资+新增地方债发行第 37 周（9/8-9/14）5622 亿，第 38 周 （9/15-9/21）4056 亿。截至第 37 周（9/8-9/14）广义赤字累计 8.7 万 亿，进度 78.5%，超去年同期。 国债第 37 周（9/8-9/14）净融资 4156 亿，第 38 周（9/15-9/21）2871 亿。截至第 37 周（9/8-9/14）累计 5.3 万亿，进度 78.9%，超过去五年 同期。 新增一般债第 37 周（9/8-9/14）147 亿，第 38 周（9/15-9/21）207 亿。 截至第 37 周（9/8-9/14）累计 6355 亿，进度 79.4%，超过去年同期。 新增专项债第 37 周（9/8-9/14）1319 亿，第 38 周（9/15-9/21）978 亿。2025 年新增专项债安排 4. ...

量化模型与构建方式 1 **模型名称**：无 **模型构建思路**：无 **模型具体构建过程**：无 模型的回测效果 1 **无模型回测效果数据** 量化因子与构建方式 1 **因子名称**：封板率因子 **因子构建思路**：通过计算当日最高价涨停且收盘涨停的股票数与最高价涨停的股票数的比例，反映市场涨停板的稳定性[18] **因子具体构建过程**： 1. 筛选上市满3个月以上的股票 2. 识别当日最高价涨停的股票集合 3. 识别当日收盘涨停的股票集合 4. 计算封板率： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[18] 2 **因子名称**：连板率因子 **因子构建思路**：通过计算连续两日收盘涨停的股票数与昨日收盘涨停的股票数的比例，反映市场连续涨停的强度[18] **因子具体构建过程**： 1. 筛选上市满3个月以上的股票 2. 识别昨日收盘涨停的股票集合 3. 识别当日收盘涨停的股票集合 4. 计算连板率： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[18] 3 **因子名称**：大宗交易折价率因子 **因子构建思路**：通过大宗交易成交价与市价的差异，反映大资金的投资偏好和市场情绪[27] **因子具体构建过程**： 1. 获取当日大宗交易总成交金额 2. 计算当日成交份额的总市值 3. 计算折价率： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$[27] 4 **因子名称**：股指期货年化贴水率因子 **因子构建思路**：通过计算股指期货主力合约与现货指数的基差年化值，反映市场对未来预期的情绪和对冲成本[29] **因子具体构建过程**： 1. 计算基差：股指期货价格减去现货指数价格 2. 获取合约剩余交易日数 3. 计算年化贴水率： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[29] 因子的回测效果 1 **封板率因子**，当日取值49%[18] 2 **连板率因子**，当日取值30%[18] 3 **大宗交易折价率因子**，当日取值8.11%[27]，近半年平均值6.06%[27] 4 **上证50年化贴水率因子**，当日取值17.39%[29]，近一年中位数0.16%[29] 5 **沪深300年化贴水率因子**，当日取值60.63%[29]，近一年中位数2.22%[29] 6 **中证500年化贴水率因子**，当日取值98.21%[29]，近一年中位数9.75%[29] 7 **中证1000年化贴水率因子**，当日取值72.23%[29]，近一年中位数12.19%[29]

百度集团AI业务分析 - AI芯片业务快速发展 昆仑芯25年营收预计达50亿元级 26年有望达到百亿元级 其中百度控股59% 客户包括中国移动、南方电网、比亚迪等外部客户[7] - AI云业务成为第二增长曲线 25Q2收入65亿元同比增长27% 2025全年收入预计达274亿元同比增长26% 2026年有望达350亿元同比增长25%[7] - 自动驾驶业务加速扩张 Apollo Go在25Q2提供超过220万次乘车服务同比增长148% 累计服务超1400万次 武汉等城市已实现盈利[8] - AI广告变现成效显著 25Q2代理生成广告收入环比增长50% 占核心在线营销收入13% 数字人广告收入环比增长55% 占核心在线营销收入3%[8] - 财务表现持续优化 上调2025-2027年收入预测至1336/1437/1541亿元 经调整归母净利润预期为210/244/280亿元 净现金达1551亿元支持业务发展[9] 可持续航空燃料行业动态 - SAF价格大幅上涨 截至9月17日中国高端SAF FOB价达2480美元/吨 较年初1800美元/吨上涨55%[13] - 欧盟政策推动需求增长 2025年SAF强制添加比例2%不变 远期掺混比例需达70% 2050年全球SAF需求量预计达3.58亿吨[13] - 欧洲市场存在供应缺口 欧洲今年SAF消费量预计190万吨 当前产能仅约100万吨 缺口由亚太生产商补充[14] - 中国产能快速扩张 截至2024年底SAF产能超100万吨 在建及规划产能超1000万吨/年 推荐关注龙头企业卓越新能[14] 信捷电气业务进展 - 工控业务稳健增长 2025年上半年总营收8.77亿元同比增长10.01% 归母净利润1.27亿元同比增长0.39%[16] - 海外拓展成效显著 截至2025年6月底海外订单同比增长近50% 重点布局俄罗斯、中东、东南亚等市场[17] - 具身智能产业加速布局 投资8亿元建设机器人智能驱控系统项目 开发无框力矩电机、空心杯电机等核心零部件[17] - 客户资源优质 合作企业包括比亚迪、宁德时代、立讯精密等细分领域标杆客户[17] 金融市场数据表现 - 主要指数普遍下跌 2025年9月18日上证综指跌1.15%至3831.65点 深证成指跌1.05%至13075.65点 创业板综指跌1.52%至3867.32点[2] - 全球市场表现分化 9月19日道琼斯指数持平 纳斯达克指数跌0.48% 恒生指数跌1.35% 日经225指数跌0.4%[4] - 基金指数整体上涨 9月19日股票基金指数涨0.89% 混合基金指数涨0.77% 债券基金指数涨0.06%[4] - 商品期货多数下跌 黄金跌0.85%至831.8美元 白银跌1.31%至9882美元 ICE布伦特原油跌0.75%至67.95美元[24] 财政数据与政策动向 - 公共预算收入增速放缓 8月一般公共预算收入同比增2%较前值2.6%回落 税收收入同比增3.4%较前值5%下降[11] - 支出结构发生变化 8月民生类支出同比增6.3% 基建相关支出同比降10.1% 城乡社区事务支出降幅达16.8%[11] - 土地出让收入由正转负 8月政府性基金收入同比降5.7% 其中土地出让收入降5.8%较前值7.2%明显恶化[12] - 政策蓄力待发 财政部表示将提前下达部分2026年专项债额度 加快化债资金使用进度[12]

投资评级 - 首次覆盖给予"优于大市"评级 [3][5][53] - 一年期合理估值区间为75.43-82.98元（对应2026年PE 30-33倍） [3][5][53] 核心观点 - 公司是国内工业自动化解决方案领先企业，技术覆盖控制层、驱动层、执行层、传感层，核心产品包括PLC、HMI、伺服系统等 [1][8] - 2024年中国小型PLC市场占有率国内品牌排名第二，实现销售额与市占率双增长 [1][8] - 加速布局具身智能产业，开发人形机器人核心零部件，投资8亿元建设机器人智能驱控系统项目 [3][35][36] - 主业稳健且海外拓展顺利，2025年上半年海外订单同比增速近50% [2] - 预计2025-2027年归母净利润分别为2.78/3.53/4.33亿元，同比增长21.68%/27.09%/22.55% [3][43] 财务表现 - 2025年上半年总营业收入8.77亿元（同比增长10.01%），归母净利润1.27亿元（同比增长0.39%） [1] - 上半年毛利率38.28%（同比下滑0.21个百分点），净利率14.49%（同比下滑1.38个百分点） [1] - 2019-2024年收入CAGR达21.33%，净利润CAGR为6.93% [20] - 2024年ROE为10.0%（较2023年增长0.7个百分点），2025年上半年ROE为4.8%（同比下滑1.0个百分点） [25] - 研发费用率从2019年8.5%提升至2024年9.8% [25] 业务布局 - 实施大客户战略，客户涵盖比亚迪、宁德时代、立讯精密、歌尔等细分行业龙头 [2][10] - 产品线中PLC占比38.05%，驱动系统占比47.33%，为主要收入来源 [10] - 伺服系统产品包括DS5系列、DM6系列驱动器，MS6系列电机等，支持EtherCAT等通讯协议 [14][15] - 积极开发无框力矩电机、空心杯电机等机器人核心零部件，已实现小批量销售 [35] - 在半导体、锂电智慧物流、医疗等行业提供完整解决方案 [37] 盈利预测假设 - 驱动系统：预计2025-2027年收入9.83/11.80/14.16亿元，毛利率25.46%/25.96%/26.46% [38][41] - PLC：预计2025-2027年收入8.10/9.72/11.66亿元，毛利率56.25%/56.75%/57.25% [39][41] - 人机界面：预计2025-2027年收入2.18/2.51/2.89亿元，毛利率稳定在32.18% [39][41] - 智能装置：预计2025-2027年收入0.45/0.52/0.62亿元，毛利率稳定在34.36% [40][41] 估值分析 - 绝对估值（FCFF法）：合理区间68.26-81.09元，WACC假设10.90% [46][49] - 相对估值：参考汇川技术、伟创电气等可比公司，给予2026年PE 30-33倍 [51][53] - 当前股价63.50元，总市值99.78亿元 [5]

投资评级 - 报告维持百度集团-SW（09888 HK）"优于大市"评级 [1][2] 核心观点 - 百度在AI浪潮下价值迎来重估，集自研芯片（昆仑芯）、AI基础设施服务与AI应用场景于一体，AI芯片、AI云、AI智驾有望打开市值空间 [1][2] - 传统广告业务承压，AI业务崛起，AI云营收快速起量，自动驾驶业务凭借成本优势加速出海，百度文库、网盘等应用付费潜力巨大，AI广告变现模式逐步落地 [2][7] - 财务预测上调，2025-2027年百度收入预计为1336/1437/1541亿元，调整幅度为2%/5%/7%，经调整归母净利润预期为210/244/280亿元，调整幅度为1%/2%/2% [2][83][85] - 2025年9月17日收盘价对应2025-2027年PE估值为17x/15x/13x [2][85] 公司概览与业务构成 - 百度25Q2收入拆分：百度核心广告业务占比约50%，是主要利润来源；百度核心非在线营销收入（AI云、自动驾驶等）首次突破百亿元大关，占比约30%；爱奇艺收入占比约20% [2][7][9] - 百度核心广告业务以搜索广告和信息流广告为核心，近期因宏观经济影响及AI搜索转型，收入下滑，份额占比逐渐降低 [7][9] - 百度核心非在线营销业务（AI云、自动驾驶）增长快速，利润端逐步扭亏为盈，云业务25Q2非GAAP运营利润同比增长 [7][9] - 组织架构包括智能云事业群组（ACG）、智能驾驶事业群组（IDG）、智能生活事业群组（SIG）、移动生态事业群组（MEG）等 [10][12] 昆仑芯业务进展 - 昆仑芯三代P800的FP16算力达345TFLOPS，推理性能超过A800，支持万卡集群部署 [2][18][21] - 客户除百度内采外，预计地方政府智算项目及外部客户（如中国移动、南方电网、比亚迪）采购占相当比例，腾讯等互联网公司可能成为重要外部客户 [2][18][22] - 测算昆仑芯25年营收有望达到50亿元级，26年营收有望达到百亿元级，百度控股59% [2][18][23] - 昆仑芯已完成6轮融资，引入北京市人工智能产业投资基金、社保基金、比亚迪等战略投资者 [18] 百度AI云进展与对比 - 百度AI云25Q2收入65亿元，同比+27%，2025全年收入预计达274亿元（同比+26%），2026年有望达350亿元收入（同比+25%），成为第二增长曲线 [2][28][30] - 国内云业务在AI需求带动下从10%+增速加速至20%+，云厂商24年Capex增长平均在40%以上，预估25年Capex增速进一步提升至平均50%+ [2][28][37] - 百度云在中国公有云市场占比约5%，行业覆盖多元，互联网为主占56%，金融、制造、政府分别占19%、7%、5% [43][44] - 千帆大模型平台升级至3.0版本，文心大模型日均调用量超过7亿次，开发出70多万个企业级应用 [43] 无人驾驶Apollo Go - Apollo Go在25Q2提供超过220万次乘车服务，同比+148%，累计服务超1400万次，武汉等城市已跑通盈利模型 [2][54][55] - 2025全年订单量有望突破1000万单，robotaxi市场空间大但商业化仍处投入期，短期利润贡献有限 [2][54][60] - 与文远知行、小马智行对比，百度Apollo Go在车队规模（1000+辆）与国内覆盖程度（16+城市）保持领先 [54][60][61] - 第6代无人车价格20万元（较五代降60%），规模效应下单车成本下降，UE模型可实现盈利 [58][59] AI广告、Agent智能体与数字人 - 7月移动端搜索结果页AI生成内容占比达64%（4月为35%），覆盖90%百度App MAU，25Q2启动小规模商业化测试 [2][66][70] - 25Q2代理生成广告收入环比增长50%，占核心在线营销收入的13%（Q1为9%），数字人广告收入环比增长55%，占核心在线营销收入的3% [2][66][69] - 数字人与代理季度收入约25亿元，数字人已渗透医疗、法律、教育、汽车领域，代理平台服务10万+企业和60万开发者 [2][42][69] - AI广告计划逐步从CPC（按点击付费）向CPS（按销售付费）转型，提升转化效率 [9][66] 盈利预测 - 上调2025-2027年百度收入至1336/1437/1541亿元，主要因AI云需求增长及Apollo Go、昆仑芯贡献增量 [2][83][85] - 预计2025-2027年经调整归母净利润为210/244/280亿元，2025年百度核心收入略超1000亿元 [2][83][85] - 截至2025年6月30日，百度净现金为人民币1551亿元，为AI业务发展奠定基础，2025年回购6.77亿美元股票，股东回报率约1.5% [2][85] - 百度核心非在线营销业务预计25年维持27%增长，AI云增速较快，广告业务预计25年收入下滑10% [83]