量化模型与构建方式 1. 模型名称：景顺长城“电新全能工具箱”自适应动态配置框架[2][6] * 模型构建思路：构建一个覆盖新能源全产业链（光伏、锂电、储能、风电、电网、电力运营）的投资组合，通过主动与被动产品相结合，实现阿尔法（α）与贝塔（β）的精准协同[2][6][14]。 * 模型具体构建过程： * 产品矩阵构建：选取景顺长城基金旗下的五只产品构建“主动阿尔法 + 被动贝塔”矩阵[6][14]。 * 主动阿尔法来源（2只）：景顺长城精锐成长（021431，提供全市场成长选股Alpha）和景顺长城新能源产业（011329，提供新能源产业主题深耕Alpha）[6][20]。 * 被动贝塔来源（3只ETF）：创业板新能源ETF景顺（159187，跟踪创业板新能源全链）、电力ETF景顺（159158，跟踪全市场电力公用事业）、电池ETF景顺（159757，跟踪新能源车电池细分）[6][20]。 * 核心-卫星策略框架构建：基于上述五只产品，构建“1核心+2卫星+1防御+1机动”的四层配置结构[57]。 * 核心仓（40%）：创业板新能源ETF景顺（159187），提供新能源制造全产业链的综合行业贝塔[57]。 * 双卫星仓（合计40%）：电池ETF景顺（159757，强化锂电周期高弹性）和景顺新能源产业（011329，获取主动Alpha）[58][62]。 * 防御仓（20%）：电力ETF景顺（159158），利用公用事业板块的低波动、稳收益特征对冲下行风险[58]。 * 机动仓（0-20%）：景顺精锐成长（021431），根据市场环境动态调整，增强策略灵活性[59]。 * 模型评价：该框架实现了新能源赛道全覆盖，通过差异化赛道工具的科学组合，构建兼具高弹性与抗波动性的新能源核心组合，旨在实现攻守兼备、牛熊周期自适应的动态配置目标[51]。 2. 模型名称：三种风险偏好配置方案[63] * 模型构建思路：在“电新全能工具箱”产品矩阵基础上，针对不同风险承受能力的投资者，预设进取型、均衡型、稳健型三种静态资产配置方案[63]。 * 模型具体构建过程：为三种风险偏好设定了固定的产品权重配置比例[67]。 * 进取型（高弹性）：以“新能源Alpha最大化”为核心，承受高波动以换取高收益弹性。配置为：景顺精锐成长15%，景顺新能源产业25%，创业板新能源ETF景顺35%，电力ETF景顺10%，电池ETF景顺15%[64][67]。 * 均衡型（攻守兼备）：采用主被动均衡配置思路，追求收益与风险平衡。配置为：景顺精锐成长5%，景顺新能源产业20%，创业板新能源ETF景顺30%，电力ETF景顺25%，电池ETF景顺20%[65][67]。 * 稳健型（低波动优先）：以“用部分弹性换取组合稳定性”为核心逻辑，公用事业板块占比高。配置为：景顺精锐成长0%，景顺新能源产业10%，创业板新能源ETF景顺20%，电力ETF景顺50%，电池ETF景顺20%[66][67]。 3. 模型名称：动态调仓逻辑（含三套预案）[69][71][74][76] * 模型构建思路：为“电新全能工具箱”组合设置基于量化规则或事件触发的动态调仓机制，以控制风格漂移、锁定收益并强化纪律性操作[69][76]。 * 模型具体构建过程： * 预案一：基于估值分位变化的调仓[69][70] * 以电新板块历史10年估值分位为锚，在不同分位区间执行不同的配置操作[69]。 * 具体规则： * <20%分位（极度低估）：大幅加仓成长端，增配电池ETF景顺和景顺新能源产业，降低电力ETF景顺仓位[69][71]。 * 20%-40%分位（低估区间）：执行均衡型配置方案，并主动低处加仓[69][71]。 * 40%-60%分位（合理区间）：维持均衡方案，仅进行定期再平衡[70][71]。 * 60%-80%分位（略高）：逐步切换至稳健型配置，增配电力ETF景顺[70][71]。 * >80%分位（高估区间）：减仓景顺精锐成长、电池ETF景顺等高弹性品种，提高现金或防御仓位[70][71]。 * 预案二：基于政策催化触发的调仓[71][74] * 以关键政策信号为触发条件，快速调整仓位以把握细分赛道机会[71]。 * 具体规则： * 储能政策超预期：加仓电池ETF景顺和景顺新能源产业[74][75]。 * AI数据中心电力需求加速扩张：加仓电力ETF景顺，关注电网设备[74][75]。 * 光伏产能出清、价格底部反转：加仓景顺新能源产业和创业板新能源ETF景顺[74][75]。 * 新能源汽车销量超预期/渗透率突破：加仓电池ETF景顺[74][75]。 * 电力改革深化：加仓电力ETF景顺[74][75]。 * 预案三：周期再平衡规则[76][77][79] * 设定常规再平衡周期（月度或季度）及明确的触发条件，以维持组合预设的风险收益特征[76]。 * 触发条件： * 任意单只产品偏离目标权重超过±10%时，执行强制再平衡[76]。 * 新能源板块季度涨幅超过30%时，主动将高弹性仓位减持至目标下限[76]。 * 具体情景应对： * 电池ETF景顺仓位>30%：卖出至20%，溢出资金补入电力ETF景顺[77][80]。 * 电力ETF景顺仓位<15%：买入补至25%，资金来源优先卖出涨幅最大的产品[77][80]。 * 景顺精锐成长大幅上涨：可适当加仓至10-15%，替换部分景顺新能源产业仓位[79][80]。 * 新能源板块系统性下跌>20%：暂停卖出，待估值分位回落至40%以下后再低处加仓[79][80]。 模型的回测效果 注：报告未提供具体的量化回测指标（如年化收益率、夏普比率、最大回撤等）数值。报告中的效果分析主要为定性描述和情景分析[53][54]。 量化因子与构建方式 注：本报告主要讨论资产配置模型和投资组合构建，未涉及传统的股票量化因子（如价值、动量、质量等）的构建与分析。 因子的回测效果 注：本报告未涉及传统量化因子的测试，因此无相关指标取值。