量化模型与因子总结 量化模型与构建方式 1. **模型名称：五维成长价值轮动模型** * **模型构建思路**：从动态宏观、估值回归、短期动量、风格广度和风格拥挤度五个维度构建综合信号，用于判断成长与价值风格的轮动时机[18]。 * **模型具体构建过程**： 1. **动态宏观信号**：基于多个宏观经济指标（如中长期信贷脉冲、M0/M1增速、通胀剪刀差、财政支出、美国利率等）的历史胜率，判断当前宏观环境对成长或价值风格更有利[18]。 2. **估值回归信号**：比较成长与价值风格的PE和PB估值比，判断其相对估值水平是否偏离历史中枢，从而产生均值回归信号[20]。 3. **短期动量信号**：分析成长与价值风格的价格趋势、量能趋势和内部估值分布，判断其中短期动量强弱[19]。 4. **风格广度信号**：观察成长与价值风格内部个股的上涨广度，判断趋势的可持续性。 5. **风格拥挤信号**：通过比较成长与价值风格指数成交额占A股比重的短期分位数，判断交易拥挤度[19]。 6. **综合信号生成**：将上述五个维度的信号进行综合，生成最终的风格配置建议（如100%价值或100%成长仓位）[21]。 2. **模型名称：行业中周期轮动模型** * **模型构建思路**：通过傅里叶变换刻画行业的价格、营收周期，构建行业中周期因子，并结合相同宏观周期状态下的行业动量因子，进行二维筛选以构建行业轮动策略[30]。 * **模型具体构建过程**： 1. **周期刻画**：使用与行业相关的高频数据，通过傅里叶变换确定行业的周期长度，刻画行业所处的价格或营收周期[30]。 2. **因子构建**：为每个行业构建“行业中周期因子”，该因子值反映了行业当前所处的周期强度（排名越小，周期越强）[30][33]。 3. **宏观状态匹配**：根据历史宏观周期的强弱划分，确定当前所处的宏观周期状态[30]。 4. **动量因子叠加**：在相同的宏观周期状态下，计算行业的动量因子[30]。 5. **行业筛选**：结合行业中周期因子和动量因子，每个月对行业进行二维筛选，优选周期强且动量佳的行业，构建轮动组合[30]。 3. **模型名称：利率ROIC定价模型** * **模型构建思路**：从资本回报率（ROIC）视角出发，通过结合权益市场的盈利预期，来间接推断债券市场的利率中枢点位[36]。 * **模型具体构建过程**： 1. **计算权益ROIC**：在A股上市公司（除金融）口径下，根据个股的利润和总资产数据，自下而上汇总计算全市场权益ROIC值。或在规模以上工业企业口径下进行计算[36][38]。 2. **计算债市隐含ROIC**：根据公式计算债市隐含的ROIC水平。公式为： $$ROIC = (无风险利率 + 股票风险溢价) \times 股权比例 + (无风险利率 + 信用风险溢价) \times 债权比例$$ 其中，无风险利率为30年国债到期收益率，信用风险溢价为AAA级企业债信用利差，股权占比参考A股（除金融）数据进行合成[36]。 3. **推导利率中枢**：结合对A股未来盈利增速的预测，调整权益ROIC预期，进而通过股债ROIC的均衡关系，推导出10年期国债等利率品种的预期中枢及上下界（利率走廊）[40][41][43]。 4. **模型名称：利率短期价量趋势模型** * **模型构建思路**：从日度价量数据所形成的利率形态入手，捕捉市场短期交易情绪的趋势突破信号，用于利率债的短期择时[45]。 * **模型具体构建过程**： 1. **形态识别**：对5年、10年、30年期国债到期收益率（YTM）的时序数据，应用形态识别算法[45]。 2. **多周期分析**：分别在长、中、短三个不同周期视野下，识别利率走势的向上或向下突破信号[45][46]。 3. **综合评分**：汇总不同期限、不同周期下的突破信号票数，形成综合评分结果（如中性震荡、中性偏空等），作为短期交易观点[45]。 5. **模型名称：利率宏观基本面择时模型** * **模型构建思路**：围绕经济增速预期、通胀预期、流动性变化和风险偏好四大类核心驱动因素，构建领先指标，并利用“三分位点算法”检验指标对利率变化的预测能力，进而构建择时策略[50][56]。 * **模型具体构建过程**： 1. **指标筛选与处理**：为四类驱动因素筛选代表性宏观指标（如PMI、固定资产投资、PPI、M2-M1剪刀差、国债收益率曲线、标普500指数等）。对原始数据进行差分处理以关注边际变化，对多指标类别进行主成分分析（PCA）降维，并对部分存在披露滞后的指标进行滞后处理[53][56]。 2. **预测能力检验**：使用“三分位点算法”定量评价指标对下一期利率变化的预测能力。将全样本按指标值分为三组，计算前1/3组与后1/3组下一期利率变化均值的T统计值，公式为： $$T = \frac{\bar{F}_1 - \bar{F}_3}{\sqrt{\frac{(n_1 - 1)S_1^2 + (n_3 - 1)S_3^2}{n_1 + n_3 - 2}(\frac{1}{n_1} + \frac{1}{n_3})}}$$ 其中，$\bar{F}_i$和$S_i$代表分组i下利率下一期变化的均值和标准差，$n_i$代表分组i的样本数量[57][58]。 3. **策略构建**：对于每个通过检验的指标，当其处于历史前1/3分位时，若指标与利率同向变动则配置短久期债，若反向则配置长久期债；处于后1/3分位时则反向操作；处于中间1/3时则配置50%短久期债+50%长久期债。月度调仓[59][60]。 6. **模型名称：可转债定价与估值模型** * **模型构建思路**：以期权二叉树定价法为基础，结合转债条款、正股退市风险等因素对可转债进行理论定价，并与市场价格比较以评估估值高低；同时合成全市场正股PB中位数以判断股底估值周期[76][81]。 * **模型具体构建过程**： 1. **期权定价**：使用二叉树模型为每只可转债进行理论定价，充分考虑转股、赎回、回售、下修等条款[76]。 2. **计算定价偏离度**：计算转债市场价格相对理论定价的折溢价率，即“定价偏离度”。公式为：定价偏离度 = 转债二叉树定价 / 转债市价 - 1。该值中位数或余额加权值可代表市场整体估值水平[76]。 3. **正股估值合成**：自下而上计算全市场可转债对应正股的PB中位数，作为转债市场股底估值的代理指标[81]。 7. **模型名称：固收多资产配置模型** * **模型构建思路**：结合可转债和利率债的择时指标，在保持长期结构与基准接近的基础上，动态调整可转债、长久期利率债、中短久期利率债和信用债的配置比例，以获取稳定超额收益[84]。 * **模型具体构建过程**： 1. **可转债仓位分配**：根据“可转债正股PB中位数”指标所处的运行周期（通过其5年分位数判断），分配0%、2.5%或5%三档转债仓位[84][85]。同时，根据“转债定价偏离度”指标的运动周期，分配另一组0%、2.5%或5%的转债仓位，两组权重相加为最终转债仓位[85]。 2. **利率债仓位分配**：剩余仓位配置纯债。首先根据债券市场利率债占比分配利率债总仓位。然后，参考“利率债长周期价量择时指标”，在利率债内部分配0%、50%或100%三档长久期利率债仓位，其余配置中短久期利率债[85]。 3. **信用债仓位填充**：所有剩余仓位配置信用债[85]。 4. **调仓**：基础频率为月度，利率债仓位可根据实时监控调整[84]。 模型的回测效果 1. **五维成长价值轮动模型**（综合信号2_5D平均仓位_国证成长价值，回测期2010/05/31-2026/02/27）[21]： * 累计收益：584.11% * 年化收益：14.62% * 年化波动率：40.08% * 最大回撤：44.11% * 夏普比率：0.36 * 年化超额收益（相对国证成长价值等权）：7.91% * 月度超额胜率：66.14% * 年化跟踪误差：5.88% * 年化信息比率（IR）：1.34 2. **利率宏观基本面单因子择时模型**（各指标策略回测，截至2026/02/27）[71]： * **pmi_prin策略**（2011/01/31起）：年化收益5.07%，年化波动率1.35%，最大回撤2.67%，夏普比率3.74，超额收益（相对等权基准）1.15%。 * **inv_prin策略**（2011/03/31起）：年化收益4.60%，年化波动率1.28%，最大回撤2.53%，夏普比率3.60，超额收益0.66%。 * **real_prin策略**（2016/08/31起）：年化收益4.23%，年化波动率1.13%，最大回撤3.18%，夏普比率3.75，超额收益0.77%。 * **commodity_global策略**（2003/12/31起）：年化收益4.46%，年化波动率2.74%，最大回撤5.52%，夏普比率1.63，超额收益0.81%。 * **ppcp_prin策略**（2003/12/31起）：年化收益4.25%，年化波动率1.95%，最大回撤3.66%，夏普比率2.18，超额收益0.60%。 * **m2_m1策略**（2003/12/31起）：年化收益4.67%，年化波动率1.89%，最大回撤3.40%，夏普比率2.47，超额收益1.03%。 * **cgb_level策略**（2007/12/28起）：年化收益5.24%，年化波动率1.63%，最大回撤2.45%，夏普比率3.21，超额收益1.26%。 * **stock_global策略**（2003/12/31起）：年化收益4.05%，年化波动率2.16%，最大回撤6.98%，夏普比率1.88，超额收益0.41%。 * **等权基准**（2003/12/31起）：年化收益3.65%，年化波动率1.70%，最大回撤3.40%，夏普比率2.14。 3. **固收多资产配置模型**（回测期2016/12/31-至今）[88]： * 年化收益率：5.28% * 最大回撤：2.21% * 收益回撤比：2.39 * 持有1年滚动收益率均值：约6% * 持有满1年绝对收益胜率：100% * 近年表现：2024年收益8.49%（超额0.86%），2025年收益2.05%（超额1.40%），2026年初至今收益0.57%（超额0.01%）[88]。 量化因子与构建方式 1. **因子名称：行业中周期因子** * **因子构建思路**：通过傅里叶变换分析行业高频数据，识别行业所处的价格或营收周期位置，构建反映行业周期强度的因子[30]。 * **因子具体构建过程**：收集与行业相关的高频数据（如价格、营收等），运用傅里叶变换方法确定数据序列的主要周期长度，进而刻画当前时点行业在周期中所处的相位和强度，最终合成一个表征行业周期强弱的因子值，值越小表示周期越强[30][33]。 2. **因子名称：通胀剪刀差 (CPI-PPI)** * **因子构建思路**：作为宏观分析因子，用于观察下游需求与上游价格之间的关系，历史上被用于分析对周期风格的影响[27]。 * **因子具体构建过程**：直接计算消费者价格指数（CPI）同比增速与生产者价格指数（PPI）同比增速的差值[27]。 3. **因子名称：PPI同比增速** * **因子构建思路**：作为核心宏观因子，用于预判周期风格的走势，历史数据显示其上行对周期股超额收益有正面影响[29]。 * **因子具体构建过程**：直接采用国家统计局发布的PPI全部工业品同比增速数据[29]。 4. **因子名称：美元指数** * **因子构建思路**：作为影响国际大宗商品定价的宏观因子，其变化对有色金属等周期行业有一定前瞻性指引作用[29]。 * **因子具体构建过程**：直接采用美元指数数据[29]。 5. **因子名称：定价偏离度 (转债)** * **因子构建思路**：衡量可转债市场定价偏离理论价值的程度，作为判断转债估值高低（ALPHA机会）的因子[76]。 * **因子具体构建过程**：首先利用二叉树模型计算每只可转债的理论价格，然后计算其市场价格与理论价格的比率减1，即：定价偏离度 = 理论价格 / 市价 - 1。取全市场该值的中位数或余额加权值作为市场整体因子值[76]。 6. **因子名称：正股PB中位数 (转债)** * **因子构建思路**：合成反映可转债市场整体股底估值水平的因子，用于判断转债的BETA机会和估值周期[81]。 * **因子具体构建过程**：计算全市场所有可转债对应正股的市净率（PB），然后取这些PB值的中位数，作为该因子的取值[81]。 因子的回测效果 1. **PPI同比增速因子**（用于预判周期风格未来3个月超额收益，统计期2005年至今）[29]： * 当上月PPI增速上行时，未来3个月周期风格平均超额收益（较中证800）：1.17%。 * 当上月PPI增速下行时，未来3个月周期风格平均超额收益（较中证800）：-0.06%。 2. **CPI-PPI剪刀差因子**（用于预判周期风格未来3个月超额收益，统计期2005年至今）[30]： * 当剪刀差上行时，未来3个月周期风格平均超额收益（较中证800）：0.61%。 * 当剪刀差下行时，未来3个月周期风格平均超额收益（较中证800）：0.57%。 3. **美元指数因子**（用于预判周期风格未来3个月超额收益，统计期2005年至今）[30]： * 当美元指数上行时，未来3个月周期风格平均超额收益（较中证800）：0.41%。 * 当美元指数下行时，未来3个月周期风格平均超额收益（较中证800）：0.81%。

量化模型与构建方式 1. **模型名称：中国经济六周期模型** **模型构建思路：** 通过识别中长期贷款脉冲（新增中长贷TTM同比）的三个月差分方向来判断信用周期，并结合其他宏观因子，将经济划分为六个阶段，用于指导资产配置[7]。 **模型具体构建过程：** 1. 使用“中长期贷款脉冲”作为核心信用周期识别指标。该指标的计算基于“新增中长期贷款TTM同比”的三个月差分[7]。 2. 通过该指标的变动方向（上升或下降）来判定信用周期是处于扩张还是收缩状态[7]。 3. 结合货币因子、增长因子等其他宏观指标，将经济状态综合划分为六个阶段。报告当前指出模型处于“阶段6：货币扩张”状态[7][11]。 2. **模型名称：宏观胜率评分卡** **模型构建思路：** 从货币、信用、增长、通胀和海外五个宏观因子出发，合成一个综合评分，用于评估各类资产的未来上涨概率（胜率）[21]。 **模型具体构建过程：** 报告提及该模型基于五个宏观因子（货币、信用、增长、通胀、海外）构建，但未详细说明各因子的具体计算方法和合成规则。模型输出结果为各资产的综合胜率百分比，例如A股胜率[21]。 3. **模型名称：利率债收益预测模型（债券赔率指标）** **模型构建思路：** 根据长短期债券的预期收益差来构建债券资产的赔率指标，用于衡量债券资产的估值吸引力[22]。 **模型具体构建过程：** 报告未给出该模型计算预期收益差和赔率的具体公式，但明确指出该赔率指标是标准化后的数值，以标准差倍数表示[22]。 4. **模型名称：美联储流动性指数** **模型构建思路：** 结合数量维度和价格维度，综合构建一个反映美联储流动性松紧程度的指数[29]。 **模型具体构建过程：** 报告指出该指数综合了净流动性、联储信用支持、预期引导、市场隐含、公告意外等多个维度，但未提供具体的合成公式。指数设有预警阈值，例如-60%代表“极度收紧”[28][29]。 5. **模型名称：行业景气-趋势-拥挤配置模型（并行策略）** **模型构建思路：** 提出两种右侧行业配置方案，并将它们结合形成并行策略。方案一以行业景气度为核心，结合趋势并规避高拥挤；方案二以市场趋势为核心，结合低拥挤并规避低景气[46]。 **模型具体构建过程：** * **行业景气模型：** 核心是“分析师行业景气指数”。该指数基于分析师预测数据构建，用于衡量市场对行业未来业绩的预期。具体构建方法在引用的专题报告中，本报告未详述[12]。 * **行业趋势模型：** 核心是行业的趋势强度。 * **拥挤度：** 用于衡量交易过热风险。 * **并行策略：** 同时运行上述两个模型，其推荐结果共同构成最终的行业配置建议[46][49]。 6. **模型名称：行业ETF配置模型** **模型构建思路：** 将“行业景气-趋势-拥挤配置模型”的逻辑应用于可交易的行业ETF上，构建一个可落地的投资组合[50]。 **模型具体构建过程：** 与模型5思路一致，但标的物为行业ETF。模型对每只ETF计算其跟踪指数的景气度、趋势和拥挤度，并据此进行配置[50][51]。 7. **模型名称：行业库存景气+困境反转模型** **模型构建思路：** 从赔率-胜率角度出发，在当前或过去处于困境但已有所反弹的板块中，筛选出分析师长期看好且库存压力不大、具备补库条件的行业，以捕捉困境反转行情[55]。 **模型具体构建过程：** 报告提及模型结合了“困境”（赔率）、“分析师长期看好”（胜率的一部分）和“库存压力/补库条件”等多个维度，但未给出具体的因子计算公式和合成规则[55]。 8. **模型名称：赔率增强型策略（固收+）** **模型构建思路：** 基于风险预算模型，在目标波动率约束下，根据各资产的赔率指标动态调整配置权重，持续超配高赔率（估值有吸引力）的资产[58]。 **模型具体构建过程：** 策略使用风险预算模型进行资产配置。赔率指标作为输入，用于计算各类资产（泛权益、黄金、债券）的风险预算。在满足目标波动率约束的前提下，分配更多风险预算给赔率高的资产[58]。 9. **模型名称：胜率增强型策略（固收+）** **模型构建思路：** 与赔率增强型策略框架类似，但输入指标替换为基于宏观五因子合成的各资产“胜率”评分，旨在超配未来上涨概率更高的资产[61]。 **模型具体构建过程：** 使用与模型8相同的风险预算模型框架，但将赔率指标替换为模型2（宏观胜率评分卡）输出的胜率评分，作为计算风险预算的依据[61]。 10. **模型名称：赔率+胜率增强型策略（固收+）** **模型构建思路：** 综合赔率和胜率信息，将两种策略的风险预算简单相加得到综合得分，据此构建更全面的资产配置策略[64]。 **模型具体构建过程：** 分别计算赔率增强策略（模型8）和胜率增强策略（模型9）对各类资产的风险预算，然后将两者相加，得到最终的综合风险预算，并据此确定资产配置权重[64]。 量化因子与构建方式 1. **因子名称：行业相对强弱指标（RS）** **因子构建思路：** 基于行业内个股的横截面收益排名，构建一个行业级别的相对强弱指标，用于提前识别年度领涨主线[15]。 **因子具体构建过程：** 报告未给出RS因子的具体计算公式，但说明其构建基础是“行业横截面收益排名”。当某个行业的RS指标大于90%时，被视为一个强烈的看涨信号[15]。 2. **因子名称：A股赔率因子** **因子构建思路：** 综合Shiller ERP（经周期调整的市盈率倒数）和DRP（股息率）两个估值指标，合成一个衡量A股整体估值吸引力的赔率因子[21]。 **因子具体构建过程：** 将Shiller ERP和DRP分别进行标准化处理（转化为Z-score），然后进行等权加权，得到最终的赔率因子值。该值以标准差倍数表示[21]。 3. **因子名称：债券赔率因子** **因子构建思路：** 基于利率债收益预测模型输出的长短期债券预期收益差，构建衡量债券估值吸引力的指标[22]。 **因子具体构建过程：** 由模型3（利率债收益预测模型）输出，并进行标准化处理，以标准差倍数表示[22]。 4. **因子名称：美股AIAE指标** **因子构建思路：** 作为一个衡量美股估值风险的指标，具体构建方法未说明，但历史高点通常预示较大的回撤风险[26][29]。 5. **风格因子（小盘、价值、质量、成长等）的三标尺：赔率、趋势、拥挤度** **因子构建思路：** 从三个维度（赔率、趋势、拥挤度）对风格因子进行综合评估，每个维度都进行标准化处理（以标准差倍数表示），并据此计算综合得分[30][32][36][39]。 **因子具体构建过程：** * **赔率：** 衡量因子估值便宜程度，数值越大代表越便宜[31]。 * **趋势：** 衡量因子近期表现强度，数值越大代表趋势越强[31]。 * **拥挤度：** 衡量因子交易过热程度，数值越大代表越拥挤[31]。 * **综合得分：** 基于三个维度的标准化数值计算得出，用于排名和判断[44]。 模型的回测效果 1. **行业景气-趋势-拥挤配置模型（并行策略）**，基准：Wind全A指数，年化收益22.0%，年化超额收益13.2%，信息比率(IR)1.5，超额最大回撤-8.0%，月度胜率67%[47]。2026年初至2月底绝对收益8.0%，超额收益-0.2%[47]。 2. **行业ETF配置模型**，基准：中证800指数，年化超额收益16.3%，信息比率(IR)1.9，超额最大回撤10.8%，月度胜率66%[52]。2025年超额收益21.4%[52]。2026年初至2月底绝对收益9.5%，超额收益3.9%[52]。 3. **行业库存景气+困境反转模型**，基准：行业等权组合，2023年绝对收益13.4%，超额收益17.0%；2024年绝对收益26.5%，超额收益15.4%；2025年绝对收益28.7%，超额收益5.6%[55]。2026年初至2月底绝对收益12.2%，超额收益3.9%[55]。 4. **赔率增强型策略（固收+）**，自2011年以来年化收益6.7%，年化波动2.3%，最大回撤3.1%，夏普比率2.88[60]。自2014年以来年化收益7.4%，最大回撤2.8%，夏普比率3.35[60]。自2019年以来年化收益6.8%（原文6.9%），最大回撤2.8%，夏普比率3.14[60]。 5. **胜率增强型策略（固收+）**，自2011年以来年化收益7.1%，年化波动2.4%，最大回撤3.4%，夏普比率2.99[62]。自2014年以来年化收益7.9%，最大回撤2.2%，夏普比率3.41[62]。自2019年以来年化收益6.8%，最大回撤1.5%，夏普比率3.10[62]。 6. **赔率+胜率增强型策略（固收+）**，自2011年以来年化收益6.7%，年化波动2.3%，最大回撤2.9%，夏普比率2.92[66]。自2014年以来年化收益7.3%，最大回撤2.3%，夏普比率3.31[66]。自2019年以来年化收益6.3%，最大回撤2.3%，夏普比率2.99[66]。 因子的回测效果 1. **小盘因子**，赔率0.6倍标准差，趋势0.7倍标准差，拥挤度-1.4倍标准差，综合得分4[30]。 2. **价值因子**，赔率1.2倍标准差，趋势0.3倍标准差，拥挤度-1.2倍标准差，综合得分3[32]。 3. **质量因子**，赔率1.2倍标准差，趋势-0.1倍标准差，拥挤度-0.2倍标准差，综合得分1[36]。 4. **成长因子**，赔率-1.2倍标准差，趋势0.6倍标准差，拥挤度0.2倍标准差，综合得分-0.4[39]。

市场整体表现 - 截至收盘，市场整体估值处于3.7星级 [1] - 沪深300等大盘股指数下跌，而小盘股指数微涨 [2] - 红利等价值风格指数与创业板等成长风格指数均出现下跌 [2] - 港股市场近期表现低迷，持续下跌，其中港股中小、港股科技、港股医药类指数均出现较大波动 [2] A股与港股牛市特征分析 - A股与港股的牛市很少呈现单边上涨，中间经常出现回调，呈现“进三退一”或“进三退二”的走势 [2] - 自2024年市场处于5.9星级以来，A股主要经历了三波上涨带来的收益，其他时间多为震荡阴跌或回调 [2][3][4] - A股与港股的上涨和下跌时间并不同步 [5] 港股科技类指数表现 - 恒生科技指数自2024年5.9星级以来，总上涨71%，期间经历了三波上涨与回调 [2] - 第一波：2024年初至2024年11月，上涨82%，之后回调24% [2] - 第二波：2025年初至3月底，上涨48%，之后回调31% [2] - 第三波：2025年4月至10月，上涨56%，之后回调24%至今 [2] - 港股科技指数（中证编制）自2024年5.9星级以来，总上涨105%，同样经历三波上涨与回调 [2] - 第一波：上涨85%，之后回调21% [2] - 第二波：上涨55%，之后回调30% [2] - 第三波：上涨65%，之后回调23%至今 [2] - 这两个指数在本轮牛市中的涨幅均高于同期A股和港股大盘，但波动也更大 [2] 成长风格指数特点 - 科技股属于成长风格，其波动通常比大盘更大 [6] - 在牛市上涨过程中，大盘宽基指数的回调通常在10-20%以内，而成长风格或细分行业主题的回调幅度会更大 [6] - 例如A股的科创50指数，自2024年5.9星级以来上涨超过110%，期间也出现过数次20%级别的回调 [6] 科技指数上涨驱动因素 - 科技类指数的涨幅与背后上市公司的盈利增长速度相关性较强 [6] - 前几次科技指数的上涨都伴随着上市公司盈利的同比大幅增长 [6] - 例如，2025年上半年港股科技股盈利同比翻倍增长，带动了2025年1-3季度港股科技类指数出现两波大幅上涨 [6] - 2025年三季度，A股创业板、科创板盈利同比大幅增长，也带动了这两个指数上涨至接近或达到高估 [6] - 2025年四季度以来，A股和港股科技类指数的盈利同比增长速度放缓，是市场短期回调的原因之一 [6] - 港股科技股目前面临AI开支增加等影响，市场担心其四季度盈利增长不及二、三季度 [6] 投资组合策略与风格搭配 - 在投资单个行业主题时，建议控制比例在15-20%以内 [6] - 主动优选组合中配置了港股科技股，但会控制其比例 [6] - 投资组合通过搭配成长风格与价值风格的品种来增强稳定性 [6] - 2025年，主动优选跑赢大盘，部分得益于港股科技股的贡献 [6] - 近期港股成长风格回调，但主动优选组合继续上涨，则依靠组合内的价值风格股票，如红利、现金流等品种 [6][7][8] - 通常成长风格低迷时，价值风格表现会比较强势，不同风格的低估品种搭配能让整体投资更稳定 [9][10] 红利类指数估值数据 - 提供了多只红利类及相关价值风格指数的估值数据表，包括上证红利、中证红利、港股红利、红利低波等指数 [12] - 表格中列出了各指数的关键估值指标，如盈利收益率、市盈率、市净率、股息率和近十年估值分位数 [12] - 例如，中证红利低波动指数的盈利收益率为12.14%，市盈率为8.24，市净率为0.83，股息率为4.92%，近十年市盈率分位数为32.38% [12] - 提供了部分追踪这些指数的基金产品规模及分红数据 [13] - 完整的红利指数估值表已在相关小程序中每日更新 [14] 其他市场指数估值数据 - 提供了涵盖宽基、行业、风格、债券等多种类型指数的估值表 [25] - 表中包含盈利收益率、市盈率、市净率、股息率、ROE等关键指标，以及对应的场内、场外基金代码 [25] - 例如，港股科技指数市盈率为37.50，市净率为3.07，股息率为0.65% [25] - 科创50指数市盈率为130.86，市净率为7.01，股息率为0.31% [25] - 同时提供了部分债券指数的久期、到期收益率及历史表现数据 [28]

市场风格研判 - 国投证券林荣雄认为，节后科技风格有望重新占优 [1] - 历史数据显示，2010年至2025年总计16年中，仅有2年未发生春节前后的成长和价值风格切换 [1] - 若节前市场风格偏大盘，则节后偏向中小盘定价的概率较高 [1] - 历史上，春节前一个月涨幅靠前的一级行业与春节后一个月不重复的概率较高 [1] - 今年春节前一个月市场风格开始向价值风格倾斜，科技成长风格相对回落 [1] 科技风格驱动因素 - 随着沃什（美联储）边际影响减弱，海外市场企稳，为科技风格回归创造条件 [1] - 春节假期期间，机器人和大模型领域再次迎来催化 [1] - 市场对海外AI巨头业绩的担忧已明显缓解 [1] - 综合因素下，春节后科技成长风格将有望卷土重来 [1] 科技内部结构展望 - 科技内部将进行再均衡，其新本质是“AI科技向下游走” [1] - 市场关注点将向第四阶段供需缺口环节逐渐过渡 [1] - 上游供需缺口环节主要关注铜、存储与电力设备 [1] - 下游供需缺口环节主要关注AI应用、元器件等 [1]

港股市场的风格轮动现象 - 港股市场与A股市场类似，存在成长与价值风格的轮动现象[6] - 港股风格轮动的时间长短不一，其本质是市场有限资金在不同风格品种间进出，导致品种阶段性表现强弱[10] 港股风格轮动的具体表现 - **成长风格强势期 (2024年9月至2025年9月)**：在此期间港股成长风格表现强势[7] - 驱动因素：2025年第一和第二季度，港股科技公司盈利同比增长翻倍，为近五年增速最快的时期[7] - 市场表现：港股科技指数在此期间上涨超过100%，大幅跑赢同期A股和港股大盘平均涨幅[8] - 价值风格对比：同期以恒生红利低波动指数为代表的价值风格品种上涨约30%，但涨幅跑输同期港股大盘[8] - **风格切换期 (2025年9月以来)**：市场风格发生切换[9] - 成长风格回调：港股科技指数回调约19%[9] - 价值风格延续上涨：恒生红利低波动指数继续上涨约10%[9] 港股与A股风格指数的构成差异 - **价值风格指数**： - A股市场包含红利、低波动、价值、自由现金流等多种指数[6] - 港股市场主要以红利类指数为主，例如恒生红利低波动指数[6] - **成长风格指数**： - A股市场包含龙头策略、成长、质量等指数，以及创业板、科创板[6] - 港股市场主要以科技类指数为主，例如港股科技指数、恒生科技指数[6] 投资策略的应用 - 在投资组合中会同时配置成长与价值风格中被低估的品种[10] - 会根据不同风格品种的估值变化动态调整配置比例，例如在2026年1月成长风格大涨时，进行了止盈部分高估的成长品种并加仓低估价值品种的操作[10]

报告行业投资评级 未提及 报告的核心观点 - 沪深北交易所宣布优化再融资一揽子措施聚焦优质上市公司和科技创新领域 [2] - 截至2026年1月底我国百亿私募管理人数量创历史新高 有业绩展示的超九成实现正收益 平均赚6.41% [2] - A股主要指数收盘多数上涨 三大指数窄幅震荡 中证1000表现最为强势 沪深两市成交额下降 超3100只个股下跌 传媒、综合板块走强 房地产、食品饮料板块领跌 [2] - 海外美股科技股延续反弹 日韩股市高开 国内1月官方制造业、非制造业、综合PMI指数均回落至收缩区间 [2] - 市场对成长板块追涨情绪降温 成长板块获利回吐 市场向价值风格倾斜 1月PMI回落影响市场情绪 美股科技股反弹或短期提振A股科技板块 节前价值风格或保持相对优势 [2] 根据相关目录分别进行总结 期货盘面 - IF主力合约（2603）价格4724.0 环比+6.2↑ 次主力合约（2602）价格4728.2 环比+9.6↑ [2] - IH主力合约（2603）价格3093.6 环比+11.4↑ 次主力合约（2602）价格3092.8 环比+12.2↑ [2] - IC主力合约（2603）价格8290.8 环比-11.4↓ 次主力合约（2602）价格8309.0 环比-6.4↓ [2] - IM主力合约（2603）价格8229.0 环比+12.4↑ 次主力合约（2602）价格8254.6 环比+11.6↑ [2] - IF-IH当月合约价差1635.4 环比-3.6↓ IC-IF当月合约价差3580.8 环比-18.6↓ [2] - IM-IC当月合约价差-54.4 环比+11.6↑ IC-IH当月合约价差5216.2 环比-22.2↓ [2] - IM-IF当月合约价差3526.4 环比-7.0↓ IM-IH当月合约价差5161.8 环比-10.6↓ [2] - IF当季-当月-38.0 环比-6.6↓ IF下季-当月-91.4 环比-6.2↓ [2] - IH当季-当月-3.2 环比+1.4↑ IH下季-当月-36.4 环比-1.0↓ [2] - IC当季-当月-119.8 环比-13.0↓ IC下季-当月-245 环比-18.2↓ [2] - IM当季-当月-191.6 环比+1.2↑ IM下季-当月-368.6 环比-2.8↓ [2] 期货持仓头寸 - IF前20名净持仓-42365.00 环比-1530.0↓ IH前20名净持仓-23548.00 环比+1183.0↑ [2] - IC前20名净持仓-45502.00 环比-3053.0↓ IM前20名净持仓-62618.00 环比+1173.0↑ [2] 现货价格 - 沪深300价格4724.30 环比+5.2↑ IF主力合约基差-0.3 环比-2.4↓ [2] - 上证50价格3087.4 环比+5.6↑ IH主力合约基差6.2 环比+4.0↑ [2] - 中证500价格8306.4 环比-4.8↓ IC主力合约基差-15.6 环比-16.0↓ [2] - 中证1000 A股成交额（日，亿元）8250.3 环比+16.5↑ IM主力合约基差-1454.35↓ 两融余额（前一交易日，亿元）26644.00 环比+7.40↑ [2] 市场情绪 - 北向成交合计（前一交易日，亿元）2730.05 环比-147.11↓ 逆回购（到期量，操作量，亿元）-1055.0 环比+3114.0 [2] - 主力资金（昨日，今日，亿元）+261.26 环比-441.81 [2] - 上涨股票比例（日，%）40.05 环比-44.16↓ Shibor（日，%）1.362 环比+0.092↑ [2] - IO平值看涨期权收盘价（2602）54.60 环比-8.40↓ 隐含波动率（%）16.61 环比-2.02↓ [2] - IO平值看跌期权收盘价（2602）28.40 环比-11.00↓ 隐含波动率（%）16.61 环比-2.02↓ [2] - 沪深300指数20日波动率（%）12.55 环比-0.14↓ 成交量PCR（%）60.58 环比+2.92↑ [2] - 持仓量PCR（%）65.83 环比+1.54↑ [2] Wind市场强弱分析 - 全部A股4.80 环比-3.30↓ 技术面4.00 环比-4.40↓ [2] - 资金面5.60 环比-2.10↓ [2] 重点关注 - 待定 中国1月金融数据 [3] - 2/10 21:30 美国1月零售销售、核心零售销售 [3] - 2/11 9:30 中国1月CPI、PPI [3] - 2/11 21:30 美国1月非农就业人数、失业率、劳动参与率 [3] - 2/13 21:30 美国1月CPI、核心CPI [3]

涉及的行业与公司 * 报告为一份量化策略周报，主要关注A股市场整体及各类宽基指数、行业板块、风格因子的表现与模型跟踪[1][2] * 报告提及的行业包括食品饮料、纺织服装、银行、电力设备及新能源、交通运输、有色金属、通信、电子、计算机、传媒等[2] * 报告提及的宽基指数包括沪深300、中证500、创业板指、上证50、上证综指、中证1000、国证价值指数、国证成长指数等[2][12] * 报告提及的衍生品包括股指期货IH、IF、IC、IM合约及50ETF期权[2][11] * 报告跟踪的量化模型涉及行业轮动、多因子选股（沪深300、中证500、中证1000指数增强）、主动量化选股（成长趋势共振策略、价值股优选策略）[4][5][6][7] 核心观点与论据 **市场回顾 (截至2026年2月6日当周)** * **市场震荡下跌**：A股宽基指数均下跌，沪深300、中证500、创业板指本周涨跌幅分别为-1.33%、-2.68%、-3.28%[2] * **行业表现分化**：食品饮料与纺织服装行业涨幅居前，有色金属与通信行业跌幅居前[2] * **价值风格占优**：国证价值指数全周下跌0.53%，国证成长指数全周下跌1.99%，价值风格收益强于成长风格[2] * **因子表现**：本周表现较好的量化风格因子主要包括分红、低换手、低流动性、低波动等[2] * **衍生品市场**：小盘股期指贴水震荡收窄，本周五IH、IF、IC和IM当季合约年化基差率分别为-0.4%、-2.1%、-4.7%和-8.0%[2] **后市展望与模型观点** * **宏观与微观判断**：综合宏观预期差指数（略偏谨慎）和左侧择时指标体系（乐观），认为当前宏观经济对股市影响偏谨慎，但股市微观结构较为正常[3] * **市场技术面**：反映指数阻力支撑相对强弱的QRS指标在跟踪的多数指数中发出看空信号，认为市场存在一定顶部阻力[3] * **风格判断**：短期风格偏向小盘价值[4] **量化模型表现跟踪** * **行业轮动模型**：轮动速度自适应模型本周跑输行业等权基准0.2个百分点，最近一周收益率-1.1%，基准收益-0.8%[4] * **多因子选股模型**： * 沪深300指数增强本周跑赢基准0.08个百分点[5] * 中证500指数增强本周跑赢基准0.70个百分点[5] * 中证1000指数增强本周跑赢基准0.49个百分点[5] * **主动量化选股模型**： * 成长趋势共振策略本周收益率-3.6%，跑输基准指数1.2个百分点[6] * 价值股优选策略本周收益率-1.7%，跑输中证红利指数基准1.2个百分点[7] 其他重要内容 **左侧择时指标详情 (截至2026年2月6日)** * **估值水平维度**：估值分位指标为0.90，触发看空阈值(>0.95)，观点为看空[11] * **市场情绪维度**：期权认沽认购比为0.96，观点为看多；前后成交额差异指标为0.85，观点为看多；其他情绪指标多为中性[11] * **资金流向维度**：顶底阻力指标为0.69，触发看空阈值(>0.9)，观点为看空；量价背离指标为-0.44，观点为看多[11] **QRS量化择时信号 (截至2026年2月6日)** * 对上证50、中证500给出持仓观点[12] * 对沪深300、上证综指、创业板指给出空仓观点[12] **长期模型历史表现** * **行业轮动模型**：样本外(2023-08-01至2026-02-06)累计收益率29.9%，超额基准收益率4.7%[4] * **多因子选股模型**： * 沪深300增强样本外(2019-01-01至2026-02-06)累计收益157.70%，累计跑赢基准101.33个百分点[5] * 中证500增强样本外(2021-01-01至2026-02-06)累计收益103.60%，累计跑赢基准77.94个百分点[5] * 中证1000增强样本外(2022-08-01至2026-02-06)累计收益54.49%，累计跑赢基准42.36个百分点[5] * **主动量化选股模型**： * 成长趋势共振策略自2009年以来年化收益率达30.9%，年化超额收益率达20.3%；今年以来收益在偏股型基金中排名前10%[6][39] * 价值股优选策略自2009年以来年化收益率达18.1%，年化超额收益率为12.4%[7]

A股市场展望与核心驱动力 - 市场正从估值修复迈向盈利驱动的新周期 上证指数从2024年9月的约2700点攀升至4100点附近[1] - 2026年A股有望迎来上行行情 核心驱动力在于企业盈利能力的持续改善[1] - 中国企业正通过减少无效竞争、优化资本开支、提升股东回报来摆脱“增收不增利”困境 路径类似日本 日本东证指数过去12年上涨约两倍 净利润率从约3%升至7%[1] 2026年行业配置观点 - 重点关注地产、材料与信息技术（IT）三大行业[2] - 地产行业存在上行可能性 若一线城市政策进一步放宽可能带来惊喜 中国内地整体住宅价值与GDP比例已降至1.8至1.9倍 低于历史平均的2倍 新房新开工与完工比例处于历史低位意味着新增供给有限[2][5] - 材料行业与全球宏观关联紧密 配置方向包括美元以外的贵金属和与新能源相关的重要金属[2][5] - 对IT板块短期持谨慎态度 因当前A股IT行业估值不低且2025年第四季度预期较高 或需等待预期修正后的布局机会[2][6] “反内卷”主线下的投资机会 - 在“反内卷”相关行业中最为看好光伏和电池 电池和储能的竞争格局确定性较高[8] - “反内卷”核心在于解决竞争过激、行业集中度分散导致的定价和利润率不健康问题 部分公司已调整策略 专注于核心业务、提高质量与市占率 此类变化有助于优化竞争格局[8] - 利润率提升是长线机会关键 以MSCI中国指数为代表的中国市场利润率目前在亚太地区最低 参考日本东证利润率从3%-4%升至7%-8%的经验 行业集中度适度提升带来的净利润率和ROE提升将驱动可观的投资回报[9] 消费板块观察重点 - 2026年春节是观察消费的重要窗口 主要关注CPI数据[9] - 在消费板块中更看重食品饮料 市场对健康食品存在刚性需求但优质供给尚不充分 消费方向正向健康饮食升级[9] - 食品饮料行业估值处于10年平均标准差以下 与印度、美国相比估值折价非常明显 板块拥有3%-4%的股息率 能提供稳定收益来源[10] 外资流向分析 - 外资回流是一个渐进且结构分化的过程[2] - 被动型基金已积极布局中国市场 主动型基金的低配状态正在收窄 包含美国市场的国际主动型基金对中国股票的低配比在2024年底已有收窄[2] - 亚太区域除日本以外的主动型基金对中国市场的低配正在快速收窄[2] - 截至2025年12月20日 2025年以来全球投资于中国资产的ETF累计获得831亿美元资金净流入 其中科技板块ETF获外资流入95亿美元[2] - 随着中国地产及消费企稳和企业盈利改善 主动型外资有机会逐步减少低配状态[3] 港股市场展望 - 看好港股市场 对MSCI中国指数的基准预测点位为100 意味着存在双位数上升空间[13] - 港股自2025年5月以来 平均业绩上修幅度接近40% 为2020年以来最佳[13] - 2026年总体成长风格的表现将优于价值风格 但四季度业绩期部分预期较高的行业会有机会回调[13] - 港股中小盘股的表现将优于大盘股[13]

投资资金与心理准备 - 投资红利类品种应使用3-5年以上长期不用的闲置资金，以应对股价波动风险，避免因短期流动性需求被迫在低位卖出造成实际亏损 [2] - 投资者需做好面对波动风险的心理准备 [2] A股风格轮动特征 - A股市场存在显著的成长与价值风格轮动特征，红利作为价值风格品种会在不同阶段跑赢或跑输市场 [2] - 价值与成长策略在A股长期均有效且长期收益相近，但每隔几年会出现风格轮动，导致一种风格阶段性超越另一种风格 [3] - 价值风格的波动在股票类资产中相对较低，在成长风格牛市时虽不至于大幅暴跌，但可能阶段性跑输市场，考验投资者耐心 [4] 红利策略的长期投资视角 - 对红利类品种的长期投资不应以短期跑赢或跑输市场来衡量，因在长达几十年的投资中几乎一定会遇到其跑输市场的阶段 [4] - 能长期坚持投资红利类品种的投资者，通常是从股息率角度看待红利，而非短期市场表现 [4] - 例如保险和养老金等机构，其投资决策基于现金流需求，当红利指数股息率较高且令投资者满意时则持有以获得分红，若股息率低于其他现金流资产（如债券利息、房地产租金收益率）则可进行资产切换 [5] - 分红作为盈利的一部分，其特性是受牛熊市涨跌的影响较小，这是“红利”的特点，也是适合长期投资的视角 [5]

报告行业投资评级 未提及 报告的核心观点 - 市场波动中枢上移且外部不确定性增加时，以“节前防守、结构平衡”为核心，通过价值与科技的哑铃式配置平滑组合波动，动态布局优质成长标的，捕捉定价错位带来的结构性弹性[1] - 策略重心应从“配置思维”向“交易思维”切换，采取“哑铃策略”应对波动加剧格局，一端布局防御性品种，另一端布局优质成长标的，操作中弱化对纯Beta波动的追逐，强化对阿尔法溢价的挖掘，设定风险控制阈值进行择时性波段操作[18][21] 根据相关目录分别进行总结 转债周度思考 - 过去一周转债市场在偏弱与高波动环境运行，临近春节风险偏好回落，资金止盈与防守特征明显，大盘指数表现优于中盘和小盘指数，中价指数表现较好，高价转债走势弱，市场股性扩张动能放缓，价值类转债相对稳健，涨幅滞后的大盘价值与传统消费方向修复性价比提升，当前阶段收益依赖结构性行情，策略上以“节前防守、结构平衡”为核心，进行哑铃式配置[2][11] - 过去一周转债市场深度调整，市场情绪降低，风险偏好极度收缩，仅“惠城转债”录得正收益，其余风格指数回撤，价值风格抗跌，行业板块个券分化加剧，科技行业表现寡淡，特钢及电气设备板块防御性优势显现，动量风格波动大，价值与流动性风格回撤可控，建议投资者保持审慎，关注低波红利品种[3][14] - 外部波动与避险情绪共振，长假将近转债估值理性回归，美联储缩表使科技等高估值资产波动放大，国内市场避险情绪升温、估值主动压缩，低波动与价值风格抗跌，成为资金避险选择，量价、动量风格走弱[4][15] 可转债行情方面 - 展示了万得多个可转债指数近一周、近两周、9月以来、近一个月、近两个月、近半年、近一年的涨跌幅情况，如万得可转债能源指数近一周涨 -0.60，万得可转债材料指数近一周涨 0.10等[22] 转债个券方面 未提及具体内容 转债估值方面 未提及具体内容 转债价格方面 未提及具体内容