核心观点 - 报告认为当前宏观经济对股市的影响偏中性，但基于估值、情绪和资金流向的左侧择时指标体系显示乐观，市场微观结构正常，且多数指数的QRS指标发出看多信号，显示市场存在底部支撑，综合来看对A股影响偏乐观 [3][4] - 在风格轮动方面，报告认为短期风格偏向大盘价值 [4] 全周市场回顾 - **市场整体表现**：A股市场本周维持上涨，但主要宽基指数表现分化，沪深300指数本周下跌0.08%，中证500指数上涨1.01%，创业板指上涨2.74% [2] - **行业表现**：通信与国防军工行业表现强势，涨幅居所有行业前两位，电子、电力设备及新能源、机械等行业也表现较好，而煤炭与石油石化行业表现不佳，跌幅居前，纺织服装、房地产、钢铁等行业表现偏弱 [2] - **风格表现**：成长风格收益强于价值风格，国证成长指数全周上涨1.01%，国证价值指数全周下跌1.37% [2] - **衍生品市场**：小盘股期指贴水震荡收窄，截至本周五，IH、IF、IC和IM当季合约年化基差率分别为-2.0%、-4.3%、-9.5%和-13.5% [2] 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（2025-12-08至2025-12-12）收益率为-0.9%，跑输行业等权基准（-0.6%）0.2个百分点，该模型12月持仓行业为有色金属、银行、消费者服务、电力设备及新能源、计算机和房地产，自2023年8月1日样本外跟踪以来，累计收益22.9%，超额基准收益6.3个百分点 [4] - **多因子选股模型**： - 沪深300指数增强组合本周（2025-12-01至2025-12-12）跑赢基准0.61个百分点，自2019年1月1日样本外跟踪以来累计收益143.10%，累计跑赢基准88.83个百分点 [5] - 中证500指数增强组合本周跑输基准2.07个百分点，自2021年1月1日样本外跟踪以来累计收益86.92%，累计跑赢基准76.32个百分点 [5] - 中证1000指数增强组合本周跑输基准1.08个百分点，自2022年8月1日样本外跟踪以来累计收益43.25%，累计跑赢基准40.59个百分点 [5] - **主动量化选股模型**： - 成长趋势共振选股策略本周（2025-12-08至2025-12-12）收益率为-0.7%，跑输基准指数1.4个百分点，该策略自2009年1月1日以来年化收益率达29.8%，相对于偏股混合型基金指数的年化超额收益率为19.6% [6] - 价值股优选策略本周（2025-12-08至2025-12-12）收益率为-1.5%，超额中证红利指数基准0.9个百分点，该策略自2009年5月5日以来年化收益率达17.9%，相对于中证红利指数的年化超额收益率为12.6% [8] 技术指标与数据 - **左侧择时指标**：基于估值水平、市场情绪和资金流向构建的左侧择时指标体系当前为乐观观点，其中期权认沽认购比（1.08）、中国波指（13.82）、前后成交额差异分位数（0.92）和量价背离指标（-0.35）均发出看多信号 [10] - **QRS量化择时指标**：跟踪的多个指数多数发出看多持仓信号，例如上证50（自2025/11/27以来涨0.75%）、沪深300（自2025/12/4以来涨0.76%）、中证500（自2025/12/3以来涨2.48%）和创业板指（自2025/11/19以来涨3.82%） [11] - **风格因子表现**：本周（截至2025-12-12）动量、规模、综合质量、盈利能力等因子表现居前 [2] - **衍生品基差统计**：截至2025-12-12，IH、IF、IC、IM当季合约年化基差率最近交易日值分别为-1.97%、-4.33%、-9.46%、-13.52%，全年（2025年）平均值分别为-1.66%、-3.95%、-10.28%、-12.81% [22]

报告行业投资评级 未提及 报告的核心观点 报告对股指期货、国债期货和商品期货市场进行分析并提供量化策略建议，上周股指期货市场震荡各品种成交环比上行，国债期货冲高回落基差下行，商品市场总体偏弱但商品因子多数上涨，建议关注股指期货跨期正套、展期策略及不同期货品种的择时策略等[3][4][59] 根据相关目录分别进行总结 股指期货量化策略 - 行情简评：上周市场震荡，非银、医药推动上证50上涨，通信、电子带动沪深300上涨，电子贡献中证500和中证1000涨幅，各品种成交环比上行，IH、IF基差走弱，IC、IM基差走强[3] - 基差策略推荐：各品种基差震荡，IH转贴水，IF浅贴水，IC、IM深贴水，预计IC、IM深贴水格局将维持，建议关注跨期正套机会，展期策略为多近空远[4] - 套利策略跟踪：跨期套利策略上周净值震荡，年化基差率、正套和动量因子分别亏损0.4%、盈利0.1%、盈利0.0%（6倍杠杆），跨品种套利时序合成策略净值走平，最新信号推荐50%仓位多IC空IM、IF/IC空仓[5][6] - 择时策略跟踪：上周择时策略有所回撤，日度择时策略上证50盈利、其余指数亏损，最新信号看空上证50、沪深300，看多中证1000[7] 国债期货量化策略 - 行情简评：上周四个期债品种均冲高回落，30年期主力合约报112.47元，10年期主力合约报107.985元，5年期主力合约报105.82元，2年期主力合约报102.464元，期债基差下行、IRR持续上行，跨期价差震荡偏强[42] - 择时策略：十年期国债今年夏普比排名为基差因子、风险资产和会员持仓，分别为1.68、1.93和0.59；五年期国债为高频资金流、日内量价、风险资产、会员持仓和基差因子，分别为2.51、2.27、1.71、1.33和0.78；两年期国债为高频资金流、基差因子、日内量价和会员持仓，分别为2.45、1.82、1.59和0.82[42] 商品CTA因子及跟踪策略表现 - 商品因子表现：上周国内商品总体偏弱，仅少数品种上涨，白银周度涨幅超10%，焦煤跌超10%，商品因子普遍上涨，价值类及量价趋势类因子单周涨幅近2%，期限结构类因子涨超1%，基差动量表现较好，仓单类因子无收益，短期市场波动可能持续，但中长期对商品因子表现乐观[59] - 跟踪策略表现：各跟踪策略表现不同，如CW FT策略年化收益9.5%，夏普比率1.64等，上周表现最好的是CWFT，收益1.05%，今年以来表现最好的也是CWFT，收益5.64%，截面策略的等权复合策略年化收益12.8%，夏普比率1.81等[60][82]

量化模型与构建方式 1. **模型名称：ETF风险偏好指数模型**[11] * **模型构建思路**：通过监测ETF资金流向，构建一个反映市场整体风险偏好的指数。当指数上升时，表明市场风险偏好提升；当指数下降时，表明市场风险偏好收缩[11]。 * **模型具体构建过程**：报告未提供该指数的具体计算公式和构建细节，仅提及了其应用逻辑。模型通过跟踪ETF的资金流入流出情况，特别是不同风格（如科技成长 vs. 红利防御）ETF的资金流向对比，来综合判断市场风险偏好的变化方向[11]。 2. **模型名称：游资活跃度指标模型**[11] * **模型构建思路**：构建一个指标来监测市场中游资（活跃短线资金）的交易活跃程度，作为市场情绪的一个侧面观察[11]。 * **模型具体构建过程**：报告未提供该指标的具体计算公式和构建细节。该模型通过分析市场交易数据（可能涉及成交额、涨停板数量、特定股票或板块的资金流向等）来量化游资的活跃水平[11]。 3. **模型名称：知情交易者活跃度指标模型**[15][18] * **模型构建思路**：构建一个指标来监测市场中“知情交易者”（可能指机构、大资金等拥有信息优势的交易者）的交易活跃程度，用于微观市场结构择时[15]。 * **模型具体构建过程**：报告未提供该指标的具体计算公式和构建细节。该模型通过分析高频或特定维度的交易数据，来捕捉知情交易者的行为变化，其数值高低和方向变化被用于判断市场短期走势的边际变化[15][18]。 4. **模型名称：价格分段体系模型**[14][17] * **模型构建思路**：对指数价格走势进行多时间周期（如日线、周线）的技术分析，通过观察不同周期价格趋势线的位置关系（如重合、背离）来判断市场所处的趋势阶段[14]。 * **模型具体构建过程**：报告未提供该模型的具体算法细节。从描述和图表看，该模型可能涉及对指数价格进行平滑处理（例如使用移动平均线或类似“dea”的指标），并分别绘制日线级别和周线级别的趋势线，通过比较两者的相对位置（如“基本重合”、“边际上行”）来进行分析[14][17]。 5. **因子名称：分析师一致预期景气因子**[19][20] * **因子构建思路**：利用分析师对上市公司未来财务指标的一致预测数据，构建行业层面的景气度监测因子，以反映市场对行业基本面的预期变化[19]。 * **因子具体构建过程**：对于每个申万一级行业，计算两个核心指标： 1. **一致预期ROE环比变化**：计算行业成分股未来12个月滚动预测ROE（ROEFTTM）的一致预期值，并观察其本周相较于上周的环比变化率[19][20]。 2. **一致预期净利润增速环比变化**：计算行业成分股未来12个月滚动预测净利润（FTTM）增速的一致预期值，并观察其本周相较于上周的环比变化率[19][20]。 * **因子评价**：该因子能够及时捕捉市场对行业盈利能力和成长性的预期调整，是进行行业景气比较和监测的有效工具[19]。 6. **因子名称：行业融资融券净流入因子**[21][23] * **因子构建思路**：通过计算各行业融资净买入与融券净卖出的差额，构建反映杠杆资金在行业间偏好和流向的因子[21]。 * **因子具体构建过程**：对于每个行业，计算指定周期（本周）内的净买入额。 $$期间净买入额 = 融资净买入额 - 融券净卖出额$$ 其中，融资净买入额代表看多资金的流入，融券净卖出额代表看空资金的流出。两者之差即为杠杆资金对该行业的净流入金额[21][23]。 7. **因子名称：BARRA风格因子体系**[24][25] * **因子构建思路**：采用经典的BARRA风险模型框架，计算一系列风格因子的收益，以监测市场在不同风格维度上的暴露和偏好变化[24]。 * **因子具体构建过程**：报告直接引用了BARRA风格因子的收益结果，未详述每个因子的具体计算公式。涉及的风格因子包括： * **基本面与价值类**：换手、财务杠杆、盈利波动、盈利质量、盈利能力、投资质量、长期反转、EP价值、BP价值、成长、股息率。 * **交易与技术类**：动量、波动率、贝塔（报告中“近释”可能指短期贝塔）。 * **市值类**：市值、非线性市值。 这些因子的收益通常是通过对股票收益率进行横截面回归，或将股票按因子值分组后计算多空组合收益等方式得到[24][25]。 模型的回测效果 *报告未提供上述量化模型的历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告中对模型的讨论集中于当前市场状态下的信号解读和逻辑分析[11][14][15]。* 因子的回测效果 1. **分析师一致预期景气因子**，本周ROE环比变化值：房地产 8.99%，通信 4.57%，社会服务 2.15%...[20]；本周净利润增速环比变化值：农林牧渔 101.71%，环保 13.11%，房地产 38.87%...[20] 2. **行业融资融券净流入因子**，本周净买入额：电子 70.6亿元，通信 (具体数值未列出，从图表看约为40-50亿元)，国防军工 (具体数值未列出，从图表看约为30-40亿元)...[21][23]；净流出额：计算机 (具体数值未列出，从图表看约为-15至-20亿元)，汽车 (具体数值未列出，从图表看约为-10至-15亿元)...[21][23] 3. **BARRA风格因子**，本周收益：波动率 0.8%，非线性市值 0.8%，成长 0.3%，市值 0.3%，EP价值 0.2%，动量 0.1%，换手 -0.1%，财务杠杆 -0.1%，盈利质量 -0.1%，长期反转 -0.1%，盈利波动 -0.2%，BP价值 -0.3%，投资质量 -0.4%[25]；上周收益：动量 0.7%，盈利能力 0.4%，EP价值 0.3%，BP价值 0.2%，投资质量 0.2%，换手 0.1%，财务杠杆 0.1%，盈利质量 0.0%，非线性市值 0.1%，市值 -0.1%，成长 -0.2%，股息率 -0.3%，长期反转 -0.6%，波动率 -1.0%[25]

量化策略的收益来源与分类 - 主流指增策略赚取Beta+Alpha收益，通过复制市场指数成分股并留出部分仓位增强[6] - 市场中性策略通过做空等值股指期货对冲掉市场Beta，旨在获取纯Alpha收益[6] - 量化择时策略通过模型算法调整仓位获取择时Alpha，有时会叠加股指CTA操作，属于复合策略[8] - 全市场选股策略不明确特定Beta，针对全市场选股增强，可理解为相对于万得全A的指数增强[17] 量化策略的基准选择与表现 - 量化策略主战场在中小盘区域，因股票数量多、主观覆盖不足，存在更多错误定价机会和小市值溢价[9] - 过去5年，小微盘指数年化收益整体较好，部分源于指数编制特点带来的收益增强[12] - 过去5年，平均市值越小的指数波动越大，大盘和微盘指数都曾经历约40%的最大回撤[12] - 从2022年初市场高点持有主流指增策略，经历周期后，指增策略在不同Beta上均有显著超额，且Beta平均市值越小越易做出超额[13] - 指增策略年化波动和最大回撤普遍在20%附近，相比基准指数约40%的最大回撤，持有体验明显更好[14] 量化策略的有效与失灵环境 - 量化策略擅长高波动、高离散、流动性充沛、可选股票数量多的市场环境，这提供了更多捕捉错误定价的机会[18] - 策略同质化拥挤是量化的逆境之一，大量策略争抢相同信号会压缩超额空间，高度一致的持仓可能引发剧烈回撤，如2023年微盘风格共识导致2024年初的踩踏[19] - 陌生风格的极致演绎（如2017年大盘白马行情）可能导致基于历史数据的模型暂时失效[21] - 量化管理人需持续迭代模型以应对不断变化的市场，策略的韧性体现在至暗时刻后，若捕捉Alpha的内核成立，通常能随Beta回升和Alpha累积完成更快修复[23] 量化股票策略在组合配置中的意义 - 量化股多策略提供与主观股多策略本质上不同的收益风险来源，实现真正的分散配置[27] - 主观股多依赖深度研究赚认知差，量化股多依赖统计规律赚规律验证钱，两者底层逻辑互不依赖，表现呈现错位[27] - 根据2022年3月31日至2025年3月31日数据，量化股多与主观股多的相关性为0.71，与市场中性策略相关性为0.50，与债券策略相关性为0.38[28] - 在进攻性组合中，量化股多可作为“更可追踪、更可解释”的进攻仓位；在均衡配置中可补足锐度[28] - 多策略组合通过不同策略的互补与接力应对市场不确定性，避免单一方法论周期性失效，例如在2024年“924行情”前后不同策略的接力表现[29][31]

基金产品概述 - 建信灵活配置混合A是一只由建信基金管理、中国建设银行代销的灵活配置型混合基金 [1][2][13] - 该基金采用主动量化策略，以指数增强为主要管理方式，运用公司自主研发的量化多因子模型进行投资管理 [3] - 基金投资于股票等权益类资产的比例范围为基金资产的0%至95%，具有较高的资产配置灵活性 [4] 投资策略与风格 - 基金主要投资于小盘成长股票，涉及医药生物、机械设备、计算机等多个高成长赛道 [6] - 其投资管理过程通过量化多因子模型实现，旨在识别风险、精选个股、构建组合并管理风险，以创造持续超额回报 [3] 市场环境与风格展望 - 今年以来，小盘成长风格相对占优，中证2000指数与中证1000指数年内分别上涨33.78%和25.66% [6] - 在市场情绪修复、流动性充裕及政策支持新质生产力发展的背景下，未来小盘成长风格有望继续占优，为主动量化基金提供施展空间 [6] - 中证2000指数在2020年至2024年及2025年上半年的涨跌幅依次为15.39%、25.89%、-14.77%、5.57%、-2.14%、15.24% [6] - 中证1000指数在同期涨跌幅依次为19.39%、20.52%、-21.58%、-6.28%、1.20%、6.69% [6][7] 历史业绩表现 - 建信灵活配置混合A近6个月收益率为32.97%，近1年收益率为64.47% [8] - 该基金近6个月超额收益率为12.24%，近1年超额收益率为26.01%，近3年和近5年相较业绩比较基准也实现了超额收益 [8] - 具体各阶段净值增长率与业绩比较基准收益率对比如下：近3年净值增长率52.93% vs 基准42.57%，近5年76.36% vs 基准49.64%，近6个月32.97% vs 基准20.73%，近1年64.47% vs 基准38.46% [9] 同类排名 - 该基金近1年、近2年、近3年收益率排名均跻身同类灵活配置型基金（A类）前10% [12] - 具体排名为：近1年在同类472只基金中排名第17（前4%），近2年在同类472只基金中排名第43（前9%），近3年在同类474只基金中排名第33（前7%） [12]

文章核心观点 - 文章讨论了一种基于创业板、纳斯达克指数和豆粕三个标的进行动量轮动的量化策略 该策略在历史回测中取得了极高的年化收益率 但引发了关于其是否存在“未来函数”和“幸存者偏差”的广泛质疑 [1][2][8] - 核心争议在于 策略的优异表现可能源于事后选择历史上表现良好的标的 而非基于事前的、可复制的逻辑 这导致其未来表现存在不确定性 [2][8][12] 策略表现与数据 - **原始策略表现**：一个基于创业板、纳指、豆粕进行动量轮动的策略 在超过十年的回测中总收益达**2900.29%** 年化收益**30.15%** 夏普比率1.00 最大回撤**36.39%** [1] - **对比基准**：同期上证指数总收益**69.59%** 年化收益**4.18%** 该策略相对上证指数获得了**1669.12%** 的超额收益 年化超额收益**24.93%** [1] - **分年度表现**：策略收益波动较大 例如2015年收益**189.71%** 2014年则亏损**-2.52%** 2022年收益**71.02%** 2024年（截至发稿时数据）收益**69.85%** [1] - **改进策略表现**：另一位用户分享了使用更多元标的（纳指/标普/创业/上50/黄金/原油/恒生/中证500）进行轮动的策略 自2017年以来总收益**3553.16%** 年化收益高达**49.74%** 夏普比率2.44 最大回撤仅**14.93%** [7] - **改进策略年度收益**：该策略在2020年收益**101.64%** 2025年（截至发稿时数据）收益**73.99%** 且在市场下跌的年份如2018年（基准跌**-25.31%**）仍取得**19.28%** 的正收益 [7] 策略规则与参数 - **核心规则**：策略在创业板、纳指、豆粕三个标的间进行动量轮动 使用**20日动量**作为判断依据 每日根据动量满仓调仓至动量最强的标的 [1][4] - **特定参数**：设定了一个**3%** 的溢价率过滤条件 当标的溢价率超过3%时不纳入选择 等待其回落后再考虑 [1] 主要质疑与讨论 - **未来函数质疑**：多位评论者指出 选择创业板、纳指、豆粕这三个特定标的 是站在今天看过去（后视镜）做出的选择 在策略构建时引入了“未来函数” 因为十年前无法预知它们未来的走势会适合动量策略 [2][8][9] - **幸存者偏差质疑**：策略构建可能忽略了“幸存者偏差” 即只选择了历史上表现好、趋势明显的品种 而剔除了那些表现不佳或已消失的品种 这会导致回测结果过于乐观 [12][13][14] - **标的池过窄**：有观点认为 仅用三个标的轮动缺乏说服力 应该使用更广泛的ETF池子进行轮动 以应对未来某些标的可能进入震荡市而失去趋势的情况 [11] - **未来表现的不确定性**：由于策略可能基于历史拟合 且所选标的“不保底” 其未来的表现可能无法复制过去的辉煌 [10] 建议与优化思路 - **扩大标的池**：建议使用更多元、相关性较低的资产类别构建轮动池 例如加入BTC、黄金、原油、恒生指数、中证500等 以增强策略的普适性和鲁棒性 [5][6][7] - **加入现金类资产**：建议在轮动池中加入现金或短期国债 这有助于在找不到明显动量机会时降低仓位 从而减少整体策略的回撤 [14] - **强调风险控制与执行力**：对于非高频量化策略 核心在于合理使用工具进行去伪存真 并坚持执行 其中风险控制和执行力至关重要 [6]

FOF市场整体回暖 - FOF市场在经历三年规模缩水后迎来关键转折，规模与市场关注度双双回暖 [1] - 四季度以来FOF发行规模已超过今年前三个季度的单季水平，市场存量规模在本季度重新站上2000亿元关口 [5] - 低利率与高波动市场环境下，投资者对收益稳健、风险分散产品的需求日益迫切，FOF产品凭借资产配置与风险控制能力成为连接投资者与优质资产的重要桥梁 [2] FOF受追捧的原因与券商优势 - 资产收益率整体下行，投资者希望参与潜在收益率更高但波动也更大的资产，FOF产品可通过分散化投资策略降低波动，并通过专业化资产配置获取收益，满足投资者需求 [5] - 券商在FOF领域具备较强竞争优势：具备对多种策略的投资研究能力（传统强项）；中后台部门投资品类经验丰富，能与前台业务高效协同；客户收益风险偏好分布广泛；FOF业务能与券商经纪业务形成协同，此为其他类型金融机构不具备的优势 [5] 第一创业FOF业务的实践与核心竞争力 - 公司FOF团队早在2016年组建，是券商同业中的首批探索者之一，经过九年沉淀，坚持投研导向型发展路径，专注私募领域，历史多年业绩位于券商同业前列 [6] - 团队核心竞争力概括为三大能力的深化与迭代：投资研究能力（核心是在市场收益率普遍下行环境中，通过专业化投资能力为客户持续提供满意业绩）；客户服务能力（关键在于真正了解客户需求，设计匹配产品并提供满意投后服务）；IT系统支持能力（有专门的FOF系统开发团队，通过持续系统功能开发和迭代提升业务效率） [6] 第一创业FOF的投资理念与筛选方法 - 筛选私募管理人不止于历史业绩，更看重收益的可解释性和可持续性 [8] - 根据对各类策略的理解，建立多指标体系分析框架和模型，将收益拆分为市场beta收益、策略alpha收益、运气带来的偶然性收益等，基于市场研究，在特定市场beta处于上行周期时，选择相应市场中alpha收益较好的管理人 [8] - FOF投资理念认知演进分为三阶段：最初3年关注如何分析评价管理人；随后3年侧重研究多元化资产和策略的收益风险特征，探索通过低相关性资产进行组合投资以提升FOF母基金收益风险比；最近3年更注重提升母基金层面的配置和择时能力，形成母子基金共同贡献alpha收益的投资模式 [9] - 在当前市场快速发展和变化背景下，当前投资模式不是终点，唯有根据市场持续演进才能保持策略体系生命力 [9] 私募行业趋势与FOF的作用 - 私募行业监管趋严、加速出清，“良币驱逐劣币”是长期趋势 [9] - 随着市场信息传播有效性提升与投资者日趋成熟，资金必然向优秀私募管理人集中 [9] - FOF产品的发展加速这一进程，FOF通过汇集投资者资金，以更专业、更高效方式投入到市场中优秀的私募管理人 [9] 量化策略的配置价值与FOF的应对 - 量化策略是当前资产配置中值得重点关注的方向，国内量化策略迎来高速发展时期，目前仍处在投资红利期，无论是绝对收益产品体现出的较高收益风险比，还是相对收益产品体现出的较高超额收益，都使其成为重点配置领域 [11] - 随着量化策略在全市场占比提升，其整体的收益风险比或超额收益可能都将呈现下降趋势 [11] - 作为FOF母基金管理人，需要更多提升母基金层面的资产配置能力，通过增强母基金在资产配置上的收益获取能力来弥补子基金的收益衰减 [11] - 目前量化策略所处的红利期，给了FOF母基金管理人不断提升自身能力的时间窗口，FOF管理人需要抓住这个窗口期完成策略的迭代升级 [11]

政策核心内容 - 国家金融监管总局于12月5日发布通知，调整保险公司相关业务风险因子 [1] - 对于持仓时间超过三年的沪深300指数成分股及中证红利低波动100指数成分股，其风险因子从0.3下调至0.27 [1] - 持仓时间的认定标准为过去六年的加权平均持仓时间 [1] 政策目的与影响 - 政策旨在引导保险资金发挥长期资金优势，加大对特定权益资产（如大盘蓝筹、红利低波、科创板块）的长期持有力度 [1] - 政策旨在定向支持实体经济发展重点领域 [1] - 通过释放最低资本占用，直接增强保险公司资本使用效率与潜在配置能力，对险资投资端构成实质性利好 [1] - 政策对资本市场情绪的提振意义较大 [1] 相关金融产品表现 - 300增强ETF（561300）在跟踪沪深300指数的基础上叠加了量化策略，试图追求超额收益 [1] - 截至2025年三季度末，该基金过去三年相对沪深300指数的超额收益达到10.92个百分点 [1]

报告行业投资评级 未提及 报告的核心观点 - 上周市场显著反弹，各股指期货品种成交和基差有不同表现，建议关注跨期正套机会和多近空远展期策略；国债期货基差走强、跨期价差震荡偏弱，可关注正套空间，利率择时信号预测利率上行；商品市场涨跌不一，中长期对商品因子总体表现乐观 [3][4][40][55] 各部分总结 股指期货量化策略 - **行情简评**：市场上周显著反弹，有色贡献上证50、沪深300主要涨幅，机械、有色贡献中证500和中证1000主要涨幅 [3] - **基差策略推荐**：各品种基差走弱，IH升水，IF浅贴水，IC、IM深贴水，预计IC、IM深度贴水格局维持，建议关注跨期正套机会，展期策略推荐多近空远 [4] - **套利策略跟踪**：跨期套利策略上周各策略净值普遍盈利，年化基差率、正套和动量因子分别亏损 -0.1%、盈利0.1%、盈利0.3%（6倍杠杆），市场风格转向大盘，跨品种套利时序合成策略净值上周亏损，跨品种最新信号推荐50%仓位多IF空IC、IM/ IC空仓 [5][6] - **择时策略跟踪**：近期市场横盘震荡且成交较低，择时模型整体仓位偏空，日度择时策略上周上证50、沪深300亏损，中证500、中证1000盈利，择时模型仓位较低，最新信号看空沪深300，其余指数无信号 [7] 国债期货量化策略 - **基差与跨期价差**：期债基差方面，本周期债IRR有所下行、基差走强，跨期价差震荡偏弱，后续可关注跨期价差小幅走扩引起的正套空间 [40] - **单边策略**：上周期债行情偏震荡，日频择时策略信号以多头为主，主要看多因子包括基差、日内量价和高频资金流，主要看空因子包括日间技术和会员持仓 [41] - **利率择时信号**：利率择时信号预测利率上行，其中生产因子和库存因子的多头占比较高 [42][51] 商品CTA因子及跟踪策略表现 - **商品因子表现**：上周商品市场总体涨跌不一，贵金属和有色板块表现较好，能源金属以及烧碱、氧化铝、玻璃下跌幅度最多，期限结构类因子小幅上涨，量价趋势类和价值类因子涨幅更多，中长期对商品因子总体表现乐观 [55] - **跟踪策略表现**：各跟踪策略有不同的年化收益、夏普比率、Calmar、最大回撤等指标表现，上周C_frontnext & Short Trend策略表现最好，今年以来该策略表现也最佳，截面策略的等权复合策略有相应的业绩指标 [56][80]

核心观点 - 报告对12月可转债市场的核心策略展望是：在海外扰动未平、风险偏好谨慎、“固收+”产品赎回担忧导致偏权资产流动性回落、短期市场量能萎缩的背景下，建议采取稳健配置策略 [2] - 具体配置建议：风格上以大盘偏债型品种作为防御底仓，偏好价值风格，并用小仓位进行弹性增强 [2] - 具体配置比例与方向：稳健防御部分占七成仓位，关注顺周期品种及前月风格延续，选择基建、军工、炼化、银行等政策催化相关题材，以及化工、工程机械、核电等顺周期品种逢低布局；弹性增强部分占三成仓位，关注年末会议政策利好可能拉动的消费、科技、反内卷相关高弹性券 [2] - 报告推荐了12月的可转债组合，包括山路转债、盛虹转债、兴业转债、广联转债、蓝晓转02、艾迪转债、广核转债、再22转债、伟测转债、中宠转债 [2] 11月转债市场复盘 市场回顾 - 11月A股市场冲高回落，万得全A指数收于6205.9点，环比下跌2.2%；中证转债指数收于481.6点，小幅跟跌0.7%，表现相对抗跌 [4][6] - 市场走势：上旬延续强势，沪指于14日触及4034点创十年新高；随后因年末机构止盈、美联储政策预期波动、全球流动性收缩、地缘政治摩擦等因素缩量下跌，科技、军工等前期超涨板块调整，市场快速回落；月下旬谨慎情绪缓释，市场逐步回升 [4][6] - 转债市场月底受万科展期信用风险扰动，短期承压、滞后下跌 [4][6] - 市场出现高低切换行情，银行、石油石化等防御性板块承接资金 [4][6] - 可转债ETF规模高位回落，截至11月27日，两支主要转债ETF合计流通规模为667亿元，环比缩量1.7%，全月日均净流出0.6亿元 [9] - 交易活跃度先升后降：11月转债日成交额（MA5）收于565亿元，环比缩量9%，处于2024年以来中位数以下水平；万得全A成交额（MA5）收于1.74万亿元，环比缩量25%，处于2024年以来上30分位数 [13] - 价格与估值：11月转债平价（转股价值）均值从高位回落1.5%至102元，处于近一年上25分位数；以百元平价溢价率（MA5）衡量的估值中枢则高位震荡上升至33.5%，环比10月末上升3.1个百分点，上破近一年前5分位数 [4][17][18] 行业与风格表现 - 行业表现：11月各行业转债涨少跌多，钢铁行业转债以11.8%的涨幅领涨，非银金融和通信行业转债均下跌3.3% [4][19]；今年以来，钢铁（37.9%）、有色金属（29.4%）行业转债累计涨幅居前 [24] - 抗跌性分析：11月钢铁、军工行业的转债较其对应正股表现出更强的抗跌性，涨跌幅差值（少跌幅度）在5至10个百分点之间 [22] - 估值变动：11月各行业转股溢价率涨多跌少，电子、煤炭等行业估值回升较快，而建材、食品饮料等行业估值出现回落 [23] - 价格风格：11月高、中、低价转债普跌，分别下跌1.8%、0.4%、0.1%；但今年以来高价风格表现强势，累计上涨21.8% [26] - 规模风格：11月大、中、小盘转债普跌，跌幅在0.4%至0.6%之间；但今年以来小盘风格表现强势，累计上涨22.7% [28] - 评级风格：11月各评级转债跌幅在0.3%至0.8%之间，其中AA-及以下评级相对抗跌，跌幅为0.3%；今年以来AA-及以下评级领涨，累计涨幅为24.6% [31] 12月转债市场与策略展望 市场展望 - 供需分析：当前转债市场规模收缩，截至11月末市场规模为5399亿元，较去年末（7244亿元）缩量近2000亿元，降幅约25%；但需求端同步放量，转债ETF规模较去年末（439亿元）增长超50%至667亿元，“固收+”基金规模从8600亿元扩容至1.5万亿元；在供给稀缺、需求增长的背景下，慢牛预期下的稀缺叙事或仍对后续高估值形成支撑 [35] - 市场结构：当前转债市场整体股性强化，平价中位数从去年末81元升至101元，平衡及偏股型品种合计占比达七成；但剩余期限结构边际改善，两年以内到期的规模占比从半数降至36%，短期内强赎压力缓解；尽管存量券弹性与正股高度绑定，但在11月股市震荡中转债韧性凸显，预计后市在权益市场震荡预期下，转债或仍保持高位区间波动 [39] - 估值与风格展望：前月转债市场整体估值经历高位“过山车”，高价品种风险持续、操作难度加大；但低平价（90元以下）品种的估值已跌回近一年中位数水平；叠加A股风格持续均值回归，价值/成长比值回升，后市大盘价值、偏债型品种的胜率可能抬升 [44] - 政策关注：临近年末中央政治局会议、中央经济工作会议窗口，需关注宽货币、积极财政及消费、地产、化债相关政策表述的影响，以及前月市场风格切换迹象能否延续 [47] 量化策略表现 - 近期表现：在11月1日至28日的周期内，低价增强策略、改良双低策略、高价高弹性策略的收益率分别为-0.6%、-0.74%、-1.15%，同期中证转债指数基准收益率为-0.69% [2][52] - 年内表现：今年以来，上述三类策略的绩效分别为16.55%、26.57%、53.26%，同期基准收益率为16.18%，累计超额收益率分别为0.37%、10.39%、37.08% [2][52] - 策略逻辑与持仓：报告详细介绍了低价增强、改良双低、高价高弹性三类量化策略的逻辑，并列出了各策略截至11月25日的最新持仓组合及较上期的调仓变化 [53][56][58][62][64][69] 一级市场跟踪 - 发行与上市情况：截至12月5日，12月有普联转债公告发行，当月暂无新券上市；11月则有瑞可转债、茂莱转债发行，卓镁转债上市 [72] - 发行进度：报告列出了近期发行进度较快的可转债清单，包括已获交易所受理、上市委通过或证监会同意注册的公司，例如华纬科技、艾为电子、长高电新等 [74]