文章核心观点 - 文章认为，在公募基金行业高质量发展的背景下，能够持续稳定提供超额收益的主动权益基金经理价值凸显[1] - 华安基金的基金经理张序，因其管理的华安事件驱动量化混合基金连续六年（2020-2025）同时战胜沪深300指数和万得偏股基金指数（885001），展现了稀缺的超额收益稳定性，是值得关注的“黑马”基金经理[1][2][4][6] 基金经理张序的业绩表现 - 自2020年5月18日管理华安事件驱动量化混合以来，该基金连续六年跑赢沪深300和万得偏股基金指数[1] - 具体年度回报率（华安事件驱动混合A）为：2020年59.19%，2021年30.84%，2022年-17.86%，2023年-8.63%，2024年21.82%，2025年38.06%[2] - 在2919只主动权益基金中，能连续6年同时战胜上述两大指数的基金仅有7只，占比0.23%[2] - 该基金战胜两大指数的胜率为100%[21] 市场认可度与规模变化 - 张序在2024年底之前知名度较低，其管理的华安事件驱动量化混合规模当时仅约2亿[4] - 到2025年三季度末，该基金规模暴涨至47.22亿，增长超过20倍[4] - 2025年半年报显示，机构投资者持有该基金A类份额占比87.99%，C类份额占比98.19%[4] - 即便规模大幅增长后，张序在主动量化基金经理中仍处于百亿管理规模以下的第二梯队，被认为仍被市场低估[4][7] 投资方法与框架特点 - 投资方法上，张序通过中观行业轮动把握市场主线，展现出较高的行业配置胜率[9] - 其行业轮动并非押注一两个行业，而是通过适度的超配和低配来提高容错性[12] - 框架以量化驱动，系统性更强，有别于传统的主观判断[13] - 具体年度行业配置：2020年超配医药、食品饮料、消费电子；2021年重仓新能源产业链；2022年下半年加仓非银金融；2023年重仓TMT；2024年上半年重仓银行；2025年布局上游有色资源[10][11] 量化投资框架的构成与进化 - 张序的投资框架具有科学化、系统化特点，底层理念基于数据验证和长期逻辑支撑[15] - 框架采用多因子模型对行业进行排序，同时找出最好和最差的行业，以积累超额收益[15] - 系统分为中观配置（行业与风格配置模型）和微观个股选择（数据、因子、机器学习模块）两大模块[16] - 框架持续进化：2021年纳入风险因子；2022年加入赛道中性和估值中性风控；个股选择策略综合了基准对标、中小市值覆盖和事件驱动框架[18] 对机构与个人投资者的价值 - 对于机构投资者，其核心目标是跑赢万得偏股基金指数（885001），张序的产品能满足此需求[5] - 对于个人投资者，越来越多通过沪深300指数ETF获取市场平均收益，而能持续跑赢沪深300的基金具有高配置价值[6] - 过去6年中，市场风格在沪深300与885001之间轮动，张序的产品在两种市场环境下均能跑赢，展现了极强的适应性[6] - 张序被认为是适合机构和个人投资者的底仓型基金经理[5][6] 高胜率投资模式的意义 - 投资赚钱模式可分为高胜率（如巴菲特）和高赔率（如索罗斯）[20] - 对于基金持有人而言，高胜率的基金经理更容易让其赚到钱，因为高胜率意味着更高概率复刻过去的超额收益[20] - 张序属于高胜率类型的基金经理，其持续战胜市场的记录有助于建立投资者信任[21]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：煤炭行业利润预测模型**[9][10] * **模型构建思路**：基于动力煤长协定价机制，利用价格因子和产能因子的同比变化，逐月估计煤炭行业的营收增速和利润增速，以判断行业景气度[10]。 * **模型具体构建过程**：模型的核心是利用已确定的月度动力煤销售价格（由上月价格指数决定）[10]。通过跟踪价格因子（如煤价）和产能因子的同比变化，将这些指标输入模型，以估算出煤炭行业当月的营收同比增速和利润同比增速[10]。报告未提供具体的估算公式。 2. **模型名称：生猪供需缺口测算模型**[15] * **模型构建思路**：利用生猪从出生到出栏约6个月的生长周期，建立能繁母猪存栏量与未来生猪出栏量之间的稳定比例关系，以此测算未来6个月后的生猪供需缺口，进而预判价格走势[15]。 * **模型具体构建过程**： 1. 首先计算历史出栏系数：$$出栏系数 = \frac{单季度生猪出栏}{能繁母猪存栏 lag6m}$$[15] 2. 然后，基于当前能繁母猪存栏量和上年同期的出栏系数，预测未来6个月后的单季潜在产能：$$6个月后单季潜在产能 = t月能繁母猪存栏 * (t+6月上年同期出栏系数)$$[15] 3. 接着，以预测期上年同期的单季度生猪出栏量作为潜在需求：$$6个月后生猪潜在需求 = t+6月上年同期单季度生猪出栏$$[15] 4. 最后，通过比较预测的潜在产能与潜在需求，判断供需缺口（紧平衡或宽松）[15][17]。 3. **模型名称：普钢行业利润预测模型**[18] * **模型构建思路**：通过跟踪普通钢材的综合售价，并综合考虑铁矿石、焦炭、喷吹煤、废钢等主要原材料成本指标，构建模型以预测普钢行业的月度利润增速和单吨盈利[18]。 * **模型具体构建过程**：报告未提供具体的模型公式。构建过程涉及采集普钢综合售价及各项主要成本的市场价格数据，通过模型计算得出行业单吨毛利或利润总额，进而计算同比增速[18]。 4. **模型名称：结构材料行业盈利跟踪模型**[25] * **模型构建思路**：针对玻璃、水泥等结构材料行业，通过跟踪其产品价格指标和主要成本指标（如原材料、能源价格）的变化，来测算行业盈利（毛利或利润）的变化情况[25]。 * **模型具体构建过程**：报告未提供具体的模型公式。构建过程涉及分别采集浮法玻璃、水泥的产品市场价格，以及对应的纯碱、石英砂、煤炭等成本数据，计算单位产品的毛利或利润，并进行同比分析[25][26]。 5. **模型名称：燃料型炼化行业利润预测模型**[27] * **模型构建思路**：利用成品油（燃料）价格与原油价格之间的变化关系，测算行业的利润增速和裂解价差，以评估行业景气度[27]。 * **模型具体构建过程**：报告未提供具体的模型公式。构建过程的核心是计算裂解价差（成品油价格与原油成本之差），通过跟踪价差的变化以及油价的趋势，来预测行业利润的同比变动[27][33]。 模型的回测效果 *本报告主要展示了各行业配置信号的历史回测效果图，但未在文本中提供具体的量化指标数值（如年化收益率、夏普比率、信息比率等）。报告通过图表形式（如图2、图5、图9、图10）直观展示了基于上述景气度模型产生的配置信号（如看多、中性）所对应的行业指数历史超额收益曲线[11][20][28][36]。* 量化因子与构建方式 1. **因子名称：价格因子**[10] * **因子构建思路**：直接采用行业核心产品的市场价格作为因子，用于衡量行业收入端的变化。例如，煤炭行业中的动力煤价格[10]。 * **因子具体构建过程**：直接采集市场公开的现货或长协价格数据，计算其同比或环比变化率。 2. **因子名称：产能因子**[10] * **因子构建思路**：反映行业供给端能力的指标。例如，煤炭行业的产能利用率或产量数据[10]。 * **因子具体构建过程**：采集行业产量、开工率等数据，计算其同比变化。 3. **因子名称：出栏系数**[15] * **因子构建思路**：衡量生猪养殖效率的指标，即单位能繁母猪在滞后6个月后所能提供的出栏生猪数量[15]。 * **因子具体构建过程**：$$出栏系数 = \frac{单季度生猪出栏量}{6个月前的能繁母猪存栏量}$$[15] 4. **因子名称：裂解价差**[27] * **因子构建思路**：衡量炼化企业加工利润的核心指标，即成品油销售收入与原油采购成本之间的差额[27]。 * **因子具体构建过程**：报告未提供具体计算公式。通常为（成品油价格 - 原油价格）或经过加权计算后的价差。 5. **因子名称：PMI滚动均值**[22][26] * **因子构建思路**：采用制造业采购经理指数（PMI）的滚动平均值（如12个月滚动均值）来平滑短期波动，观察制造业景气度的中长期趋势[22][26]。 * **因子具体构建过程**：对月度PMI数据计算过去N个月（如12个月）的简单移动平均值。 因子的回测效果 *本报告未提供单个因子的独立测试结果（如IC、IR、多空收益等）。因子的有效性体现在其作为输入，用于构建上述行业景气度与配置模型，并通过模型的历史回测效果间接体现[16]。*

纪要涉及的行业或公司 * 中金公司量化策略团队 [3] * 行业轮动模型推荐行业：银行、建材、计算机、综合金融、煤炭及综合 [5] 核心观点与论据 市场风格判断 * 2026年1月A股市场风格：在成长价值维度上暂时维持对价值风格占优的判断，但略微向成长风格倾斜 [3] * 量化策略综合评分显示，价值风格偏好减弱，综合得分从上一期的0.48下降至负0.3，但短期内价值风格可能仍占优 [3][4] * 大小盘维度：由看好大盘转为均衡偏小盘，综合得分从0.72下降至负0.16，短期内小盘或中小盘可能略微占优 [3][4] * 小盘股优势驱动因素：宏观环境和市场情绪，包括偏股基金募资额、创新高个股占比及期限PCR等指标都偏向小盘，期限利差上升和出口额月同比上升也利好小盘 [4] 资产配置观点 * 对国内股票资产相对看好，对商品资产持中性态度，债券相对推荐顺位靠后 [3][5] * 宏观预期差角度：对股票和商品持谨慎态度，对债券中性 [3][8] * 左侧择时维度：对股票市场持乐观态度，有4个看多信号和1个看空信号 [3][8] * 技术面阻力支撑维度：认为当前市场顶部存在一定阻力，有震荡可能 [3][8] 行业轮动观点 * 行业轮动模型目前处于快速轮动状态 [3][5] * 2025年12月模型持仓行业跑输基准0.7% [3] * 2025年全年组合收益率35.2%，跑赢同行业等权基准11个百分点 [3][5] * 2026年1月模型最新推荐行业包括银行、建材、计算机、综合金融、煤炭及综合，相比上个月调出了有色金属等行业 [5] 主动量化选股策略表现 * 策略体系包括紧急积极成长型策略、稳健型策略以及小盘掘金策略 [6] * 2025年12月表现最优的是紧急积极成长型策略，其中成长趋势共振选股策略收益率达到6.8% [6] * 成长趋势共振选股策略全年收益率46.4%，超额13个百分点 [3][6] * 小盘掘金类中的低关注掘金策略全年累计收益86%，是所有跟踪组合中表现最好的 [6] * 稳健型策略：红利优选全年收益率8.4%，价值股优选7.9%，相比于中证红利全收益指数都有约4个百分点左右的超额，但绝对收益受制于红利风格平淡影响 [6] * 展望2026年1月，策略轮动模型认为红利类策略胜率相对较高 [6] 市场环境与投资机会 * 当前正处于市场分化度较大的阶段，有利于价值红利类策略 [9] * 1月份是年报预告密集披露的时期，个股盈利预告明显超出预期存在投资机会 [9] 其他重要内容 量化模型最新进展 * 中金量化策略团队开发了基于强化学习、深度学习及大语言模型的量化策略，并推出了期权择时模型 [3][10] * 强化学习因子挖掘模型：2025年12月跑赢基准0.38个百分点，全年累计收益35.06%，累计跑赢基准2.41个百分点 [10] * 基于深度学习的选股模型（结合Transformer和GRU结构）：在中证1,000指数中，12月份累计收益2.26%，跑赢基准0.39个百分点，全年累计跑赢5个百分点 [10] * 树模型与MMLP深度学习结合的选股策略：在中证1,000中12月份累计收益1.11%，全年累计跑赢37.89个百分点 [10] * 基于期权隐含波动率构造的期权情感走势指标：自2025年5月发布以来，样本外整体胜率特别是在看空方向上表现突出 [10] * 该期权指标在2024年12月绝对收益6.6%，跑赢基准3.1个百分点，自发布以来累积收益37.47%，累积跑赢基准11.21% [10] * 该期权指标在去年12月10日至17日成功规避了市场快速下跌风险 [10]

量化模型与构建方式 1. **模型名称：A股仓位择时策略（波段模型与短线模型）**[1] * **模型构建思路：** 综合运用波段模型和短线模型对A股市场进行择时，以判断市场整体仓位水平。波段模型用于捕捉中期趋势，短线模型用于捕捉短期信号。[1] * **模型具体构建过程：** 报告未详细描述具体构建过程，但提及模型会输出看多或看空信号，并综合考量后给出仓位建议。例如，波段模型在特定日期后首次转为较高仓位，短线模型则对不同宽基指数（如中证1000、沪深300、中证500）分别进行判断。[1] 2. **模型名称：A股多空择时策略**[11][16] * **模型构建思路：** 构建一个基于沪深300股指期货的多空策略，旨在通过择时获取超越单纯持有多头的收益。[16] * **模型具体构建过程：** 报告未详细描述具体构建过程，但从图表名称和净值曲线可知，该模型会生成做多或做空的交易信号，并据此构建投资组合。[16] 3. **模型名称：A股小微盘择时策略**[11][18] * **模型构建思路：** 对A股市场中的小微盘风格进行择时判断，以决定是否超配或低配该风格。[11][18] * **模型具体构建过程：** 报告未详细描述具体构建过程，但根据最新观点，该模型在一月份维持看多大盘的判断。[29] 4. **模型名称：A股红利成长择时策略**[11][21] * **模型构建思路：** 在红利（价值）和成长两种风格之间进行轮动择时，以捕捉不同市场环境下的风格收益。[11][21] * **模型具体构建过程：** 报告未详细描述具体构建过程，但提供了该策略与基准（等权配置创业板指和中证红利全收益指数）的历史业绩对比。策略逻辑是在创业板指和中证红利全收益指数之间进行轮动选择。[19] * **模型评价：** 从历史回测看，该轮动策略相比等权配置基准和单一风格指数，在累计收益、年化收益、风险调整后收益（Sharpe比率）等方面均有显著提升，最大回撤也得到较好控制。[19] 5. **模型名称：美股择时策略**[11][22] * **模型构建思路：** 对美股市场（以标普500指数为代表）进行择时，模型可能包含杠杆做多、做空、持仓（反弹）等多种信号。[11][22] * **模型具体构建过程：** 报告未详细描述具体构建过程，但从图表可知，模型会生成“2倍开多信号”、“做空（空仓）信号”、“持仓（反弹）信号”等，并据此构建不同杠杆或方向的头寸。[22] 6. **模型名称：黄金择时策略**[11][23] * **模型构建思路：** 对黄金价格走势进行择时，以决定黄金资产的配置仓位。[11][23] * **模型具体构建过程：** 报告未详细描述具体构建过程，但提及该策略包含长期仓位和短期交易仓位，并根据信号调整总体仓位水平。[5][29] 7. **模型名称：行业轮动策略**[6][29] * **模型构建思路：** 在一月份推荐使用行业轮动策略，根据资金面、市场情绪等因素在不同行业间进行切换，以获取超额收益。[6][29] * **模型具体构建过程：** 报告未详细描述具体构建过程，但给出了行业选择的建议方向，如半导体设备、机器人、化工等。[5][29] 模型的回测效果 1. **A股红利成长择时策略（轮动策略）**[19] * 累计收益：377.37% * 年化收益：17.54% * 最大回撤：27.08% * 年化波动率：22.95% * 年化Sharpe比率：0.76 * Calmar比率：0.65 2. **A股红利成长择时策略（基准：等权配置创业板指与中证红利）**[19] * 累计收益：60.61% * 年化收益：5.02% * 最大回撤：35.22% * 年化波动率：20.69% * 年化Sharpe比率：0.24 * Calmar比率：0.14 3. **创业板指（单一风格基准）**[19] * 累计收益：17.70% * 年化收益：1.70% * 最大回撤：57.05% * 年化波动率：28.51% * 年化Sharpe比率：0.06 * Calmar比率：0.03 4. **中证红利全收益（单一风格基准）**[19] * 累计收益：93.59% * 年化收益：7.07% * 最大回撤：27.08% * 年化波动率：17.42% * 年化Sharpe比率：0.41 * Calmar比率：0.26 量化因子与构建方式 * 本报告中未明确提及具体的量化因子构建细节。

核心观点 - 报告认为2026年1月风险资产占优，配置应关注权益与商品，A股行业策略聚焦于中盘蓝筹 [2][7][19] - 具体资产观点：A股震荡上行赔率有限但胜率不低，商品与黄金继续看好，美股与中债中性，美债谨慎 [7][61] 大类资产观点（基于“2+1思维”） - **境内股票（A股）**：预期层面由分母端风险评价下行支撑，分子端盈利与成长预期平稳，风险偏好回归下结构上重点关注中盘蓝筹，历史上1月胜率尚可但赔率不高（2019-2024年数据显示1月平均收益率低于其他月份），交易层面不确定性平稳，整体震荡略有上行 [11][12][61] - **境内债券**：长端配置力量和政策预期整体偏中性，交易层面中期不确定性有所上行，历史上1月债券胜率较高赔率尚可，但当前利率处于历史低位，整体中性 [13][16] - **黄金**：预期层面货币属性（去美元化）与金融属性（利率下行）共振，2025年以来ETF投资持续增长，短期压力不改中期上行趋势，历史上1月COMEX黄金胜率与赔率均较高，整体继续看好 [17][20] - **商品（重点关注有色）**：预期层面铜、电解铝等供需错配持续，美联储降息周期提供额外保护，历史上1月有色的胜率与赔率较高，交易层面不确定性平稳，整体继续看好 [21][22] - **美股**：预期层面市场对科技泡沫担忧发酵，相关板块峰度/偏度处于历史高位，但基本面与流动性仍有支撑，历史上1月纳斯达克胜率较高但赔率一般，整体中性 [23][24][25] - **美债**：预期层面增量信息有限，同时需考虑人民币汇率预期，我国PPI修复及美债利率下行周期分别从购买力平价和利率平价支撑人民币升值，历史上1月美债胜率赔率较高但人民币升值概率同样较高，整体建议谨慎 [26][27][28][29][31] 资产配置策略表现与1月操作 - **模型业绩表现（2025年以来）**： - 资产配置策略：低波策略年化收益**6.2%**，中低波策略年化**11.7%**，中高波策略年化**17.6%** [7][34][39] - 行业轮动策略：年化收益**40%**，跑赢偏股混合型基金指数（年化**29.7%**） [7][44][45] - ETF策略：资产配置ETF低波年化**6.5%**，中低波年化**12.4%**，中高波年化**16.6%**；行业轮动ETF年化**40%** [7][52][58] - **1月配置操作**： - **资产配置策略**：继续看好A股，低波策略小幅加仓商品/美股，中波策略加仓黄金并减仓美股 [7][37][41][60] - **行业轮动策略**：当前逻辑主线在于风险偏好回归，推荐以中盘蓝筹为主的行业，包括有色金属、基础化工、电力设备（电新）、通信、电子、传媒等板块 [7][42][49] - **ETF策略**： - 资产配置ETF：加仓A股、商品、黄金等ETF [7][60] - 行业轮动ETF：推荐有色金属ETF、化工ETF、新能源ETF、通信ETF、信息技术ETF、游戏ETF等 [7][55] 策略方法论摘要 - **动态全天候策略（低波）**：通过对通胀、汇率贬值、事件冲击等宏观风险因子进行择时，在经典全天候策略基础上做负面剔除，2025年以来年化收益**6.2%**，卡玛比率**4.3**，1月小幅增持A股、商品、黄金 [34][35][37] - **中波策略**：以动态全天候策略为底仓，用主动型资产配置进行增强，以在分散风险的同时增厚收益，2025年中低波策略年化**11.7%**，中高波策略年化**17.6%** [38][39] - **行业轮动策略框架**：基于增长预期与利率预期的四象限框架（股强债弱、股弱债强、股债双强、股债双弱），挖掘不同市场环境下行业的轮动规律 [42][43] - **ETF策略构建**：通过相关性、跟踪误差、规模等多维度打分，为申万一级行业选取最接近的ETF进行策略回测与推荐，大部分行业与对应ETF相关性在**90%**以上 [50][52]

银行股表现与驱动因素 - 截至当前，KBW银行指数年内上涨32%，表现远超上涨约18%的标普500指数 [1] - 大型银行股价大幅上涨，例如花旗集团年内上涨约71%，目前交易价格已高于账面价值，高盛年内上涨58%，摩根士丹利年内上涨43%至45% [1] - 股价上涨的核心驱动因素包括：2025年银行业务表现良好，且预计2026年将更好，资本市场持续获得动力，贷款背景改善，以及放松监管使银行能更有效利用资本并提升资本回报率 [3] 估值与资金流向 - 由于大量资金流入金融板块ETF，银行股估值已显著高于历史水平，例如高盛基于2026年预期市盈率的交易倍数比历史水平高出六倍，摩根士丹利则高出五倍 [4] - 2025年金融板块ETF录得约300亿美元的资金流入，且预计这一趋势将持续至2026年，成为推动股价的边际买家 [4] - 分析师认为当前交易趋势可以延续，并且进入2026年的业务动能正在加速 [5] 潜在的投资机会领域 - 除了大型银行，区域性银行也存在投资机会 [5] - ancillary类公司，如嘉信理财以及部分金融科技公司，也将从相同的积极主题中受益 [6] 行业复苏的具体观察点 - 2025年已宣布的并购交易额增长了40%，但这主要由大型交易驱动 [8] - 2026年的关键观察点在于并购活动的持续和范围扩大，特别是金融赞助商的重新参与，这将利好银行的资本市场活动和贷款活动 [8] - 市场期待放松监管的益处真正显现，包括银行内部资本的重新配置以及资本的释放与回馈，若这些预期未能实现，市场将感到失望 [9]

报告行业投资评级 未提及 报告的核心观点 - 金融街证券研究所基于相关策略报告构建行业和主题ETF策略组合，20251229一周模型推荐配置证券、工业金属、贵金属等板块 [1][11] - 20251222 - 20251226期间，策略累计净收益约4.34%，相对于沪深300ETF的超额收益约2.29%；2024年10月14日至今，策略样本外累计收益约32.21%，相对于沪深300ETF累计超额约8.98% [2] 根据相关目录分别进行总结 策略更新 - 20251229 - 20251231将新增持有证券ETF龙头、矿业ETF、黄金股ETF、通信ETF等产品，继续持有电网设备ETF、电池ETF等产品 [2][11] 业绩追踪 - 20251222 - 20251226期间，策略累计净收益约4.34%，相对于沪深300ETF的超额收益约2.29% [2] - 2024年10月14日至今，策略样本外累计收益约32.21%，相对于沪深300ETF累计超额约8.98% [2] ETF持仓与表现 |基金代码|ETF名称|ETF市值（亿元）|持有情况|重仓申万行业及权重|周度择时信号|日度择时信号| | --- | --- | --- | --- | --- | --- | --- | |159993|证券ETF龙头|41.14|调入|证券(100%)|-1|1| |561330|矿业ETF|10.85|调入|工业金属(45.51%)|1|1| |517520|黄金股ETF|128.89|调入|贵金属(40.62%)|1|1| |515880|通信ETF|145.34|调入|通信设备(77.97%)|1|1| |159326|电网设备ETF|38.82|继续持有|电网设备(80.77%)|1|1| |159865|养殖ETF|63.48|调入|养殖业(50.2%)|-1|-1| |159755|电池ETF|148.93|继续持有|电池(62.7%)|-1|-1| |562550|绿电ETF|2.77|调入|电力(100%)|0|0| |159861|碳中和50ETF|2.86|调入|光伏设备(35.6%)|1|1| |512220|TMTETF|5.47|调入|半导体(37.08%)|1|1| [2]

量化模型与构建方式 1. **模型名称：成交量模型**[8][11] * **模型构建思路：** 属于短期择时模型，基于市场价量关系构建，核心思想简单普世[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程，仅提及其为基于价量角度构建的模型之一[8]。 2. **模型名称：特征龙虎榜机构模型**[11] * **模型构建思路：** 属于短期择时模型，基于龙虎榜中的机构交易行为特征构建。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 3. **模型名称：特征成交量模型**[11] * **模型构建思路：** 属于短期择时模型，基于特殊的成交量特征构建。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 4. **模型名称：智能算法沪深300模型**[11] * **模型构建思路：** 属于短期择时模型，应用智能算法对沪深300指数进行择时。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 5. **模型名称：智能算法中证500模型**[11] * **模型构建思路：** 属于短期择时模型，应用智能算法对中证500指数进行择时。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 6. **模型名称：涨跌停模型**[8][12] * **模型构建思路：** 属于中期择时模型，基于市场涨跌停股票的数量、分布等特征构建[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 7. **模型名称：上下行收益差模型**[8][12] * **模型构建思路：** 属于中期择时模型，通过计算市场上行收益与下行收益的差值来捕捉市场动能或情绪[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 8. **模型名称：月历效应模型**[12] * **模型构建思路：** 属于中期择时模型，基于历史数据中存在的特定月份或时间段的规律性收益模式构建。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 9. **模型名称：长期动量模型**[8][13] * **模型构建思路：** 属于长期择时模型，基于资产的长期价格趋势（动量）进行择时[8]。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 10. **模型名称：A股综合兵器V3模型**[14] * **模型构建思路：** 属于综合择时模型，通过耦合不同周期（短、中、长）或不同策略的择时模型信号，形成攻守兼备的综合观点[8]。 * **模型具体构建过程：** 报告未详细说明具体耦合规则和权重分配。 11. **模型名称：A股综合国证2000模型**[14] * **模型构建思路：** 属于综合择时模型，专门针对国证2000指数，通过耦合相关择时模型信号形成综合观点。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 12. **模型名称：成交额倒波幅模型**[15] * **模型构建思路：** 属于港股中期择时模型，结合成交额与波动率（倒波幅）指标来判断市场状态。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 13. **模型名称：恒生指数上下行收益差模型**[15] * **模型构建思路：** 属于港股中期择时模型，原理与A股的上下行收益差模型类似，应用于恒生指数。 * **模型具体构建过程：** 报告未详细说明具体构建公式和过程。 14. **模型名称：形态学监控模型（杯柄形态、双底形态）**[38] * **模型构建思路：** 基于技术分析中的经典价格形态（如杯柄形态、双底形态）进行选股或择时，认为形态突破后价格会延续原有趋势。 * **模型具体构建过程：** 报告展示了形态识别出的具体个股及其关键点位（如A点、B点、C点），但未给出形态识别的量化算法和突破判断的具体阈值[42][46][50][52]。 15. **模型名称：VIX指数模型**[35] * **模型构建思路：** 通过计算期权的隐含波动率来反映市场对未来波动率的预期，常作为市场情绪或恐慌程度的指标。 * **模型具体构建过程：** 报告提及根据公开披露的VIX计算方法复现了VIX指数，并与历史官方数据相关性达99.2%，但未列出具体计算公式[35]。 模型的回测效果 *本报告为周度观点报告，主要展示模型的最新信号，未提供历史回测的量化指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *本报告未涉及具体的量化因子构建。* 因子的回测效果 *本报告未涉及具体的量化因子测试。*

市场总览 - 2025年12月24日，上证指数上涨0.53%，沪深300上涨0.29%，科创50上涨0.9%，中证1000上涨1.54%，创业板指上涨0.77%，恒生指数上涨0.17% [3][4] - 当日表现最好的行业是国防军工（+2.88%）、电子（+2.12%）、建筑材料（+1.72%）、轻工制造（+1.69%）和机械设备（+1.49%）[3][4] - 当日表现最差的行业是农林牧渔（-0.85%）、煤炭（-0.7%）、食品饮料（-0.36%）、银行（-0.3%）和传媒（+0.01%）[3][4] - 2025年12月24日，全A股总成交额为18972.42亿元，南下资金净流出11.75亿港元 [3][4] 非银金融行业观点 - 非银金融行业在2026年有望迎来补涨，兼具胜率与赔率 [5] - 市场对非银板块预期较低，主要由于2025年的高基数 [5] - 核心驱动因素是权益市场长期的“慢牛”行情以及负债端的夯实优化 [5] - 与市场观点的差异在于，认为资产端与负债端将形成共振 [5] 行业轮动策略观点 - 以2025年《年度行业打分表》前五名行业构建的等权模拟组合，截至2025年12月23日累计收益率为44.8%，相对于沪深300的超额收益为22.2%，在12个日历月中有11个月获得正超额，月胜率超过90% [6] - 在牛市的趋势性行情中，对行业基本面的比较应高于对交易面的比较，发现景气逻辑主线并买入持有的策略优于轮动交易 [6][7] - 2026年值得持续给予较高基本面附加分的行业集中在顺周期和科技两方面，叙事紧扣“科技自立”、“内需”和“反内卷”三大顶层政策提法 [6][7] - 具体可能涉及的行业包括电子、通信、军工、消费者服务、农业、商贸、医药、电新、化工、汽车等一级行业 [7] 汽车零部件行业点评 - 汽车轻量化浪潮下，以塑代钢空间广阔 [2][8] - 改性塑料因其密度更低、比强度更高，是理想的汽车轻量化材料 [8] - 主要的投资催化剂是改性塑料在汽车中的使用量提升 [8]

核心观点 - A股市场保持稳健且风险可控 年末市场追高意愿不强但指数相对稳健 预计保持震荡结构 12月以来市场企稳迹象更加明显 部分前期热点的高景气板块保持较好韧性 建议优选景气度向上的行业进行提前布局 并耐心等待后续春季行情启动 [1][4] 市场行情回顾 - 报告统计时间为2025年12月15日至2025年12月19日 A股保持稳健 风险可控 可逢低布局高景气 [1][4] 股票市场因子跟踪 - 市场风格方面 大小盘风格略微偏向大盘 价值成长风格偏向价值 与前一周方向相反 [1][6] - 市场风格波动方面 大小盘风格波动和价值成长风格波动水平均保持在低位 [1][6] - 市场结构方面 行业超额收益离散度和行业轮动速度均有所反转并出现抬升 成分股上涨比例整体下降 [6] - 交易集中度方面 前100个股成交额占比基本持平 前5行业成交额占比小幅下降 [6] - 市场活跃度方面 市场波动率及市场换手率均继续下降 [1][7] 商品市场因子跟踪 - 除黑色板块外 其他各板块趋势强度保持上升 贵金属、有色及农产品板块效率系数维持高位 [2][20] - 基差动量方面 贵金属板块基差动量大幅下降 能化和黑色板块基差动量上升 [2][20] - 波动率方面 除贵金属、农产品板块外各板块波动率均上升 [2][20] - 流动性方面 能化和农产品板块流动性下降 其他板块均小幅抬升 [2][20] 期权市场因子跟踪 - 上证50与中证1000的隐含波动率从低位水平有所反弹 [3][29] - 波动率偏度上 上证50的看涨与看跌期权偏度双降 中证1000的看跌期权偏度周内继续上升 说明大盘经历了一定风险释放 小盘风格仍处于风险积累当中 [3][4][29] 可转债市场因子跟踪 - 转债市场上周企稳修复 有所抬升 [4][31] - 估值端来看 百元转股溢价率再创年内新高 维持震荡上升趋势 [31] - 偏债型分组的纯债溢价率小幅上升 低转股溢价率转债的占比则持续下降 处于偏低水平 [31] - 市场成交额回暖 重新站到历史一年中位数上方 [31]