报告行业投资评级 * 报告未明确给出具体的行业投资评级 [1][4][6][7][10][12][14][15][17][18][19][20][21][22][24][25][26][28][29] 报告核心观点 * 上周（2026-01-12至2026-01-16）大类资产中，SHFE黄金以**2.57%**的涨幅领涨，而沪深300和标普500分别下跌**0.57%**和**0.45%** [4][7] * 报告跟踪的七大类资产配置量化模型上周均录得正收益，其中**国内资产BL模型2**表现最佳，上周收益为**0.28%** [1][4] * 报告认为，在当前地缘政治环境波动加剧的背景下，基于动量的BL策略可能获得超额收益 [4] 大类资产表现跟踪 * 上周表现最佳的大类资产是**SHFE黄金**，涨幅为**2.57%** [4][7] * **恒生指数**上周涨幅为**2.23%**，**中证1000**上涨**1.27%**，**南华商品指数**上涨**1.13%**，**中证转债**上涨**1.08%** [4][7] * 固定收益类资产中，**国债总财富指数**上涨**0.22%**，**企业债总财富指数**微涨**0.07%** [4][7] * 下跌的资产中，**沪深300**下跌**0.57%**，**标普500**下跌**0.45%** [4][7] 大类资产配置策略跟踪 * 报告团队针对全球与国内市场，开发了**Black-Litterman模型**、**风险平价模型**和**基于宏观因子的资产配置模型**三类基础配置模型 [10] BL模型策略跟踪 * **国内资产BL模型1**上周收益为**0.26%**，1月份收益为**1.13%**，2026年以来收益**1.13%**，年化波动**2.85%**，最大回撤**0.2%** [4][17] * **国内资产BL模型2**上周收益为**0.28%**，1月份收益为**1.1%**，2026年以来收益**1.1%**，年化波动**2.6%**，最大回撤**0.18%** [4][17] * **全球资产BL模型1**上周收益为**0.12%**，1月份收益为**0.69%**，2026年以来收益**0.69%**，年化波动**2.9%**，最大回撤**0.23%** [4][17] * **全球资产BL模型2**上周收益为**0.14%**，1月份收益为**0.37%**，2026年以来收益**0.37%**，年化波动**1.19%**，最大回撤**0.1%** [4][17] * 国内资产BL模型1当前持仓主要集中在**企业债总财富指数（84.15%）**和**中证1000（10.72%）** [11] * 国内资产BL模型2当前持仓主要集中在**企业债总财富指数（84.18%）**，并配置了少量**中证1000（8.20%）**、**中证转债（2.45%）**和**南华商品指数（3.34%）** [11] 风险平价模型策略跟踪 * **国内资产风险平价模型**上周收益为**0.2%**，1月份收益为**0.49%**，2026年以来收益**0.49%**，年化波动**1.16%**，最大回撤**0.05%** [4][21][22] * **全球资产风险平价模型**上周收益为**0.13%**，1月份收益为**0.38%**，2026年以来收益**0.38%**，年化波动**1.09%**，最大回撤**0.07%** [4][21][22] * 国内资产风险平价模型持仓较为分散，权重最高的资产为**企业债总财富指数（74.38%）**和**国债总财富指数（17.11%）** [11] 基于宏观因子的资产配置策略 * **基于宏观因子的资产配置模型**上周收益为**0.23%**，1月份收益为**0.61%**，2026年以来收益**0.61%**，年化波动**1.73%**，最大回撤**0.1%** [4][29] * 该策略通过涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将宏观主观观点落地为资产配置 [24] * 在2025年12月底，报告对增长、信用、汇率因子的主观偏离值设为**1**，对通胀、利率、流动性因子的偏离值设为**0** [25] * 该模型当前持仓以**企业债总财富指数（60.97%）**和**国债总财富指数（26.31%）**为主，并配置了**沪深300（4.81%）**及**南华商品指数（4.37%）** [11]

文章核心观点 - 贝莱德基金推出新产品贝莱德富元金利混合型证券投资基金 该产品是一款以量化模型为核心的中高波动“固收+”产品 旨在通过股债协同配置与多重风险控制 在低利率与震荡市场环境中为风险偏好不高的投资者提供平衡收益与风险的投资工具[1] - 产品设计基于量化多资产策略 权益仓位上限提升至30%并纳入港股通标的 通过行业轮动、久期轮动等模型动态配置资产 并强调下行风险控制 目标是实现长期稳健的绝对回报并改善投资者持有体验[1][2][3][5] 产品策略与设计 - 产品定位为中高波“固收+” 权益类仓位设计为10%-30%的灵活区间 投资范围包括股票、权益类基金、可转债及可交换债券 其中投资于境内股票资产的比例合计不低于基金资产的10% 投资于港股通标的股票的比例为股票资产的0%-50%[2] - 核心策略为“量化聚利、股债双‘+’” 对股票和债券资产独立建模 通过量化方法实现动态协同 采用中低频量化投资以降低交易成本[2] - 权益端采用行业轮动模型 基于价值、成长、价格动量等多个信号维度进行打分 并结合风险模型与交易成本进行组合优化 该模型脱胎于2020年开始的A股北向实盘运作 在2022年至2023年实现完全本地化 并在后续实盘中取得了不错的超额收益[2][3] - 债券端采用久期轮动和信用轮动策略 聚焦利率债与高等级金融债 综合利率期限结构、价格动量、信用利差动量等信号进行配置 明确不做信用债下沉 以规避流动性风险并实现低波动、低回撤目标[3] - 策略旨在解决投资者在震荡市中的回撤痛点 通过系统性风险控制让投资者“拿得住”[3] 模型本土化与风险控制 - 量化模型脱胎于贝莱德全球多资产部门逾十年的成熟框架 但经过了数年的彻底本土化再造 实现了从数据采集到生成调仓建议的100%本地化独立运行[4] - 本土化改造包括将行业分类从海外的MSCI GICS 11个行业细化为国内的申万31个一级行业 并针对中国市场引入了下行风险控制模块[4] - 下行风险控制模块包括波动率控制与回撤控制两大机制 波动率控制模块曾在2024年10月因监测到组合波动率远超目标而提示减仓 成功规避了随后的横盘震荡并留存了2024年“9·24”行情的大部分收益[4][5] - 回撤控制作为“硬防线” 当组合收益下行达到止损线时 模型会自动给出调仓建议以纪律性地减少风险敞口 为组合提供高确定性的下行保护[5] - 该多资产策略是自上而下的目标导向型 核心在于跨资产的风险预算管理与尾部风险对冲 与贝莱德系统化主动权益投资（SAE）的自下而上个股选择模型有本质不同[5] 2026年市场展望 - 对2026年权益市场保持乐观 认为当前A股尤其是大中盘品种估值仍处合理区间 例如沪深300指数成分股市净率约为1.5倍 处于近十年均值附近 基于2025年盈利预期的市盈率约为12.2倍 在全球范围内具备吸引力[5] - 判断如果政策继续加力且地缘局势缓和 未来12-18个月沪深300指数有可能达到近10年以来的新高 超越2021年2月的水平[6] - 在行业层面 继续看好AI科技浪潮的结构性行情在2026年持续 并逐步从硬件基础设施向更多应用AI技术的行业扩散 但需甄别估值与基本面现金流改善匹配的“真增长”[6] - 认为有色金属类股票需谨慎看待 同时若“十五五”期间出台强有力的刺激内需政策 A股消费板块可能迎来修复性机会[6] - 对于债券市场相对谨慎 对信用债持中性态度 对久期轮动的节奏预期较低 建议投资者不要对全年债券端的收益率预期过高[6] - 认为2026年最大风险在于增长不及预期、流动性充沛常态的变化以及地缘局势等偶发事件[6] 团队与投资理念 - 产品拟任基金经理王晓京为贝莱德基金权益、量化及多资产首席投资官 另一位拟任基金经理陈之渊拥有10年的全球宏观投资交易经验 擅长量化多资产配置、宏观轮动等策略[7] - 强调量化投资的核心在于纪律和风险管理 将通过多层次的风控机制和严格的组合约束 对组合波动、回撤及极端风险进行持续管理 力求提升组合的稳定性和抗风险能力[7] - 投资理念追求在给定风险预算下实现长期稳健的绝对回报 而非单一资产的极致收益[5]

报告行业投资评级 未提及 报告的核心观点 - 国债期货市场上周各期债收涨但市场情绪仍偏空 T接近震荡区间上沿上涨空间有限 TL继续承压概率较大 商品市场涨跌品种数量相对均衡 商品因子除基差和仓单因子外表现不错 建议关注有长期预期收益能力的商品因子并均衡配置防控风险 [6][24] 各部分总结 国债期货行情简评 - 上周各期债收涨 30年期主力合约涨0.26% 十年期主力合约涨0.27% 五年期主力合约涨0.22% 两年期主力合约涨0.05% [6] - 各品种基差分化 十债CTD券为250018 16号基差约0.05元 略低于季节性水平 三十年期CTD券为210005 16号基差0.22元 低于季节性水平 [6] - 国债期货小幅反弹 市场情绪仍偏空 情绪回暖推动T、TF、TS等品种走强 T接近震荡区间上沿上涨空间有限 TL表现较弱继续承压概率大 [6] 国债期货日频择时策略 - 十年期国债以夏普比排名 基差因子、风险资产和会员持仓2025年夏普比分别为1.68、1.93和0.59 [6][17] - 五年期国债以夏普比排名 高频资金流、日内量价、风险资产、会员持仓和基差因子2025年夏普比分别为2.51、2.27、1.71、1.33和0.78 [6][18] - 两年期国债以夏普比排名 高频资金流、基差因子、日内量价和会员持仓2025年夏普比分别为2.45、1.82、1.59和0.82 [6][19] 商品CTA因子及跟踪策略表现 商品因子表现 - 上一周国内商品市场涨跌品种数量相对均衡 白银、锡涨幅超20% 烧碱、玻璃下跌靠前 [24][27] - 商品因子整体表现不错 除基差、仓单因子收益较差外 其他类因子均有不同程度上涨 量价趋势类因子平均约2.0%上涨 期限结果类因子涨幅超0.5% [24][27] - 近期外部市场扰动致商品因子收益波动性上升 建议关注有长期预期收益能力的商品因子 采取均衡配置防控风险 [24][27] 跟踪策略表现 |策略名称|年化收益|夏普比率|Calmar|最大回撤|最近一周收益|今年以来收益| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |CWFT策略|9.2%|1.58|1.05|-8.81%|0.19%|0.21%| |C_frontnext & Short Trend策略|11.3%|1.72|1.69|-6.72%|-0.05%|0.41%| |Long CWFT & Short CWFT策略|12.0%|1.36|0.92|-13.07%|-0.27%|0.26%| |CS XGBoost策略|5.5%|0.92|0.29|-18.84%|-1.05%|-2.50%| |RuleBased TS Sharp-combine策略|11.9%|1.55|1.43|-8.26%|1.04%|0.46%| |RuleBased TS XGB-combine策略|11.5%|2.01|2.57|-4.49%|0.08%|-1.30%| |CS strategies, EW combine策略|12.6%|1.79|1.70|-7.38%|-0.01%|0.61%| [25] - 上周表现最好的是CWFT策略 收益0.19% 今年以来表现最好的是C_frontnext & Short Trend策略 收益0.41% [46] - 截面策略的等权复合策略年化收益12.6% 夏普比率1.79 Calmar1.70 最大回撤-7.38% 最近一周收益-0.01% 今年以来收益0.61% [46]

量化模型与构建方式 1. **模型名称：卷积神经网络趋势观察模型**[79] * **模型构建思路**：使用卷积神经网络（CNN）对个股历史价量数据构建的标准化图表进行建模，学习图表特征与未来价格走势之间的关系，并将学习到的有效特征映射到行业主题板块中，以识别具有趋势性机会的行业主题[79][82]。 * **模型具体构建过程**： 1. 数据准备：对每个个股，在特定窗口期内（报告中未明确具体窗口期）收集其价格和成交量数据[79]。 2. 图表化：将标准化的价量数据转换为可视化的图表格式。具体标准化方法未详细说明，但目的是形成可供CNN处理的图像输入[79][80]。 3. 模型训练：使用卷积神经网络对上述价量图表与对应的未来价格表现（如未来收益率）进行训练，使模型学会从图表中提取与未来走势相关的特征[79]。 4. 特征映射与应用：将训练好的CNN模型学习到的特征应用于行业主题板块的分析，识别出当前价量图表特征预示未来可能表现较好的行业主题，并输出具体的主题指数配置建议[79][81]。 2. **模型名称：宏观因子事件模型**[56][58] * **模型构建思路**：跟踪一系列对市场影响较大的宏观指标，通过定义特定的“因子事件”（如短期高点、连续下跌等）来描述宏观因子的走势，并从历史数据中筛选出对未来资产收益率有显著预测作用的有效因子事件，用以判断大类资产的未来趋势[56]。 * **模型具体构建过程**： 1. 因子选择：选取约25个国内外宏观指标，涵盖货币政策、财政政策、流动性、通胀水平及其他经济指标等多个维度[55][56]。 2. 事件定义：为每个宏观因子定义四类走势事件：短期高点/低点、连续上涨/下跌、创历史新高/新低、因子走势反转[56]。 3. 有效性检验：在历史数据中回溯检验，筛选出那些在事件发生后，对特定资产（如股票、债券）未来收益率产生显著影响的“有效因子事件”[56]。 4. 趋势判断：对于连续型指标，采用历史均线（如1月、3月、12月均线）将因子走势划分为上行或下行趋势，并统计在不同趋势下资产未来一个月的平均收益，以判断当前宏观趋势对资产的观点（如看多、震荡）[58][59]。 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[49] * **模型构建思路**：通过监测上证50ETF期权成交量的看涨看跌比率（CPR）与其布林通道的相对位置，来判断蓝筹股市场的短期超买超卖状态[49]。 * **模型具体构建过程**： 1. 计算CPR：计算上证50ETF期权成交量的看涨看跌比率[49]。 2. 计算布林通道：计算CPR的60日布林通道（具体计算方法如移动平均线及标准差倍数未明确，但通常包含中轨、上轨和下轨）[49]。 3. 信号生成：当最近20个交易日的CPR值持续高于其60日布林通道的上轨时，模型认为蓝筹股短期存在超卖风险[49]。 4. **模型名称：GFTD模型和LLT模型**[83] * **模型构建思路**：报告仅提及这两个模型名称及其历史择时成功率，未详细描述其构建思路和过程[83]。 量化因子与构建方式 1. **因子名称：新高新低比例因子**[34] * **因子构建思路**：通过统计市场中创近期新高与新低的个股数量占比，来度量市场的极端情绪和趋势强度[34]。 * **因子具体构建过程**：分别计算两个指标： * 60日新高比例 = 创近60日新高的个股数量 / 总股票数量[34]。 * 60日新低比例 = 创近60日新低的个股数量 / 总股票数量[34]。 2. **因子名称：个股均线结构因子**[38] * **因子构建思路**：通过计算均线呈多头排列与空头排列的个股数量占比之差，来反映市场整体的技术趋势强弱[38]。 * **因子具体构建过程**：计算“均线强弱指标”，其定义为（多头排列个股数量占比 - 空头排列个股数量占比）。报告指出，该指标从前期-13%升至1.2%，表明市场技术结构转强[38][39]。 3. **因子名称：长期均线以上比例因子**[41] * **因子构建思路**：统计股价位于长期移动平均线（如200日）之上的个股比例，用以衡量市场整体的长期趋势强弱[41]。 * **因子具体构建过程**：计算股价位于200日长期移动平均线之上的个股数量占总股票数量的比例[41]。 4. **因子名称：风险溢价因子**[67][82] * **因子构建思路**：通过计算股票市场隐含收益率（市盈率倒数）与无风险利率（十年期国债收益率）的差值，来衡量股票资产相对于债券资产的吸引力[82]。 * **因子具体构建过程**：以中证全指为例，风险溢价 = （1 / PE_TTM） - 十年期国债收益率。报告给出了截至2026年1月16日的具体数值为2.51%[82]。 5. **因子名称：指数超买超卖因子**[70] * **因子构建思路**：通过某种度量方法（报告中未明确具体计算公式，可能基于价格偏离均线的幅度或其他技术指标）计算主要宽基指数和行业指数的超跌或超买程度，以识别市场或板块的极端状态[70][71][74]。 6. **因子名称：融资余额因子**[77] * **因子构建思路**：跟踪市场融资余额的绝对规模及其占流通市值的比例，作为衡量市场杠杆资金情绪和活跃度的指标[77][78]。 模型的回测效果 （报告中未提供具体模型的量化回测指标，如年化收益率、夏普比率、最大回撤等数值结果。） 因子的回测效果 （报告中未提供具体因子的IC值、IR、多空收益等量化测试结果。仅有个别因子给出了当前时点的具体数值或状态描述。） 1. **新高新低比例因子**：截至报告期，60日新高个股数占比为13.4%，60日新低个股数占比为8.6%[34]。 2. **个股均线结构因子**：截至报告期，均线强弱指标（多头排列减空头排列个股占比）为1.2%[38]。 3. **风险溢价因子**：截至2026年1月16日，中证全指风险溢价为2.51%，其历史均值加减两倍标准差边界分别为4.68%和另一个未明确数值[82]。 4. **融资余额因子**：最近5个交易日，融资盘增加约973亿元[82]。

2026年初公募基金市场动态 - 截至1月15日，年内已有78只新基金启动募集，其中6只为“日光基”提前收官，显示发行节奏快于往年 [1] - FOF与科技、高端制造主题基金成为发行主力，多只个股精选及行业量化产品一日售罄，映射资金对经济转型机遇的抢先布局 [1] - 业内人士指出，机构正借春季躁动窗口密集上新，为全年规模与业绩竞争提前蓄力 [1] 2026年1月15日A股市场表现 - 当日A股三大股指涨跌分化，沪指跌0.33%报4112.6点，深成指涨0.41%报14306.73点，创业板指涨0.56%报3367.92点，科创50指数跌0.46%报1493.95点 [1] - 全市场成交额为2.94万亿元，超过3100只个股下跌 [1] 基金发行与分红要闻 - 1月15日新发基金共4只，主要为股票型基金和FOF，其中鹏华中证工业有色金属主题ETF募集目标金额达50.00亿元 [2] - 同日基金分红共89只，多为债券型，派发红利最多的基金是工银瑞信中国机会全球配置股票型证券投资基金，每10份基金份额派发红利2.7300元 [2] - 2025年结构性行情下，指数增强策略表现突出，有业绩记录的810只指增产品年度平均收益45.08%，平均超额收益16.75%，其中713只实现正超额，占比高达88.02% [2] - 业内人士指出，量化模型迭代叠加行情分散度提升，为指增策略提供了丰厚阿尔法土壤 [2] 券商资管行业转型趋势 - 2025年底参公大集合落幕，叠加公募牌照审批收紧，券商资管转型压力陡升 [2] - 行业确立两大重心：一是以“固收+”和多资产策略稳住基本盘，通过可转债、量化对冲、FOF组合提升收益弹性；二是把REITs、商品、衍生品等另类资产打造成盈利“富矿”，用差异化投资能力对接高净值与机构资金 [2] - 业内人士指出，能否在低风险工具与特色资产两端同时建立业绩口碑，将决定券商资管在新竞争格局中的座次 [2] 2026年1月15日新发基金详情 - 鹏华中证工业有色金属主题ETF（代码：159162），基金经理为闫冬，首次募集目标50.00亿元，投资类型为股票型，发行截止日期为2026年1月23日 [3] - 景顺长城中证有色金属矿业主题ETF（代码：560290），基金经理为美丽丽，募集目标未公布，发行截止日期为2026年1月28日 [3] - 浦银安盛盈福多元配置3个月持有期混合(FOF) A/C份额（代码：025810/025811），基金经理为张川，募集目标未公布，发行截止日期为2026年2月6日 [3] 2026年1月15日基金分红详情 - 当日分红基金数量众多，涵盖股票型、混合型、债券型、FOF及ETF联接基金等多种类型 [4][5][6] - 分红金额较高的基金包括：工银全球股票(QDII)人民币份额（每10份派2.7300元）、中欧新趋势混合E（每10份派2.4300元）、中欧新趋势混合A(LOF)（每10份派2.2820元）等 [4] - 债券型基金是分红的主力，多数产品每10份派发红利在0.1元至0.7元之间 [4][5][6]

报告行业投资评级 未提及 报告的核心观点 借助ETF可将量化模型或主观观点转化为可实操配置的投资策略，报告给出几个借助ETF构建的策略指数，并以周度为频率对指数的绩效和持仓进行跟踪[12] 根据相关目录分别进行总结 1. ETF策略指数跟踪 - 华宝研究大小盘轮动ETF策略指数：利用多维度技术指标因子，用机器学习模型预测申万大盘和小盘指数收益差，周度输出信号决定持仓获取超额回报 截至2026/1/9，2024年以来超额收益25.26%，近一月2.56%，近一周3.30%[4][14] - 华宝研究SmartBeta增强ETF策略指数：用量价类指标对自建barra因子择时，依ETF在9大barra因子暴露度映射择时信号，选主流宽基及风格、策略ETF 截至2026/1/9，2024年以来超额收益18.76%，近一月 -3.73%，近一周 -2.21%[4][18] - 华宝研究量化风火轮ETF策略指数：从多因子角度出发，把握中长期基本面、跟踪短期趋势、分析参与者行为，用估值与拥挤度信号提示风险挖掘潜力板块获超额收益 截至2026/1/9，2024年以来超额收益39.31%，近一月2.75%，近一周 -0.36%[5][21] - 华宝研究量化平衡术ETF策略指数：采用多因子体系构建量化择时系统研判权益市场趋势，建大小盘风格预测模型调整仓位分布，综合择时和轮动获超额收益 截至2026/1/9，2024年以来超额收益 -12.27%，近一月 -1.07%，近一周 -1.06%[5][25] - 华宝研究热点跟踪ETF策略指数：根据市场情绪等策略跟踪挖掘热点指数标的产品，构建ETF组合捕捉市场热点，为投资者提供短期趋势参考 截至2026/1/9，近一月超额收益1.08%，近一周1.20%[6][28] - 华宝研究债券ETF久期策略指数：采用债券市场指标筛选择时因子，用机器学习预测债券收益率，低于阈值减少长久期仓位提升组合收益和回撤控制能力 截至2026/1/9，近一月超额收益0.15%，近一周0.11%[6][31]

文章核心观点 - 根据量化模型信号，2026年1月建议超配小盘风格，并对价值与成长风格进行均衡配置 [1] 大小盘风格轮动月度策略 - **月度观点**：2025年12月底量化模型最新信号为0.17，指向小盘风格，建议2026年1月超配小盘风格 [1] - **日历效应**：从历史数据看，1月份通常是大盘风格相对占优的时期 [1] - **中长期观点**：当前市值因子估值价差为0.89，近期有所下降，距离历史顶部区域1.7~2.6仍有距离，表明中长期来看小盘风格并不拥挤，继续看好小盘 [1] - **策略表现**：截至2025年12月底，该量化模型收益为27.56%，相对等权基准（26.84%）的超额收益为0.71% [1] - **结合主观观点的策略表现**：结合主观观点后的策略收益为28.97%，相对等权基准的超额收益为2.13% [1] 价值成长风格轮动月度策略 - **月度观点**：2026年1月的量化模型信号为0，建议对成长和价值风格进行等权配置 [1] - **策略表现**：截至2025年12月底，该量化模型收益为22.72%，相对等权基准（20.4%）的超额收益为1.93% [1] 风格因子表现跟踪 - **大类因子月度表现**：在8个大类因子中，2025年12月动量因子和价值因子正向收益较高，而红利因子负向收益较高 [2] - **大类因子年度表现**：2025年全年，波动率因子和成长因子正向收益较高，而流动性因子和大市值因子负向收益较高 [2] - **细分因子月度表现**：在24个风格因子中，2025年12月动量因子、短期反转因子和行业动量因子正向收益较高，而残差波动因子、股息率因子和盈利波动因子负向收益较高 [2] - **细分因子年度表现**：2025年全年，贝塔因子、动量因子和短期反转因子正向收益较高，而中市值因子、残差波动因子和流动性因子负向收益较高 [2] 因子协方差矩阵更新 - **核心作用**：股票协方差矩阵估计是股票组合风险预测的核心 [2] - **方法论**：利用多因子模型，可以将股票协方差矩阵拆解为因子协方差矩阵和股票特质风险矩阵的结合，从而完成较为准确的估计 [2] - **更新情况**：报告更新了截至2025年12月31日的最新一期因子协方差矩阵 [2]

行业与公司 * 固收投资策略与宏观经济研究[1] * 中国A股市场[1] * 中国债券市场[2] * TMT（科技、媒体和通信）行业，特别是存储产业[6] 核心观点与论据 * **中国经济不宜简单类比日本“失去的十年”**：中国企业在过去几年并未停止投资开支，科技板块在2025年2月开始逆转，中国能持续跟踪全球先进科技进展，且中国与日本在海外投资量级上的差异导致通缩情况不同[1][3] * **高质量发展是主线，经济结构已变**：高质量发展强调可持续性，不依赖传统基建和地产拉动[1][5] 房地产对A股的重要性已大幅降低，不再是风险资产的代理变量[1][5] A股基本面中，TMT行业（尤其是存储产业）占据更重要位置，2025年内存价格与A股的相关性高达0.76[1][6][7] * **房地产重要性下降，影响机制复杂**：房地产对GDP的贡献率在大幅下降，目前甚至不如一些软件信息行业[8] 房地产主要影响存量资产估值，而非经济增长流量[8] 房价与利率之间不存在稳定关系，历史案例显示两者可同向或反向变动[1][9] 消费受房地产市场波动的影响也不稳定，不同区域（如北京、上海、深圳）表现存在显著差异[1][10] * **全球通缩预期正在逆转**：贸易流并未断裂削弱了“逆全球化导致中国通缩”的解释力[1][12] 日本经验显示内部通缩动力在减弱[12] 通缩预期的变化能引起实际经济变化[12] * **2026年货币政策预测**：预计有一次降准和一次降息[1][13] 为配合反内卷，信贷量不太可能大幅增加，贷款合意量将下降[13] 央行可能在某些节点扩大买债规模，目的是应对商业银行资产负债问题、社会风险偏好提高，确保金融系统稳定和精准投放流动性，而非直接支持经济增长[1][13] * **2025年量化模型遭遇挫折**：大部分量化模型未能准确反映市场的震荡特征[2][15] 例如，盯着农商行或保险等超跌买盘指标的策略未能取得预期效果[15] 市场从趋势市向震荡市转变，且券商自营业务影响力增加，使得传统模型难以适应[15] * **债券市场面临的挑战与机遇**：债券市场面临利差问题和商业模式考验[2][16] 尽管10年和30年国债利差已回到2022年水平，但公募债基规模远未恢复到2020年水平，显示市场可能过度提前定价[16] 2025年四季度，债基久期显著下降而银行增加久期，导致EVE（经济价值评估）超标[17] 由于金融机构资产负债表需要扩张，资金最终可能重新回流[16] * **2026年债券市场与收益率预测**：债券市场走势将受到制造业投资和全球科技产业趋势带来的资本开支增加影响[3][4] 预计10年期国债收益率将在1.7%至2.1%之间波动[2][18] 预计10年与30年国债的利差可能为40个基点[18] * **2026年潜在投资机会**：关注买入国债的时机、EVE指标管理、财政发债结构的变化[19] 保险公司分红险比例增加及理财产品中含股票比例上升，将提升整体风险偏好，带来更多投资机会[19] 其他重要内容 * **出口数据的解读需谨慎**：出口数据对资产定价重要，但过度依赖可能导致误判[1][11] 例如2025年4月许多人预期出口下降会导致GDP下降，但实际情况并非如此[11] * **历史数据参考建议**：建议使用2017年的数据训练量化模型，以寻找类似图表模式来理解当前市场[14] * **美国投资者关注点变化**：美国投资者在2025年10月对贸易战关注减少，更关注科技趋势和资本开支[1][3] 美国正经历科技趋势压倒宏观悲观趋势的情况，而中国则显现结构性业绩牛市迹象[1][3]

报告行业投资评级 未提及 报告核心观点 - 上周四个期债品种均冲高回落，期债基差下行、IRR持续上行，跨期价差震荡偏强；商品因子整体收益性有所回暖，中长期对商品因子总体表现乐观，但近期市场波动可能加剧策略波动风险，建议投资者均衡配置、防控风险 [3][20] 各部分总结 国债期货行情 - 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 [3] 国债期货择时策略 - 十年期国债今年以夏普比排名为基差因子、风险资产和会员持仓，2025年夏普比分别为1.68、1.93和0.59 [13] - 五年期国债今年以夏普比排名为高频资金流、日内量价、风险资产、会员持仓和基差因子，2025年夏普比分别为2.51、2.27、1.71、1.33和0.78 [14] - 两年期国债今年以夏普比排名为高频资金流、基差因子、日内量价和会员持仓，2025年夏普比分别为2.45、1.82、1.59和0.82 [15] 商品CTA因子及跟踪策略表现 商品因子表现 - 上周国内商品走势偏强，综合指数周度涨幅突出，白银、碳酸锂涨幅超17%；商品因子整体收益性回暖，除基差类、仓单类等基本面因子周度收益基本持平，其他因子均上涨，量价趋势类因子表现突出；商品因子有长期预期收益能力，中长期对其总体表现乐观，但近期市场波动或加剧策略波动风险，建议均衡配置、防控风险 [20] 跟踪策略表现 |策略名称|年化收益|夏普比率|Calmar|最大回撤|最近一周收益|今年以来收益| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |CWFT策略|9.3%|1.59|1.06|-8.81%|0.92%|4.70%| |C_frontnext & Short Trend策略|11.4%|1.73|1.70|-6.72%|0.33%|4.19%| |Long CWFT & Short CWFT策略|12.1%|1.35|0.92|-13.07%|1.71%|0.49%| |CS XGBoost策略|6.0%|1.01|0.36|-16.70%|-0.09%|-9.13%| |RuleBased TS Sharp - combine策略|12.0%|1.57|1.45|-8.26%|0.39%|10.83%| |RuleBased TS XGB - combine策略|11.9%|2.08|2.65|-4.49%|-0.28%|8.39%| |CS strategies, EW combine策略|12.6%|1.79|1.71|-7.38%|0.89%|-2.10%| [21] 策略持仓情况 - CWFT策略上周持仓品种24个，净持仓17.3%，总持仓收益1.0%，胜率58.3%；本周持仓品种24个，净持仓22.1%，1个品种需展期，总换手资金比例41.3% [28] - C_frontnext & Short Trend策略上周持仓品种24个，净持仓5.4%，总持仓收益0.3%，胜率66.7%；本周持仓品种24个，净持仓 - 8.2%，0个品种需展期，总换手资金比例45.4% [30] - Long CWFT & Short CWFT策略上周持仓品种24个，净持仓55.5%，总持仓收益1.7%，胜率58.3%；本周持仓品种24个，净持仓65.2%，0个品种需展期，总换手资金比例47.1% [32] - CS XGBoost策略上周持仓品种24个，净持仓0.0%，总持仓收益 - 0.0%，胜率62.5%；本周持仓品种24个，净持仓0.0%，1个品种需展期，总换手资金比例52.7% [34] - RuleBased TS Sharp - combine策略上周持仓品种46个，净持仓 - 24.9%，总持仓收益 - 0.2%，胜率45.7%；本周持仓品种46个，净持仓5.0%，1个品种需展期，总换手资金比例71.6% [35] - RuleBased TS XGB - combine策略上周持仓品种46个，净持仓 - 31.2%，总持仓收益 - 0.4%，胜率39.1%；本周持仓品种46个，净持仓 - 4.6%，1个品种需展期，总换手资金比例74.7% [37] 策略表现总结 - 上周表现最好的是Long CWFT & Short CWFT，收益1.71%；今年以来表现最好的是CWFT，收益4.70% [42] - 截面策略的等权复合策略年化收益12.6%，夏普比率1.79，Calmar1.71，最大回撤 - 7.38%，最近一周收益0.89%，今年以来收益 - 2.10% [42]

核心观点 - 报告为金融工程周报，跟踪了截至2025年12月12日当周的大类资产表现及多种量化资产配置模型的业绩[4] - 上周（2025-12-08至2025-12-12）表现最佳的资产是SHFE黄金，上涨1.0%[4][7] - 国内资产的Black-Litterman（BL）配置模型上周表现优于全球资产BL模型，国内模型均录得0.1%的正收益，而全球模型则出现下跌[1][4] - 基于宏观因子的资产配置模型在2025年以来表现最佳，已实现收益达4.48%[4][26] - 报告认为，尽管近期债券市场震荡影响了固收+策略，但基于宏观因子的资产配置模型或仍将持续录得正收益[4] 大类资产表现跟踪 - 上周（2025-12-08至2025-12-12）各大类资产表现分化[4][7] - 录得涨幅的资产包括：SHFE黄金（+1.0%）、中证1000（+0.39%）、中证转债（+0.2%）、国债总财富指数（+0.11%）和企业债总财富指数（+0.05%）[4][7] - 录得跌幅的资产包括：南华商品指数（-1.21%）、标普500（-0.78%）、恒生指数（-0.55%）和沪深300（-0.08%）[4][7] 大类资产配置策略跟踪 - 量化配置团队开发了针对全球和国内市场的Black-Litterman模型、风险平价模型和基于宏观因子的资产配置模型[10] - 各策略上周表现汇总如下[1][4]： - 国内资产BL模型1：上涨0.1% - 国内资产BL模型2：上涨0.1% - 全球资产BL模型1：下跌0.14% - 全球资产BL模型2：下跌0.01% - 国内资产风险平价模型：上涨0.04% - 全球资产风险平价模型：上涨0.02% - 基于宏观因子的资产配置模型：上涨0.07% BL模型策略跟踪 - BL模型是传统均值-方差模型的改进，通过贝叶斯理论将主观观点与量化模型结合，优化资产配置权重[12] - 国内资产BL模型1：上周收益0.1%，12月收益0.11%，2025年以来收益4.15%，年化波动2.12%，最大回撤1.31%[4][14] - 国内资产BL模型2：上周收益0.1%，12月收益0.11%，2025年以来收益3.93%，年化波动1.89%，最大回撤1.06%[4][14] - 全球资产BL模型1：上周收益-0.14%，12月收益-0.05%，2025年以来收益1.01%，年化波动1.96%，最大回撤1.64%[4][14] - 全球资产BL模型2：上周收益-0.01%，12月收益-0.0%，2025年以来收益2.59%，年化波动1.54%，最大回撤1.28%[4][14] - 当前持仓显示，国内BL模型1和2均高度集中于企业债总财富指数（94.92%）和SHFE黄金（5.08%）[11] 风险平价模型策略跟踪 - 风险平价模型核心思想是使每类资产对投资组合整体风险的贡献相等[18] - 国内资产风险平价模型：上周收益0.04%，12月收益0.0%，2025年以来收益3.68%，年化波动1.29%，最大回撤0.76%[4][20] - 全球资产风险平价模型：上周收益0.02%，12月收益0.04%，2025年以来收益3.31%，年化波动1.38%，最大回撤1.2%[4][20] - 当前持仓显示，国内风险平价模型配置较为分散，权重最高的资产是企业债总财富指数（71.44%）和国债总财富指数（19.77%）[11] 基于宏观因子的资产配置策略 - 该策略构建了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将宏观主观观点进行资产层面的落地[21] - 基于宏观因子的资产配置模型：上周收益0.07%，12月收益0.02%，2025年以来收益4.48%，年化波动1.53%，最大回撤0.64%[4][26] - 在2025年11月底，根据对当时经济情况的判断，为六大宏观因子设置的主观偏离值分别为：增长-1、通胀-1、利率0、信用0、汇率-1、流动性0[24] - 当前持仓显示，该模型权重最高的资产是企业债总财富指数（62.87%）和国债总财富指数（26.70%）[11]