涉及的行业与公司 * **公司**：LGL集团，一家在纽约证券交易所上市的微型市值公司，股票代码LGL [2][5][35] * **行业**：主要聚焦于国防技术领域，特别是精密时间与频率、射频、连接和信号技术 [5][10][14]，同时也在探索农业工业领域的业务 [21] 核心观点与论据 * **公司战略与价值创造**：公司旨在通过有机增长和并购为股东创造长期价值 [3][8]，其战略模板包括投资工具、核心运营业务、并购和新举措四个象限 [5]，并以过去成功分拆MtronPTI（2022年以每股13美元分拆，当前股价在60美元以上）作为价值创造的范例 [5][12] * **核心运营业务（PTF）**：位于马萨诸塞州韦克菲尔德的精密时间与频率业务是公司当前的核心运营平台，为国防等领域提供连接性解决方案 [5][10]，公司认为该业务在国防部先进精密导航与计时这一重要投资领域具有增长潜力 [10]，并计划通过技术合作与伙伴关系提升其能力 [10] * **财务与资本状况**： * 在认股权证行权后，公司流通股为639万股，市值约4300万美元，预计每股账面价值约为7.25美元 [5] * 公司计划在未来12个月内动用资产负债表资源，用于发展自有及运营业务以及设立商业投资工具 [8] * 并购的回报评估标准类似于风险投资的加权平均资本成本 [25] * **并购与投资活动**： * 已暂停对Morgan Group的收购（原计划以每股2美元收购100万股），以进行重新评估 [9][22] * 公司拥有稳健的并购渠道，并主要依靠关系网络、现金和股票（按当前股价与账面价值比，股票并非首选）作为并购工具 [26][27] * 公司历史上参与过特殊目的收购公司等投资，未来可能继续通过特殊目的工具等形式进行投资和融资 [8][15] * **地理集群与人才**：公司重视地理集群效应，PTF业务受益于麻省理工学院和林肯实验室附近的集群 [27]，同时计划在弗吉尼亚州、巴尔的摩、华盛顿特区区域建立新的集群，以吸引工程人才和获取项目机会 [27][28] 其他重要内容 * **农业业务**：公司仍在发展此前提及的农业业务，目前在美国进行一些测试 [21]，并认为该业务与国防领域在硬件和软件方面有协同潜力 [22] * **股东沟通**：公司计划在第二季度于纽约市举行年度股东大会/投资者会议 [6][33] * **股票流动性**：公司股票流动性相对较低 [29] * **远期展望**：公司认为2026年及以后国防领域仍是重点，并提及人工智能正成为客户价值驱动因素的前景 [6][14]

报告行业投资评级 - 中信五风格-成长★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [2] 报告的核心观点 - 截至2026/01/16当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为0.45%、0.15%、1.13%；近一周普通股票策略继续领涨，周度涨幅为1.26%，中性策略产品涨多跌少；转债策略收益强于纯债；商品方面能源化工与豆粕期货ETF收益回调，贵金属与有色金属ETF收涨，白银ETF周度涨幅为23.15% [3] - 近一周成长与周期风格收涨，其余风格收跌；稳定与消费风格相对强弱边际走强，稳定风格相对强弱动量回升；近一周基金风格指数均跑赢基准，金融风格基金指数超额收益率为2.33%；市场对消费风格偏移度有所下降；本周拥挤度指标小幅上行，消费风格位于历史偏高拥挤区间 [3] - 近一周短周期动量因子收益表现较优，周度超额收益率为2.19%，盈利与杠杆因子继续回撤，残差波动率因子边际走强，ALPHA因子小幅转弱；本周因子截面轮动速度环比下降，位于近一年以来低分位区间 [3] - 根据风格择时模型最新评分结果，本周稳定风格边际回升，当前信号偏向成长风格；上周风格择时策略收益率为1.78%，对比基准均衡配置超额收益率为2.19% [3] 根据相关目录分别进行总结 市场指数表现 - 截至2026/01/16当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为0.45%、0.15%、1.13% [3] 公募基金市场表现 - 近一周普通股票策略继续领涨，周度涨幅为1.26%，中性策略产品涨多跌少；转债策略收益强于纯债；商品方面能源化工与豆粕期货ETF收益回调，贵金属与有色金属ETF收涨，白银ETF周度涨幅为23.15% [3] 中信五风格表现 - 近一周成长与周期风格收涨，其余风格收跌；稳定与消费风格相对强弱边际走强，稳定风格相对强弱动量回升 [3] 公募基金池表现 - 近一周基金风格指数均跑赢基准，金融风格基金指数超额收益率为2.33%；市场对消费风格偏移度有所下降；本周拥挤度指标小幅上行，消费风格位于历史偏高拥挤区间 [3] Barra因子表现 - 近一周短周期动量因子收益表现较优，周度超额收益率为2.19%，盈利与杠杆因子继续回撤，残差波动率因子边际走强，ALPHA因子小幅转弱；本周因子截面轮动速度环比下降，位于近一年以来低分位区间 [3] 风格择时模型表现 - 根据风格择时模型最新评分结果，本周稳定风格边际回升，当前信号偏向成长风格；上周风格择时策略收益率为1.78%，对比基准均衡配置超额收益率为2.19% [3]

报告行业投资评级 - 股指操作评级为三颗星，代表更加明晰的多/空趋势，且当前仍具备相对恰当的投资机会 [1] - 国债操作评级为三颗星，代表更加明晰的多/空趋势，且当前仍具备相对恰当的投资机会 [1] 报告的核心观点 - 截至1月9日当周，四大期指均上涨，市场有回调压力，但政策预期稳定、资金面有支撑，市场情绪或保持韧性 [1] - 金融衍生品量化CTA策略上周净值上升0.35%，长周期IM长周期因子受影响升幅较大，短周期近期分化收窄，贡献权重下降，持仓量方面风险偏好高位且边际抬升，期债年初资金面宽松，短周期回升，股债跷跷板效应显著，债市对基本面反馈钝化 [1] 各部分总结 宏观基本面中高频因子评分 - 高炉开工率等部分指标有涨跌变化，期指评分为7分，期债评分为8分 [2] 通胀指标 - 菜篮子产品批发价格等指标有涨跌变化，期指评分为8分，期债评分为7分 [3] 流动性 - DR007等指标有涨跌变化，期指评分为9分 [4] 指数估值 - 市盈率PE等指标有涨跌变化，期指评分为11分 [5] 市场情绪 - 融资余额等股指指标和国债到期收益率等债市指标有涨跌变化，股指期债评分为9分，债市期债评分为5分 [6][7] 策略介绍 - 品种池为股指期货和国债期货，短周期模型聚焦市场风格等高频数据板块，长周期模型关注市场预期等低频指标，持仓量考虑机构多空单持仓量合成 [15] 预测信号 - 各主力合约短周期、持仓量、长周期模型及综合信号有对应数值，综合信号强度由3个独立模型信号加权合成，有做多、做空及屏蔽信号规则 [16] 上周情况 - 各主力合约在1月5 - 9日部分日期有对应数值，有净值跟踪数据 [18] 国债期货跨品种套利策略 - 基于基本面三因子模型与趋势回归模型信号共振，基本面因子采用瞬时远期利率函数，用PCA主成分分析等构建三因子模型，信号分三类，运用趋势回归模型过滤信号，实际操作采用久期中性配比调整10 - 5Y价差 [19] 市场行情与交易信号 - TF和T主力合约在1月5 - 9日N - S模型信号和趋势回归模型信号有对应数值 [22]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：宏观指标趋势分析模型**[10] * **模型构建思路**：通过统计检验方法，判断单个宏观指标的趋势（上行或下行）是否对特定大类资产的未来收益率有显著影响，并据此形成资产配置观点[10]。 * **模型具体构建过程**： 1. 对每个宏观指标，使用历史均线法判断其在每个时点的趋势方向（上行或下行）[11]。 2. 分别统计宏观指标处于上行趋势和下行趋势时，对应大类资产未来1个月的月度收益率序列[10]。 3. 使用T检验判断两个收益率序列的均值是否存在显著差异。T值计算公式如下： $$t={\frac{\overline{{R_{1}}}-\overline{{R_{2}}}}{\sqrt{\frac{(n_{1}-1){S_{1}}^{2}+(n_{2}-1){S_{2}}^{2}}{n_{1}+n_{2}-2}}({\frac{1}{n_{1}}}+{\frac{1}{n_{2}}})}}\sim t_{n_{1}+n_{2}-2}$$ 其中，$\overline{R_1}$、$\overline{R_2}$ 分别代表宏观指标在上行和下行情况下，某大类资产的平均月度收益率；$S_1$、$S_2$ 代表对应情况下的月度收益率标准差；$n_1$、$n_2$ 分别代表宏观指标处于上行或下行的月份数量[10]。 4. 若t值显著，则认为该宏观指标趋势对该资产收益率有显著影响。根据指标最新趋势方向，给出“利多”（得分+1）或“利空”（得分-1）的观点[15]。 2. **模型名称：技术分析趋势判断模型**[16] * **模型构建思路**：根据不同大类资产的价格特性，构建差异化的趋势指标，以判断资产价格的短期趋势方向[16]。 * **模型具体构建过程**：针对不同资产类别采用不同的计算方法： * **权益资产**：趋势指标 = (历史2个月LLT平均月度涨跌幅) - (历史(T-12至T-2)个月LLT平均月度涨跌幅)。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 * **债券资产**：趋势指标 = (历史2个月收盘价平均月度涨跌幅) - (历史(T-12至T-2)个月收盘价平均月度涨跌幅)。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 * **黄金资产**：趋势指标 = 历史6个月收盘价平均月度涨跌幅。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 * **工业品资产**：趋势指标 = 历史2个月收盘价平均月度涨跌幅。若结果为正，则趋势向上，得分+1；反之则趋势向下，得分-1[16][21]。 3. **模型名称：权益资产估值指标模型**[21] * **模型构建思路**：使用股权风险溢价（ERP）的历史分位数来衡量权益资产的估值水平，分位数越高代表估值越低，越具投资价值[21]。 * **模型具体构建过程**： 1. 计算中证800指数的股权风险溢价（ERP）：ERP = 1 / PE(TTM) - 10年期国债到期收益率[21]。 2. 计算当前ERP在历史5年（滚动窗口）中的分位数： 分位数 = (当前ERP值 - 历史5年ERP最低值) / (历史5年ERP最高值 - 历史5年ERP最低值)[21]。 3. 根据分位数区间给出估值得分：分位数 > 90%得+2分；70%-90%得+1分；30%-70%得0分；10%-30%得-1分；<10%得-2分[22]。 4. **模型名称：权益资产资金流指标模型**[27] * **模型构建思路**：通过计算指数月度主动净流入额的短期变化，来判断资金流向是处于流入还是流出状态[27]。 * **模型具体构建过程**： 1. 获取中证800指数的月度主动净流入额数据[27]。 2. 计算资金流指标：资金流指标 = (历史1个月主动净流入额) - (历史6个月平均月度主动净流入额)[27]。 3. 若该指标值为正，则认为处于资金流入状态，得分+1；若为负，则为资金流出状态，得分-1[27]。 5. **模型名称：固定比例+宏观指标+技术指标配置模型**[35] * **模型构建思路**：在固定比例（基准）资产配置的基础上，根据宏观指标和技术指标产生的月度信号，动态调整各类资产的配置权重[35]。 * **模型具体构建过程**： 1. 选定7类基础资产（权益、债券、黄金、工业品、货币等）并设定固定的基准配置权重[35][37]。 2. 每月末，汇总各资产的宏观指标得分和技术指标得分，得到总得分[34]。 3. 根据总得分方向（正或负），对非货币资产在基准权重上进行一定比例（如5%）的权重增减调整，并相应反向调整货币资产的配置比例，以保持总权重为100%[35]。 6. **模型名称：经典资产配置模型+宏观指标+技术指标**[43] * **模型构建思路**：以控制波动率模型或风险平价模型生成的权重作为基准组合，再叠加宏观与技术信号进行权重调整，并在换手率和权重上限方面施加约束以提高可行性[43]。 * **模型具体构建过程**： 1. 选择与固定比例模型相同的7类基础资产[43]。 2. 构建两个经典配置基准组合： * **控制波动率组合**：以控制年化波动率不超过6%为目标优化权重[43]。 * **风险平价组合**：以风险贡献度均衡为目标优化权重[43]。 3. 每月末，根据宏观与技术指标的总得分，对非货币资产的基准权重进行动态调整，并相应调整货币资产权重[43]。 4. 施加约束条件：权益资产总权重不超过30%，商品资产总权重不超过20%；单一资产月度换手率不超过20%，总月度换手率不超过30%[43]。 量化因子与构建方式 1. **因子名称：宏观指标趋势因子**[10] * **因子构建思路**：将宏观指标的历史均线方向（上行/下行）转化为对特定资产的看多（+1）或看空（-1）信号[10][15]。 * **因子具体构建过程**：对于每个宏观指标-资产对，根据T检验结果，若指标趋势对资产收益影响显著，则当最新均线方向为上行时，因子取值为+1（利多），下行时取值为-1（利空）；若不显著，则可能不产生信号或取值为0[10][15]。 2. **因子名称：资产价格趋势因子**[16] * **因子构建思路**：通过计算特定资产价格（或LLT指标）的短期与长期平均涨跌幅之差，或直接使用短期平均涨跌幅，来判断价格趋势方向[16]。 * **因子具体构建过程**：如模型部分所述，针对四类资产（权益、债券、黄金、工业品）分别计算其特定的趋势指标值。根据该值的正负，因子取值为+1（趋势向上）或-1（趋势向下）[16][21]。 3. **因子名称：股权风险溢价（ERP）分位数因子**[21] * **因子构建思路**：将权益资产的估值水平（ERP历史分位数）转化为多档得分因子，用于评估其估值吸引力[21][22]。 * **因子具体构建过程**：计算当前ERP的5年历史分位数，并根据预设阈值映射为离散得分：分位数>90%得+2，70%-90%得+1，30%-70%得0，10%-30%得-1，<10%得-2[21][22]。 4. **因子名称：资金流变化因子**[27] * **因子构建思路**：通过比较近期与中期资金净流入的差异，捕捉资金流向的边际变化，作为市场情绪的代理指标[27]。 * **因子具体构建过程**：计算“历史1个月主动净流入额”与“历史6个月平均月度主动净流入额”的差值。若差值为正，因子取值为+1（资金流入）；若为负，取值为-1（资金流出）[27]。 模型的回测效果 （数据区间：2006年4月 至 2025年12月31日） 1. **固定比例+宏观指标组合**，年化收益率9.46%，最大回撤11.30%，年化波动率6.03%[40] 2. **固定比例+技术指标组合**，年化收益率8.29%，最大回撤12.65%，年化波动率6.17%[40] 3. **固定比例+宏观指标+技术指标组合**，年化收益率10.22%，最大回撤9.34%，年化波动率6.24%[40] 4. **固定比例基准组合**，年化收益率6.43%，最大回撤18.63%，年化波动率5.84%[40] 5. **控制年化波动率6%+宏观指标+技术指标组合**，年化收益率9.10%，最大回撤5.06%，年化波动率4.94%[47] 6. **风险平价+宏观指标+技术指标组合**，年化收益率8.28%，最大回撤4.47%，年化波动率3.40%[47] 因子的回测效果 （注：报告中未提供单个因子的独立回测绩效指标，如IC、IR等。因子效果体现在其集成到配置模型后，模型整体表现的提升上。）

量化模型与构建方式 1. **模型名称**：红利风格择时模型[1][4][6] **模型构建思路**：构建一个综合因子来对红利风格进行择时判断，当综合因子值为正时发出正向信号[1][6] **模型具体构建过程**：模型由多个分项因子构成，每周计算各分项因子的数值，并通过一定方式（报告中未明确具体加权或合成公式）合成为一个综合因子值[6][7][11]。综合因子值大于0代表看多红利风格，小于0则未发出正向信号[1][6]。 **模型评价**：该模型旨在捕捉影响红利风格表现的多维度信息，包括宏观经济、利率环境、市场情绪和基本面等[7][11]。 量化因子与构建方式 1. **因子名称**：中国:非制造业PMI:服务业因子[11] **因子构建思路**：使用中国非制造业PMI中的服务业指数作为反映经济景气度的指标，用于判断对红利风格的影响[11]。 **因子具体构建过程**：直接采用“中国:非制造业PMI:服务业”的原始或处理后的时间序列数据作为因子值[11]。最新（2025.12.26）因子值为-0.80[11]。 2. **因子名称**：中国:M2:同比因子[11] **因子构建思路**：使用中国M2货币供应量的同比增速作为反映流动性环境的指标，用于判断对红利风格的影响[11]。 **因子具体构建过程**：直接采用“中国:M2:同比”的原始或处理后的时间序列数据作为因子值[11]。最新（2025.12.26）因子值为0.58[11]。 3. **因子名称**：美国:国债收益率:10年因子[7][11] **因子构建思路**：使用美国10年期国债收益率作为反映全球无风险利率和资金成本的指标，其变化会对红利资产的吸引力产生影响[7][11]。 **因子具体构建过程**：直接采用“美国:国债收益率:10年”的原始或处理后的时间序列数据作为因子值[11]。最新（2025.12.26）因子值为-0.91[11]。 4. **因子名称**：红利相对净值自身因子[11] **因子构建思路**：使用红利指数自身的相对净值表现（可能指其相对于自身均值的偏离或动量）作为技术面或趋势指标[11]。 **因子具体构建过程**：报告未详述具体计算方法，但给出了该因子的时间序列值[11]。最新（2025.12.26）因子值为-0.70[11]。 5. **因子名称**：中证红利股息率-10年期中债收益率因子[4][7][11] **因子构建思路**：计算中证红利指数的股息率与10年期中国国债收益率的利差，该利差反映了红利资产相对于债券的性价比，利差扩大对红利风格有利[4][7][11]。 **因子具体构建过程**：因子值 = 中证红利股息率 - 10年期中债收益率[11]。最新（2025.12.26）因子值为0.72[11]。 6. **因子名称**：融资净买入因子[11] **因子构建思路**：使用市场的融资净买入数据作为反映场内杠杆资金情绪和动向的指标[11]。 **因子具体构建过程**：报告未详述具体计算方法，但给出了该因子的时间序列值[11]。最新（2025.12.26）因子值为0.45[11]。 7. **因子名称**：行业平均景气度因子[7][11] **因子构建思路**：使用分析师对行业的景气度判断平均值，作为反映上市公司基本面预期的指标[7][11]。 **因子具体构建过程**：报告未详述具体计算方法，但给出了该因子的时间序列值[11]。最新（2025.12.26）因子值为1.65[11]。 模型的回测效果 *报告为周报，主要展示模型及因子最新时点的状态和观点，未提供历史回测的绩效指标（如年化收益率、夏普比率、最大回撤等）[1][6][11]。* 因子的回测效果 *报告为周报，主要展示各因子最新时点的数值及观点，未提供因子历史表现的测试结果（如IC值、IR、多空收益等）[11]。* 模型及因子最新状态与取值 (截至2025年12月26日) 1. **红利风格择时模型**，综合因子值: -0.55[1][4][6] 2. **中国:非制造业PMI:服务业因子**，因子值: -0.80，最新观点: 看多(1)[11] 3. **中国:M2:同比因子**，因子值: 0.58，最新观点: 中性(0)[11] 4. **美国:国债收益率:10年因子**，因子值: -0.91，最新观点: 中性(0)[11] 5. **红利相对净值自身因子**，因子值: -0.70，最新观点: 中性(0)[11] 6. **中证红利股息率-10年期中债收益率因子**，因子值: 0.72，最新观点: 看多(1)[11] 7. **融资净买入因子**，因子值: 0.45，最新观点: 中性(0)[11] 8. **行业平均景气度因子**，因子值: 1.65，最新观点: 中性(0)[11] *注：“最新观点”列中，“1”代表该因子发出看多红利风格的信号，“0”代表中性信号[11]。*

报告行业投资评级 - 股指 ☆☆☆ [1] - 国债 ☆☆☆ [1] 报告核心观点 - 截至12月26日当周，期指分化，IH2601、IF2601、IC2601、IM2601分别上升1.45%、2.79%、4.86%、4.97%，科技与反内卷主线活跃，卫星通信、新能源等板块表现强势，市场在资金情绪推动下持续修复，主要宽基指数接近前期高位 [1] - 金融衍生品量化CTA策略上周净值上升0.92%，收益源于周四开多IC并平仓；长周期上生产端工业企业利润超季节性下降，IF和IH下降幅度大，期债相对变化小；短周期中高频地产和消费偏弱，人民币兑美元升值，资金面宽松但升幅有限；持仓量方面风险偏好高位但边际下降，IF和IH维持中性，整体综合信号中性以上；期债资金面宽松，短期冲高后持仓量回落，股债跷跷板效应未显现，债市对基本面反馈钝化，TF持仓量因子回落，机构配置行为不显著，综合信号中性震荡 [1] 各部分总结 宏观基本面中高频因子评分 - 高炉开工率、开工率:PTA:国内、开工率:汽车轮胎:全钢胎、开工率:涤纶长丝:下游织机:江浙地区周涨跌分别为 -3.11%、 -3.11%、 -0.56%、 -7.49%，炼油厂开工率:山东地炼(常减压装置)周涨跌为4.98% [2] - 期指和期债评分均为8分 [2] 通胀指标 - 菜篮子产品批发价格200指数、中信行业指数:炼焦煤周涨跌分别为 -0.64%、 -0.34%，市场价:1电解铜:标准阴极铜、南华苯乙烯指数等周涨跌分别为4.61%、4.15%等 [3] - 期指和期债评分均为8分 [3] 流动性 - DR007、DR001、GC001:加权平均等周涨跌分别为5.72%、 -1.18%、14.27%等 [4] - 期指评分9分 [4] 指数估值 - 市盈率PE(TTM)、市销率PS(TTM)、市现率PCF(经营现金流TTM)周涨跌分别为1.37%、1.38%、1.38%，股息率(近12个月)周涨跌为 -1.15% [5] - 期指评分10分 [5] 市场情绪 - 股指方面，融资余额、融券余额、上证所:A股成交金额周涨跌分别为1.58%、1.04%、18.45%，陆股通当日相关数据周涨跌为0.00%，期债评分9分 [6] - 债券方面，国开债到期收益率:10年、美国:标准普尔500波动率指数周涨跌分别为0.74%、 -8.79%，上证国债指数:成交量周涨跌为 -27.76%，信用利差(中位数):全体产业周涨跌为0.00%，期债评分5分 [7] 策略介绍 - 品种池为股指期货和国债期货，运用多策略模型择优配置合约实现净值稳定增长，短周期模型聚焦市场风格等高频数据板块，长周期模型关注市场预期等低频指标，持仓量考虑机构多空单持仓量合成 [15] 截止上周五预测信号 - IF主力、IH主力、IC主力、IM主力、T主力、TF主力的短周期模型信号分别为0.52、0.51、0.52、0.53、0.51、0.52，持仓量指标均为0，长周期模型信号分别为0.52、0.49、0.48、0.5、0.51、0.53，综合信号分别为0.52、0.51、0.53、0.51、0.51、0.5 [16] 上周情况 - 2025年12月22 - 26日，各主力合约部分日期有交易信号，如23日T主力有信号1，25日IC主力有信号1 [18] 国债期货跨品种套利策略 - 基于基本面三因子模型与趋势回归模型产生的信号共振，基本面因子采用Nelson和Siegel瞬时远期利率函数，运用PCA主成分分析等构建三因子模型，信号分三类，运用趋势回归模型过滤信号，共振时交易，采用久期中性配比调整10 - 5Y价差，比例1:1.8 [19] TF和T主力合约交易信号 - 2025年12月22 - 26日，N - S模型信号和趋势回归模型信号多为0，25日N - S模型信号为 -1 [22]

报告行业投资评级 - 中信五风格-消费★☆☆，一颗星代表偏多/空，判断趋势有上涨/下跌的驱动，但盘面可操作性不强 [2] 报告的核心观点 - 截至2025/12/26当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为2.73%、0.07%、4.00%；近一周权益策略收益反弹，商品类ETF走强，白银ETF净值大幅上行，周度收益率为17.43%；成长与周期风格表现偏强，消费风格小幅收跌；金融与成长基金超额表现较优；股指基差周内延续回升态势；中长期动量因子收益走强，估值因子超额回落；本周成长风格边际回落，当前信号偏向消费风格，上周风格择时策略收益率为4.41%，对比基准均衡配置超额收益率为2.61% [3] 根据相关目录分别进行总结 近期市场收益 - 通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为2.73%、0.07%、4.00% [3] - 近一周权益策略收益反弹，增强指数策略上涨2.82%；纯债策略收益分化，中长期纯债收益优于短期纯债；商品类ETF走强，白银ETF净值大幅上行，周度收益率为17.43% [3] 中信风格指数 - 上周成长与周期风格表现偏强，消费风格小幅收跌；风格轮动图显示近期稳定风格相对强弱边际回落，消费风格相对强弱动量环比上升 [3] - 近一周金融与成长基金超额表现较优，从基金风格系数走势来看市场对成长与消费风格偏移度小幅回升；本周拥挤度指标相比上周环比提高，周期风格基金拥挤度回落至历史低分位区间，成长风格升至历史中高分位区间 [3] 中性策略 - 从当季合约基差（期货 - 现货）来看，截至上周五股指基差周内延续回升态势，IC与IM合约基差升至近三月均值上方3倍标准差以上水平 [3] - 500与1000ETF平均溢价率指数环比回落，当前位于近三月中低分位区间 [3] Barra因子 - 近一周中长期动量因子收益走强，估值因子超额回落，胜率方面杠杆因子边际走强，分红因子转弱，本周因子截面轮动速度小幅回落，当前位于近一年以来中等分位区间 [3] 风格择时模型 - 根据风格择时模型最新评分结果，本周成长风格边际回落，当前信号偏向消费风格 [3] - 上周风格择时策略收益率为4.41%，对比基准均衡配置超额收益率为2.61% [3]

量化因子总结 量化因子与构建方式 1. **因子名称**：价格稳定大类因子[13] * **因子构建思路**：衡量股票价格相对于市场系统性风险的稳定程度，通常价格越稳定，未来表现可能越好[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **残差波动率**：Fama-French三因子模型回归残差的标准差[13]。 * **特异率**：1减去Fama-French三因子模型回归的拟合优度（R²）[13]。公式为：$$特异率 = 1 - R^2$$ * **残差峰度**：Fama-French三因子模型回归残差的峰度[13]。 * **高价振幅**：价格处于最高20%区间的平均振幅[13]。 2. **因子名称**：成交稳定大类因子[13] * **因子构建思路**：衡量股票成交的稳定性和有序程度，成交越稳定，可能预示未来表现越好[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **换手率变异系数**：换手率的标准差除以平均值[13]。 * **成交占比熵**：以成交量占比作为概率p，代入熵公式计算[13]。 * **量大单买入强度**：过去n个交易日，大买单成交额的标准差除以平均值[13]。 * **波峰**：使用日内1分钟成交量K线数据，以均值加1倍标准差为阈值筛选，计算局部峰值K线数量的20日移动平均[13]。 3. **因子名称**：流动性大类因子[13] * **因子构建思路**：衡量股票的流动性，流动性过高或过低可能对未来收益有不同影响[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **换手率**：成交量除以总股本[13]。 * **非流动性**：收益率绝对值除以总成交额[13]。 * **一致买入占比**：一致买入区间内的买入成交额除以总成交额[13]。 4. **因子名称**：拥挤度大类因子[13] * **因子构建思路**：衡量交易行为的拥挤程度，过度拥挤可能预示反转风险[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **量价相关性**：成交量和复权收盘价的秩相关系数[13]。 * **加权偏度**：以成交量加权的收盘价偏度[13]。 * **时量价比**：时间加权价格除以成交量加权价格[13]。 * **高量交易成本**：价格处于最高20%区间的成交量除以全区间总成交量[13]。 5. **因子名称**：成交笔数大类因子[13] * **因子构建思路**：从每笔成交的微观结构角度挖掘信息，例如大单行为或反转信号[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **每笔成交额**：总成交额除以成交笔数[13]。 * **高量每笔成交**：以5分钟成交量为划分，筛选成交量最高的20%数据计算每笔成交额，再除以全时间段每笔成交额[13]。 * **每笔流出额占比**：以成交量为划分，计算每笔流出额占全区间每笔流出额的比例[13]。 * **短期反转**：以5分钟成交量除以成交笔数为划分，筛选该比值最低的20%数据，计算其对数收益率之和[13]。 6. **因子名称**：反转大类因子[13] * **因子构建思路**：捕捉价格的短期反转效应[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **收益偏度**：收益率的偏度[13]。 * **半衰残差动量**：过去240个交易日，使用Fama-French三因子模型计算的日度残差收益率，从第240日到第20日进行累积[13]。 * **长期动量**：过去240个交易日（剔除最近20个交易日）的收益率[13]。 * **排序动量**：对日度收益率做截面排序，对过去240个交易日（剔除最近20日）的排序值求和[13]。 7. **因子名称**：成长大类因子[13] * **因子构建思路**：衡量公司的成长性，成长性高的公司可能获得溢价[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **ROE增长**：过去8个季度的ROE对时间进行线性回归的斜率项[13]。 * **总资产周转率增长**：过去8个季度的总资产周转率对时间进行线性回归的斜率项[13]。 * **归母净利润同比**：(本期季度归母净利润 - 去年同期季度归母净利润) / |去年同期季度归母净利润|[13]。 * **营业收入同比**：(本期季度营业收入 - 去年同期季度营业收入) / |去年同期季度营业收入|[13]。 * **ROE同比**：本期季度ROE减去去年同期季度ROE[13]。 * **总资产周转率同比**：本期季度总资产周转率减去去年同期季度总资产周转率[13]。 8. **因子名称**：SUE（标准化意外盈余）大类因子[13] * **因子构建思路**：衡量公司盈利超出市场预期的程度[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **ROE 2年SUE**：单季度扣非净利润归一化后对时间进行回归的斜率[13]。 * **总资产周转率2年SUE**：单季度扣非净利润对时间回归的斜率除以平均净资产[13]。 * **净利率2年SUE**：(归母净利润 - 过去8个季度均值) / 过去8个季度标准差[13]。 * **现金总资产比率2年SUE**：(GPOA - 过去8个季度均值) / 过去8个季度标准差[13]。 * **现金营业收入比率2年SUE**：(销售毛利率 - 过去8个季度均值) / 过去8个季度标准差[13]。 9. **因子名称**：质量大类因子[13] * **因子构建思路**：衡量公司的盈利质量和财务稳健性[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **ROE**：净利润除以净资产[13]。 * **总资产周转率**：营业收入除以总资产[13]。 * **净利率**：净利润除以营业收入[13]。 * **现金总资产比率**：经营活动现金流净额除以总资产[13]。 * **现金营业收入比率**：经营活动现金流净额除以营业收入[13]。 10. **因子名称**：价值大类因子[13] * **因子构建思路**：衡量股票的估值水平，估值越低可能未来收益越高[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **BP**：净资产除以总市值[13]。 * **SALES2EV**：营业收入除以企业价值[13]。 * **DP**：近12个月分红除以总市值[13]。 * **EP**：归母净利润TTM除以总市值[13]。 11. **因子名称**：分析师大类因子[13] * **因子构建思路**：基于分析师预期数据，捕捉市场一致预期的变化[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **预期增长**：分析师一致预期EPS近两个月的平均值除以较远两个月的平均值[13]。 12. **因子名称**：动量大类因子[13] * **因子构建思路**：捕捉价格的趋势延续效应[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。 因子的回测效果 *测试时间段：2025年1月2日至2025年12月12日[16]* 大类因子表现 1. **成交笔数因子**，IC 9.15%， ICIR 1.08， 超额收益 5.48%， 超额最大回撤 3.59%， 信息比 0.90， 多空收益 20.03%， 多空最大回撤 9.46%， 多空夏普比 1.32[16] 2. **流动性因子**，IC 9.72%， ICIR 1.08， 超额收益 23.67%， 超额最大回撤 3.80%， 信息比 3.43， 多空收益 43.64%， 多空最大回撤 5.42%， 多空夏普比 2.84[16] 3. **成交稳定因子**，IC 8.55%， ICIR 1.18， 超额收益 1.33%， 超额最大回撤 6.59%， 信息比 0.18， 多空收益 21.20%， 多空最大回撤 3.85%， 多空夏普比 1.78[16] 4. **拥挤度因子**，IC 7.53%， ICIR 1.19， 超额收益 10.36%， 超额最大回撤 2.07%， 信息比 2.23， 多空收益 21.02%， 多空最大回撤 3.31%， 多空夏普比 2.26[16] 5. **价格稳定因子**，IC 9.41%， ICIR 1.23， 超额收益 6.86%， 超额最大回撤 5.47%， 信息比 1.25， 多空收益 15.26%， 多空最大回撤 7.43%， 多空夏普比 1.07[16] 6. **反转因子**，IC 7.13%， ICIR 1.39， 超额收益 7.00%， 超额最大回撤 3.03%， 信息比 1.67， 多空收益 17.58%， 多空最大回撤 5.60%， 多空夏普比 1.20[16] 7. **SUE因子**，IC 2.47%， ICIR 0.54， 超额收益 4.83%， 超额最大回撤 3.92%， 信息比 1.07， 多空收益 11.64%， 多空最大回撤 4.32%， 多空夏普比 1.84[16] 8. **成长因子**，IC 2.85%， ICIR 0.36， 超额收益 6.90%， 超额最大回撤 5.45%， 信息比 1.19， 多空收益 16.12%， 多空最大回撤 7.52%， 多空夏普比 1.76[16] 9. **分析师因子**，IC 0.65%， ICIR 0.14， 超额收益 7.23%， 超额最大回撤 5.95%， 信息比 0.86， 多空收益 6.38%， 多空最大回撤 6.42%， 多空夏普比 0.78[16] 10. **质量因子**，IC 2.47%， ICIR 0.23， 超额收益 -1.15%， 超额最大回撤 4.77%， 信息比 -0.35， 多空收益 2.38%， 多空最大回撤 8.99%， 多空夏普比 0.12[16] 11. **价值因子**，IC 4.38%， ICIR 0.42， 超额收益 -9.47%， 超额最大回撤 12.46%， 信息比 -1.07， 多空收益 -6.17%， 多空最大回撤 12.64%， 多空夏普比 -0.70[16] 12. **动量因子**，IC 0.02%， ICIR 0.00， 超额收益 -2.61%， 超额最大回撤 9.08%， 信息比 -0.17， 多空收益 -1.55%， 多空最大回撤 11.65%， 多空夏普比 0.00[16] 有效子类因子表现 1. **短期反转因子**，IC 6.27%， ICIR 1.21， 超额收益 4.86%， 超额最大回撤 4.04%， 信息比 1.04， 多空收益 21.09%， 多空最大回撤 4.61%， 多空夏普比 1.77[17] 2. **短期动量因子**，IC 3.18%， ICIR 1.10， 超额收益 6.68%， 超额最大回撤 5.81%， 信息比 1.22， 多空收益 16.08%， 多空最大回撤 3.02%， 多空夏普比 1.80[17] 3. **残差波动率因子**，IC 9.42%， ICIR 1.22， 超额收益 1.53%， 超额最大回撤 6.78%， 信息比 0.33， 多空收益 11.18%， 多空最大回撤 8.61%， 多空夏普比 0.68[17] 4. **特异率因子**，IC 7.18%， ICIR 1.26， 超额收益 6.94%， 超额最大回撤 3.91%， 信息比 1.17， 多空收益 15.81%， 多空最大回撤 5.09%， 多空夏普比 1.76[17] 5. **量价相关性因子**，IC 6.50%， ICIR 1.51， 超额收益 9.55%， 超额最大回撤 2.59%， 信息比 1.64， 多空收益 13.23%， 多空最大回撤 4.73%， 多空夏普比 1.53[17] 6. **时量价比因子**，IC 8.26%， ICIR 1.30， 超额收益 14.69%， 超额最大回撤 2.66%， 信息比 2.74， 多空收益 16.58%， 多空最大回撤 4.28%， 多空夏普比 1.67[17] 7. **换手率因子**，IC 10.75%， ICIR 1.29， 超额收益 17.46%， 超额最大回撤 5.21%， 信息比 2.75， 多空收益 35.69%， 多空最大回撤 7.72%， 多空夏普比 2.13[17] 8. **非流动性因子**，IC 7.38%， ICIR 0.93， 超额收益 28.21%， 超额最大回撤 4.10%， 信息比 3.68， 多空收益 37.47%， 多空最大回撤 3.52%， 多空夏普比 3.31[17] 9. **每笔流出额占比因子**，IC 6.71%， ICIR 1.43， 超额收益 -2.51%， 超额最大回撤 7.21%， 信息比 -0.43， 多空收益 5.43%， 多空最大回撤 6.51%， 多空夏普比 0.39[17] 10. **高量每笔成交因子**，IC 9.76%， ICIR 1.22， 超额收益 13.99%， 超额最大回撤 2.40%， 信息比 2.62， 多空收益 51.79%， 多空最大回撤 5.23%， 多空夏普比 3.45[17]

报告行业投资评级 - 股指操作评级为三颗星，代表更加明晰的多/空趋势，且当前仍具备相对恰当的投资机会；国债操作评级为三颗星，含义相同 [1] 报告的核心观点 - 截至12月12日当周，A股呈结构化震荡走势，全市场日均成交额为195万亿元，较上周增加近2600亿元，市场成交活跃度小幅回升，三大指数涨跌不一，上证指数下跌0.34%，短期增量政策与经济数据信息有限，市场结构性特征显现 [1] - 期指方面，通胀、流动性、估值、市场情绪指标评分分别为8分、9分、11分、9分；期债方面，通胀、流动性、市场情绪指标评分分别为8分、10分、6分。IH、IF、IC、IM期末持仓量加权年化基差率（分红调整）分别为0.33%、 -2.32%、 -4.16%、 -9.95%，远月合约贴水再度扩大 [1] - 金融衍生品量化CTA策略上周净值无变化。长周期上，社融数据小幅超预期，但信贷数据M1和M2等超季节性回落且低于预期，信用因子使期指承压，IC降幅较大；短周期上，中高频地产和消费偏弱，人民币兑美元升值，资金面宽松但升幅有限。持仓量方面，风险偏好较上周显著回升，IF和IH相对中性，IC和IM降幅较大，整体综合信号处于中性区间。期债资金面宽松，短期冲高后持仓量回落，股债跷跷板效应收缩，债市对基本面反馈钝化，TF持仓量因子小幅回落，机构年底配置谨慎，综合信号位于中性震荡 [1] 根据相关目录分别总结 宏观基本面中高频因子评分 - 高炉开工率（163家：全国）周涨跌 -5.83%，当周数值55.90，历史分位数0.12，与股指、国债移动相关性分别为 -0.60、 -0.90；PTA国内开工率周涨跌 -5.83%，当周数值73.81，历史分位数0.12，与股指、国债移动相关性分别为 -0.23、 -0.61等多个指标数据展示，期指、期债评分均为8分 [2] 通胀指标 - 菜篮子产品批发价格200指数周涨跌1.02%，当周数值133.26，历史分位数0.90，与股指、国债移动相关性分别为 -0.16、 -0.38等多个指标数据，期指、期债评分均为8分 [3] 流动性 - DR007周涨跌1.60%，当周数值1.47，历史分位数0.08，与股指、国债移动相关性分别为 -0.45、 -0.63等多个指标数据，期指评分9分 [4] 指数估值 - 市盈率PE（TTM）周涨跌 -0.97%，当周数值21.74，历史分位数0.91，与股指移动相关性0.97等多个指标数据，期指评分10分 [5] 市场情绪 - 股指方面，融资余额周涨跌0.80%，当周数值24837.13，历史分位数0.99，与股指移动相关性0.87等多个指标数据，期债评分9分；债券方面，国开债到期收益率：10年周涨跌 -1.24%，当周数值1.98，历史分位数0.30，与国债移动相关性 -0.97等多个指标数据，期债评分6分 [6][7] 策略介绍 - 品种池为股指期货和国债期货，目的是在金融期货盘面内运用多策略模型择优配置合约实现净值稳定增长。短周期模型聚焦市场风格、外部因素、资金面三大高频金融数据板块；长周期模型关注市场预期，聚焦宏观经济数据等低频指标。持仓量考虑机构多空单持仓量进行合成 [15] 预测信号 - 截止上周五，IF主力、IH主力、IC主力、IM主力、T主力、TF主力的短周期模型信号分别为0.51、0.51、0.52、0.53、0.51、0.52；持仓量指标均为0；长周期模型信号分别为0.52、0.5、0.49、0.5、0.51、0.52；综合信号分别为0.52、0.51、0.53、0.52、0.51、0.5 [16] 上周情况 - 12月8 - 12日，IF主力、IH主力、IC主力、IM主力、T主力、TF主力每日数据均为0 [18] 国债期货跨品种套利策略 - 基于基本面三因子模型与趋势回归模型产生的信号共振。基本面因子采用Nelson和Siegel提出的瞬时远期利率函数，将利率期限结构分解为水平、斜率和曲率三部分，用PCA主成分分析、最大方差化因子旋转法结合logistic回归构建三因子模型，信号分三类。运用趋势回归模型过滤信号，共振时交易，实际操作采用久期中性配比调整10 - 5Y价差，比例为1:1.8 [19] 市场行情与交易信号 - 2025年12月8 - 12日，TF和T主力合约N - S模型信号分别为0、0、 -1、0、0；趋势回归模型信号分别为0、0、0、0、0 [22]

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**[83] * **模型构建思路**：使用卷积神经网络（CNN）对个股历史价量数据形成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，以识别具有趋势性机会的板块[83]。 * **模型具体构建过程**： 1. **数据准备**：为每个个股在特定窗口期内的价量数据构建标准化的图表[83][84]。 2. **模型训练**：使用卷积神经网络对上述图表化的价量数据与未来价格进行建模，学习能够预测未来价格走势的图表特征[83]。 3. **特征映射**：将训练好的模型学习到的特征映射到行业主题板块中，识别出模型认为未来具有上涨潜力的主题板块[83]。 4. **输出配置**：模型最终输出为看好的具体行业主题指数列表，作为配置建议[85]。 2. **模型名称：宏观因子事件模型**[58] * **模型构建思路**：通过跟踪一系列国内外宏观指标，定义其特定的走势事件（如短期高低点、连续涨跌等），并从历史数据中回测寻找对资产未来收益率有显著影响的“有效因子事件”，以此作为判断未来资产趋势的依据[58]。 * **模型具体构建过程**： 1. **因子选择**：跟踪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[58]。 2. **事件定义**：定义四类宏观因子走势事件：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转[58]。 3. **有效性检验**：从历史数据中回测，筛选出对资产未来收益率影响较为显著的“有效因子事件”[58]。 4. **趋势分析**：采用历史均线（如1月、3月、12月均线）将宏观因子走势分为趋势上行和趋势下行，统计在不同趋势下资产未来一个月收益率的显著差异，形成观点[60][61]。 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[51] * **模型构建思路**：通过监测上证50ETF期权成交量看涨看跌比率（CPR）与其布林通道的相对位置，来判断蓝筹股是否存在短期超卖风险[51]。 * **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[51]。 2. **构建通道**：计算CPR的60日布林通道（通常包含上轨、中轨、下轨）[51]。 3. **信号生成**：当最近20个交易日的CPR低于其60日布林通道上轨时，模型认为蓝筹股短期不存在超卖风险[51]。 量化因子与构建方式 1. **因子名称：新高新低比例因子**[37] * **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[37]。 * **因子具体构建过程**： * **新高比例**：计算创近60日新高的个股数量占全部个股总数的比例[3][37]。 * **新低比例**：计算创近60日新低的个股数量占全部个股总数的比例[3][37]。 2. **因子名称：个股均线结构因子**[41] * **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之差占全体个股的比例，来反映市场整体的技术趋势强弱[41]。 * **因子具体构建过程**： * **均线强弱指标**：计算（多头排列个股数量 - 空头排列个股数量） / 全体个股数量[41]。该指标值上升表明市场整体技术面走强，下降则表明走弱[3][4]。 3. **因子名称：长期均线以上比例因子**[44] * **因子构建思路**：通过统计股价位于长期均线（如200日）之上的个股比例，来评估市场整体的长期趋势强弱和广度[44]。 * **因子具体构建过程**：计算当前价格位于200日长期移动平均线之上的个股数量占全体个股数量的比例[44]。 4. **因子名称：风险溢价因子**[70] * **因子构建思路**：通过计算股票市场收益率（市盈率倒数）与无风险收益率（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[86]。 * **因子具体构建过程**： 1. 计算中证全指的静态市盈率（PE_TTM）的倒数，即盈利收益率（EP）[86]。 2. 从EP中减去十年期国债收益率，得到风险溢价[86]。 $$风险溢价 = \frac{1}{PE\_{TTM}} - 十年期国债收益率$$ * **因子评价**：该指标是衡量股债性价比的核心指标，值越高通常表示股票相对债券越有吸引力[86]。 5. **因子名称：指数超买超卖因子**[73] * **因子构建思路**：通过特定算法计算主要指数和行业指数的超跌或超买状态，以识别市场或板块的极端位置[73]。 * **因子具体构建过程**：报告未详细说明具体计算算法，但展示了截至特定日期（2025年12月12日）各主要宽基指数和行业指数的“超跌指标”统计值[73][74][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结果，如年化收益率、夏普比率、最大回撤等。） 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。报告主要展示了部分因子在最新一期的状态取值。） 1. **新高新低比例因子**：截至2025年12月12日当周，创近60日新高个股数占比从前一期的8.4%升至8.5%；创近60日新低个股数占比从前一期的6.9%升至20%[3][4]。 2. **个股均线结构因子**：截至2025年12月12日当周，多头排列减空头排列个股占比从前一期的-6.9%降至-15%[3][4]。 3. **风险溢价因子**：截至2025年12月12日，中证全指风险溢价为2.82%，其历史均值加减两倍标准差边界分别为4.71%和未知下限[86]。 4. **宏观因子事件模型当前观点**：根据截至2025年12月12日的宏观因子趋势分析，对权益市场未来一个月的观点为：PMI、CPI同比、社融存量同比趋势显示市场可能“震荡”；10年期国债收益率和美元指数趋势显示“看多”[61]。