量化模型与构建方式 1. 短期择时模型 1. **模型名称**：短期择时模型[4][14] 2. **模型构建思路**：通过综合评估宏观基本面、估值面、情绪面和流动性四个维度的指标，生成每周的择时信号，以判断市场整体风险并调整权益仓位[4][14]。 3. **模型具体构建过程**： * **一级指标**：模型包含四个一级指标，分别是基本面、估值面、情绪面、流动性[14]。 * **二级指标与信号生成**：每个一级指标下包含若干二级指标，每个二级指标根据其当前值在过去5年的分位数，被赋予“乐观”、“中性”或“谨慎”的信号[14][16]。 * **基本面**：包含制造业PMI、信贷脉冲同比增速分位数、M1同比增速（HP滤波去趋势）分位数三个二级指标[14]。 * **估值面**：包含A股整体PE分位数、A股整体PB分位数两个二级指标[14]。 * **情绪面**：包含A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数三个二级指标[15]。 * **流动性**：包含货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数三个二级指标[16]。 * **综合信号**：每个一级指标的最终信号由其下属二级指标信号综合得出（例如，基本面为“中性”）。最终的总仓位信号由四个一级指标信号综合决定，例如“中性”对应0.5仓位[14][18][21]。 2. 成长价值风格轮动模型 1. **模型名称**：成长价值风格轮动模型[4][22] 2. **模型构建思路**：通过动态宏观、估值回归、短期动量、风格广度、风格拥挤等多个维度的信号，判断成长与价值风格的相对强弱，进行轮动配置[22][23]。 3. **模型具体构建过程**： * **信号维度**：模型包含动态宏观信号、估值回归信号、短期动量信号、风格广度信号、风格拥挤信号等多个子信号[23]。 * **信号合成**：每日根据各子信号生成对成长风格的配置仓位百分比（例如，0%表示全配价值，100%表示全配成长）。报告展示了两种综合信号方式：“无中性仓位”和“5日平均仓位”[23]。 * **最终建议**：根据综合信号，给出超配成长或超配价值的建议。例如，当前模型建议超配价值风格[4][22]。 3. 小盘大盘风格轮动模型 1. **模型名称**：小盘大盘风格轮动模型[4][25] 2. **模型构建思路**：从流动性、价量、情绪等角度选取11个有效轮动指标，构建综合信号，在大小盘风格（以沪深300和中证1000为代表）之间进行轮动[25][27]。 3. **模型具体构建过程**： * **指标池**：模型包含11个指标，分别为：A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000 MACD(10,20,10)、中证1000交易量能[27]。 * **信号生成**：每个指标独立生成每日信号，0%代表看多大盘（看空小盘），100%代表看多小盘（看空大盘）[27]。 * **信号综合**：将所有指标的信号综合，生成每日的综合小盘/大盘仓位信号。报告提及使用“3D平滑”和“综合信号”两种处理方式[27]。 * **最终建议**：根据综合信号给出配置建议，例如当前模型建议超配大盘风格[4][25]。 模型的回测效果 1. 短期择时模型 1. **回测区间**：2012年底至今（全区间）[17][19]；2024年以来[20]。 2. **基准**：月度中性持仓再平衡策略[17]。 3. **全区间表现**（2012年底至2026年3月）： * 年化收益率：16.37%[17][19] * 年化超额收益率：11.36%[17] * 年化波动率：14.79%[19] * 最大回撤：15.05%[17][19] * 夏普比率：0.9640[19] * 收益回撤比：1.0880[19] * 月度胜率：65.63%[19] * 季度胜率：61.11%[19] * 年度胜率：80.00%[19] 4. **近期表现**（2024年以来）： * 年化收益率：28.07%[20] * 年化超额收益率：17.89%（根据基准10.18%计算） * 年化波动率：16.47%[20] * 最大回撤：11.04%[20] * 夏普比率：1.4643[20] * 收益回撤比：2.5432[20] * 月度胜率：67.86%[20] 2. 成长价值风格轮动模型 1. **回测区间**：2011年至今[22]。 2. **基准**：国证成长与国证价值的月度等权配置[22][23]。 3. **综合信号2（5日平均仓位）表现**： * 累计收益：765.66%[23] * 年化收益率：14.62%[22][23] * 年化超额收益率：7.98%[22][23] * 年化波动率：21.41%[23] * 最大回撤：40.08%[23] * 夏普比率：0.65[23] * 收益回撤比：0.36[23] * 年化跟踪误差：5.88%[23] * 年化信息比率（IR）：1.36[23] * 月度超额胜率：66.32%[23] 4. **今年以来表现**（至2026年3月6日）：超额收益率为2.08%[22][23]。 3. 小盘大盘风格轮动模型 1. **回测区间**：2014年以来[26][27]。 2. **基准**：沪深300与中证1000全收益指数的等权组合[26][27]。 3. **综合信号（3D平滑）表现**： * 年化收益率：20.35%[27] * 年化超额收益率：12.83%[27] * 最大回撤：40.70%[27] * 平均换手间隔：19个交易日[27] * 胜率（按交易）：50.21%[27] 4. **分年度表现**：自2014年至2026年（截至报告期），策略每年均产生正向超额收益[26][27]。例如，2026年以来超额收益率为3.32%[26][27]。 5. **各子指标表现**：报告列出了11个子指标各自的年化收益、年化超额收益率、最大回撤等数据[27]。

《个人养老金投资指南》新书及核心内容 - 螺丝钉新书《个人养老金投资指南》上市，上市首日即荣登京东图书经管榜销量及新书热卖榜第一名 [3] - 新书旨在帮助投资者更好地了解个人养老金制度，解决相关疑问 [8][10] - 新书福利版限量5000册，包含三重福利 [6] 个人养老金制度概述 - 个人养老金属于养老第三支柱，是国家基本养老金（第一支柱）和企业年金（第二支柱）之外的补充，由个人自愿建立 [11] - 制度于2022年11月出台，每人每年最多可存入12000元，资金通常退休后方可支取，属于超长期封闭投资计划 [11] - 账户资金享受“个税递延”优惠，即缴费时从应纳税所得额中扣除，退休领取时按3%的税率单独计税 [13] 目标人群与税收优惠分析 - 目标读者包括养老金替代率较低、追求晚年生活品质、独生子女父母、不想依赖子女及希望提早退休的人群 [12] - 个人养老金的主要优势在于个税递延优惠，收入越高、个税缴纳越多的人群享受的节税金额越大，参与更划算 [15][16] - 以北京地区为例的测算显示：月薪6000元以下者不适合参加；月薪7000-10000元者吸引力不大；月薪15000元以上者参与较为划算 [16][18][19] - 具体节税效果因人而异，受所在城市社保公积金政策及个人专项附加扣除（如赡养老人、子女教育）等因素影响 [20][21][22] 个人养老金账户可投资品种 - 账户目前可投资五类金融产品：商业养老保险、储蓄存款、理财产品、公募基金和国债 [23] - 截至2025年12月31日，纳入个人养老金投资范围的公募基金包括309只FOF基金和96只指数基金 [24] - 个人养老金账户目前尚未纳入ETF产品 [28] 养老指数基金Y份额详情 - 纳入个人养老金的96只指数基金均为场外基金的Y份额，专为个人养老金账户设立，费率较A/C份额更优惠 [26] - 这些指数基金覆盖了17个主流股票指数，包括宽基指数（如沪深300、中证500）、龙头策略指数（如中证A50、A100、A500）和红利策略指数（如中证红利）等 [27][30][32] 投资策略建议：龙头+红利组合 - 最适合普通投资者的养老指数搭配是“龙头策略（A系列指数）+红利策略” [29] - 龙头策略（如中证A50、A100、A500）代表成长风格，进攻性较强；红利策略（如中证红利）代表价值风格，防守性较强 [35][41] - A股市场存在明显的风格轮动特征，例如2015、2019-2020、2025年成长风格占优，而2016-2018、2021-2024、2026年至今价值风格占优 [36][42] - 分散配置成长与价值风格（如各50%配置中证A500和中证红利），并进行年度再平衡，有助于降低组合波动，获取更稳定的超额收益 [40] 投资操作与估值应用 - 个人养老金账户资金可随时转入，每年上限12000元，可按年、按月或按周定投，当年不投入亦可 [45] - 投资应结合估值：指数低估时定投指数基金，正常估值时持有，高估时止盈；在不适合投资指数基金时，可转向国债、储蓄存款等品种 [47][48] - 螺丝钉提供每周更新的养老指数估值表，方便投资者查询指数估值状态及对应的Y份额基金代码 [48][49] 实盘参考与税收实操 - 螺丝钉每周二发布“个人养老金账户的指数基金定投计划”，包含具体品种、金额、再平衡及止盈方案，供投资者参考 [51][52] - 个人养老金缴费属于个人所得税税前扣除项目，可在年度汇算清缴时（每年3月1日至6月30日）通过个税APP办理扣除 [54][56][60] - 只要资金存入个人养老金账户即可享受税前扣除，无需立即购买具体产品，但资金需长期持有至退休 [58][59]

构建股票基金组合的核心思路 - 从长期看，股票资产是财富积累的最佳途径，但其波动风险远超其他资产[3][4] - 构建组合的核心思路包括：在低估阶段投资、进行分散配置、并执行再平衡操作[5][6] 判断市场与品种估值的方法 - 使用“螺丝钉星级”判断市场整体估值，该指标分为1至5星级，其中4-5星级（熊市到低估阶段）是投资股票类资产较好的阶段[7][10][11][12] - 使用“螺丝钉指数估值表”判断单个指数估值，绿色代表低估适合定投，黄色代表正常估值可持有，红色代表高估可分批止盈[14][16] - “今天几星”小程序提供增量版百分位估值表，包含更多指数数据，支持按宽基、策略、行业、主题、全球五大分类筛选[16] 利用风格轮动进行分散配置 - A股市场具有显著的风格轮动特征，例如2015年、2019-2020年、2025年成长风格强势，而2016-2018年、2021-2024年、2026年至今价值风格表现更好[18][20] - 分散配置不同风格的低估品种可以降低投资组合的整体波动风险[19] - 价值风格代表品种包括红利、基本面、低波动、高股息、现金流等策略及银行、保险等行业指数[21] - 成长风格代表品种包括创业板指、科创50等宽基指数，中证A50/A100/A500、500质量成长等龙头及策略指数，以及科技、医药等行业主题指数[23] 通过再平衡动态调整组合 - 再平衡指根据估值变化，动态调整组合内不同风格资产的比例，例如当某一风格因上涨导致占比过高时，可止盈部分并加仓至低估的另一风格[24][25] - 一种经典的搭配方式是“龙头策略（A系列指数）+红利策略”，例如各配置50%的中证A500和中证红利，每年再平衡一次，历史回测显示其相比沪深300收益更高、波动更小[27] 实际组合应用案例 - 螺丝钉个人养老金定投实盘采用“龙头策略（A系列指数）+红利策略”的搭配方式，每周发布具体定投计划、再平衡方案及止盈操作[29][30] - 主动优选投顾组合会同时配置成长与价值风格的低估品种，并随市场估值变化调整比例，例如在2025年3季度成长风格大涨后，于2026年1月执行再平衡，将成长风格占比从37.73%降至23%，价值风格占比从34.13%提高至44%[32][36][37] - 此次调仓后恰逢风格切换，2026年1月至2月底价值风格上涨，带动主动优选组合净值创新高[38] - 当市场整体估值较高（如达到3点几星）时，主动优选等股票投顾组合会暂停申购，引导资金转向月薪宝、365天组合等产品，以避免投资者追涨[40] 策略可能失效的情景 - 分散配置与再平衡策略可能在两种情况下失效：一是成长与价值风格估值均处于高位，可能导致市场整体大跌，例如2007年、2015年的大牛市；二是遇到流动性紧张，如大幅加息导致股市整体估值下降[42][44] - 当前市场（2026年3月）仍以风格轮动为主，美元处于降息周期，尚未进入加息周期[42][44]

量化模型与构建方式 1. **模型名称：基于赔率和胜率的风格轮动模型[1]** * **模型构建思路：** 通过计算不同风格（如成长/价值、大盘/小盘）的“赔率”和“胜率”，并基于一个综合得分公式来决定推荐配置的风格[1][11]。 * **模型具体构建过程：** 1. **赔率估计：** 认为市场风格的相对估值水平是其预期赔率的关键影响因素，两者呈负相关。根据最新的估值差分位数，推算出相对赔率估计值。例如，价值相对成长的赔率估计为1.23，大盘相对小盘的赔率估计为1.68[8]。 2. **胜率估计：** 通过一组宏观经济、市场技术等指标对风格进行打分，统计看多某一风格的指标数量占比作为其胜率。例如，成长风格胜率为56.25%，价值风格胜率为43.75%；小盘风格胜率为85.71%，大盘风格胜率为14.29%[10][11]。 3. **综合得分计算：** 根据公式计算每种风格的投资权重得分。得分高的风格为推荐配置方向[11]。 $$投资权重得分=(胜率*赔率-(1-胜率) )/赔率$$ 公式说明：该公式将胜率与赔率结合，计算经风险调整后的配置得分。 4. **生成观点：** 分别对成长/价值、大盘/小盘进行上述计算，选择得分高的风格进行组合，形成最终推荐（如小盘+成长）[7][11]。 2. **模型名称：DTW相似性择时策略[12]** * **模型构建思路：** 基于动态时间规整（DTW）算法，计算当前指数行情与历史行情的相似度，以相似历史片段的未来表现作为当前市场未来走势的参考，从而生成择时信号[12]。 * **模型具体构建过程：** 1. **计算相似度：** 使用DTW算法度量当前一段指数行情与历史各段行情之间的相似距离。 2. **筛选参照片段：** 筛选出与当前行情相似度最高的若干历史行情片段。 3. **计算未来预期：** 计算这些筛选出的历史行情片段在未来特定窗口期（如5日）的涨跌幅均值和标准差。计算时，以相似距离的倒数为权重进行加权平均[12]。 4. **生成信号：** 依据计算出的未来预期涨跌幅的平均值和标准差，形成“乐观”、“中性”等择时交易信号[12][13]。 模型的回测效果 *注：以下为报告中提供的策略回测结果，策略基于上述风格轮动模型进行风格选择，并对比等权基准。* 1. **成长价值轮动策略（代表：红利低波 vs 创业板综）** * 全样本年化收益：19.41%[19] * 全样本年化波动：23.63%[19] * 全样本最大回撤：29.09%[19] * 全样本夏普比率：0.82[19] * 全样本收益回撤比：0.67[19] * 相对基准（50%红利低波+50%创业板综）年化超额收益：13.09%[19] * 相对基准超额年化波动：12.49%[19] * 相对基准超额最大回撤：13.54%[19] * 相对基准超额夏普比率：1.05[19] * 2025年超额收益：34.56%[3][19] * 2026年至今年化超额收益：1.92%[3][19] 2. **大小盘轮动策略（代表：沪深300 vs 中证2000）** * 全样本年化收益：22.05%[24] * 全样本年化波动：23.19%[24] * 全样本最大回撤：28.66%[24] * 全样本夏普比率：0.95[24] * 全样本收益回撤比：0.77[24] * 相对基准（50%沪深300+50%中证2000）年化超额收益：18.10%[24] * 相对基准超额年化波动：9.04%[24] * 相对基准超额最大回撤：12.12%[24] * 相对基准超额夏普比率：2.00[24] * 2025年超额收益：16.84%[3][24] * 2026年至今年化超额收益：6.03%[3][24] 量化因子与构建方式 *注：报告未详细阐述底层因子的具体构建公式，但列出了用于计算风格胜率的指标集合。* 1. **因子类别：成长/价值风格胜率指标[10]** * **因子构建思路：** 选取一组对成长或价值风格有指示意义的宏观经济与市场指标，根据其状态发出支持成长或价值风格的信号，统计支持成长信号的指标占比作为成长风格胜率[10]。 * **因子具体构建过程：** 报告列出了7个指标，包括：国债、美债、CPI_PPI、PMI、中长期贷款、动量、强势股。每个指标根据其状态判断为“成长”或“价值”信号，最终成长风格胜率 = 发出“成长”信号的指标数量 / 总指标数量[10]。 2. **因子类别：大盘/小盘风格胜率指标[11]** * **因子构建思路：** 选取一组对大盘或小盘风格有指示意义的流动性、市场环境与行为指标，根据其状态发出支持大盘或小盘风格的信号，统计支持小盘信号的指标占比作为小盘风格胜率[11]。 * **因子具体构建过程：** 报告列出了7个指标，包括：Shibor、期限利差、市场趋势、市场波动、风格动量、风格拥挤度、月历效应。每个指标根据其状态判断为“大盘”或“小盘”信号，最终小盘风格胜率 = 发出“小盘”信号的指标数量 / 总指标数量[11]。

量化模型与构建方式 1. 模型名称：风格轮动综合打分体系 **模型构建思路**：通过宏观、市场情绪与拥挤度三个维度对市场风格（价值/成长、大盘/小盘）进行多因子打分，构建综合打分体系以判断风格轮动方向[2][6]。 **模型具体构建过程**： 1. **价值成长轮动策略**：构建思路基于“成长股能够更好地受益于流动性宽松，大盘股对经济繁荣的表现更加敏感”[2][6]。报告未详细披露具体用于打分的因子及权重分配过程，但指出是通过“三维度多因子打分”构建[6]。 2. **大小盘轮动策略**：构建思路与价值成长轮动策略类似，同样基于宏观敏感性、流动性受益和市场情绪/拥挤度三个维度进行综合打分[2][6]。 **模型评价**：该模型旨在通过多维度的宏观和市场指标，系统性地捕捉市场风格的切换信号。 2. 模型名称：行业轮动综合解决方案 **模型构建思路**：构造宏观经济、中观基本面、微观技术面以及交易拥挤度四个维度的指标，通过综合打分的方式构建行业轮动模型，每月选取得分最高的行业进行配置[3][11]。 **模型具体构建过程**： 1. **宏观指标**：将一级行业划分为上游周期、中游制造、下游消费、TMT、大金融五个板块。构建基于宏观经济增长与流动性二阶差分的象限划分体系，根据经济增长和流动性的二阶变化（如“衰退加深/扩张放缓”、“宽松加码/紧缩放缓”）来推荐配置的板块[15]。 2. **基本面指标**：包含历史景气、景气变化与景气预期三个部分[17]。具体因子和合成方法未详细披露。 3. **技术面指标**：包含指数动量、龙头股动量与K线形态三个部分[20]。具体因子和合成方法未详细披露。 4. **拥挤度指标**：包含融资流入、换手率与成交占比三个部分[21]。该指标为负向指标，用于提示交易过热风险。 5. **综合信号合成**：结合宏观、基本面和技术面三个维度的正向得分，同时负向配置拥挤度因子，构建行业轮动综合评价体系[25]。 6. **ETF映射**：为将行业观点落地为可投资标的，建立了从行业到ETF的映射规则[26]： * 规则一：整理ETF清单，每个指数仅保留规模最大的ETF，并根据规模和流动性筛选。 * 规则二：统计指数成分股的行业权重，将指数映射到其成分股权重最大且超过50%的行业。 * 规则三：对于每个行业，若存在3个以上符合条件的指数，则选择过去60天收益率相关性最低的3个指数对应的ETF；若仅有3个及以内，则全部映射。 * 规则四：计算行业与指数的过去60天收益率相关系数，选择相关性最强的一个指数对应的ETF进行最终映射。 **模型评价**：该模型框架全面，覆盖了宏观、中观、微观及市场情绪多个层面，旨在通过多维信号捕捉行业轮动机会，历史回测显示其能产生稳定的超额收益[12]。 模型的回测效果 1. 行业轮动综合解决方案 * 年化收益：18.4%[12] * 基准年化收益（行业等权）：4.9%[12] * 超额年化收益：13.5%[12] * 月度IC均值：12.1%[12] * 月度ICIR：1.39[13] （注：报告未提供风格轮动模型的详细历史回测绩效指标。） 量化因子与构建方式 1. 因子类别：行业轮动宏观因子 **因子构建思路**：通过宏观经济增长和流动性的二阶差分（变化速度的变化）来划分经济象限，从而判断对不同行业板块的配置倾向[15]。 **因子具体构建过程**：报告未给出具体的计算公式，但描述了构建逻辑：基于宏观增长与流动性的二阶差分进行象限划分。例如，当“经济增长二阶走弱、流动性二阶改善”时，模型建议配置TMT和上游周期板块[15]。 2. 因子类别：行业轮动基本面因子 **因子构建思路**：从历史景气度、景气度变化以及未来景气预期三个角度评估行业的基本面状况[17]。 **因子具体构建过程**：报告指出该因子包含历史景气、景气变化与景气预期三个部分，但未披露具体因子构成、计算方法和合成公式[17]。 3. 因子类别：行业轮动技术面因子 **因子构建思路**：从指数整体动量、行业内龙头股动量以及K线形态三个技术分析角度评估行业的趋势强度[20]。 **因子具体构建过程**：报告指出该因子包含指数动量、龙头股动量与K线形态三个部分，但未披露具体因子构成、计算方法和合成公式[20]。 4. 因子类别：行业轮动拥挤度因子 **因子构建思路**：通过融资流入、换手率与成交占比三个维度衡量行业的交易热度和拥挤程度，作为风险提示指标[21]。 **因子具体构建过程**：报告指出该因子包含融资流入、换手率与成交占比三个部分，但未披露具体因子构成、计算方法和合成公式[21]。 **因子评价**：拥挤度因子是一个负向指标，用于识别交易过热、可能面临回调风险的行业[21][25]。 因子的回测效果 （注：报告未提供各个独立因子（如宏观、基本面、技术面、拥挤度因子）的历史IC、IR等具体测试结果取值。仅提供了合成后的行业轮动模型的整体绩效。）

量化模型与构建方式 1. 短期择时模型 * **模型名称**：短期择时模型[14][15][17] * **模型构建思路**：通过综合评估宏观基本面、估值面、情绪面、流动性四个维度的多个指标信号，生成每周的总体市场仓位建议[14][15][17]。 * **模型具体构建过程**： 1. **指标选取与信号生成**：选取四个一级维度下的多个二级指标，计算各指标当前值在过去5年历史数据中的分位数，根据分位数区间将每个二级指标转化为乐观（1）、中性（0.5）或谨慎（0）的量化信号[14][15][17]。 2. **维度综合**：对每个一级维度（如基本面）下的所有二级指标信号进行综合，得出该维度的总体信号（乐观、中性或谨慎）[14][15][17]。 3. **总信号合成**：将四个一级维度的信号（乐观=1，中性=0.5，谨慎=0）等权或加权平均，得到最终的总仓位信号。总信号值映射到具体的仓位配置建议（如1表示满仓，0表示空仓，0.5表示半仓）[17]。 * **模型评价**：该模型是一个多因子综合择时模型，旨在通过多维度信息捕捉市场短期走势，历史回测显示其能有效提升收益并控制回撤[16]。 2. 成长价值风格轮动模型 * **模型名称**：成长价值风格轮动模型[24][25] * **模型构建思路**：综合动态宏观信号、估值回归信号、短期动量信号、风格广度信号和风格拥挤信号五个子信号，生成在成长与价值风格间的超配建议[24][25]。 * **模型具体构建过程**： 1. **子信号计算**：分别计算五个维度的独立信号。例如，动态宏观信号可能基于信贷脉冲、通胀剪刀差、M0/M1增速等宏观指标；估值回归信号基于成长与价值板块的相对估值分位数；短期动量信号基于20日价量趋势等[24][25]。 2. **信号集成**：将五个子信号进行集成，生成每日的综合仓位信号。报告展示了两种集成方式：一种是直接使用每日信号（综合信号1_无中性仓位），另一种是对每日信号进行5日平均平滑处理（综合信号2_5D平均仓位）[25]。 3. **仓位映射**：综合信号直接决定对成长或价值风格的配置比例。例如，信号为0%成长仓位即对应100%价值仓位[25]。 * **模型评价**：该模型是一个多因子驱动的风格轮动模型，旨在根据宏观环境、估值、动量等多方面变化，动态调整成长与价值风格的暴露[24]。 3. 小盘大盘风格轮动模型 * **模型名称**：小盘大盘风格轮动模型[27][30] * **模型构建思路**：从流动性、交易情绪、价量技术等多个角度选取11个有效轮动指标，构建综合信号来建议超配小盘或大盘风格[27][30]。 * **模型具体构建过程**： 1. **指标选取**：选取了11个轮动指标，包括A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、Beta离散度、PB分化度、大宗交易折溢价率、中证1000的MACD指标、中证1000交易量能等[30]。 2. **信号生成**：每个指标独立生成每日的轮动信号，信号为100%表示建议配置小盘，0%表示建议配置大盘[30]。 3. **信号综合**：对11个指标的日度信号进行综合，生成每日的综合信号。报告提及采用“3D平滑”规则，即需要连续3日触发条件才确认风格切换[27][30]。 4. **仓位执行**：根据综合信号，在沪深300（代表大盘）和中证1000（代表小盘）全收益指数之间进行切换配置[28][30]。 模型的回测效果 1. 短期择时模型 * 全区间（2012年底至今）[16][22]： * 年化收益率：16.50% * 基准年化收益率：5.11% * 年化超额收益率：11.39% * 年化波动率：14.80% * 最大回撤：15.05% * 夏普比率：0.9713 * 收益回撤比：1.0966 * 月度胜率：66.04% * 2024年以来区间[21]： * 年化收益率：29.07% * 基准年化收益率：10.88% * 年化超额收益率：18.19%（计算得出） * 年化波动率：16.50% * 最大回撤：11.04% * 夏普比率：1.5085 * 收益回撤比：2.6335 * 月度胜率：70.37% * 2026年以来（截至2026-02-27）[20]： * 策略收益率：5.41% * 基准收益率：4.12% * 超额收益率：1.29% 2. 成长价值风格轮动模型（综合信号2_5D平均仓位） * 全区间（2010年5月31日至2026年2月27日）[25]： * 累计收益：763.30% * 年化收益：14.62% * 基准（国证成长价值等权）年化收益：6.72% * 年化超额收益率：7.91% * 年化波动率：21.42% * 最大回撤：40.08% * 夏普比率：0.65 * 收益回撤比：0.36 * 年化跟踪误差：5.88% * 年化信息比率（IR）：1.34 * 月度超额胜率：66.14% * 2026年以来（截至2026-02-27）[24][25]： * 超额收益率：0.85% 3. 小盘大盘风格轮动模型（综合信号3D平滑） * 全区间（2014年至2026年2月）[30]： * 年化收益：20.68% * 年化超额收益率：12.94% * 最大回撤：40.70% * 平均换手间隔：20个交易日 * 胜率（按交易）：50.11% * 分年度超额收益（部分年份）[30]： * 2014年：33.28% * 2015年：36.85% * 2024年：22.03% * 2025年：13.13% * 2026年以来（截至2026-02-27）：-0.76% 量化因子与构建方式 1. 短期择时模型相关因子 * **基本面维度因子**： * **制造业PMI因子**：直接使用统计局发布的制造业PMI数值，与50的临界值比较判断景气度[14][17]。 * **信贷脉冲因子**：计算“人民币中长期贷款脉冲同比增速”在过去5年的分位数，用于判断信贷增速水平[14][17]。 * **M1同比增速（滤波后）因子**：对M1同比增速进行HP滤波去趋势处理，计算其数值在过去5年的分位数，用于判断货币活化程度[14][17]。 * **估值面维度因子**： * **A股整体PE分位数因子**：计算全市场股票PE_TTM中位数在过去5年（滚动）的分位数[14][17]。 * **A股整体PB分位数因子**：计算全市场股票PB_LF中位数在过去5年（滚动）的分位数[14][17]。 * **情绪面维度因子**： * **A股整体Beta离散度因子**：计算全市场股票Beta值的离散程度（如标准差），并求其过去5年的分位数，用于衡量市场分歧度[15][17]。 * **A股整体量能情绪因子**：通过量价关系构建情绪得分，并计算其过去5年的分位数[15][17]。 * **A股整体波动率因子**：计算市场年化波动率，并求其过去5年的分位数[15][17]。 * **流动性维度因子**： * **货币利率指标因子**：以货币市场利率（如R007）构建指标，计算其过去5年的分位数，用于判断资金面松紧[15][17]。 * **汇率预期指标因子**：以人民币汇率变化构建预期指标，计算其过去5年的分位数[15][17]。 * **沪深净融资额5日均值因子**：计算两市融资买入余额的5日平均变化，并求其过去5年的分位数，反映杠杆资金情绪[15][17]。 2. 小盘大盘风格轮动模型相关因子（11个指标） * **A股龙虎榜买入强度因子**：基于龙虎榜买入数据构建，反映活跃资金对小盘股的关注度[30]。 * **R007因子**：银行间市场7天回购利率，作为流动性松紧的代理变量影响大小盘风格[30]。 * **融资买入余额变化因子**：融资余额的变动情况，反映杠杆资金的偏好[27][30]。 * **主题投资交易情绪因子**：刻画市场主题投资热度，通常与小盘股活跃度相关[30]。 * **等级利差因子**：信用债等级利差，反映风险偏好变化[30]。 * **期权波动率风险溢价因子**：基于期权数据计算的波动率风险溢价指标[30]。 * **Beta离散度因子**：全市场股票Beta值的离散程度，衡量市场分歧[30]。 * **PB分化度因子**：全市场股票PB值的离散程度，衡量估值分化[30]。 * **大宗交易折溢价率因子**：大宗交易的折溢价情况，反映机构交易意愿[30]。 * **中证1000 MACD(10,20,10)因子**：直接对中证1000指数应用MACD技术指标（参数为10，20，10），生成交易信号[30]。 * **中证1000交易量能因子**：基于中证1000指数的价量关系构建的交易量能指标[30]。 因子的回测效果（小盘大盘轮动模型各独立因子） * **融资买入余额变化因子**[30]： * 年化收益：13.33% * 年化超额收益率：5.59% * 最大回撤：44.32% * 平均换手间隔：3个交易日 * 胜率（按交易）：50.05% * **大宗交易折溢价率因子**[30]： * 年化收益：16.79% * 年化超额收益率：9.04% * 最大回撤：40.67% * 平均换手间隔：7个交易日 * 胜率（按交易）：56.36% * **A股龙虎榜买入强度因子**[30]： * 年化收益：13.12% * 年化超额收益率：5.37% * 最大回撤：54.66% * 平均换手间隔：10个交易日 * 胜率（按交易）：48.61% * **R007因子**[30]： * 年化收益：12.05% * 年化超额收益率：4.30% * 最大回撤：57.98% * 平均换手间隔：6个交易日 * 胜率（按交易）：50.38% * **主题投资交易情绪因子**[30]： * 年化收益：13.02% * 年化超额收益率：5.28% * 最大回撤：55.35% * 平均换手间隔：10个交易日 * 胜率（按交易）：51.52% * **等级利差因子**[30]： * 年化收益：12.78% * 年化超额收益率：5.03% * 最大回撤：46.47% * 平均换手间隔：7个交易日 * 胜率（按交易）：54.14% * **期权波动率风险溢价因子**[30]： * 年化收益：13.33% * 年化超额收益率：5.59% * 最大回撤：63.43% * 平均换手间隔：9个交易日 * 胜率（按交易）：47.78% * **Beta离散度因子**[30]： * 年化收益：11.00% * 年化超额收益率：3.25% * 最大回撤：53.65% * 平均换手间隔：43个交易日 * 胜率（按交易）：44.12% * **PB分化度因子**[30]： * 年化收益：17.03% * 年化超额收益率：9.29% * 最大回撤：45.00% * 平均换手间隔：9个交易日 * 胜率（按交易）：48.51% * **中证1000 MACD(10,20,10)因子**[30]： * 年化收益：16.55% * 年化超额收益率：8.80% * 最大回撤：37.87% * 平均换手间隔：12个交易日 * 胜率（按交易）：49.41% * **中证1000交易量能因子**[30]： * 年化收益：17.50% * 年化超额收益率：9.75% * 最大回撤：39.27% * 平均换手间隔：8个交易日 * 胜率（按交易）：53.08%

核心观点 报告通过复盘2005年以来的六轮PPI上行周期，系统总结了PPI周期对市场择时、风格及行业轮动的指引规律，并分析了当前（第六轮）周期的异同。核心结论是：PPI环比转正（T日）是关键宏观信号，此后周期板块超额收益迅速扩大；市场在PPI环比见底后可参与，在环比见顶后需逐步转向谨慎；不同风格板块（成长、金融、周期、消费）在PPI周期的不同阶段有规律地轮动[4]。 一、PPI的周期规律与划分 - PPI同比增速是宏观周期中的滞后指标，其拐点明显滞后于权益市场，而PPI环比增速与市场运行节奏更为一致[11][19] - 将PPI上行周期划分为四个阶段：1) PPI环比见底 -> PPI同比见底；2) PPI同比见底 -> PPI环比转正；3) PPI环比转正 -> PPI环比见顶；4) PPI环比见顶 -> PPI同比见顶[4][20] 二、PPI上行期的市场表现与风格复盘 市场择时与轮动规律 - 2005年至今共经历六轮PPI上行周期，从PPI环比底到同比顶平均历时26个月，从同比底到同比顶平均历时22个月[23][26] - 市场表现：在PPI环比转正到环比见顶阶段，万得全A指数100%上涨，平均涨幅为24.5%；环比见顶后市场进入高位震荡[4][28][29] - 交易指引：PPI环比见底之后可适当参与；环比见顶之后需适当谨慎；同比见顶后市场大概率进入下行阶段[4][28] - 风格轮动：第一阶段（环比底->同比底）：小盘、成长/周期占优；第二阶段（同比底->环比转正）：金融/成长占优；第三阶段（环比转正->环比顶）：小盘、周期/消费占优；第四阶段（环比顶->同比顶）：价值、稳定/周期占优[31][32] 板块交易顺序与规律 - **周期板块**：PPI环比转正是分水岭，此后超额收益迅速扩大。细分行业启动顺序平均为：有色（T-40个交易日）-> 化工（T-18日）-> 石油石化（T+53日）-> 煤炭（T+60日）-> 钢铁（T+131日）[35][39] - **成长板块**：在PPI环比转正后波动性可能加大，但通常仍有超额收益，其持续性取决于明确的产业周期强度[46][47] - **消费板块**：过往在整个通胀期间都有超额收益，但本轮（第六轮）PPI向CPI传导不畅，消费板块未现超额收益[4][48][49] - **金融板块**：通常在PPI环比转正后，超额收益明显走弱，原因在于盈利优势转弱及货币信用收紧预期[4][50][52] - **制造板块**：在PPI环比转正后4-5个月走势可能受到抑制，但之后也可能重拾升势[53][55] 投资要点小结 1. PPI环比见底后可参与，环比见顶后需谨慎[4][56] 2. PPI上行周期中，小盘持续占优，特别是环比底到环比顶之间[4][56] 3. 风格轮动规律：成长（环比底之后）-> 金融（同比底之后）-> 周期（环比转正之后）-> 公用事业（环比顶之后）[4][56] 4. PPI环比转正（T日）是关键信号，此后周期超额收益迅速扩大[4][57] 5. 周期细分行业启动顺序通常为：有色 -> 化工 -> 石油石化 -> 煤炭 -> 钢铁[4][57] 三、本轮PPI上行周期（第六轮）的异同与展望 本轮周期的不同之处 - **驱动因素**：需求侧主要来自外需，供给侧主要来自国内“反内卷”政策、全球去美元化及人工智能产业需求[4][59] - **流动性环境**：以往PPI上行阶段货币政策偏紧，本轮货币政策仍然宽松[4][70] - **复苏节奏**：从PPI环比底（2022年9月）到环比转正（2025年10月）历时38个月，远超历史平均的10个月，显示经济内生动力有待加强[59][73] - **复苏结构**：生产资料价格抬升，但生活资料价格持续低迷，企业补库行为很弱[4][78] - **产业周期**：本轮人工智能产业周期的持续性、强度与广度可能超越以往（如移动互联网、新能源）[4][78] - **利润分布**：行业间利润分化严重，中游行业（如电气设备、专用设备）利润占比好于以往，可能因外需强于内需[4][80] 下阶段行情展望 - **市场层面**：目前PPI刚环比转正，指数风险不大。需观察PPI环比见顶时点，届时市场可能进入震荡，可考虑逐步兑现[4][94] - **周期板块**：目前阶段仍占优，逻辑顺畅。需观察石油石化/煤炭/钢铁等内需品种能否接棒有色/化工[4][94] - **成长板块**：进入高波动阶段，但行情未结束。持续性取决于产业周期进展，并需观察美联储加息周期重启时点[4][94] - **金融板块**：应适当降低预期，因在PPI环比转正后其超额收益通常走弱[4][95] - **消费板块**：需动态应对、跟踪数据。本轮因PPI向CPI传导不畅及宏观贝塔偏弱，消费板块超额收益持续走低[4][95] 四、过往五轮PPI上行周期详细复盘概要 报告详细复盘了前五轮PPI上行周期的宏观背景与市场表现[96][135]： - **第一轮（2006.01-2008.08）**：城镇化和工业化加速驱动。风格由金融轮动至周期[96][103] - **第二轮（2008.12-2011.07）**：“四万亿”刺激与海外QE驱动。风格由金融、消费、成长轮动至周期[106][112] - **第三轮（2012.08-2014.08）**：全球弱复苏与国内产能过剩，PPI上行斜率平缓。成长风格贯穿始终[115][122] - **第四轮（2015.08-2017.02）**：供给侧改革与棚改货币化驱动。风格由“小盘题材”转向“价值投资”[121][124] - **第五轮（2020.03-2021.10）**：疫后全球大放水与供应链冲击驱动。前期成长与消费占优，后期周期与成长占优[133][135]

模型框架与核心方法 - 构建基于Black-Litterman模型的“战略+战术”双轮驱动资产配置框架，战略端通过资产择时与回归分析生成收益后验分布，战术端通过A股风格轮动策略优化组合[1] - 战略资产择时层：债券端基于经济增长、地产周期、市场利率（如R007、10年期国债利率）择时；商品（黄金）端基于实际利率、通胀预期、避险情绪、供需关系择时；股票（A股）端基于流动性、国际影响力、资金面、估值四维度择时[2] - 战术风格轮动层：构建“趋势共振大小盘风格轮动策略”（从货币周期、信用利差等维度）与“宏微同频成长价值风格轮动策略”（从宏观流动性与微观技术面维度）[3] 实证数据与策略绩效 - 回测期（2013年12月31日至2025年12月31日）内，BL模型策略年化收益率达12.10%，年化夏普比率2.38，最大回撤率4.72%，Calmar比率2.56，显著优于固定权重与MVO基准策略[7] - 各资产择时策略历史绩效：债券择时策略年化收益率6.04%[35]；黄金择时策略年化收益率15.56%[40]；A股择时策略年化收益率17.81%[50] - 风格轮动策略历史绩效：大小盘风格轮动策略年化收益率达30.64%[64]；成长价值风格轮动策略年化收益率为19.60%[71] 资产配置与最新权重 - 大类资产选取以高流动性ETF为标的，涵盖货币、债券、商品、美股、港股及多风格A股指数（如中证A500、中证2000、科创50等）[4][58] - 截至2025年12月31日模型最新配置权重：货币基金4.54%，国债58.64%，黄金18.00%，美股0.00%，港股0.00%，A股18.82%（其中小盘与成长风格各占9.41%）[8][99]

量化模型与构建方式 1. **模型名称**：转债综合估值因子 * **模型构建思路**：从估值视角对转债的配置价值进行系统性增强，通过融合两个在不同转债类型上表现优异的估值因子，构建一个综合性的估值评价指标[18] * **模型具体构建过程**： 1. 首先构建两个基础估值因子：转股溢价率偏离度因子和理论价值偏离度（蒙特卡洛模型）因子[18]。 2. 对每个因子在截面上的所有转债进行排名（Rank）[19]。 3. 将两个因子的排名值相加，得到转债综合估值因子[19]。 * **公式**： $$转债综合估值因子 = Rank（转股溢价率偏离度） + Rank（理论价值偏离度（蒙特卡洛模拟））$$ [19] * **模型评价**：该综合因子在全域、平衡型和偏债型转债上表现较优[18] 2. **模型名称**：转债风格轮动模型 * **模型构建思路**：通过识别转债市场的情绪指标，在三种低估风格指数（偏股、平衡、偏债）之间进行动态轮动配置，以获取超额收益[17] * **模型具体构建过程**： 1. **构建风格指数**：首先根据平底溢价率将转债划分为偏股型（>15%）、偏债型（<-15%）和平衡型（其余），并分别构建对应的等权指数[19]。然后，在各自风格内，分别使用转债综合估值因子（平衡、偏债）或理论价值偏离度因子（偏股）筛选排名前1/3的转债，构建对应的低估风格指数，并限制成分债上限为30只[20]。 2. **计算市场情绪指标**：在单个转债层面计算“转债20日动量”和“波动率偏离度”两个因子[26]。然后，在每个低估风格指数内部，取这两个因子值的中位数，作为该指数的市场情绪捕捉指标[26]。 3. **确定轮动仓位**：对三个低估风格指数的市场情绪捕捉指标进行逆序排名（指标值越小排名越靠前，如第1名），并将每个指数在两个指标上的排名相加，得到“市场情绪捕捉指标”总分[26][27]。选择总分较低的指数进行配置。若排名相等则等权配置，若同时选中三种风格则100%投资于平衡低估风格[17][26]。模型为双周频调仓[26]。 模型的回测效果 *注：以下为各风格低估指数及轮动模型的长期回测表现，回测区间为2018-02-14至2026-01-09或2026-02-13[22][30]* 1. **偏股转债低估指数**，年化收益率27.22%，年化波动率20.75%，最大回撤0.23，信息比率(IR)1.31，卡玛比率1.19[22] 2. **平衡转债低估指数**，年化收益率16.09%，年化波动率12.03%，最大回撤0.16，信息比率(IR)1.34，卡玛比率1.01[22] 3. **偏债转债低估指数**，年化收益率12.60%，年化波动率9.79%，最大回撤0.18，信息比率(IR)1.29，卡玛比率0.71[22] 4. **转债风格轮动模型**，年化收益25.91%，年化波动16.99%，最大回撤15.89%，信息比率(IR)1.52，卡玛比率1.63[30] 量化因子与构建方式 1. **因子名称**：转股溢价率偏离度 * **因子构建思路**：衡量单只转债的转股溢价率相对于其理论拟合值的偏离程度，以消除不同平价水平带来的不可比性[19] * **因子具体构建过程**：计算转债的实际转股溢价率与通过截面数据拟合得到的理论转股溢价率（拟合值）之间的差值[19] * **公式**： $$转股溢价率偏离度 = 转股溢价率 − 拟合转股溢价率$$ [19] 2. **因子名称**：理论价值偏离度（蒙特卡洛模型） * **因子构建思路**：通过蒙特卡洛模拟充分考虑转债的各类条款（转股、赎回、下修、回售），计算其理论价值，并用市场价格与理论价值的比值来衡量价格预期差[19] * **因子具体构建过程**： 1. 在每个时点，使用蒙特卡洛方法模拟正股价格路径（通常为10000条），并考虑转债的转股、赎回、下修、回售等条款，以同信用、同期限的利率作为贴现率，计算转债的理论价值[19]。 2. 用转债的收盘价除以该理论价值，再减去1，得到偏离度[19]。 * **公式**： $$理论价值偏离度（蒙特卡洛模型） = 转债收盘价 / 理论价值（蒙特卡洛模型） - 1$$ [19] 3. **因子名称**：转债20日动量 * **因子构建思路**：用于捕捉转债市场的趋势情绪，作为风格轮动的输入指标之一[26] * **因子具体构建过程**：报告未详细说明具体计算方法，但指出是在单个转债层面计算的因子，并取中位数代表整个风格指数的情绪[26] 4. **因子名称**：波动率偏离度 * **因子构建思路**：用于捕捉转债市场的波动情绪，作为风格轮动的另一个输入指标[26] * **因子具体构建过程**：报告未详细说明具体计算方法，但指出是在单个转债层面计算的因子，并取中位数代表整个风格指数的情绪[26] 辅助指标与构建方式 *注：以下为用于衡量市场整体估值水平的指标，非直接用于选股的Alpha因子* 1. **指标名称**：百元转股溢价率 * **指标构建思路**：构建一个在时间序列上可比的估值指标，用于衡量转债市场整体相对于正股的估值高低[3] * **指标具体构建过程**： 1. 在每个时点，使用截面上的所有转债数据，拟合转股溢价率（y）与转股价值（x）的关系曲线[42]。 2. 将转股价值固定为100元代入拟合公式，计算得到的转股溢价率即为“百元转股溢价率”[3][42]。 * **拟合公式**： $$y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$$ [43] 其中，$y_i$为第i只转债的转股溢价率，$x_i$为第i只转债的转股价值[42]。 2. **指标名称**：修正YTM – 信用债YTM中位数 * **指标构建思路**：针对偏债型转债，剥离其转股条款对到期收益率(YTM)的影响，使其能与同期限信用债的YTM进行直接比较，以衡量偏债型转债相对于信用债的配置价值[4] * **指标具体构建过程**： 1. **计算修正YTM**：对每只偏债型转债，使用Black-Scholes模型计算其转股概率$N(d_2)$[44]。然后，根据以下公式计算修正YTM[44]： $$修正 YTM = 转债 YTM × (1 – 转股概率) + 预期转股的到期年化收益率 × 转股概率$$ [44] 2. **计算差值**：计算每只偏债型转债的修正YTM与同等级、同期限的企业债（信用债）YTM之差$X_i$[44]。 3. **取中位数**：计算截面上所有偏债型转债$X_i$值的中位数，得到“修正YTM – 信用债YTM中位数”[4][44]。 $$“修正 YTM – 信用债 YTM”中位数 = median\{X_1, X_2, ... , X_n\}$$ [44]

行业概览 - 2025年中国境内ETF市场规模已突破6万亿元，成为亚洲第一大ETF市场[1] - 越来越多的投资者选择通过指数基金搭建核心仓位，指数基金被视为帮助实现资产配置的“工具箱”[1] 资产配置的五个维度 - 资产配置的核心在于多元分散，广发基金建议从五个维度着手：成份股、风格、行业与策略、投资市场和大类资产[1] 维度一：不同的成份股 - 投资者需避免“伪分散”，即投资于成份股重合度高的指数基金[2] - 以沪深300和中证800为例，后者包含前者的全部成份股，同时持有两者相当于加倍配置了300只股票，未能有效分散风险[2] - 相比之下，中证1000与中证800的成份股完全不重合，同时持有能起到对冲或互补的作用[2] - 布局多只基金时，应穿透到底层，选择成份股重合度低甚至完全互斥的品种[2] 维度二：不同的风格 - 股票可根据市值规模划分为大盘、中盘、小盘等不同风格[3] - 市值千亿以上通常归为大盘股，代表指数如上证50、沪深300；市值300亿至1000亿为中盘股，代表指数如中证500；市值50亿至300亿为小盘股，代表指数如中证1000[3] - 历史数据显示A股存在风格轮动：2013年至2015年小盘风格占优；2016年至2020年大盘风格占优；2021年至今小盘风格再次占优[3] - 根据指数年度收益率数据，例如2013年中证1000收益率为31.59%，2014年上证50收益率为63.93%，2015年中证2000收益率为109.78%，2025年中证2000收益率为36.41%，显示不同风格在不同时期表现各异[4] - 在指数搭配中，建议采取“大小结合”的策略，利用不同风格在宏观环境下的表现差异形成有效对冲[5] 维度三：不同的行业与策略 - A股市场除宽基指数外，还拥有丰富的行业指数（如科技、医药、消费）和策略指数（如红利、低波动）[6] - 投资者可选择关联性较低的行业及策略指数进行搭配[6] - 可采用“核心-卫星”策略：以主流宽基指数（如沪深300）作为高比例核心仓位，再选择若干处于景气周期或估值底部的行业/策略指数作为低比例卫星仓位[6] 维度四：不同的投资市场 - 不同国家与地区的市场走势存在差距，投资于低相关性的海外市场有助于实现更深层级的分散[8] - 近年来A股独立性增强，长期涨跌主要由自身经济基本面和政策逻辑决定[8] - 投资者可借助QDII指数基金进行全球化布局，市场主要挂钩美股指数（如纳斯达克100、标普500）及港股指数（如恒生科技指数、恒生消费指数）[8] 维度五：不同的大类资产 - 不同大类资产之间存在互动关系，例如股市调整时债券可能因避险需求走强，呈现负相关[9] - 部分资产之间相关性较弱，例如商品与股债相关性低，其走势更受自身供需因素影响[9] - 根据2008年1月1日至2025年12月31日的相关性数据，沪深300与10年期国开债的相关系数为-0.06，呈现负相关；沪深300与SGE黄金9999的相关系数为0.05，呈现低相关[10] - 将负相关性（如股票+债券）或低相关性（如股票+黄金）的资产组合搭配，能够降低组合整体波动[10] 公司观点与能力 - 广发基金建议投资者从上述五个维度审视优化投资组合，让资产配置更具科学性[11] - 广发基金多年来坚持打造多资产、多市场、多策略的全能资管能力，已形成全面完备的产品体系，可为投资者提供全天候的投资工具和解决方案[11]