宏观量化配置框架回顾 - 构建结合经济、流动性、信用和通胀的宏观量化框架 应用于大类资产配置、行业和风格配置 [1] - 通过主成分分析发现经济和流动性是影响股票、债券、商品等大类资产共同波动的前两大因素 构建经济+流动性时钟模型 [1] - 激进型组合2013年以来年化收益8.5% 较基准超额0.6% 2022年前超额1.6% 2022年出现明显回撤 [3] - 2022年回撤主要源于权益快速下跌期间流动性宽松对组合形成拖累 [5] - 行业配置引入factor mimicking市场关注点模型 根据关注点决定不同维度敏感性权重 [5] - 宏观行业组合2019-2021年表现突出 2022年以来表现偏弱 降低行业选择数量可跑赢中证500和行业等权 [7] - 风格配置选择十大类因子中每月得分前三的因子 构建宏观因子组合和因子共振组合 [10] - 宏观方法在2021-2022年对风格因子筛选贡献明显 2023年底至2024年上半年出现明显回撤 [12] 回撤来源分析 - 回撤来源包括定量宏观判断指标有效性降低、市场受情绪资金等因素驱动、宏观指标与市场预期存在背离 [13] - 2020年后宏观事件影响增多 市场博弈增加 宏观数据与市场预期背离情况频发 [14] - 2022年下半年经济前瞻指标从底部回升但市场持续担忧疫情影响 权益表现偏弱 [14] - 2022年11月-2023年4月长债收益率上行但市场预期政策宽松 权益表现较好 [16] - 2022-2023年信用指标转好但市场更关注结构问题 多数时候保持悲观 [16] - 宏观数据与市场预期背离导致模型判断与市场表现错位 对组合形成拖累 [18] 市场预期修正方案 - 通过Factor Mimicking方法构建宏观变量代理组合 使用128只股票覆盖30个申万一级行业和97个二级行业 总市值28.3亿元占A股1/3 [19] - 选择工业增加值同比、10年期国债收益率、CPI同比、PPI同比、社融同比增速作为五大宏观变量 [19] - 组合构建流程包括计算超额收益矩阵、提取主成分、Lasso回归投影、求解特定暴露组合 [20] - 经济变量拟合效果偏弱但关键区间方向与市场观点匹配 其他变量拟合程度较好 [21][23] - 信用组合能较好反映市场观点 2022年以来信用总量改善但结构偏弱被市场视为信用偏弱信号 [25] - 通过组合收益与12个月均线比较得到市场隐含的宏观变量方向 [27] - 经济维度使用一致预测ROE和净利润增速月度变化构建修正指标 超过±1%视为观点变化 [29] - 流动性维度使用全市场日均换手率、收益靠前行业成交占比、换手提升行业占比构建微观流动性指标 [30][31] - 信用维度主要使用Factor Mimicking组合的隐含观点 [33] - 修正规则核心是当市场隐含预期与宏观数据明显背离时采用市场预期进行修正 [37] 修正观点应用效果 - 经济择时年化收益5.06% 修正后降至4.14% 流动性择时年化收益1.10% 修正后升至1.95% 信用择时年化收益4.33% 修正后升至7.27% [39] - 资产配置修正组合年化收益8.63% 较原经济+流动性组合8.52%略有提升 但受权益仓位限制和跨资产观点偏差影响提升有限 [40][41] - 行业配置修正组合年化收益7.96% 较原宏观行业组合3.67%显著提升 2024年信用悲观和经济数据偏差修正带来正向贡献 [45][46] - 中证500修正后指数增强年化收益14.38% 较原组合12.24%提升明显 沪深300修正后年化收益9.33% 较原组合8.57%提升 [52] - 中证1000修正后年化收益17.96% 较原组合17.62%略有提升 主要因修正数据基于中证800成分股 [52] - 2024年二季度以来信用修正指标持续偏弱 组合降低成长配置 有效匹配市场实际表现 [53] - 修正观点在2020年后宏观数据与市场预期背离场景中能有效降低回撤 增强配置表现 [54]

市场定价状态 - 本期市场交易热度边际抬升，全A日均成交额上升至2.1万亿元，上证指数换手率分位数上升至93%，沪深300换手率分位数上升至91% [2] - 个股上涨比例下降至54.4%，全A个股周度收益中位数下降至0.4% [2] - 行业交易集中度提升，行业换手率历史分位数处于90%以上的行业达到13个，其中综合金融和国防军工换手率分位数超95% [2][27] A股资金流动 - 外资转为流入2.7亿美元，北向资金成交占比降至11.0% [4] - ETF被动资金流出规模扩大至279.3亿元，被动成交占比环比上升至5.4% [4] - 融资净买入457.0亿元，成交额占比上升至10.6% [4] - 散户活跃度边际抬升，另类指标显示散户为买入主力 [4][22] 行业资金配置 - 融资资金主要流入电子(+132.7亿元)和机械设备(+40.1亿元)，流出煤炭(-2.3亿元)和纺织服饰(-0.1亿元) [4] - 外资明显流出家用电器与机械设备等行业，流入有色金属 [4] - ETF资金集中流入食品饮料(+5.9亿元)和煤炭(+4.6亿元)，大幅流出电子(-180.6亿元)和计算机(-39.0亿元) [4] - 龙虎榜资金主要集中于机械设备、计算机和电子行业 [4][23] 港股与全球资金流动 - 南下资金单周净买入上升至381.2亿元，处于2022年以来92%分位 [5] - 外资流入港股市场3.7亿美元，主动型外资自24年10月后首次单周流入中概股 [5] - 全球外资边际流入发达市场，其中美国(+52.8亿美元)和英国(+8.5亿美元)流入居前，中国(+5.6亿美元)也获外资流入 [5] 交易数据表现 - 电子行业日均成交额达3082.67亿元，占比14.67%，计算机行业成交2038.84亿元，占比9.70% [26] - 非银金融和房地产成交热度抬升明显，成交额边际变化率分别达130.56%和51.89% [26] - 上证指数区间收益1.70%，创业板8.58%，科创板5.53%，北证50下跌0.62% [14]

A股市场表现 - 沪指突破2021年2月18日高点3731.69点，创2015年8月以来十年新高 [1] - 北证50创历史新高，深成指、创业板指均突破去年10月8日高点 [1] - A股总市值首次突破百万亿元大关，达100.19万亿元，较年初增加14.33万亿元 [1] - 今年以来总成交金额223.65万亿元，日均成交1.47万亿元 [1] 行业市值变动 - 工业、信息技术、金融、材料总市值排名前四，分别为196599.44亿元、189308.70亿元、177022.25亿元、107139.17亿元，合计占全行业总市值比重超六成 [6] - 信息技术行业市值增幅最显著，8月以来增长11.55% [7] - 材料行业市值增长7.10%，工业领域市值增长6.54% [7] - 可选消费市值79546.38亿元，月增6.38%，金融行业市值177022.25亿元，月增3.39% [7] - 能源行业市值小幅下降0.56%，最新市值40837.11亿元 [7] 资金动向 - 游资活跃度创年内新高，杠杆资金持续净流入，私募仓位提升，量化与主观多头产品表现优异 [8] - 个人投资者新开户数边际改善但绝对数值偏弱，7月上交所A股新增开户196万 [8] - 散户资金流入速率慢于去年"9·24"后，6月保证金余额增速19.4%，处于历史分位水平 [9] - 居民存款达162万亿创历史新高，7月居民存款减少1.1万亿，非银存款环比多增2.14万亿 [10] - 外资由净减持转为净增持，保险资金一季度运用余额环比增长5%，预计4000多亿元将投向股市 [10] 行业配置建议 - 科技方向关注消费电子、智驾、国产算力、AI软件 [10] - 新消费、反内卷相关品种 [10] - 主题投资如商业航天、脑机接口等 [10]

量化模型与构建方式 1. **模型名称：A股赔率模型** - 模型构建思路：基于ERP（股权风险溢价）和DRP（债务风险溢价）的标准化数值等权计算A股赔率，用于衡量市场安全边际[7] - 模型具体构建过程： 1. 计算ERP和DRP的原始值 2. 对两者进行标准化处理（Z-score） 3. 等权加权求和得到综合赔率指标 $$ \text{赔率} = \frac{\text{ERP}_{标准化} + \text{DRP}_{标准化}}{2} $$ 截至7月底，赔率指标为0.9倍标准差[7][8] 2. **模型名称：A股胜率评分卡模型** - 模型构建思路：通过货币、信用、增长、通胀与海外五因子合成宏观胜率评分，预测资产未来表现[9] - 模型具体构建过程： 1. 选取五类宏观因子（如PMI、信贷数据等） 2. 对各因子进行标准化和方向调整（如增长因子负向影响胜率） 3. 加权合成综合胜率指标 当前A股胜率因PMI下滑回落至0轴附近[9][11] 3. **模型名称：A股拥挤度模型** - 模型构建思路：结合成交热度和行业分歧度（长期指标）与期权CPR（短期指标）刻画市场交易过热风险[12] - 模型具体构建过程： 1. 长期拥挤度：成交热度（换手率） + 行业分歧度（横截面波动） 2. 短期拥挤度：期权认购认沽成交比率（CPR） 3. 分别标准化后输出信号 当前长期/短期拥挤度分别为1.0和1.1倍标准差[12][14][15] 4. **模型名称：债券赔率模型** - 模型构建思路：基于长短债预期收益差构建债券估值指标[21] - 模型具体构建过程： 1. 计算长债（10年期）与短债（2年期）预期收益差 2. 标准化处理并反向调整（赔率越低表示估值风险越高） 当前债券赔率为-1.4倍标准差[19][21] 5. **模型名称：美联储流动性指数模型** - 模型构建思路：结合数量维度（如资产负债表规模）和价格维度（如利率）构建流动性指标[22] - 模型具体构建过程： 1. 选取净流动性、信用支持等子指标 2. 标准化后加权合成综合指数 当前指数位于20%中高水平[25][26] 6. **模型名称：行业轮动三标尺模型** - 模型构建思路：通过景气度、趋势、拥挤度三维框架筛选行业[43] - 模型具体构建过程： 1. 景气度：过去12个月行业IR（信息比率） 2. 趋势：动量指标 3. 拥挤度：换手率比率+波动率比率+Beta比率 2025年策略超额收益8.5%[44][45] --- 量化因子与构建方式 1. **因子名称：价值因子** - 因子构建思路：通过估值指标（如PB、股息率）筛选低估值股票[27] - 因子评价：当前呈现"中高赔率-中等趋势-低拥挤"特征，综合得分最高[27][28] 2. **因子名称：质量因子** - 因子构建思路：基于ROE、盈利稳定性等财务指标构建[29] - 因子评价：高赔率（1.7倍标准差）但趋势弱（-1.4倍标准差），需等待右侧确认[29][30] 3. **因子名称：成长因子** - 因子构建思路：结合营收/净利润增长率等指标[32] - 因子评价：高赔率（0.9倍标准差）但拥挤度中等（0.1倍标准差），建议标配[33][34] 4. **因子名称：小盘因子** - 因子构建思路：按市值分组捕捉小盘股超额收益[35] - 因子评价：低赔率（-0.7倍标准差）+高拥挤（0.6倍标准差），风险较高[36][37] --- 模型的回测效果 1. **赔率+胜率策略** - 年化收益：7.0%（2011年以来）、7.6%（2014年以来）[48][54] - 最大回撤：2.8%（2011年以来）[54] - 夏普比率：2.86（2011年以来）[56] 2. **行业轮动策略** - 信息比率（IR）：1.18（2011年以来）[44] - 最大回撤：25.4%（2011年以来）[44] 3. **债券赔率模型** - 当前赔率：-1.4倍标准差[19] 4. **A股拥挤度模型** - 长期拥挤度：1.0倍标准差[14] - 短期拥挤度：1.1倍标准差[15] --- 因子的回测效果 1. **价值因子** - 赔率：0.3倍标准差[28] - 拥挤度：-1.3倍标准差[28] 2. **质量因子** - 赔率：1.7倍标准差[30] - 趋势：-1.4倍标准差[30] 3. **小盘因子** - 趋势：1.6倍标准差[36] - 拥挤度：0.6倍标准差[36]

市场定价状态 - 本期市场交易热度小幅回落，全A日均成交额降低至1.8万亿元，上证指数换手率分位数下降至92%，沪深300换手率分位数下降至94% [8] - 个股上涨比例下降至31.9%，全A个股周度收益中位数下降至-1.48% [8] - 行业交易集中度提升，本期行业换手率历史分位数处于90%以上的行业有6个，其中医药和钢铁换手率分位数超95% [8][19] 资金流动情况 - ETF资金流出规模明显扩大，净流出390.1亿元，被动成交占比环比上升至5.9% [8] - 融资资金净买入392.0亿元，成交额占比上升至10.4%，两融余额升至1.9万亿元 [8] - 外资流入2.6亿美元，北向资金成交占比降至11.6% [8] - 南下资金单周净买入上升至590.2亿元，处2022年以来97%分位 [8] 行业资金配置 - 融资资金主要流入医药生物(+67.0亿元)和电子(+60.6亿元)，煤炭(-2.2亿元)和石油石化(-1.5亿元)净流出 [8] - 外资明显流入银行、电子等行业，无明显流出 [8] - ETF资金中食品饮料(+9.5亿元)和煤炭(+2.2亿元)净流入居前，电子(-110.9亿元)和医药生物(-64.6亿元)净流出居前 [8] - 龙虎榜资金上榜行业前三为机械设备、医药生物和电子 [8] 全球市场表现 - 本期恒生指数收跌3.5%，全球主要市场普遍下跌，法国CAC40指数(-3.7%)跌幅居前 [8] - 发达市场主动/被动资金净流动-6.5亿/188.2亿美元，新兴市场主动/被动资金净流动1.6/10.0亿美元 [8] - 外资主要流入欧美发达市场，其中美国(+40.6亿美元)与英国(+9.8亿美元)居前，中国上期获9.8亿美元流入 [8]

报告行业投资评级 未提及 报告的核心观点 未提及 各部分总结 二季度公募基金规模变化 - 截至2025年二季度末国内有12907只公募基金较一季度末增加307只 其中股票型、混合型、债券型基金分别增加209只、31只、54只 [4] - 2025年二季度末全部公募基金资产净值为33.72万亿元较一季度末增长21112亿元 其中股票型、债券型、货币市场型基金分别增长2478亿元、8575亿元、9044亿元 混合型基金下降72亿元 [5] - 2025年二季度末股票型基金贡献68%的基金数量增长和12%的基金资产净值增长 混合型基金贡献10%的基金数量增长但拖累基金规模增长 债券型基金贡献18%的基金数量增长和41%的基金资产净值增长 货币型基金贡献43%的基金资产净值增长 [11] - 2025年二季度末被动指数型基金和增强指数型基金的数量和资产净值均有增长 增幅分别为7.99%、7.85%和15.90%、2.15% [11] - 2025年二季度末主动偏股型基金合计4582只较一季度末增加45只 资产净值合计34651亿元较一季度末减少211.8亿元 [13] 主动偏股型基金股票仓位延续回升 - 2025年二季度在关税冲击、政策支持等因素影响下 主要宽基指数中全A指数上涨3.86% 北证50涨幅领先 上证指数涨超3% 科创50、深证成指下跌 [18] - 2025年第二季度主动偏股型基金持有股票市值2.94万亿元较一季度末下降0.02万亿元 但股票仓位环比升至84.24% 处于2005年以来历史高位 A股占比降至70.05% 已是连续第三个季度下降 [23] - 四类主动偏股型基金的股票仓位多数上升 普通股票型、平衡混合型、灵活配置型基金的仓位分别上升0.57、2.05、0.49个百分点 偏股混合型基金的仓位基本持平 [24] A股板块分布与风格配置 创业板配置比例提升 - 2025年第二季度创业板配置比例逆转下滑态势升至18.93% 科创板配置比例环比提升0.18个百分点 北证配置比例大幅上行至0.41% 主板持股市值占比降至65.39% 已是连续第四个季度下降 [25] 持仓风格偏向成长和金融 - 2025年第二季度以沪深300为代表的大盘风格和小盘风格的持股市值占比均下降 成长风格和价值风格的配置比例上升 [26] - 从五大风格指数分类来看 成长风格和金融风格的持股市值占比上升 消费风格和周期风格的配置比例下滑 [27] A股行业配置: 加仓通信行业, 金融热度提升 一级行业配置 - 2025年第二季度电子、医药生物等行业持股市值占比位于前列 综合、钢铁等行业占比处于相对低位 [30] - 2025年第二季度电子、医药生物等行业明显超配 非银金融、计算机等行业处于低配状态 [30] - 2025年第二季度15个一级行业的持股市值占比环比增长 通信、银行等行业占比上涨超0.5个百分点 食品饮料、汽车等行业持股市值占比下滑 [32] - 2025年第二季度通信、国防军工等行业超配比例上涨明显 食品饮料、汽车等行业比例下滑 [35] - 整体来看 2025年第二季度科技成长板块获得加仓 金融板块配置热度提升但仍低配 大消费板块受青睐 [38] 二级行业配置 - 2025年第二季度半导体、化学制药等行业持股市值占比排名居前 多数行业超配比例也位于前十 [41] - 增持前十的行业分别为通信设备、元件等 白酒Ⅱ、乘用车等二级行业减仓明显 [43] 重仓个股情况: 持仓集中度下降 - 主动偏股型基金持股总市值前二十的个股主要集中在TMT板块和大消费行业 与第一季度末相比 食品饮料、家用电器行业标的数量减少 通信、医药生物行业标的数量增加 出现轻工制造行业标的 汽车行业标的退出 [51] - 增持前十的个股中通信、电子、医药生物行业各有两只 减仓前十的个股中食品饮料板块个股居多 [52] - 2025年第二季度主动偏股型基金重仓个股集中度整体下降 前10、前20等个股占全部重仓股市值的比重较第一季度末均环比下降 [59] 港股市场配置变化 - 主动偏股型基金重仓股中A股市场配置比例连续六个季度回落 港股市场配置比例持续提升 2025年二季度末较一季度末上升0.81个百分点 [62] - 2025年二季度末主动偏股型基金重仓股中港股有360只较一季度末增加33只 港股持股市值为3265亿元较一季度末增加82亿元 [63] - 从港股恒生一级行业来看 医疗保健业、金融业持股市值占比提升 资讯科技业、非必需性消费业持股市值占比环比下降 [63] - 2025年二季度末主动偏股型基金重仓股中港股前五大二级行业依次是软件服务、药品及生物科技等 半导体、汽车等行业持股市值也相对较高 [67] - 2025年二季度末药品及生物科技等八个行业持股市值环比增长超10亿元 专业零售、软件服务业等行业持股市值下降 [70] - 2025年二季度主动偏股型基金大幅增持信达生物等个股 大幅减持阿里巴巴-W等个股 [73]

纪要涉及的行业 未提及具体行业，分析围绕大部分行业展开 纪要提到的核心观点和论据 - **行业与模型适配性**：大部分行业与模型适配程度不高，好的行业操作效果不如之前策略，活动幅度5 - 10分钟难以获好收益，工作量小致活动率不佳，不适合高速电信粉丝形态，类似行业少且走势有毛刺易误判，操作机会少 [1][2] - **机构模式稳定性影响**：机构或模式不稳定影响结果，可能使位置无规则、回撤不彻底，致收益率断档和短期损失；使用PD配置在M区间后期可超模 [3] - **行业指数走势特点**：行业发展创新高不易，未来可能面临困境；大部分行业指数通过成绩增幅推进，大幅崩塌少见，指数基数变大回撤幅度相对变低，测试有机会获收益，回撤更稳定 [4][5][6] - **新策略特点**：新改进的高级分析策略虽覆盖行业少，但能快速区分适合与不适合的情况，goldkey控制策略不会出现大的保护状态 [7] - **操作难题与解决思路**：等待信号翻屏或回到前高时，无法确定时间，操作困难；应专注策略本身和空间参考信息，操作更有底气 [8][9] - **区分策略与行业配置优势**：区分策略可补充历史难出现情况，但关键位置表现难把握；行业规范配置产生的效果更好，两个行业操作波动更低，波动率一般不叠加 [10][11] - **策略体系拓展**：策略体系会有新拓展，非理想组合模式，采用技术互相接受等方式会更稳健 [12] 其他重要但是可能被忽略的内容 无

行业配置策略调整 - 高盛建议投资者采取更为均衡的板块布局策略，未来六个月等权重行业配置组合相较等权重标普500指数获得5%及以上超额收益的概率显著提升 [1] - 软件与服务、媒体与娱乐两大科技相关板块延续增持评级，新材料行业首次纳入核心推荐序列，消费必需品板块退出优先配置名单 [1] - 工业板块因估值处于历史高位被调低评级，未来六个月实现显著超额收益的可能性最低 [2] 板块选择逻辑 - 软件与服务(长期增长预期14%)和媒体与娱乐(长期增长预期14%)因稳健增长前景在经济温和增长环境下更具配置价值 [1] - 公用事业和房地产板块因预期债券收益率小幅回落获得青睐 [1] - 材料行业较能源板块更具配置优势，主要基于对油价回落的预期判断 [1] 市场环境判断 - 当前美股市场对美国经济前景存在过度乐观倾向，实际经济运行中既存在下行风险也存在超预期可能 [1] - 行业配置需避免明显偏向周期性或防御性板块，建议构建攻守兼备的投资组合 [1] - 在经济增长不确定性犹存的背景下，兼具成长性与估值合理性的板块将更具投资韧性 [2] 其他板块调整 - 消费必需品和医疗保健板块配置优先级已"略低于模型基准建议" [2] - 此次调整反映了对市场环境的中性判断，通过多元化配置对冲潜在风险 [2]

量化模型与构建方式 1. **模型名称：行业主线模型（相对强弱RSI指标）** - **构建思路**：通过计算行业指数的相对强弱指标，识别年度领涨行业[11] - **具体构建过程**： 1. 选取29个一级行业指数作为标的 2. 计算过去20、40、60个交易日的行业涨跌幅横截面排名，归一化得到RS_20、RS_40、RS_60 3. 计算综合相对强弱指数：$$RS = \frac{RS_{20} + RS_{40} + RS_{60}}{3}$$ 4. 若行业在每年4月底前出现RS>90%的信号，则判定为潜在领涨行业[11][12] - **模型评价**：历史验证有效，2024年成功捕捉高股息、资源品、出海和AI主线[11][13] 2. **模型名称：行业轮动模型（景气度-趋势-拥挤度框架）** - **构建思路**：结合景气度、趋势强度和拥挤度三维指标，动态配置行业[16] - **具体构建过程**： 1. **景气度**：横轴量化行业基本面强度（如盈利增速） 2. **趋势**：纵轴量化价格动量（如过去60日收益率） 3. **拥挤度**：气泡大小和颜色表示交易拥挤程度（蓝色低拥挤/红色高拥挤）[16][21] 4. 筛选"高景气+强趋势+低拥挤"行业，规避"低景气+弱趋势+高拥挤"行业[16] - **模型评价**：进攻性与防御性结合，年化超额14.4%，IR达1.56[16][18] 3. **模型名称：左侧库存反转模型** - **构建思路**：挖掘库存周期底部且分析师看好的困境反转行业[28] - **具体构建过程**： 1. 识别库存压力较小的行业（如存货周转率改善） 2. 结合分析师预期（如盈利预测上调） 3. 筛选补库条件成熟的行业（如普钢、光学光电等）[28][29] - **模型评价**：2024年相对行业等权超额14.8%，但2025年阶段性失效[28][30] 4. **模型名称：PB-ROE选股模型** - **构建思路**：在行业配置基础上，选取估值性价比高的个股[23] - **具体构建过程**： 1. 按行业权重筛选股票池 2. 计算PB-ROE分位数，选取前40%个股 3. 按流通市值和PB-ROE打分加权[23] - **模型评价**：年化超额20.0%，重仓股如国泰君安、牧原股份等[23][26] --- 模型的回测效果 1. **行业主线模型** - 2024年命中率：煤炭、银行等9个RS>90%行业成为年度主线[11][12] - 2025年信号：14个行业出现RS>90%，以TMT、银行为主[13][14] 2. **行业轮动模型** - 年化超额：14.4%（基准Wind全A），IR 1.56，最大回撤-7.4%[16] - 2025年超额：相对Wind全A超额3.9%，ETF组合超额7.7%[3][18] 3. **左侧库存反转模型** - 2024年绝对收益：25.9%，超额行业等权14.8%[28][30] - 2025年收益：1.3%，跑输基准2.1%[28] 4. **PB-ROE选股模型** - 年化收益：25.4%，超额Wind全A 20.0%，IR 1.72[23] - 2025年超额：3.8%（截至6月底）[23] --- 量化因子与构建方式 1. **因子名称：相对强弱因子（RS）** - **构建过程**：同行业主线模型，综合多周期排名归一化[11] 2. **因子名称：行业景气度因子** - **构建过程**：基于财务指标（如ROE、营收增速）合成景气度评分[16][21] 3. **因子名称：趋势动量因子** - **构建过程**：计算行业指数过去60日收益率标准化[16][21] 4. **因子名称：拥挤度因子** - **构建过程**：结合换手率、融资余额等指标量化交易热度[16][21] --- 因子的回测效果 1. **相对强弱因子** - 有效窗口：4月底前RS>90%的行业后续平均超额7.6%[12][14] 2. **景气度-趋势-拥挤度组合因子** - 多头组合月胜率：68%（2013-2025年）[16][18] （注：部分因子未单独披露测试结果，仅作为模型输入组件）

六维投资能力分析功能概述 - 申万宏源申财有道APP信用账户新增"六维投资能力分析"功能 从盈利能力 风控能力 收益稳定 择时能力 择股能力 行业配置六大维度评估投资表现 并与市场指数及用户大数据对比 [2] - 功能通过可视化雷达图展示投资优势与短板 提供客观评价以优化交易策略 [3] 六大核心维度详解 盈利能力 - 通过账户收益率衡量投资回报水平 收益率越高则盈利能力越强 [6] - 引入杠杆超额收益指标 反映融资杠杆对盈利的增强效果 数值越高表明杠杆运用效率越高 [9] 风控能力 - 评估依据最大回撤幅度和合约违约记录 回撤越小且无违约记录则风控能力越强 [12] 收益稳定 - 计算投资期间年化波动率 波动率越低表明收益稳定性越高 [16] 择时能力 - 基于交易胜率判断 胜率越高代表择时能力越强 [18] 择股能力 - 评估持仓个股配置分布及盈亏情况 结合择股超额收益率指标 超额收益越高说明选股能力越突出 [21] - 择股超额收益指持仓个股相对行业指数成分股的表现差异 正超额收益需配置更多涨幅较大股票 [23] 行业配置 - 展示持仓行业分布及盈亏数据 例如案例中社会服务行业持仓收益率达37.26% 显著跑赢行业指数跌幅6.26% [25][26] - 数据示例显示纺织服饰行业亏损1400元(占比21.52%) 基础化工亏损546元(占比32.85%) 社会服务盈利1212元(占比9%) [26] 功能使用流程 - 用户需下载申万宏源申财有道APP 通过两融交易页面-账户分析-投资能力路径进入功能模块 [36] - 未登录状态下入口位于交易页面正中 已登录用户入口在右上角 [41] 可视化分析结果 - 结果页面生成六维雷达图 针对待改善维度提供中性优化建议 [27] - 支持查看行业配置明细 如社会服务行业贡献收益率3.4%(持仓收益率37.78%) 同期沪深300指数涨幅2.26% [26]