点击注册小程序 特别申明： 本订阅号中所涉及的证券研究信息由光大证券研究所编写，仅面向光大证券专业投资者客户，用作新媒体形势下研究 信息和研究观点的沟通交流。非光大证券专业投资者客户，请勿订阅、接收或使用本订阅号中的任何信息。本订阅号 难以设置访问权限，若给您造成不便，敬请谅解。光大证券研究所不会因关注、收到或阅读本订阅号推送内容而视相 关人员为光大证券的客户。 报告摘要 沪深300股票池中，本周表现较好的因子有动量调整大单 (2.40%)、大单净流入 (2.32%)、动量调整小单 (1.82%)。表现较差的因子有单季度总资产毛利率(-2.60%)、总资产增长率(-2.48%)、单季度ROA (-2.14%)。 中证500股票池中，本周表现较好的因子有动量调整小单(2.99%)、市盈率因子(2.89%)、市净率因子 (2.75%)。表现较差的因子有5日成交量的标准差(-0.57%)、净利润率TTM (-0.48%)、营业利润率TTM (-0.27%)。 流动性1500股票池中，本周表现较好的因子有市盈率因子(2.79%)、市盈率TTM倒数(2.10%)、日内波动率 与成交金额的相关性 (1.89%)。表现较差 ...

市场整体表现 - 全球市场复杂度显著上升 科技股疲软 消费者情绪剧烈波动 政策不确定性影响投资者决策 [1] - 英伟达财报表现强劲但当日股价下跌8% 热门领域持续承压 零售宠儿股票篮子两周下跌10% 迷因股下跌13% 比特币相关股下跌13% [4] - 七大科技巨头年内下跌8% 标普493上涨4% 增长预期重置 消费者信心担忧 通胀预期上升 AI支出可持续性受质疑 [5] 对冲基金与市场动能 - 基本面对冲基金经历近两年第二差的5日表现 [6] - 动量因子2024年持续性显著 但近期波动且失去趋势 新区域和新行业开始引领市场 [7] - 对冲基金总杠杆升至五年高点2865% 基本面长短仓基金总杠杆升至2017% 净多头头寸处于五年60%分位 [8] 经济数据与政策影响 - 美国GDP同比增长率从略高于3%降至不足2% 关税政策不确定性可能导致软数据疲软 [9] - 美国个人投资者协会情绪数据接近历史高点 投资者情绪快速转向 [10] 区域市场与投资机会 - 资金流入欧洲情况明显改善 但起点为极端低点 [11] - Stoxx600风险反转期权价格接近历史低点 3个月85%/105%风险反转期权几乎无溢价 [12] - 中国手机制造商小米推出电动车 首批1万辆10分钟售罄 股价过去两年上涨6倍 达2021年峰值2倍 [16] 行业与板块分析 - 科技板块ETF跌破200日均线 但仍位于2022年四季度以来上升趋势线上方 [14] - 英伟达 苹果 亚马逊等大市值股票可能进入盘整期 企业价值与销售收入倍数显示估值分化 [15] - 铜相关股票表现低迷 但AI和电气化投资长期需求可能提振铜资源需求 [13]

指数增强组合表现 - 沪深300指数增强组合本周超额收益0.44%，本年超额收益0.80% [1][2] - 中证500指数增强组合本周超额收益0.44%，本年超额收益1.81% [1][2] - 中证1000指数增强组合本周超额收益-0.13%，本年超额收益0.50% [1][2] 选股因子表现跟踪 - 沪深300成分股中三个月换手、股息率、一个月换手等因子表现较好 [1][5] - 中证500成分股中高管薪酬、预期净利润环比、股息率等因子表现较好 [1][7] - 中证1000成分股中预期PEG、SPTTM、一个月波动等因子表现较好 [1][10] - 公募基金重仓股中股息率、预期EPTTM、EPTTM等因子表现较好 [1][12] 公募基金指数增强产品表现 - 沪深300指数增强产品本周超额收益最高1.67%，最低-2.70%，中位数0.11% [1][16] - 中证500指数增强产品本周超额收益最高1.55%，最低-0.45%，中位数0.38% [1][17][19] - 中证1000指数增强产品本周超额收益最高1.59%，最低-0.87%，中位数0.30% [1][21] 公募基金指数增强产品规模 - 沪深300指数增强产品共有66只，总规模813亿元 [15] - 中证500指数增强产品共有68只，总规模493亿元 [15] - 中证1000指数增强产品共有46只，总规模169亿元 [15] 因子MFE组合构建方式 - 采用组合优化模型构建最大化单因子暴露组合，控制行业暴露、风格暴露等约束 [20][22][23] - 设置个股相对于基准指数中权重的偏离幅度为0.5%-1% [23] - 每月末构建单因子MFE组合，回测期内按双边0.3%扣除交易费用 [26] 公募重仓指数构建方式 - 选取普通股票型基金和偏股混合型基金，剔除规模小于五千万且上市不足半年的基金 [24] - 通过基金定期报告获取持股信息，构建公募基金平均持仓 [25] - 选取累计权重达到90%的股票作为成分股构建公募基金重仓指数 [27]

文章核心观点 - 近期保险资金投资黄金业务开始试点，黄金适合险资长期配置，险资购金与央行购金类似，可用黄金价格六因子模型测算其对金价影响，若达试点购金上限预计额外推升金价7.88%涨幅，试点扩展则利多更明显 [1] 分组1：黄金业务试点情况 - 国家金融监督管理总局印发通知开展保险资金投资黄金业务试点，允许10家保险公司投资黄金不超过总资产的1% [1] 分组2：黄金适合险资长期配置原因 - 黄金历史收益率较高，年化收益率大体与全球股票相当，明显优于债券和其他商品 [2] - 黄金波动率和回撤略好于股票、商品，历史表现与全球商品和全球股票持平或略占优势 [2] - 黄金与股债商其他品种历史表现普遍相关性较低，可有效实现分散化配置 [2] 分组3：险资购金发展假设及购金量 - 假设未来购金四步发展：2025年购金量达试点上限一半、购金达到目前试点要求上限、总资产1%购金空间放开至所有保险公司、长期全部险资购金上限放开至总资产的5% [3] - 四步假设下测算总购金量分别为147吨、289吨、527吨、2432吨 [3] 分组4：险资购金影响金价链路 - 市场普遍认为黄金是美元定价商品，沪金价格大多跟随国际金价格变动，险资购金需跨境链路，因潜在购金量大影响链路通顺 [4] 分组5：险资购金与央行购金相似点 - 央行和险资的黄金配置都是长期行为 [5] - 央行和险资购买中都倾向于低调、缓慢购买，避免短期价格冲击 [5] - 本轮试点目的之一可能是以险资提高中国资本市场的黄金定价权，与央行购金逻辑类似 [5] - 央行和险资购金都可通过增加需求和形成宣示效应两条路径影响市场价格 [6] 分组6：险资购金对金价影响测算 - 以黄金价格六因子模型中央行购金对金价影响的弹性测算险资额外购金对金价涨幅的额外助推 [7] - 购金四步假设下，测算对金价的额外利多分别达到涨幅4.00%、7.88%、14.36%、66.23% [7]

| | 2024年新闻入 | | | 2024年被開出 | | | | | --- | --- | --- | --- | --- | --- | --- | --- | | ITS 2 CH | 止夯间称 | - 2777776 | 二级行业 | 正存代码 | 址分间标 | - RATY | -- 98 TJY | | 600015.SH | 华夏银行 | 银行 | 股份制银行 | 600129.SH 太极集团 | | 医药生物 | 中药 | | 600926.SH | 机械银行 | 银行 | 城向行 | 600763.SH 通荣医疗 | | 医药信物 | 医疗服务 | | 601009.SH | 南京银行 | 银行 | 城筒行 | 603087.SH 日季药业 | | 医药生物 | 生物制品 | | 601229.SH | 上海银行 | 银行 | 城商行 | 002603.SZ 以岭药业 | | 医药生物 | 中奖 | | 600025.SH | 华能水电 | ▽用章》 | 电力 | 300357.SZ 找武生物 | | 医药生物 | 生物制品 | | 600674.SH | 川投能源 | 公用事业 | ...

核心观点 - 文章核心观点是介绍中证沪港深红利低波动指数，分析其编制规则、样本构成、历史表现及估值特点，认为该指数具有分散性好、稳定性强、低波动等优势，适合作为红利投资组合的基础配置 [1][2][17] 指数编制概况 - 中证沪港深红利低波动指数从沪港深三市选取100只流动性好、连续分红、股息率高且波动率低的上市公司证券，采用股息率加权 [4] - 样本筛选标准包括连续三年现金分红、股息率排名靠前、过去一年波动率低，每年调整一次样本，调样周转率36.61% [4][5] - 指数基日为2014年11月14日，基点3000，代码930992（人民币）/930993（港元） [4] 样本与行业构成 - 样本权重分散，单个样本权重范围0.535%-3.587%，最高权重为中远海控（3.587%） [7] - 行业分布以金融为主（权重36%），但有8个行业权重超5%，分散性优于同类指数 [8] - 市场分布侧重港股（权重58%），沪港深三市兼备 [10] 历史收益与波动率 - 2015-2025年区间总收益51.78%，略高于中证红利（49.33%），大幅跑赢沪深300（-1.14%）和恒生指数（14.45%） [13] - 年化波动率显著低于市场基准：近五年16.02%（中证红利17.43%，沪深300 19.20%） [15] 当前估值 - 市盈率8.16倍，股息率6.42%，呈现低估值、高分红特征 [16]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：宏观择时模型** - 模型构建思路：通过经济增长、通货膨胀、利率、汇率和风险情绪等多个维度构建宏观动量模型，对股票、债券等大类资产进行择时[25] - 模型具体构建过程： 1. 使用代理变量预测未来的宏观环境（如Inflation等） 2. 根据不同环境选择表现最优的资产构建绝对收益组合 3. 季度配置信号基于逆周期投资框架，月度信号基于宏观动量模型[25] - 模型评价：能够有效捕捉大类资产轮动机会，但依赖宏观变量预测准确性 2. **模型名称：行业ETF轮动模型** - 模型构建思路：从行业基本面、预期基本面、情绪面、量价技术面、宏观经济等维度构建多因子行业轮动策略[26] - 模型具体构建过程： 1. 将ETF跟踪指数与中信一级行业匹配（覆盖23个一级行业） 2. 基于行业轮动因子（历史基本面、预期ROE、情绪指标等）计算行业得分 3. 每月选择得分最高的4个行业等权配置[26][28] 3. **模型名称：股债混合配置模型** - 模型构建思路：通过动态调整股债比例实现风险控制与收益增强[31] - 模型具体构建过程： 1. 基础版本采用固定比例（如20/80股债再平衡） 2. 增强版本结合宏观择时信号动态调整权重 3. 风险平价版本根据资产波动率分配权重[31] 4. **模型名称：量化固收+策略** - 模型构建思路：通过股票端量化选股策略增强固收产品收益[38] - 模型具体构建过程： 1. 股票端采用PB盈利、高股息、小盘价值、小盘成长四种选股策略 2. 与债券端（短债基金指数）按10/90或20/80比例月度再平衡 3. 可选配宏观择时模块动态调整股债比例[38][39] 量化因子与构建方式 1. **因子名称：PB盈利因子** - 因子构建思路：结合市净率和盈利能力的复合价值因子[39] - 因子具体构建过程： $$ PB盈利 = \frac{净利润}{市值} \times \frac{1}{市净率} $$ 通过排序筛选高PB盈利得分股票[39] 2. **因子名称：高股息因子** - 因子构建思路：筛选持续高分红股票获取稳定收益[39] - 因子具体构建过程： 1. 计算近12个月股息率 2. 结合分红稳定性和财务健康度筛选[39] 3. **因子名称：小盘价值因子** - 因子构建思路：在小市值股票中挖掘低估标的[39] - 因子具体构建过程： 1. 按市值分组选取小盘股 2. 在组内应用PB、PE等价值指标排序[39] 4. **因子名称：小盘成长因子** - 因子构建思路：捕捉小市值成长股超额收益[39] - 因子具体构建过程： 1. 按市值分组选取小盘股 2. 在组内应用收入增长率、ROE等成长指标排序[39] 模型的回测效果 1. **宏观择时模型** - 股债20/80再平衡策略：2025年累计收益-0.31%，年化波动率2.71%，最大回撤0.51%[32] - 股债风险平价策略：2025年累计收益0.15%，夏普比率0.87[32] - 股债黄金风险平价策略：2025年累计收益1.27%，夏普比率6.09[32] 2. **行业ETF轮动模型** - 2025年2月组合收益4.55%，相对Wind全A超额-0.75%[26] 3. **量化固收+策略** - 不择时20/80组合：小盘成长策略2025年收益3.38%，小盘价值策略3.09%[39] - 宏观择时20/80组合：小盘成长策略2025年收益1.75%，夏普比率0.01[39] 因子的回测效果 1. **PB盈利因子** - 10/90组合2025年收益0.38%，20/80组合0.69%[39] 2. **高股息因子** - 10/90组合2025年收益0.01%，20/80组合-0.04%[39] 3. **小盘价值因子** - 10/90组合2025年收益1.58%，20/80组合3.09%[39] 4. **小盘成长因子** - 10/90组合2025年收益1.72%，20/80组合3.38%[39]

周末闲来无事，回答最近一段时间读者留言比较多的几个问题。 什么是暴跌次日公式？ 其实就是短线超卖后的日内反弹模型。通常发生在连续下跌、暴跌后的下一个交易日，具体走势是开盘 小弹、犹豫、横盘、下跌、加速、暴跌、插针、快速反弹、横盘震荡、继续拉升、收盘，大致是这个样 子，所以插针的那一下是日内值得投机的买点。 前几年经常出现-4%、-5%的暴力长阴，所以第二天买插针通常有3%以上的日内操作机会，这几年类似 的机会变少了，我也就说的不多了。本周五跌完，日线已经形成超卖，公式的前置条件已经具备，下周 一可以看看有没有针。 至于为什么近几年公式套用的机会变少，我也私底下琢磨过，可能和国家队资金维稳，以及量化资金的 介入有一定关系，当然也只是想想，毕竟没数据没证据。 a股行情现在这么差劲是不是都被量化交易给害了，关停量化是不是就解决问题了？ a股的量化 规模 比较靠谱 的数据大概在2万亿左右， a股总体最新市值大概在90万亿左右， 也就 是说量化 头寸占比2.2%左右。 但是量化基金的实际影响力要 比2.2%大的多，因为量化基金的交 易频率远远高于 其它机构和自然人， 如果按照交易 规模的占比来算，熊市的时候 20-30 ...

指数基金的历史与影响 - 约翰·博格被巴菲特誉为为美国投资者贡献最大的人，其指数基金帮助投资者节省数千亿美元 [3][5] - 巴菲特10年赌局证明标普500指数基金(126%)跑赢对冲基金FOF(36%) [5] - 2024年美国指数基金规模首次超过主动基金，全球最大股票/债券/黄金基金均为指数基金 [5] - 中国指数基金规模快速增长，2024年国家队通过沪深300/上证50 ETF救市投入超3000亿元 [5] - 截至2020年美国公募指数基金规模达16万亿美元，私募/养老金等也广泛采用 [8] 理论基础与学术发展 - 路易斯·巴舍利耶1900年提出"随机游走"理论，奠定金融数学基础 [15][16] - 马科维茨1952年创立现代投资组合理论，证明分散配置降低风险 [17] - 威廉·夏普发展资本资产定价模型，提出β(市场回报)和α(超额收益)概念 [18] - 尤金·法马提出有效市场假说，后与弗兰奇共同建立三因子模型 [20][21] - 三位学者均获诺贝尔经济学奖，理论成为被动投资基石 [22] 产品创新与市场变革 - 富国银行1971年推出首只被动指数基金(600万美元) [23] - 先锋领航1976年发行首只个人指数基金(费率0.5%，仅为主动基金1/10) [25] - 先锋500指数基金规模从1976年1400万增至2000年1000亿美元 [25] - 1990年加拿大推出首只ETF，1993年美国SPDR上市(现规模超1000亿) [29] - 全球ETF数量从2000年不足100只增至近万只，规模达9万亿美元 [32] 行业格局与潜在问题 - 指数编制三巨头(MSCI/富时罗素/标普道琼斯)控制70%市场份额 [35] - 贝莱德/先锋/道富三家管理标普500成分股20%以上股份 [37] - 指数基金三巨头占股东投票总数1/4，投票权外包给咨询公司 [38] - 行业集中度引发担忧，博格警告权力过度集中不利发展 [38][40] - ETF创新带来新问题，如主题炒作频繁交易等行为风险 [32]