美国降息周期中的港股表现 - 在美国降息周期中港股弹性或好于美股主要受益于流动性和风险偏好改善 [1] - 首推TMT能源电讯行业 [1] - 当前美国劳动力市场降温信号逐渐显现叠加关税带来的通胀压力可能强化滞胀交易环境 [1] 滞胀交易模式特征 - 通胀担忧缓解前交易模式以滞胀交易为主阶段性切向宽松交易情形Ⅰ和衰退交易情形Ⅰ [1] - 滞胀交易下港股涨幅较高接近宽松交易涨幅美股小幅上涨接近复苏交易涨幅 [1] - 美债收益率回落接近衰退交易跌幅大宗商品小幅上涨接近宽松和复苏交易涨幅 [1] 港股科技ETF产品特性 - 港股科技ETF（513020）跟踪港股通科技指数（931573） [1] - 指数从通过港股通交易的科技相关上市公司中选取资讯科技业电子零件互动媒体及服务等行业市值最高的30只证券作为指数样本 [1] - 指数侧重信息技术与硬件设备领域展现软硬结合及多赛道均衡配置的特点 [1] 替代投资渠道 - 没有股票账户的投资者可关注国泰中证港股通科技ETF发起联接A（015739）和国泰中证港股通科技ETF发起联接C（015740） [1]

行业配置变动 - 投资者增加科技板块持仓1.9个百分点 工业与通信服务板块各增0.6个百分点 [1] - 医疗保健板块持仓减少1.3个百分点 金融与必需消费品板块各减0.7个百分点 [1] - 小盘股中科技板块持仓增幅达2.3个百分点 非必需消费品板块增0.9个百分点 [1] 小盘股特征 - 小盘必需消费品板块持仓下降0.9个百分点 医疗保健板块下降0.8个百分点 [1] - 对冲基金超配小盘医疗保健板块达资产管理规模28%（基准指数占比10%） [2] - 小盘股领域增加金融与通信服务板块配置 [1] 科技板块持仓格局 - 对冲基金持续低配科技板块 该趋势自2017年延续至今 [1] - 低配主因大型科技股快速扩张导致持仓权重被动下降 [1] 地域持股分布 - 美国本土基金持有标普500指数81%的股权 [1] - 能源板块北美市场持股集中度达86% 为地域主导性最强板块 [2] - 房地产板块外国持股占比22% 为国际化程度最高板块 [2]

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：扩散指数行业轮动模型** - **模型构建思路**：基于价格动量原理，通过行业扩散指数捕捉行业趋势，选择向上趋势的行业进行配置[24] - **模型具体构建过程**： 1. 计算各中信一级行业的扩散指数，反映行业价格趋势强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月进行轮动调仓，配置扩散指数提升较大的行业[25][26] - **模型评价**：在趋势性行情中表现较好，但在市场反转时可能失效[24] 2. **模型名称：GRU因子行业轮动模型** - **模型构建思路**：基于GRU深度学习网络，利用分钟频量价数据生成行业因子，捕捉短期交易机会[30] - **模型具体构建过程**： 1. 使用GRU网络处理行业分钟频量价数据 2. 输出行业因子得分，反映行业短期动量特征 3. 选择GRU因子得分较高的行业进行配置[31][32] - **模型评价**：在短周期表现较好，但长周期表现一般，极端行情可能失效[30] 量化因子与构建方式 1. **因子名称：行业扩散指数** - **因子构建思路**：衡量行业价格趋势强度，反映行业动量特征[25] - **因子具体构建过程**： 1. 计算行业价格序列的扩散指标 2. 标准化处理得到扩散指数，取值范围0-1 3. 指数越高表示行业趋势越强[26] 2. **因子名称：GRU行业因子** - **因子构建思路**：通过GRU网络提取行业量价特征，反映短期交易信号[31] - **因子具体构建过程**： 1. 输入行业分钟频量价数据到GRU网络 2. 网络输出行业因子得分，得分越高表示短期动量越强[32] 模型的回测效果 1. **扩散指数行业轮动模型** - 2025年8月超额收益1.51%[28] - 2025年以来超额收益1.75%[28] 2. **GRU因子行业轮动模型** - 2025年8月超额收益-1.78%[33] - 2025年以来超额收益-6.66%[33] 因子的回测效果 1. **行业扩散指数** - 截至2025年8月15日，排名前六的行业扩散指数值： - 综合金融1.0 - 钢铁1.0 - 非银行金融0.999 - 综合0.998 - 有色金属0.997 - 通信0.997[25] 2. **GRU行业因子** - 截至2025年8月15日，排名前六的GRU因子值： - 有色金属5.67 - 非银行金融4.65 - 建材4.14 - 房地产4.08 - 钢铁3.64 - 基础化工2.71[31]

报告行业投资评级 未提及 报告的核心观点 本周A股市场持续上升，上证指数稳定在3600点之上，两市周度日均成交额较上周减少，融资融券余额突破2万亿且呈上升趋势，市场杠杆资金参与度活跃，投资者风险偏好较高；动量因子和盈利因子涨幅居前，市值因子跌幅较大；股指期货中IM基差升水，IH基差贴水；建议关注国产算力产业链、AI应用端以及消费复苏板块，在指数回调后关注左侧布局机会 [1][10][13] 根据相关目录分别进行总结 本周市场回顾 行业指数 本周有色金属、机械和国防军工等板块涨幅居前，综合金融和非银行金融板块交易活跃度大幅降低；上周涨幅较优的医药板块本周回调，上周跌幅较大的煤炭、有色金属板块本周大幅反弹；大部分行业板块成交额占比近四周新低，投资者应注意行业板块拥挤度风险 [10] 市场风格 本周五类中信风格指数均上涨，周期风格涨幅领先，成长风格周度成交额占比提升至近四周最高值，消费风格涨幅最小且成交额占比小幅下降，稳定和金融风格成交额占比均降至近四周最低水平；主要宽基指数均上涨，小盘股超额收益显著 [12] 主动权益基金 不同主题赛道中本周表现优异的基金 以TMT、金融地产、消费、医药、制造和周期六个板块为基准，筛选出单赛道和双赛道中本周表现优异的基金，如周期赛道的前海开源沪港深核心资源A、消费赛道的汇添富消费升级A等 [17][18] 不同策略分类中表现优异的基金 将基金分为深度低估、高成长、高质量等类型，统计出本周不同类型基金中表现优异的基金，如深度低估策略的华夏磐锐一年定开A、高成长策略的民生加银前沿科技等 [19][20] 指数增强型基金 本周指数增强基金的超额收益分布 沪深300、中证500、中证A500、创业板、科创创业50指数增强基金超额收益均值为正，中证1000、中证2000指数增强基金超额收益均值为负；中性对冲基金和量化多头基金绝对收益均值为正 [23][24] 本期债券基金选品 中长债基金池 根据基金规模、收益风险指标等筛选出中长债基金池，如博时双季乐六个月持有A、农银汇理悦利等 [38][39] 短债基金池 筛选出短债基金池，如上银慧享利30天滚动中短债A、浦银安盛稳鑫120天滚动中短债A等 [39] 本周基金高频仓位探测 最近一周主动权益基金大幅加仓机械和计算机行业，大幅减仓电子、银行和汽车行业；最近一个月通信、银行和非银行金融行业仓位明显增加，食品饮料行业仓位明显减少 [3][40] 本周美元债基金周度跟踪 对关注的美元债基金进行周度跟踪，如华安全球美元收益A美元现汇、华安全球美元票息A美元现汇等，展示了基金规模、区间收益、近三年最大回撤和申购赎回状态 [44][45]

市场行情回顾 - 两融余额突破2万亿，市场情绪偏强，成长与周期板块持续轮动 [4] - 市场成交额小幅回落但仍处高位，受新藏铁路预期带动周期板块走强 [4] - 建议在周期、稀土、科技、军工、医药等主题轮动回调时布局 [4] 股票市场因子跟踪 - 小盘成长风格大幅占优，大小盘风格波动上升，价值成长风格波动下降 [6] - 行业指数超额收益离散度保持近一年低位，行业轮动速度下降 [6] - 前100个股成交额占比及前5行业成交额占比均上升，市场波动率升高但换手率略降 [6][12] 商品市场因子跟踪 - 贵金属及农产品板块趋势强度上升，其余板块持平或下降 [15] - 贵金属及有色板块基差动量快速上升，有色板块波动率略有下降 [15] - 有色及贵金属板块流动性下降，黑色及能化板块波动率维持 [15] 期权市场因子跟踪 - 上证50与中证1000隐含波动率继续回落，期权偏度短期快速震荡 [24] - 市场上涨与估值风险防范情绪形成矛盾，右侧与左侧交易博弈 [24] 可转债市场因子跟踪 - 百元转股溢价率接近一年最高值，低溢价率转债占比趋势增加 [26] - 市场热度推动转债成交额继续升高，结构性涨幅特征显著 [26]

市场走势分析 - 当前A股呈现"结构性牛市"特征，行业收益率差异显著，行业轮动策略可通过捕捉强势行业获取超额收益 [2] - 相比2024年10月政策驱动的急涨，本轮上涨由基本面修复和流动性宽松支撑，走势更健康：二季度GDP增速5.2%，企业盈利修复趋势明确 [3] - 政策面有托底信号：中央汇金增持ETF超1900亿元，险资加仓低估值蓝筹，"国家队"释放维稳信号 [3] - 增量资金持续入场：北向资金上半年净增持101亿美元，融资余额4月以来增加750亿元，居民储蓄通过公募入市趋势延续 [3] 投资策略与板块配置 - 行业轮动策略采用月度调仓周期，平衡交易成本与调仓频率，设定15%~20%收益率止盈目标和2%~4%固定比例止损 [2] - 短期操作建议：若回调至3550点附近且缩量企稳，可加仓金融（银行/券商）及回调充分的科技成长股（AI算力/创新药） [3] - 中期配置方向：守势板块关注高股息蓝筹防御波动，攻势方向关注科创50、人形机器人、创新药等政策与产业共振领域 [3] 财富管理行业趋势 - 中国财富管理行业进入高增长周期，投资顾问作为"最后一公里"引路人直接影响全民资产配置走向 [1] - 行业从"规模扩张"转向"高质量发展"，投顾需整合"买方立场+科技内化+跨域专业+全球视野"四维能力 [4] - 服务模式面临转型：从"卖方销售"（依赖佣金）转向"买方投顾"（收取咨询费），需重构收入结构并解决短期阵痛 [4] 科技赋能与能力升级 - 智能投顾工具可支持个性化服务，但对非结构化数据洞察存在瓶颈，AI可替代基础分析工作如风险评估、策略生成 [4] - 投顾需升级为"决策赋能者"，利用AI整合宏观-行业-企业分析，动态适配市场变化，同时运用大模型优化投研匹配与客服响应 [5] - 未来服务模式为"人机协同"：AI处理标准化流程，投顾专注情感陪伴，实现客户账户价值与情绪价值双重提升 [5]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：扩散指数行业轮动模型** - **模型构建思路**：基于价格动量原理，通过行业扩散指数捕捉行业趋势，选择趋势向上的行业进行配置[27] - **模型具体构建过程**： 1. 计算各中信一级行业的扩散指数，反映行业价格趋势强度 2. 选择扩散指数排名靠前的行业作为配置标的 3. 每月进行轮动调仓，动态调整行业配置[27] - **模型评价**：在趋势行情中表现优异，但在市场反转时可能失效[27][37] 2. **模型名称：GRU因子行业轮动模型** - **模型构建思路**：基于GRU深度学习网络，利用分钟频量价数据生成行业因子，捕捉短期交易信号[33][38] - **模型具体构建过程**： 1. 使用GRU网络处理高频量价数据，提取行业特征 2. 生成GRU行业因子，反映行业短期动量 3. 选择因子排名靠前的行业进行配置，每周调仓[33][36] - **模型评价**：擅长把握短期交易机会，但长周期表现一般，极端行情下可能失效[33][38] 量化因子与构建方式 1. **因子名称：行业扩散指数** - **因子构建思路**：衡量行业价格趋势的强度，用于识别动量较强的行业[27][28] - **因子具体构建过程**： 1. 计算行业价格序列的扩散指标 2. 标准化处理得到扩散指数，范围在0到1之间 3. 指数越接近1，表示行业趋势越强[28][29] 2. **因子名称：GRU行业因子** - **因子构建思路**：通过GRU网络提取行业量价特征，生成因子得分[33][34] - **因子具体构建过程**： 1. 输入行业分钟频量价数据到GRU网络 2. 输出行业因子得分，正得分表示看涨，负得分表示看跌[34][36] 模型的回测效果 1. **扩散指数行业轮动模型** - 2025年以来超额收益：-0.41%[26][31] - 2024年超额收益：-5.82%[27] - 2023年超额收益：-4.58%[27] - 2022年超额收益：6.12%[27] 2. **GRU因子行业轮动模型** - 2025年以来超额收益：-4.35%[33][36] - 本周超额收益：0.65%[36] - 8月以来超额收益：0.32%[36] 因子的回测效果 1. **行业扩散指数** - 最新排名靠前的行业：综合金融(1.0)、钢铁(1.0)、建材(1.0)[28][29] - 环比提升较大的行业：煤炭(+0.683)、石油石化(+0.396)[29][30] 2. **GRU行业因子** - 最新排名靠前的行业：钢铁(2.82)、建材(1.72)、交通运输(1.3)[34][36] - 环比提升较大的行业：钢铁、建材、交通运输[34][36]

量化模型与构建方式 1. **模型名称**：多元CNN-LSTM预测模型 - **模型构建思路**：结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势，通过多元时间序列分析技术对并行金融时间序列（如行业指数）进行联合预测，考虑序列间的动态相关性[11][12] - **模型具体构建过程**： 1. **输入层**：对齐多个时间序列数据并按时间顺序排列[14] 2. **卷积层**：使用64个过滤器（卷积核大小=2）提取特征，激活函数为ReLU[20] 3. **池化层**：窗口大小为（2,2）[20] 4. **LSTM层**：两层隐含单元（各128个），处理时序依赖关系[20] 5. **全连接层**：输出预测值，损失函数为均方根误差（RMSE）： $$R M S E={\sqrt{\frac{1}{n}\sum_{i}({\hat{y_{i}}}-y_{i}\,)^{2}}}$$ [20] - **模型评价**：对TMT行业预测精度较高，消费类行业误差较大；分组训练后预测效果提升[25][32] 2. **模型名称**：分组多元CNN-LSTM - **模型构建思路**：将申万一级行业按投资属性分为6组（如消费及医药、大科技等），每组独立训练子模型以降低复杂度[26][27] - **模型具体构建过程**： 1. **行业分组**：消费及医药（9行业）、上游资源及材料（5行业）、高端制造（6行业）、地产及基建（4行业）、大科技（4行业）、大金融（2行业）[27] 2. **子模型结构**：每组采用与主模型相同的CNN-LSTM架构，但参数独立训练[28] 3. **预测整合**：各子模型输出组内行业预测值，最终合并为全行业预测结果[28] --- 量化因子与构建方式 1. **因子名称**：T+5行业收益率预测因子 - **因子构建思路**：基于多元CNN-LSTM模型对行业指数未来5日收益率的预测值，作为行业轮动信号的输入[35] - **因子具体构建过程**： 1. 调整模型超参数：时序回看窗口扩展至20天，LSTM隐含单元增至256个[34] 2. 使用扩展窗口训练（2014年3月至调仓时点前数据），每季度重新训练[35] 3. 对T+5预测值排序，选取前5名行业作为多头组合[35] --- 模型的回测效果 1. **多元CNN-LSTM（全行业）**： - 测试集预测误差范围：1.56%~3.30%（T+1）[23] - TMT行业误差最低（如电子1.56%），消费类较高（如食品饮料3.25%）[23] 2. **分组多元CNN-LSTM**： - 分组后测试误差改善：电子从1.56%降至1.78%，食品饮料从3.25%降至2.68%[32][33] - T+5预测误差较T+1显著上升，但仍在可接受范围[37] 3. **行业轮动策略**： - 年化收益：15.6%（基准3.6%），年化超额收益11.6%[38] - 最大回撤：-27.1%（基准-36.3%），夏普比率0.7（基准0.27）[38] --- 因子的回测效果 1. **T+5收益率预测因子**： - 行业轮动组合IR：1.01，最长回撤修复时间248天[38] - 分组后因子稳定性提升，但T+5预测误差波动增大[37]

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：遗传规划行业轮动模型** - **模型构建思路**：直接对行业指数的量价、估值等数据进行因子挖掘，每季度末更新因子库，采用周频调仓[30][32] - **模型具体构建过程**： 1. 每周末计算多因子综合得分，选取得分最高的五个行业 2. 对选中的行业进行等权配置 3. 季度末更新因子库以保持模型适应性[30][32] - **模型评价**：能够紧跟市场主线，捕捉热点板块，如科技、消费和周期行业的轮动机会[32][33] 2. **模型名称：境内绝对收益ETF模拟组合** - **模型构建思路**：大类资产配置权重基于资产近期趋势计算，权益内部配置采用月频行业轮动模型观点[34][36] - **模型具体构建过程**： 1. 对趋势较强的资产赋予较高权重 2. 权益资产内部直接采用行业轮动模型的月度观点 3. 动态调整权益和商品仓位[34][36] 3. **模型名称：全球资产配置模拟组合** - **模型构建思路**：基于周期三因子定价模型预测全球大类资产收益率，采用"动量选资产，周期调权重"的风险预算框架[40][42] - **模型具体构建过程**： 1. 对资产未来收益率进行预测排序 2. 根据动量选择资产，周期调整权重 3. 目前超配债券和外汇[40][42] 模型的回测效果 1. **遗传规划行业轮动模型** - 年化收益：31.39% - 年化波动：18.12% - 夏普比率：1.73 - 最大回撤：-19.63% - 卡玛比率：1.60 - 上周表现：3.15% - YTD：28.79%[32] 2. **境内绝对收益ETF模拟组合** - 年化收益率：6.52% - 年化波动率：3.81% - 最大回撤：4.65% - 夏普比率：1.71 - Calmar比率：1.40 - 今年以来收益率：5.69% - 近一周收益率：0.34%[39] 3. **全球资产配置模拟组合** - 年化收益率：7.22% - 年化波动率：4.82% - 最大回撤：-6.44% - 夏普比率：1.50 - Calmar比率：1.12 - 今年以来收益率：-3.04% - 近一周收益率：0.61%[41] 情绪指标构建方式 1. **期权市场情绪指标** - **构建思路**：通过认购与认沽期权成交活跃程度表征投资者方向性观点[17][20] - **具体构建**： 1. 计算上证50ETF和沪500ETF期权的认购成交额与认沽成交额之比 2. 观察该比值是否突破布林带上轨判断过热信号[17][20] 2. **隐含波动率指标** - **构建思路**：通过认购与认沽期权隐含波动率比值衡量投资者情绪[20][25] - **具体构建**： 1. 计算认购期权隐含波动率与认沽期权隐含波动率比值 2. 比值高低反映市场乐观或悲观程度[20][25] 3. **股指期货基差指标** - **构建思路**：基差体现投资者对未来价格的预期，与市场情绪相关[26][29] - **具体构建**： 1. 对IC、IF、IH、IM四个品种计算持仓量加权年化基差率 2. 基差序列趋势反映期货市场情绪变化[26][29] 情绪指标近期表现 1. **期权成交额沽购比**：上周有所回升但仍低于7月极值水平[17][24] 2. **隐含波动率比值**：上周震荡下行[20][25] 3. **股指期货基差率**：上周维持波动向下趋势[26][29]

核心观点 - 市场轮动速度显著加快，2025年轮动指标降至61.95%，热点持续性大多不超过20天 [3][8] - 轮动加速时融资余额与指数同步性高，轮动放缓时融资响应滞后 [3][14] - 指数轮动策略年化收益20.25%，近三年表现优于行业轮动的16.03%，热点轮动和行业轮动相对于等权基准的年化超额分别为9.72%和9.06% [3] - 龙头股映射策略年化收益达15.79%，近几年相对于沪深300表现稳健 [3] 轮动逻辑与因子框架 行业轮动有效因子 - 分位数因子(QTLU/QTUD)：支撑位动量(QTUD)在熊市更有效，压力位动量(QTLU)在牛市更有效 [3] - 波动占比因子(SUMN)：正向波动占比越高行业强度越强 [3] - 极值因子(RSV/MAX)：短期极值(RSV5)对热点敏感 [3] - 动量因子(ROC/MA)：MA10和ROC10分年度胜率突出 [3] 热点指数轮动优化 - 使用68个Wind热门指数作为数据源，剔除冗余项 [4] - 核心因子包括分位数因子(QTLU_20_95)、残差与排序因子(RESI30、RANK20) [4] - 采用T+1收盘换仓策略(周三执行)缓解因子衰减 [4] - 热点指数Top5成分股组合年化收益15.79%，显著跑赢沪深300 [4] 策略应用 行业轮动持仓 - 2025年高频持仓集中在银行、汽车、有色等行业 [4] - 2025年7月新增煤炭、基础化工行业持仓 [4] 热点指数持仓 - 2025年7月调入半导体、锂矿、能源设备指数 [4] - 调出汽车零部件、酒类指数 [4] 市场轮动特征分析 - 热点轮动动量持续性指标近几年持续下降，从2011年的81.52%降至2025年的61.95% [8] - 行业在主线上的持续程度一直低于热点轮动 [8] - 采用多窗口动态评估(20/60/120/240日)计算行业相对强度，避免单一周期偏差 [8] - 选取5日收益率TOP5行业计算多周期综合强度均值 [8] 资金结构与轮动关系 - 轮动快时融资响应迅速(如2024年9月)，轮动慢时融资响应滞后(如2019-2020年) [14] - 融资余额变化与指数涨幅高度同步时，显示游资散户参与度高 [14] - 热点轮动速度与融资融券余额存在明显相关性 [15][17] 因子表现分析 分位数因子 - QTUD_20_5因子年化超额达16.77%，QTLU_20_95因子年化超额14.19% [41][43] - 支撑位动量在21年后超额收益相对稳健 [55] - 期限越短支撑位相对更重要，期限越长压力位距离更重要 [55] 波动占比因子 - SUMN10因子第一组年化超额-1.73%，第五组达14.20% [68] - SUMN10_v4因子表现优于基础SUMN因子 [68] 均值极值类因子 - MA10因子年化超额6.70%，MA20因子7.75% [77] - MAX10因子年化超额5.95%，MIN10因子5.43% [77] RSV类因子 - RSV20因子年化超额8.83%，RSV5因子7.02%，RSV10因子8.57% [81] - RSV类因子近几年表现相对较好 [79] 综合因子表现 - 合成行业轮动因子近三年相对稳健，相对于行业等权基准年化超额9.06% [85][91] - 2025年最新持仓显示银行、汽车、有色持有频次较高 [92] - 2025年7月持仓调整新增煤炭、基础化工等行业 [92]