根据您提供的研报内容，以下是关于量化模型和因子的总结。报告主要对宽基指数进行多维度跟踪分析，并未涉及传统意义上的预测型量化模型或选股因子，而是包含了一系列用于评估市场状态和指数特征的量化指标。这些指标可被视为用于构建市场监测模型的“因子”。 量化因子与构建方式 1. **因子名称**：指数均线比较因子 **因子构建思路**：通过比较指数价格与不同周期移动平均线的关系，判断当前价格在短期和长期趋势中的相对位置[13] **因子具体构建过程**：计算指数收盘价与MA5、MA10、MA20、MA60、MA120、MA250等移动平均线的差值百分比。公式为： $$ \text{vsMA}_n = \frac{\text{Close} - \text{MA}_n}{\text{MA}_n} \times 100\% $$ 其中，$Close$代表当日指数收盘价，$MA_n$代表n日移动平均线[15] 2. **因子名称**：指数相对高位低位因子 **因子构建思路**：通过计算指数当前价格相对于近期历史高点和低点的位置，衡量市场的超买超卖程度[13] **因子具体构建过程**：选取近250个交易日的最高价和最低价，计算当前收盘价相对于该高点和低点的偏离幅度。公式为： $$ \text{vs近250日高位} = \frac{\text{Close} - \text{High}_{250}}{\text{High}_{250}} \times 100\% $$ $$ \text{vs近250日低位} = \frac{\text{Close} - \text{Low}_{250}}{\text{Low}_{250}} \times 100\% $$ 其中，$High_{250}$和$Low_{250}$分别代表近250交易日的最高价和最低价[15] 3. **因子名称**：交易金额占比因子 **因子构建思路**：计算特定指数成交额在全市场成交额中的占比，反映资金在不同板块间的流向和关注度[18] **因子具体构建过程**：以中证全指的交易金额作为市场总金额基准，计算各宽基指数成分股当日总成交金额与其比值。公式为： $$ \text{交易金额占比} = \frac{\sum \text{指数成分股成交金额}}{\text{中证全指成交金额}} \times 100\% $$ [18] 4. **因子名称**：指数换手率因子 **因子构建思路**：衡量指数整体交易的活跃程度[18] **因子具体构建过程**：采用流通市值加权平均的方式计算指数换手率。公式为： $$ \text{指数换手率} = \frac{\sum (\text{成分股流通股本} \times \text{成分股换手率})}{\sum \text{成分股流通股本}} $$ [18] 5. **因子名称**：收益分布峰度因子 **因子构建思路**：通过计算指数日收益率分布的峰度，衡量收益率分布的尖峰肥尾特性，反映收益的集中程度和极端风险[23][25] **因子具体构建过程**：基于指数日收益率序列，计算其超额峰度（Excess Kurtosis），即计算出的峰度值减去正态分布的峰度值3。报告中显示的是当前峰度与近5年历史峰度的偏离值（当前vs近5年）[25] 6. **因子名称**：收益分布偏度因子 **因子构建思路**：通过计算指数日收益率分布的偏度，衡量收益率分布的不对称性，反映正负极端收益出现的概率差异[23][25] **因子具体构建过程**：基于指数日收益率序列，计算其偏度（Skewness）。报告中同时展示了当前偏度值与近5年历史偏度值的偏离情况（当前vs近5年）[25] 7. **因子名称**：风险溢价因子 **因子构建思路**：计算股票指数收益率与无风险收益率之差，衡量投资股票市场所要求的额外风险补偿[28][30] **因子具体构建过程**：以十年期国债即期收益率作为无风险利率的代理变量，风险溢价为指数收益率减去无风险利率。报告中计算了当前风险溢价在近1年和近5年历史数据中的分位值[30][32] $$ \text{风险溢价} = \text{指数收益率} - \text{无风险利率} $$ 8. **因子名称**：PE-TTM估值因子 **因子构建思路**：使用滚动市盈率（PE-TTM）及其历史分位值来评估指数的估值水平[38][40] **因子具体构建过程**：计算指数的总市值与其成分股最近12个月净利润总和的比值，得到PE-TTM。进一步计算该值在近1年及近5年历史数据中的分位值，以判断当前估值所处的位置[42][43] 9. **因子名称**：股债性价比因子 **因子构建思路**：比较股票市场收益率与债券收益率的相对吸引力，又称FED模型或股息率差模型[45] **因子具体构建过程**：计算股票市场盈利收益率（即PE-TTM的倒数）与十年期国债收益率的差值。公式为： $$ \text{股债性价比} = \frac{1}{\text{PE-TTM}} - \text{十年期国债收益率} $$ 报告中通过该因子的历史分位值（如80%和20%）来判断投资机会与风险[45] 10. **因子名称**：股息率因子 **因子构建思路**：计算指数成分股的现金分红回报率，是价值投资和红利策略的重要参考指标[47][52] **因子具体构建过程**：计算指数成分股最近12个月现金分红总额与指数总市值的比值。公式为： $$ \text{股息率} = \frac{\sum \text{成分股近12个月现金分红}}{\text{指数总市值}} \times 100\% $$ 报告中计算了该因子的当前值及其在近1年和近5年历史中的分位值[52] 11. **因子名称**：破净率因子 **因子构建思路**：计算指数中市净率（PB）小于1的个股占比，反映市场总体的悲观程度和估值洼地情况[54] **因子具体构建过程**：统计指数中所有成分股，计算其中市净率（股价/每股净资产）低于1的股票数量，再计算其占指数总成分股数量的百分比。公式为： $$ \text{破净率} = \frac{\text{市净率} < 1 \text{的成分股数量}}{\text{指数总成分股数量}} \times 100\% $$ [54] 因子的回测效果 报告未提供基于这些因子的量化策略回测结果，如年化收益率、夏普比率、信息比率（IR）或最大回撤等传统回测绩效指标。报告的核心是对各宽基指数在不同因子上的当前状态和历史分位进行静态展示和对比分析[10][15][32][43][52]。

跨资产比较 - 大宗商品整体上行，贵金属与原油领涨，表现强于股债 [1] - 权益市场震荡调整，美股三大股指回调，A股逆势上涨 [1] - 中债市场整体承压，三大债指均小幅下行 [1] - 美元指数上涨0.6%，美元兑日元走强1.0% [1] - A股与中债国债间负相关、与港股间正相关的程度均显著下降 [1] - A股、美股相对10Y国债的风险溢价均边际下降，A股相对商品的风险溢价边际上升 [1] 全球权益市场 - MSCI全球指数结束连续三周上涨，下跌0.5%，新兴市场跌幅高于发达市场，亚洲市场跌幅高于欧洲和北美 [2] - 发达市场中，美国三大股指小幅下跌，港股恒指与恒科均跌逾1.5%，欧股普遍走强，STOXX50上涨0.8%，富时100上涨0.7%，德国DAX上涨0.4%，日经225上涨0.7% [2] - 新兴市场中，A股表现亮眼，科创50大涨6.5%，创业板指上涨2.0%，沪深300上涨1.1%，但中小盘承压，中证1000和国证2000分别下跌0.5%、1.3% [2] - 韩国综指与KOSDAQ分别下跌1.7%、3.2%，印度SENSEX30与NIFTY50均下跌2.7%，墨西哥MXX上涨1.8%，巴西IBOVESPA小幅回调0.3% [2] 债券市场 - 中债收益率曲线整体上移，10Y-2Y期限利差收窄呈熊平，AAA级信用债收益率普遍上行，信用利差边际扩大 [3] - 美债收益率曲线整体上移，10Y-2Y期限利差持平，10Y-3M期限利差边际扩大呈熊陡 [3] - 截至9月27日，CME FedWatch显示10月降息25bp概率降至87.7%，年内预计降息2次共50bp，美联储内部对货币政策路径分歧加大 [3] 商品与外汇市场 - 南华商品指数上涨0.2%，CRB商品指数上涨2.0%，13类主要商品期货中6类上涨，COMEX银与布油涨幅居前 [4] - COMEX银年内涨幅达59.6%，COMEX金/银/铜库存均边际上涨，期货非商业持仓多空比均边际下降 [4] - 美元指数上涨0.6%，欧元、英镑、人民币兑美元分别贬值0.4%、0.5%、0.3%，日元兑美元大幅贬值1% [4] - 年初以来美元指数贬幅降至9.5%，欧元、英镑、日元、人民币兑美元涨幅降至13.0%、7.1%、4.9%、2.3% [4]

量化模型与构建方式 1. 模型名称：风险溢价模型 - 模型构建思路：以十年期国债即期收益率为无风险利率参考，计算各宽基指数相对于无风险利率的风险溢价，衡量其相对投资价值和偏离情况[29] - 模型具体构建过程：风险溢价 = 指数收益率 - 十年期国债即期收益率[29][30][31] - 模型评价：各跟踪指数的风险溢价有明显的均值复归现象，中证1000和中证2000的风险溢价波动率相对较大[30] 2. 模型名称：股债性价比模型 - 模型构建思路：以各指数PE-TTM的倒数与十年期国债即期收益率之差作为股债性价比指标，观察其走势和投资价值[48] - 模型具体构建过程：股债性价比 = (1/PE-TTM) - 十年期国债即期收益率[48] 3. 模型名称：破净率分析模型 - 模型构建思路：通过市净率指标分析股票价格与每股净资产的关系，破净率反映市场估值态度[55][57] - 模型具体构建过程：破净率 = (市净率 < 1的股票数量) / 总股票数量[55][57] - 模型评价：破净数和占比越高，低估的情况越普遍；破净数及占比越低，可能表明市场对未来发展持乐观态度[57] 量化因子与构建方式 1. 因子名称：均线比较因子 - 因子构建思路：通过比较指数价格与不同周期移动平均线的关系，判断市场趋势和支撑阻力位[15] - 因子具体构建过程：计算指数收盘价与MA5、MA10、MA20、MA60、MA120、MA250的偏离幅度[17] $$偏离幅度 = (收盘价 - 移动平均价) / 移动平均价 × 100\%$$[17] 2. 因子名称：换手率因子 - 因子构建思路：通过计算各宽基指数的换手率，反映市场交易活跃度[19][20] - 因子具体构建过程：$$换手率 = Σ(成分股流通股本 × 成分股换手率) / Σ(成分股流通股本)$$[20] 3. 因子名称：收益分布形态因子 - 因子构建思路：通过分析日收益率的分布特征，包括峰度和偏度，反映市场收益分布形态[24][26] - 因子具体构建过程： - 峰度计算：$$Kurtosis = \frac{E[(X - μ)^4]}{(E[(X - μ)^2])^2} - 3$$（减去正态分布峰度3）[27] - 偏度计算：$$Skewness = \frac{E[(X - μ)^3]}{(E[(X - μ)^2])^{3/2}}$$[27] 4. 因子名称：PE-TTM估值因子 - 因子构建思路：使用滚动市盈率作为估值参考，衡量各指数在当前时点的投资价值[41][43] - 因子具体构建过程：PE-TTM = 总市值 / 最近12个月净利润[45][46] 5. 因子名称：股息率因子 - 因子构建思路：反映现金分红回报率，红利投资是一种投资风格[50] - 因子具体构建过程：股息率 = 年度现金分红 / 当前股价[55][56] 模型的回测效果 1. 风险溢价模型 - 近1年分位值：上证50(38.89%)、沪深300(49.60%)、中证500(28.57%)、中证1000(26.59%)、中证2000(23.41%)、中证全指(28.17%)、创业板指(43.25%)[32] - 近5年分位值：上证50(45.87%)、沪深300(54.52%)、中证500(31.75%)、中证1000(31.11%)、中证2000(24.21%)、中证全指(35.95%)、创业板指(47.62%)[32] 2. 股债性价比模型 - 当前状态：没有指数高于其80%分位，中证500低于其20%分位[48] 3. 破净率分析模型 - 当前破净率：上证50(26.0%)、沪深300(17.0%)、中证500(11.6%)、中证1000(7.4%)、中证2000(3.35%)、创业板指(1.0%)、中证全指(6.17%)[57] 因子的回测效果 1. 均线比较因子 - 当前vsMA5偏离：上证50(-0.9%)、沪深300(-0.4%)、中证500(-0.3%)、中证1000(-0.5%)、中证2000(-0.8%)、中证全指(-0.5%)、创业板指(-0.2%)[17] - 当前vsMA250偏离：上证50(8.2%)、沪深300(14.1%)、中证500(21.3%)、中证1000(19.4%)、中证2000(22.3%)、中证全指(17.6%)、创业板指(40.6%)[17] 2. 换手率因子 - 当前换手率：上证50(0.34)、沪深300(0.69)、中证500(2.4)、中证1000(3.06)、中证2000(4.56)、中证全指(2.09)、创业板指(3.28)[19] 3. 收益分布形态因子 - 当前峰度：上证50(2.82)、沪深300(3.58)、中证500(3.51)、中证1000(4.62)、中证2000(3.01)、中证全指(3.34)、创业板指(4.63)[27] - 当前偏度：上证50(2.11)、沪深300(2.28)、中证500(2.22)、中证1000(2.31)、中证2000(2.03)、中证全指(2.20)、创业板指(2.37)[27] 4. PE-TTM估值因子 - 当前值：上证50(11.57)、沪深300(13.97)、中证500(34.29)、中证1000(47.40)、中证2000(164.39)、中证全指(21.33)、创业板指(44.03)[46] - 近5年分位值：上证50(81.65%)、沪深300(81.57%)、中证500(99.75%)、中证1000(95.45%)、中证2000(86.45%)、中证全指(96.61%)、创业板指(59.50%)[45][46] 5. 股息率因子 - 当前值：上证50(3.37%)、沪深300(2.70%)、中证500(1.32%)、中证1000(1.11%)、中证2000(0.75%)、中证全指(1.99%)、创业板指(0.96%)[55] - 近5年分位值：上证50(38.26%)、沪深300(37.19%)、中证500(14.88%)、中证1000(44.46%)、中证2000(13.14%)、中证全指(34.96%)、创业板指(66.03%)[53][56]

报告行业投资评级 未提及 报告的核心观点 未提及 全球资产市场表现 主要经济体国债收益率 - 10年期国债收益率方面，2025年9月17日美国为4.089%，最新变化0.060，一周变化0.042，一月变化 - 0.203，一年变化0.388；日本为3.554%，最新变化0.050，一周变化0.009，一月变化 - 0.195，一年变化 - 0.116等[3] - 2年期国债收益率方面，2025年9月17日美国为3.540%，最新变化 - 0.020，一周变化0.050，一年变化 - 0.210；日本为0.876%，最新变化0.004，一周变化0.027，一年变化0.487等[3] 美元兑主要新兴经济体货币汇率 - 2025年9月17日，美元兑巴西汇率为5.305，最新变化0.14%，一周变化 - 1.93%，一月变化 - 3.24%，一年变化 - 5.02%；兑在岸人民币汇率为7.104，最新变化 - 0.14%，一周变化 - 0.24%，一月变化 - 1.00%，一年变化 - 0.13%等[3] 主要经济体股指 - 2025年9月17日，标普500指数为6600.350，最新变化 - 0.10%，一周变化1.05%，一月变化3.20%，一年变化20.64%；恒生指数为26908.390，最新变化1.78%，一周变化2.70%，一月变化6.92%，一年变化56.47%等[3] 信用债指数 - 2025年9月17日，美国投资级信用债指数为3528.030，最新变化 - 0.19%，一周变化0.23%，一月变化2.05%，一年变化4.31%；新兴经济体高收益信用债指数为1748.231，最新变化 - 0.16%，一周变化0.02%，一月变化0.95%，一年变化13.71%等[3][4] 股指期货交易数据 指数表现 - A股收盘价3876.34，涨跌0.37%；沪深300收盘价4551.02，涨跌0.61%；上证50收盘价2952.78，涨跌0.17%；创业板收盘价3147.35，涨跌1.95%；中证500收盘价7260.04，涨跌0.96%[5] 估值 - 沪深300 PE(TTM)为14.16，环比变化0.07；标普500 PE(TTM)为27.47，环比变化 - 0.03等[5] 风险溢价 - 标普500 1/PE - 10利率为 - 0.45，环比变化 - 0.06；德国DAX 1/PE - 10利率为2.52，环比变化0.02[5] 资金流向 - A股最新值 - 198.10，近5日均值 - 282.31；沪深300最新值79.42，近5日均值 - 80.35等[5] 成交金额 - 沪深两市最新值23767.38，环比变化353.36；沪深300最新值6084.54，环比变化 - 52.74等[5] 主力升贴水 - IF基差2.18，幅度0.05%；IH基差3.42，幅度0.12%；IC基差 - 7.64，幅度 - 0.11%[5] 国债期货交易数据 国债期货 - T00收盘价108.155，涨跌0.18%；TF00收盘价105.890，涨跌0.13%；T01收盘价107.855，涨跌0.18%；TF01收盘价105.760，涨跌0.14%[6] 资金利率 - R001为1.5536%，日度变化5.00BP；R007为1.5493%，日度变化5.00BP；SHIBOR - 3M为1.5540%，日度变化0.00BP[6]

文章核心观点 - 波动在投资中具有多重意义，既是风险的表现形式，也是收益的来源，不同投资策略对波动的态度决定了其风险收益特征 [6][34][35] - 波动不是异常现象，而是金融世界的本质，它迫使投资者区分可控与不可控因素，并基于此设计投资策略 [38][39] 学术视角：波动=风险 - 传统金融理论将风险定义为未来收益的不确定性，其量化形式是价格波动率，夏普比率使用历史收益波动率的标准差来衡量风险调整后的收益 [8][10] - 高波动资产需提供更高风险溢价，例如红利股的股息率高于债券收益率，以补偿波动带来的风险 [11] - 高波动基金容易导致投资者行为偏差，如高点申购低点赎回，实际投资者平均收益率可能低于基金本身年化收益率 [12] 实战视角：波动≠风险 - 巴菲特等价值投资者认为波动不等于风险，真正的风险是资本的永久性损失，波动只是中性现象 [15][16][18] - 早期巴菲特利用股价向下波动的机会进行“捡烟蒂”投资，强调安全边际以抵御市场波动 [18][20] 交易视角：波动=收益 - 波动可作为可交易商品，例如期权定价与隐含波动率直接相关，历史波动率高的资产期权价格更贵 [26][27] - 不同投资策略利用波动获利：定投策略依赖微笑曲线，网格策略赚取均值回归收益，趋势交易依赖波动率放大 [31][32] - 风险厌恶者回避波动，风险偏好者拥抱波动，波动收益实质是风险定价偏差带来的利润转移 [23][24] 波动是金融世界的本质 - 波动触发投资者行为偏差，使风险变为现实，同时为交易对手创造盈利机会 [34][39] - 投资者需区分可判断与不可判断因素：机构投资者控制波动，价值投资者关注企业价值，趋势交易者判断波动方向 [35][37] - 量化策略利用人类行为偏差自动执行交易，波动率变化规律成为策略设计基础 [39]

市场回顾与资产表现 - 黄金上升态势疲弱 美联储降息交易基本结束 [2] - 科创50 恒生科技 创业板指走势优于北证50 反映投资者对传统科技与新兴科技的不同看法 [3] - 国债 国开债及中高等级信用债微幅调整 大类资产配置分歧未消除 [3] - 人民币对美元比价几乎无变动 反映美联储降息幅度不大及中国央行对人民币升值欲望不强烈 [3] - 电子板块反弹明显 反映个人投资者对市场趋势的追认 [3] - 房地产板块反弹 反映投资者希望政府保障经济总量及交易美联储降息后中国降准降息愿景 [3] - 银行板块小幅下跌 反映市场风格"高低切换"未完全确认及对降息侵蚀银行利润和风险承担能力的担忧 [3] 宏观经济数据与政策效果 - CPI低迷反映消费需求不足 或与财政补贴退坡有关 [4] - PPI回升是"反内卷"政策的直接效果 具有确定性 [4] - 出口同比减速 是前期突击出口后的必然反应 [4] - 社融增速保持稳定 未发出资金大幅进入股市或实体经济信用大扩张信号 [4] - 2025年8月新增人民币贷款5890亿元 低于去年同期的9000亿元 显示信贷需求疲弱 [4] 外部冲击与风险溢价 - 中美西班牙经贸谈判 全球关税冲击重新进入投资者视野 [6] - 中东乱局加剧 俄乌冲突再起 全球政治经济军事不确定性提升风险溢价 [6] - 花旗经济意外指数代表的风险溢价提升对市场形成冲击 [7] - 中美博弈加剧 特朗普将俄乌冲突纳入广义谈判范围 预判达成协议难度加大 [7] - 中国十五五规划制订在即 谈判对内部政策调整至关重要 存在延期或冲突加大可能 [7] 策略展望与投资布局 - 动荡期红利低波策略有效 股债分歧有缩小趋势 [8] - 中国央行降息概率不大 即使A股市场调整也难以转向债券市场 [8] - 风险溢价增大推动市场在调整中整固 市场情绪不再是主要推动力 [8] - 商务部对原产于美国的进口模拟芯片进行反倾销立案调查 进口替代行情再起 [8] - 不依赖外部力量而依靠市场自身催生的需求是价值投资真正来源 全球化是重点布局方向 [8]

来源：市场资讯 （来源：创金合信基金） 创金合信基金首席经济学家 魏凤春 博士 上期《首席视点》认为市场进入平台期，多空对峙、波动加大背景下需要进行确定性的投资。这包括： 1）反内卷确定性提升价格，2）确定性的全球产业链布局，3）确定性的内需消费。之所以建议进行确 定性的投资，是因为市场分歧的加大带来不确定性的提升。虽然投资的本质是对风险的定价，但在十字 路口，各路投资者思路纷纭，行动各异，交易过分的不确定性是成本大于收益的行为。随着外部冲击的 卷土重来，不确定性愈发增大，风险溢价又起波澜，实施确定性的策略显得更为迫切。 一、上周市场回顾：黄金交易的天花板 从上周大类资产的走势看，上上周显著增长的黄金上升态势变得疲弱，这与我们提示的美联储降息交易 基本结束的判断是一致的。随着全球风险溢价的提升，投资者对黄金的定价信心开始增加，但黄金会上 升到何种地步则有非常大的分歧。 一种代表性的观点是如果认同AI是未来的主导产业，则对于黄金的分析应该聚焦于AI能否提升生产效 率，引发硬件革命，促进经济增长并解决分配的问题。其基本的逻辑是通过AI降本增效，降低赤字 率，减少非必要支出和政府运行成本，提高政府运行效率，降低制造 ...

市场近期表现 - 最近5个交易日，科创50指数上涨5.48%，创业板指上涨2.10%，上证50上涨0.89%，国证2000指数上涨2.34% [1] - 行业板块中，电子和房地产表现靠前，综合和银行表现靠后 [1] - 市场资金交易活跃，两市日均成交额达到22948亿元，ETF资金流入116亿元，融资盘5个交易日增加约591亿元 [2] 风险溢价与估值水平 - 截至2025年9月12日，中证全指风险溢价为2.87%，其两倍标准差边界为4.76% [1] - 历史数据显示，当风险溢价超过4%（如2022年4月26日的4.17%和2022年10月28日的4.08%）时，市场往往迅速反弹，2024年1月19日该指标为4.11%，是2016年以来第五次超过4% [1] - 估值方面，中证全指PETTM分位数为78%，上证50和沪深300分位数分别为72%和70%，创业板指分位数接近48%，处于相对历史中位数水平 [2] 技术分析与周期观察 - 深100指数技术面呈现约3年一轮的熊牛周期，例如2012、2015、2018、2021年，每次下行幅度在40%至45%之间 [2] - 本轮始于2021年一季度的调整，无论时间或空间均已比较充分，存在底部向上周期的可能性 [2] 基于AI的行业主题配置 - 应用卷积神经网络对价量数据建模，将学习特征映射到行业主题，最新配置主题包括汽车、通信、人工智能和化工 [2][3][11] - 具体关注的细分指数包括中证800汽车与零部件指数、中证全指通信设备指数、中证人工智能主题指数、中证人工智能产业指数和中证细分化工产业主题指数 [3][11]

报告行业投资评级 未提及 报告的核心观点 - 理财、固收+、权益等产品对资金吸引较大，2025 年以来货币基金、债券基金净值增速显著下降，固收类理财规模仍增长，保险预定利率调降后吸引力边际降低，权益类、混合类基金资产净值高速上涨 [1] - 存款搬家和股市上涨往往互相促进，本轮存款搬家与多种因素有关，7 月存款搬家加速，后续或持续 [2][30] - 中长期来看，低利率时代非银机构往往调整配置结构，中国债券型、货币型基金规模占比 2025 年以来有所下降，后续或继续降低 [3] - 短期来看，随着权益市场波动、利率水平变化，非银机构资金搬家或将阶段性减缓，可从股债比价、10 年期国债利率与政策利率利差、30 年期 ETF 规模和 TL 持仓多空比等视角观察 [4] 根据相关目录分别进行总结 理财、固收+、权益等产品对资金吸引较大 - 非权益资产对资金吸引力降低，现金类产品收益率降至较低水平，债市赚钱效应下降但相对定存仍有优势，保险预定利率调降后吸引力减弱 [12][17][18] - 资金边际或更多进入权益市场，权益基金资产净值高速增长，股市对资金吸引力较大，低利率时代权益资产性价比更高，后续资金边际或更多进入权益市场 [22][25] 存款和非银资金搬家能持续多久 - 存款搬家和股市上涨往往互相促进，本轮存款搬家与多种因素有关，7 月存款搬家加速，后续存款搬家或将持续 [30][36][37] - 中长期来看，低利率时代非银机构往往调整配置结构，非银资产配置调整是低利率时代的典型特征，中国债券型、货币型基金规模占比 2025 年以来有所下降 [41][49] - 短期来看，非银机构资金搬家何时会阶段性减缓，可从股债比价、10 年期国债利率与政策利率利差、30 年期 ETF 规模和 TL 持仓多空比等视角观察 [4][52][57]

涉及的行业或公司 * 全球大类资产配置研究 涵盖中国与美国等主要经济体 涉及股票、债券、黄金、外汇等主要资产类别[1][5][17] 核心观点和论据 宏观经济周期与资产配置 * 中国经济处于复苏周期 而美国等发达国家处于下行阶段 使得中国股票具有较高配置价值 美股则面临风险 今年以来美股回报并不突出 没有跑赢其他主要经济体[1][5] * 经济增长周期是资产轮动的一般性规律 可通过GDP、PMI、失业率等宏观数据构造周期性指标判断经济位置 经济上行时增加股票配置 经济下行时增加债券持有[3][4] * 通胀需结合增长来锚定 即美林时钟框架 将经济周期划分为复苏、过热、滞胀和衰退四个区间 每个区间占优资产不同 例如复苏阶段股票表现较好 滞胀阶段商品表现优异[7] 中国市场特性与关键指标 * 美林时钟在中国市场适用性有限 其预测性较差 经济周期阶段经常跳跃或逆转 导致在预测股票和债券等资产表现时出现偏差[1][8] * 在中国市场 流动性比通胀更重要 信贷脉冲（社融增速的一阶导数）对大部分资产具有较强的领先指引效果 能有效预测各种资产价格变化[1][11] * 信贷脉冲的传导机制分为四阶段：政策边际转向影响利率汇率 领先PMI六个月 领先股票六个月 领先工业商品十个月并最终带来企业盈利增速提升约12个月[12] * 疫情后信贷脉冲对中国股票指引效果下降 原因包括房地产在经济中作用减弱以及疫情期间出现流动性淤积 资金未真正进入实体经济[13] * 财政脉冲作为信贷脉冲的辅助指标 在当前宏观流动性传导不畅时期作用上升 财政脉冲领先中国股市约6个月 疫情后其预测能力超过了信贷脉冲[1][14] 估值与风险溢价 * 风险溢价（ERP）是重要估值指标 即股票市盈率倒数减去国债利率 根据当前风险溢价可大致预测未来一年股票对债券的超额回报 该指标在中国市场表现尤为显著[1][15][16] * 风险溢价不仅具有周期性变化 还存在中枢变化 例如当房地产行业回报率下降时 可能导致风险溢价中枢抬升[16] 全球资产配置核心因素 * 对于中国投资者 全球资产配置最重要的是美元、美债和美联储三大因素 美国通胀是近年来主导这些因素的重要变量[3][17] * 美国通胀预测可通过拆分成不同分项并构建统计模型实现 例如利用市场房租与CPI房租通胀之间约13个月的滞后关系预测未来趋势[17][18] * 美元强势由基本面（美国经济相对优势）、政策面（较高利率）和资金面（美股高回报吸引资金流入）共同驱动[21] * 美债利率可拆解为利率预期和期限溢价 受美联储和美国财政部政策影响[20] 特定资产观点 * 黄金与美债利率脱钩后 需采用多因子定价模型 关注央行购金、美国债务等因素 预计黄金价格可能进一步上涨至3,000-5,000美元区间[3][22] * 人民币汇率不仅受贸易因素影响 更取决于人民币资产能提供的回报 若中国市场股票表现良好 人民币汇率可能得到支持[23] * 传统上美债和美元是全球资产配置的重要锚点 但近年来关系有所变化 例如美债利率与黄金脱钩 表明国际货币秩序可能正在发生巨变 全球资产配置走向碎片化[24] 其他重要内容 * 长短期增长周期影响不同 短期周期通常为3至5年一轮 长期周期可能持续10年甚至几十年 长周期分析需借鉴更多国家数据 避免单一案例误导 例如日本去杠杆过程持续了20年 而大部分国家仅需八九年甚至更短时间[6] * 中国市场政策目标更为复杂多面 不完全反映经济基本面变化 例如2021年通胀上行本应收紧货币政策 但由于被解读为输入性通胀 中国选择进一步支持经济发展 使得利率反而下降[9][10] * 通过前瞻指标可预测通胀走势 例如尽管当前零售价格未见明显变化 但批发市场价格已开始波动 根据模型预测 美国通胀很快会迎来上行拐点 与市场主流观点相悖[18][19]