报告核心观点 - 2025年H1权益市场风险因子收益回归常态，各资产类别有不同表现，权益关注结构机会，利率或底部震荡，黄金可继续持有，行业轮动加速，成长风格萌芽，选股关注质量、技术、情绪类因子 [3] 大类资产量化展望 权益量化 - 2025H1权益风险因子收益回归常态，小盘与动量因子表现亮眼，为Alpha创造有利条件 [8] - 2025年Q1全A净利润同比自2023年Q2以来首次回正，A股景气度见底回升，工业板块表现突出 [14] - 2025年1 - 4月规模以上工业企业利润总额同比回升，中游制造（设备）持续回升，未来预期中游制造(材料)>中游制造(设备)>下游制造>电热燃水>采矿业 [17] - TMT有望延续增长，部分产业周期有望迎来拐点，计算机、传媒、电子等行业利润趋势有望延续，基础化工和建材行业利润有望企稳回升，军工、电新、轻工等行业利润有望迎来关键拐点 [23] - 社融脉冲回升支撑后续增长动能，但消费端仍须进一步观察，低利率环境下权益资产配置性价比保持高位 [31][37] - 权益指数整体震荡格局望延续，各宽基指数走势不同，沪深300关注盘整突破方向，中证500或震荡上行，中证1000或先回调后震荡上行，中证2000或震荡偏下行 [39][41][43][46] 利率量化 - 采用结构化静态因子模型刻画利率变动方向，月度利率择时胜率约70% [49][51] - 2024年以来10年期国债利率持续下行，当下稳定在1.6% - 1.7%水平，2025年国债利率波动主要受通胀影响 [54][56] - 2025年上半年景气度和信贷脉冲回升抑制利率进一步下行，通胀资产持有意愿短暂上升后再次回落 [63][67] - 利率未来走势取决于资本回报率变化，当下房地产ROE转负，除金融地产外高ROE行业经营杠杆率整体较低，关注高ROE高杠杆行业对资金需求的拉动 [70][75] 黄金量化 - 采用结构化静态因子模型刻画黄金变动方向，月度黄金择时胜率约76% [81][83] - 黄金长期走势与美国财政扩张具有较高一致性，当下美国财政进入加速新阶段，对黄金走势整体持乐观观点 [87] - 特朗普施政主张对通货膨胀与财政赤字有进一步扩张可能，但实施进度有待观察，全球地缘政治风险与经济政策不确定性仍高，促发黄金上涨 [91][98] - 技术面测算当下黄金已历盘整积累支持目标价到3885美元/盎司 [102] 市场结构量化展望 行业量化 - 胜率赔率一致性继续减弱，短期轮动速度或提高，行情延续性减弱 [105][107] - 胜率赔率均衡配置思路略偏向赔率，推荐胜率赔率均衡的行业集中在科技、制造板块 [108][109] - 从生命周期来看，一级行业整体成长性不足，成长性分散在三级行业，基础化工细分领域扩张特征明显 [112][120] 风格量化 - 采用资产比较框架研判风格，框架自2009年以来可获得年化26.07%的收益 [121][126] - 实际增速资产优势差回升，保持实际成长类策略配置；预期增速资产优势差回升，建议增配预期成长类策略；ROE优势差边际下行，盈利能力策略不推荐；高股息类资产拥挤度保持高位，有拥挤风险 [131][133][135][140] - 当下Δg和Δgf都有扩张，成长性稀缺度抬升，Δgf扩张来自Top组上行，预期增长板块更值得关注，实际成长机会有待基本面积极变化 [145] 2025下半年因子总结与展望 风格因子表现 - 2025上半年截至6月6日，风格上高贝塔、高动量和低流动性小市值占优 [148] - 对比2024年下半年，小市值风格延续占优，动量因子收益提升，低流动性风格收益强势，市场结构性分化显著，呈现“周期分化、成长突围、消费承压”格局 [150][156] Alpha因子表现跟踪 - 2025上半年全A选股多头收益表现最好的alpha因子多为成交量和成长类因子，分析师一致预测类因子超额收益显著提升 [160][161][163] - 不同宽基指数选股逻辑有共性，投资者普遍偏好估值合理、成长性强且财务稳健的标的，在不同指数内占优因子各有特点 [165] 2025下半年因子表现展望 - 质量类因子中研发销售收入占比因子近一个月拥挤度高，需警惕下跌风险，研发净资产占比因子拥挤度低且表现不错 [169][170] - 价值类因子今年表现普遍回撤，综合拥挤度较低，近一个月低估值股票交易拥挤度转负，高估值成长股拥挤度或达峰值 [171] - 技术类因子中ivr因子拥挤度降低且表现良好，其他技术因子IC显著但对股价有负面影响，下半年可持续看好 [172] - 其他因子中一致预期净利润因子IC最高，拥挤度上升明显，须警惕回撤风险；ear，jor因子IC显著性降低但拥挤度低，下半年谨慎看好 [173]

报告核心观点 - 报告介绍季频换仓偏配置思路的行业轮动策略，用传统量化多因子打分方式，从"估值""质量""流动性""动量"四维各选2个单因子等权rank复合形成复合因子 ，优先选低估值、低拥挤度、景气度上行、近一年价格动量向上、近3年价格低位行业持有 ，回测区间（2014/4/1 - 2025/6/6）年化收益19.64%，行业等权基准年化收益7.55%，年化超额12.09%，超额累计净值最大回撤 - 13.25% [1] 报告框架 报告基本框架 - 采用传统量化多因子打分，从"估值""质量""流动性""动量"四维各优选2个单因子等权rank复合形成复合因子 ，策略偏配置，选特定行业持有 [11] 行业因子回测框架 - 回测区间为2010年1月 - 2024年9月 ，季度换仓 ，备选资产为中信一级行业 ，每期等权持有TOP - 5行业 ，基准为中证800指数 ，需剔除中证800中权重占比低于2%的行业 [12] 行业轮动策略梳理 估值类因子 - 用PE_TTM、PB_LF等估值指标构建因子 ，展示TOP - 5超额和BOT - 5负向超额较好的因子 ，如股息率_3Y_rank、PE_TTM_3Y_rank等 ，不同因子有不同逻辑解释 [15][16][18] 质量类因子 - 用ROE、ROA等财务指标和ROE分析师一致预期指标构建因子 ，展示表现较好的因子 ，如ROA_TTM_d1q、ROE_TTM_d1q等 ，ROE或ROA数值或预期越高越好 [19][20] 流动性因子 - 用基于自由流通股本的换手率构建因子 ，展示部分回测效果好的单因子 ，如TURNOVER_FREE_m、TURNOVER_FREE_Q_mean等 ，换手率因子有短期反向、长期正向特征 [21][22][23] 动量类因子 - 以不同周期测算行业收益率构建动量因子 ，展示部分回测效果好的单因子 ，如21_momentum、63_momentum等 ，动量因子短周期反转、中长周期动量、超长周期反转 [24][25][26] 因子复合 等权zscore复合（各类别1个因子） - 展示zscore等权复合下TOP - 5超额最高的前6个因子组合 ，最优两组因子在换手率因子选择有差异 ，优选2个因子构成的复合因子多头端超额净值走势更稳健 [27][28][54] 等权rank复合（各类别1个因子） - 展示rank等权复合下TOP - 5超额最高的前6个因子组合 ，最优两组因子选换手率季度平均 ，在其他因子方面有差异 [36][37] 等权zscore复合（各类别2个因子） - 展示zscore等权复合下TOP - 5超额最高的前2个因子组合 ，优选2个因子复合比优选1个因子在正向和多空年化超额有显著提升 ，多头端超额净值走势更稳健 [45][48][54] 等权rank复合（各类因子中选2个因子复合） - 展示rank等权复合下TOP - 5超额最高的前2个因子组合 ，优选2个因子复合TOP - 5和多空年化超额显著提升 ，因子选择与优选1个因子重合度高 [55][57][59] 因子复合总结 - 优选2个因子复合较优选1个因子TOP - 5与BOT - 5年化超额显著提升 ，rank等权复合较zscore等权复合TOP - 5组合年化超额略升 ，推荐每类选2个因子以rank等权复合 ，给出具体因子 [67][68]

核心观点 - 红利指数增强策略难以实现显著超额收益，因其本身已具备高Beta特性，而宽基指数（如中证2000、沪深300）更易通过量化策略获取高Alpha [2][4] - 主流红利指数（中证红利、红利低波、港股红利）表现分化，港股红利近3年涨幅达70.47%，中证红利仅5.75% [8][9] - 主动管理的红利增强基金多数跑不赢红利低波指数基金，仅个别基金（如广发稳健策略）通过独特因子（景气度、价量因子）实现超额收益 [12][15] 指数增强策略差异 - 红利指数增强难度高：中证2000指数超额收益可达30%以上，而红利指数超额通常仅个位数，因其自带估值或盈利能力筛选规则（如红利低波、红利质量）[2][3] - 宽基指数增强空间大：沪深300、中证500等Beta较低，量化策略可显著提升Alpha收益 [4] 红利指数表现对比 - 中证红利全收益：近3年5.75%，近1年27.87%，今年来-0.72% [9] - 中证红利低波全收益：近3年15.05%，近1年48.59%，今年来6.32% [9] - 中证港股通高股息全收益：近3年70.47%，近1年26.40%，今年来16.97% [9] 主动基金与指数基金对比 - 广发稳健策略：今年来14.03%（超额8%），近1年30.08%（超额16%），使用景气度与价量因子 [12][15] - 中泰红利优选：近3年50.69%（超额10%）[12] - 华商红利优选：近3年-13.56%，呈现"红利减弱"效应 [12][14] - 红利低波指数基金（华泰柏瑞）：近3年40.03%，优于多数主动基金 [12] 投资建议 - 高Beta红利指数（如红利低波）建议直接配置指数基金或ETF，因其增强策略边际效益低且已有"月月分红"产品 [16] - 低Beta宽基指数（如中证2000）优先选择指数增强基金以突破长期业绩瓶颈 [16]

报告行业投资评级 未提及 报告的核心观点 股市各指数冲高上涨，创业板涨幅最大达3.18%；金融期权隐含波动率大幅上涨至均值偏上水平；ETF期权适合构建备兑、偏中性双卖和垂直价差组合策略，股指期权适合构建偏中性双卖和期权合成期货与期货套利策略 [3] 各部分总结 金融市场重要指数概况 - 上证指数收盘价3455.97，涨1.04%，成交额6202亿元 [4] - 深证成指收盘价10393.72，涨1.72%，成交额9826亿元 [4] - 上证50收盘价2747.73，涨1.17%，成交额1023亿元 [4] - 沪深300收盘价3960.07，涨1.44%，成交额3617亿元 [4] - 中证500收盘价5862.55，涨1.68%，成交额2393亿元 [4] - 中证1000收盘价6276.16，涨1.32%，成交额3350亿元 [4] 期权标的ETF市场概况 - 上证50ETF收盘价2.832，涨1.43%，成交量974.13万份，成交额27.36亿元 [5] - 上证300ETF收盘价4.001，涨1.65%，成交量1724.12万份，成交额68.41亿元 [5] - 上证500ETF收盘价5.913，涨1.88%，成交量372.46万份，成交额21.84亿元 [5] - 华夏科创50ETF收盘价1.048，涨1.85%，成交量4227.91万份，成交额43.85亿元 [5] - 易方达科创50ETF收盘价1.022，涨1.89%，成交量1072.62万份，成交额10.85亿元 [5] - 深证300ETF收盘价4.126，涨1.65%，成交量274.89万份，成交额11.24亿元 [5] - 深证500ETF收盘价2.361，涨1.77%，成交量108.42万份，成交额2.55亿元 [5] - 深证100ETF收盘价2.732，涨1.94%，成交量58.78万份，成交额1.59亿元 [5] - 创业板ETF收盘价2.109，涨3.18%，成交量1638.20万份，成交额34.07亿元 [5] 期权因子—量仓PCR - 上证50ETF成交量PCR为0.65，持仓量PCR为1.26 [6] - 上证300ETF成交量PCR为0.60，持仓量PCR为1.01 [6] - 上证500ETF成交量PCR为0.66，持仓量PCR为1.25 [6] - 华夏科创50ETF成交量PCR为0.41，持仓量PCR为0.68 [6] - 易方达科创50ETF成交量PCR为0.55，持仓量PCR为0.74 [6] - 深证300ETF成交量PCR为0.53，持仓量PCR为1.07 [6] - 深证500ETF成交量PCR为0.56，持仓量PCR为1.12 [6] - 深证100ETF成交量PCR为0.54，持仓量PCR为1.06 [6] - 创业板ETF成交量PCR为0.58，持仓量PCR为1.07 [6] - 上证50成交量PCR为0.37，持仓量PCR为0.67 [6] - 沪深300成交量PCR为0.45，持仓量PCR为0.66 [6] - 中证1000成交量PCR为0.63，持仓量PCR为0.94 [6] 期权因子—压力点和支撑点 - 上证50ETF压力点2.75，支撑点2.75 [8] - 上证300ETF压力点4.00，支撑点3.90 [8] - 上证500ETF压力点6.00，支撑点5.75 [8] - 华夏科创50ETF压力点1.05，支撑点1.00 [8] - 易方达科创50ETF压力点1.05，支撑点1.00 [8] - 深证300ETF压力点4.10，支撑点4.00 [8] - 深证500ETF压力点2.35，支撑点2.25 [8] - 深证100ETF压力点2.70，支撑点2.45 [8] - 创业板ETF压力点2.10，支撑点2.00 [8] - 上证50压力点2700，支撑点2650 [8] - 沪深300压力点4000，支撑点3850 [8] - 中证1000压力点6200，支撑点6000 [8] 期权因子—隐含波动率 - 上证50ETF平值隐波率32.73%，加权隐波率15.73% [10] - 上证300ETF平值隐波率11.18%，加权隐波率16.34% [10] - 上证500ETF平值隐波率66.16%，加权隐波率19.85% [10] - 华夏科创50ETF平值隐波率21.65%，加权隐波率26.87% [10] - 易方达科创50ETF平值隐波率64.75%，加权隐波率28.10% [10] - 深证300ETF平值隐波率24.67%，加权隐波率17.57% [10] - 深证500ETF平值隐波率14.36%，加权隐波率19.23% [10] - 深证100ETF平值隐波率29.42%，加权隐波率20.33% [10] - 创业板ETF平值隐波率25.80%，加权隐波率25.08% [10] - 上证50平值隐波率15.69%，加权隐波率16.88% [10] - 沪深300平值隐波率16.02%，加权隐波率17.24% [10] - 中证1000平值隐波率19.40%，加权隐波率20.59% [10] 策略与建议 金融股板块（上证50ETF、上证50） - 行情走势：短期偏多上行 [13] - 期权因子：隐含波动率均值偏上，持仓量PCR上升，压力位2.75，支撑位2.75 [13] - 策略建议：构建看涨期权牛市价差、卖方中性和现货多头备兑策略 [13] 大盘蓝筹股板块（上证300ETF、深证300ETF、沪深300） - 行情走势：短期偏多上行 [13] - 期权因子：隐含波动率均值偏上，持仓量PCR上升，压力位4.00，支撑位3.90 [13] - 策略建议：构建做空波动率和现货多头备兑策略 [13] 大中型股板块（深证100ETF） - 行情走势：短期偏多上行 [14] - 期权因子：隐含波动率均值附近，持仓量PCR上升，压力位2.70，支撑位2.45 [14] - 策略建议：构建做空波动率和现货多头备兑策略 [14] 中小板板块（上证500ETF、深证500ETF、中证1000） - 行情走势：短期偏多上行 [14][15] - 期权因子：隐含波动率历史均值偏上，持仓量PCR上升，压力位和支撑位各异 [14][15] - 策略建议：构建卖出偏多头或做空波动率和现货多头备兑策略 [14][15] 创业板板块（创业板ETF、华夏科创50ETF、易方达科创50ETF） - 行情走势：短期偏多上行 [15] - 期权因子：隐含波动率历史均值偏上，持仓量PCR上升，压力位2.10，支撑位2.00 [15] - 策略建议：构建卖出偏中性和现货多头备兑策略 [15]

报告行业投资评级 未提及 报告的核心观点 农产品板块各品种行情分化，油料油脂类偏多上行或震荡，软商品白糖偏弱，棉花反弹后盘整，谷物类玉米和淀粉回暖后窄幅盘整；建议构建卖方为主的期权组合策略以及现货套保或备兑策略增强收益 [3] 根据相关目录分别进行总结 标的期货市场概况 - 豆一A2509最新价4160，跌26，跌幅0.62%，成交量17.15万手，持仓量19.83万手 [4] - 豆二B2509最新价3644，跌17，跌幅0.46%，成交量12.45万手，持仓量10.26万手 [4] - 豆粕M2509最新价2980，跌29，跌幅0.96%，成交量134.22万手，持仓量227.04万手 [4] - 菜籽粕RM2509最新价2586，跌34，跌幅1.30%，成交量52.30万手，持仓量55.10万手 [4] - 棕榈油P2509最新价8394，涨70，涨幅0.84%，成交量50.19万手，持仓量45.12万手 [4] - 豆油Y2509最新价8024，涨70，涨幅0.88%，成交量34.54万手，持仓量56.72万手 [4] - 菜籽油OI2509最新价9488，跌22，跌幅0.23%，成交量39.10万手，持仓量34.53万手 [4] - 鸡蛋JD2509最新价3658，涨22，涨幅0.61%，成交量4.94万手，持仓量14.74万手 [4] - 生猪LH2509最新价14000，涨25，涨幅0.18%，成交量2.05万手，持仓量8.10万手 [4] - 花生PK2510最新价8230，涨12，涨幅0.15%，成交量3.79万手，持仓量11.87万手 [4] - 苹果AP2510最新价7690，涨7，涨幅0.09%，成交量4.03万手，持仓量8.77万手 [4] - 红枣CJ2509最新价9690，涨205，涨幅2.16%，成交量18.87万手，持仓量11.76万手 [4] - 白糖SR2509最新价5771，涨44，涨幅0.77%，成交量22.56万手，持仓量34.28万手 [4] - 棉花CF2509最新价13685，涨70，涨幅0.51%，成交量23.50万手，持仓量56.01万手 [4] - 玉米C2509最新价2382，涨1，涨幅0.04%，成交量53.21万手，持仓量99.70万手 [4] - 淀粉CS2509最新价2732，跌5，跌幅0.18%，成交量11.32万手，持仓量13.53万手 [4] - 原木LG2509最新价797，持平，成交量0.47万手，持仓量2.04万手 [4] 期权因子—量仓PCR - 豆一期权成交量PCR为0.68，持仓量PCR为0.58 [5] - 豆二期权成交量PCR为0.54，持仓量PCR为1.22 [5] - 豆粕期权成交量PCR为0.75，持仓量PCR为0.67 [5] - 菜籽粕期权成交量PCR为1.29，持仓量PCR为1.44 [5] - 棕榈油期权成交量PCR为1.15，持仓量PCR为1.07 [5] - 豆油期权成交量PCR为0.77，持仓量PCR为0.73 [5] - 菜籽油期权成交量PCR为1.87，持仓量PCR为1.29 [5] - 鸡蛋期权成交量PCR为0.67，持仓量PCR为0.58 [5] - 生猪期权成交量PCR为0.20，持仓量PCR为0.33 [5] - 花生期权成交量PCR为0.47，持仓量PCR为0.65 [5] - 苹果期权成交量PCR为0.62，持仓量PCR为0.56 [5] - 红枣期权成交量PCR为0.25，持仓量PCR为0.33 [5] - 白糖期权成交量PCR为0.61，持仓量PCR为0.82 [5] - 棉花期权成交量PCR为0.58，持仓量PCR为0.93 [5] - 玉米期权成交量PCR为0.87，持仓量PCR为0.71 [5] - 淀粉期权成交量PCR为0.80，持仓量PCR为1.48 [5] - 原木期权成交量PCR为0.47，持仓量PCR为0.89 [5] 期权因子—压力位和支撑位 - 豆一压力位4500，支撑位4100 [6] - 豆二压力位3800，支撑位3550 [6] - 豆粕压力位2900，支撑位2900 [6] - 菜籽粕压力位2800，支撑位2400 [6] - 棕榈油压力位8600，支撑位8300 [6] - 豆油压力位7800，支撑位7900 [6] - 菜籽油压力位10000，支撑位9000 [6] - 鸡蛋压力位4600，支撑位3500 [6] - 生猪压力位18000，支撑位12800 [6] - 花生压力位9000，支撑位8000 [6] - 苹果压力位8900，支撑位7000 [6] - 红枣压力位10000，支撑位9000 [6] - 白糖压力位6100，支撑位5700 [6] - 棉花压力位14000，支撑位13000 [6] - 玉米压力位2320，支撑位2300 [6] - 淀粉压力位2900，支撑位2700 [6] - 原木压力位850，支撑位750 [6] 期权因子—隐含波动率 - 豆一平值隐波率10.09%，加权隐波率11.67% [7] - 豆二平值隐波率13.35%，加权隐波率15.40% [7] - 豆粕平值隐波率13.82%，加权隐波率16.52% [7] - 菜籽粕平值隐波率20.37%，加权隐波率21.34% [7] - 棕榈油平值隐波率15.665%，加权隐波率17.48% [7] - 豆油平值隐波率11.77%，加权隐波率13.77% [7] - 菜籽油平值隐波率14.28%，加权隐波率16.50% [7] - 鸡蛋平值隐波率17.985%，加权隐波率22.28% [7] - 生猪平值隐波率12.535%，加权隐波率18.13% [7] - 花生平值隐波率10.16%，加权隐波率12.11% [7] - 苹果平值隐波率16.405%，加权隐波率18.35% [7] - 红枣平值隐波率22.045%，加权隐波率24.46% [7] - 白糖平值隐波率18.31%，加权隐波率10.52% [7] - 棉花平值隐波率9.555%，加权隐波率11.78% [7] - 玉米平值隐波率9.605%，加权隐波率10.01% [7] - 淀粉平值隐波率8.45%，加权隐波率9.80% [7] - 原木平值隐波率16.87%，加权隐波率20.31% [7] 策略与建议 油脂油料期权 - **豆一、豆二**：美豆销售高于预期，豆一6月以来超跌反弹后高位回落；期权隐含波动率维持较高水平，持仓量PCR显示行情偏弱震荡，压力位4500，支撑位4100；建议构建卖出偏中性的看涨+看跌期权组合策略和多头领口策略 [8] - **豆粕、菜粕**：豆粕成交和提货量上升，基差上升，4月以来先涨后跌再反弹；期权隐含波动率维持较高水平，持仓量PCR下降，压力位3300，支撑位2900；建议构建看涨期权牛市价差组合策略、卖出偏中性的看涨+看跌期权组合策略和多头领口策略 [10] - **棕榈油、豆油、菜籽油**：马棕6月产量下降出口增加，棕榈油止跌反弹后高位震荡；期权隐含波动率下降，持仓量PCR上升，压力位8600，支撑位8300；建议构建看涨期权牛市价差组合策略、卖出偏多头的看涨+看跌期权组合策略和多头领口策略 [10] - **花生**：下游采购谨慎，行情弱势震荡；期权隐含波动率处于较低水平，持仓量PCR低于0.8，压力位9000，支撑位7200；建议构建看跌期权熊市价差组合策略和现货多头套保策略 [11] 农副产品期权 - **生猪**：猪价上涨，养殖端缩量挺价，4月下旬以来先跌后涨；期权隐含波动率处于较高水平，持仓量PCR低于0.5，压力位18000，支撑位12800；建议构建卖出偏中性的看涨+看跌期权组合策略和现货多头备兑策略 [11] - **鸡蛋**：存栏量增加，供应过剩，行情先跌后涨再下跌；期权隐含波动率维持较高水平，持仓量PCR低于0.6，压力位3500，支撑位2800；建议构建卖出偏空头的看涨+看跌期权组合策略 [12] - **苹果**：库存处于低位，行情高位震荡后下行；期权隐含波动率处于较低水平，持仓量PCR低于0.6，压力位8900，支撑位7000；建议构建看跌期权熊市价差组合策略和卖出偏空头的看涨+看跌期权组合策略 [12] - **红枣**：库存小幅减少，行情弱势反弹；期权隐含波动率下降，持仓量PCR低于0.5，压力位11400，支撑位8600；建议构建卖出偏中性的宽跨式期权组合策略和现货备兑套保策略 [13] 软商品类期权 - **白糖**：进口减少，行情4月以来震荡下行；期权隐含波动率处于较低水平，持仓量PCR接近0.8，压力位6000，支撑位5700；建议构建卖出偏空头的看涨+看跌期权组合策略和多头领口策略 [13] - **棉花**：开机率下降，库存增加，行情4月以来先跌后涨再盘整；期权隐含波动率下降，持仓量PCR低于1，压力位14000，支撑位13000；建议构建卖出偏中性的看涨+看跌期权组合策略和现货备兑策略 [14] 谷物类期权 - **玉米、淀粉**：玉米价格上涨，库存下降，行情震荡上涨；期权隐含波动率处于较低水平，持仓量PCR接近0.8，压力位2400，支撑位2240；建议构建看涨期权牛市价差组合策略和卖出偏多头的看涨+看跌期权组合策略 [14]

量化模型与构建方式 1. **模型名称：LSTMtech** - **模型构建思路**：直接使用LSTM模型对股价数据（开、高、低、收、成交量）及技术指标进行因子挖掘[15] - **模型具体构建过程**：输入层为原始量价数据及talib生成的技术指标，采用6年训练集+2年验证集的滚动训练方式，每年更新模型参数[15] - **模型评价**：多头分组效果不够单调，但整体选股能力稳定[15] 2. **模型名称：LSTMdeap_tech** - **模型构建思路**：先通过遗传算法挖掘有效技术因子，再与原始数据共同输入LSTM模型[24][26] - **模型具体构建过程**： 1. 使用遗传算法在2010-2016年数据中挖掘有效因子（框架见图4）[20][22] 2. 将遗传算法因子与原始技术指标合并作为LSTM输入[26] 3. 保持相同的滚动训练机制（6年训练+2年验证）[26] - **模型评价**：绩效显著优于纯LSTM模型，且能覆盖原始LSTM因子的alpha信息[26] 3. **模型名称：LSTMgraph** - **模型构建思路**：将技术指标转化为人为定义的状态变量后输入LSTM[33][41] - **模型具体构建过程**： 1. 对K线形态（实体/影线）和技术指标（如均线相对位置）进行状态编码[33] 2. 合成1-20日K线状态变量作为输入[41] 3. 采用相同LSTM框架训练[41] - **模型评价**：解决了CNN图形识别耗时耗资源的问题，同时保留形态特征[32][41] 4. **复合模型名称：LSTMdeap_tech_graph** - **模型构建思路**：等权合成LSTMdeap_tech与LSTMgraph因子[47][49] - **模型具体构建过程**： 1. 验证两因子相关性（51.48%）及残差选股效果（见图16）[47][49] 2. 直接等权加权合成[49] - **模型评价**：多维度技术信号互补，绩效进一步提升[49] 5. **复合模型名称：LSTMdeap_tech_graph_pro** - **模型构建思路**：将LSTMdeap_tech_graph与交易行为因子LSTMpro等权合成[54] - **模型具体构建过程**：基于38.61%的低相关性直接合成[54] - **模型评价**：多头超额收益显著提升，收益波动比优化[54] --- 量化因子与构建方式 1. **因子名称：Tech_similarity** - **构建思路**：基于技术指标状态匹配历史相似形态[35] - **具体构建过程**： 1. 按月回看5个交易日，匹配股价/MACD/涨跌停/成交量状态[35] 2. 计算匹配日后续20天超额收益均值[35] $$因子值=\frac{1}{5}\sum_{i=1}^{5} (匹配日_i未来20天超额收益)$$ 2. **因子名称：K_similarity** - **构建思路**：基于K线形态匹配历史相似模式[39] - **具体构建过程**： 1. 对日/周/月K线及成交量状态编码[39] 2. 采用与Tech_similarity相同的计算逻辑[39] 3. **复合因子名称：Tech_K_similarity** - **构建思路**：等权合成Tech_similarity与K_similarity[40] - **具体构建过程**：验证两因子25.49%相关性后直接合成[40] --- 模型的回测效果 | 模型名称 | RankIC(2019-) | RankICIR | 多空年化收益 | 多头超额年化 | |------------------------|---------------|----------|--------------|--------------| | LSTMtech | 7.42% | 4.25 | 24.02% | - | [15] | LSTMdeap_tech | 9.27% | 4.54 | 32.44% | - | [26] | LSTMgraph | 9.01% | 4.70 | 32.25% | - | [41][44] | LSTMdeap_tech_graph | 10.89% | 4.99 | 37.28% | 9.40% | [49] | LSTMdeap_tech_graph_pro | 11.93% | - | 39.85% | 11.34% | [54] --- 因子的回测效果 | 因子名称 | RankIC(2013-) | RankICIR | 多空年化收益 | |-------------------|---------------|----------|--------------| | Tech_similarity | 4.97% | 3.05 | 20.22% | [35][37] | K_similarity | 5.10% | 3.09 | 19.25% | [39][42] | Tech_K_similarity | 5.89% | 3.25 | 25.97% | [40][43]

报告行业投资评级 未提及 报告的核心观点 在基准约束下调整红利增长组合，构建新红利增长组合并探索港股红利增长策略，同时改进分析师因子计算方法以提升选股效果 [8][12][31][42] 根据相关目录分别进行总结 基准约束下调整红利增长组合 - 5月7日中国证监会发布《行动方案》，强化业绩比较基准约束作用，基金公司评价、高管及基金经理考核与业绩比较基准密切相关 [8] - 2016 - 2024年原红利增长组合相对中证红利指数年化跟踪误差9.08%，新红利增长组合为5.82% [8] 新红利增长组合的构建 - 从过去三年分红比例稳定且盈利预期增长、过去连续两年分红金额增长且盈利预期增长两个维度筛选预测分红增长股票池，2016年以来平均含572只股票 [12][13] - 在股票池内先按过去三年平均股息率选前100只股票，再按成长因子选前50只构建组合，个股按最近年度股息率加权 [17][18] - 2016/1/1 - 2025/5/31回测期，新红利增长组合年化收益率12.08%，中证红利全收益指数为6.84%，年化超额收益5.24%，2016年以来均有正超额收益 [19] - 新红利增长组合历史股息率与中证红利指数接近，未来一年加权股息率略高 [23] - 行业分布上与中证红利指数偏差较小，在交通运输等行业低配，银行等行业超配 [25] - 市值分布相比中证红利指数偏小，但绝对市值偏大 [28] 港股红利增长策略的初步探索 - 后验视角测试，在港股通样本池筛选当年分红增加股票构建已知分红增长组合，2014/12/31 - 2025/4/30回测期年化收益率14.21%，基准组合为8.28%，年化超额收益5.92%，2015 - 2024年基本每年有超额收益 [33][34] - 利用简单动量构建红利增长策略，在2014/12/31 - 2025/4/30回测期表现接近，未跑出较好超额收益，策略无效 [37] 附录：分析师因子的改进 - 提出新方法计算分析师因子，考虑业绩披露时点下盈利预测调整，以小熊电器为例说明旧方法可能利用失效数据 [42][43] - 重构一致预期净利润变化、分析师盈利上调比例两个小类因子并测试选股效果变化 [45] - 回测显示改进后因子选股效果在部分指标上优于初始因子 [47][48][57]

量化模型与构建方式 1. **模型名称：全球资产BL模型1** - 模型构建思路：基于Black-Litterman框架，结合主观观点与量化配置模型，优化资产配置权重[12] - 模型具体构建过程： 1. 选择标的资产（沪深300、恒生指数、标普500、国债指数、企业债指数、南华商品指数）[13] 2. 通过贝叶斯理论将主观观点与历史数据结合，计算资产预期收益 3. 优化权重分配，解决均值-方差模型对预期收益敏感的问题 - 模型评价：有效平衡主观判断与量化分析，容错性较高[12] 2. **模型名称：全球资产BL模型2** - 模型构建思路：与BL模型1类似，但采用不同的参数设定或观点输入方式[13] - 模型具体构建过程：同BL模型1，差异体现在权重优化环节[13] 3. **模型名称：国内资产BL模型1** - 模型构建思路：针对国内资产（股票、债券、转债、商品、黄金）的BL模型变体[13] - 模型具体构建过程： 1. 标的资产包括沪深300、中证1000、恒生指数、国债指数、企业债指数、中证转债、南华商品指数、SHFE黄金[13] 2. 通过BL框架计算风险调整后权重 4. **模型名称：国内资产BL模型2** - 模型构建思路：国内BL模型的另一种参数化版本[13] - 模型具体构建过程：同国内BL模型1，差异在权重分配逻辑[13] 5. **模型名称：全球资产风险平价模型** - 模型构建思路：使每类资产对组合风险贡献相等，降低单一资产波动影响[17] - 模型具体构建过程： 1. 选择标的资产（沪深300、标普500、恒生指数、企业债指数、南华商品指数、COMEX黄金）[18] 2. 计算资产波动率及相关性，优化权重使风险贡献均衡[17] - 模型评价：适应复杂市场环境，波动控制较好[16] 6. **模型名称：国内资产风险平价模型** - 模型构建思路：针对国内资产的风险平价实现[18] - 模型具体构建过程：标的资产与国内BL模型相同，优化方法同全球风险平价模型[18] 7. **模型名称：基于宏观因子的资产配置模型** - 模型构建思路：通过增长、通胀等六大宏观因子驱动配置决策[22] - 模型具体构建过程： 1. 构造高频宏观因子（Factor Mimicking Portfolio方法）[23] 2. 计算资产因子暴露，结合主观观点调整目标暴露 3. 反解得到权重，公式： $$ \text{目标权重} = f(\text{基准暴露} + \text{主观偏离值}) $$ - 模型评价：将宏观研究与量化配置结合，灵活性高[22] --- 模型的回测效果 1. **全球资产BL模型1** - 上周收益：0.15% | 6月收益：0.49% | 2025年收益：0.04% - 年化波动：2.09% | 最大回撤：1.64%[14] 2. **全球资产BL模型2** - 上周收益：0.12% | 6月收益：0.45% | 2025年收益：0.72% - 年化波动：1.83% | 最大回撤：1.28%[14] 3. **国内资产BL模型1** - 上周收益：0.01% | 6月收益：0.55% | 2025年收益：1.52% - 年化波动：2.36% | 最大回撤：1.31%[14] 4. **国内资产BL模型2** - 上周收益：0.02% | 6月收益：0.47% | 2025年收益：1.53% - 年化波动：2.10% | 最大回撤：1.06%[14] 5. **全球资产风险平价模型** - 上周收益：0.10% | 6月收益：0.43% | 2025年收益：1.86% - 年化波动：1.86% | 最大回撤：1.20%[21] 6. **国内资产风险平价模型** - 上周收益：0.10% | 6月收益：0.50% | 2025年收益：2.24% - 年化波动：1.62% | 最大回撤：0.76%[21] 7. **基于宏观因子的资产配置模型** - 上周收益：0.09% | 6月收益：0.62% | 2025年收益：2.20% - 年化波动：1.49% | 最大回撤：0.64%[28] --- 量化因子与构建方式 （注：报告中未明确提及独立因子构建，仅宏观因子作为模型输入[23]） --- 因子的回测效果 （无相关内容）

报告行业投资评级 未提及 报告的核心观点 农产品板块各品种行情走势分化，油料油脂类偏多上行，油脂类和农副产品维持震荡，软商品白糖偏弱、棉花反弹后盘整，谷物类玉米和淀粉回暖上升后窄幅盘整；建议构建卖方为主的期权组合策略以及现货套保或备兑策略增强收益 [3] 相关目录总结 标的期货市场概况 - 各期权品种标的合约最新价、涨跌、涨跌幅、成交量、量变化、持仓量、仓变化等数据展示 [4] 期权因子—量仓PCR - 各期权品种成交量、量变化、持仓量、仓变化、成交量PCR及变化、持仓量PCR及变化数据展示，用于描述期权标的行情强弱和转折时机 [5] 期权因子—压力位和支撑位 - 各期权品种标的合约平值行权价、压力点、压力点偏移、支撑点、支撑点偏移、购最大持仓、沽最大持仓数据展示，从期权持仓量行权价看标的压力和支撑点 [6] 期权因子—隐含波动率 - 各期权品种平值隐波率、加权隐波率及变化、年平均、购隐波率、沽隐波率、HISV20、隐历波动率差数据展示，平值隐波率为平值期权算术平均，加权隐波率用成交量加权平均 [7] 策略与建议 油脂油料期权 - 豆一、豆二：美豆销售数据高于预期，豆一超跌反弹偏多头上行；期权隐含波动率维持较高水平，持仓量PCR显示行情偏弱震荡，压力位4500、支撑位4100；建议采用看涨期权牛市价差组合、卖出偏中性期权组合、多头领口策略 [8] - 豆粕、菜粕：豆粕成交量和提货量上升、基差上升，行情先涨后跌再反弹；期权隐含波动率维持偏上水平，持仓量PCR下降，压力位3300、支撑位2900；建议采用看涨期权牛市价差组合、卖出偏多头期权组合、多头领口策略 [10] - 棕榈油、豆油、菜籽油：马棕产量下降、出口增加利好棕榈油，棕榈油止跌反弹偏多头上涨；期权隐含波动率下降，持仓量PCR上升，压力位8600、支撑位6600；建议采用看涨期权牛市价差组合、卖出偏多头期权组合、多头领口策略 [10] - 花生：下游采购谨慎，花生行情弱势震荡回落；期权隐含波动率维持较低水平，持仓量PCR显示震荡偏弱，压力位9000、支撑位7200；建议采用看跌期权熊市价差组合、多头领口策略 [11] 农副产品期权 - 生猪：猪价下跌后养殖端挺价，生猪行情空头压力下回暖上升；期权隐含波动率处于偏高水平，持仓量PCR显示偏弱势行情，压力位18000、支撑位12800；建议采用卖出偏中性期权组合、现货多头备兑策略 [11] - 鸡蛋：在产蛋鸡存栏增加，供应过剩，鸡蛋行情上方有压力的偏弱势空头下跌反弹；期权隐含波动率维持较高水平，持仓量PCR报收于0.60以下，压力位3500、支撑位2800；建议采用卖出偏空头期权组合策略 [12] - 苹果：冷库苹果库存处于历史低位，苹果行情上方有压力的弱势偏空头；期权隐含波动率维持偏下水平，持仓量PCR处于0.60以下，压力位8900、支撑位7000；建议采用看跌期权熊市价差组合、卖出偏空头期权组合策略 [12] - 红枣：样本点库存小幅减少，红枣行情上方有压力的弱势空头反弹；期权隐含波动率持续下降，持仓量PCR处于0.50以下，压力位11400、支撑位8600；建议采用卖出偏中性宽跨式期权组合、现货备兑套保策略 [13] 软商品类期权 - 白糖：食糖进口量减少，白糖行情上方有压力的偏空震荡；期权隐含波动率维持较低水平，持仓量PCR显示区间震荡，压力位6000、支撑位5700；建议采用卖出偏空头期权组合、多头领口策略 [13] - 棉花：纺纱厂和织布厂开机率下降，棉花库存增加，棉花行情空头压力下回暖上升后盘整；期权隐含波动率持续下降，持仓量PCR显示空头力量释放，压力位14000、支撑位13000；建议采用卖出偏中性期权组合、现货备兑策略 [14] 谷物类期权 - 玉米、淀粉：东北玉米上涨、北港库存下降，华北玉米上量减少，玉米行情矩形区间震荡后上涨回升；期权隐含波动率维持较低水平，持仓量PCR显示偏震荡行情，压力位2400、支撑位2240；建议采用看涨期权牛市价差组合、卖出偏多头期权组合策略 [14]

报告核心观点 - 对中银量化多策略行业轮动进行分析，涵盖行业表现、单策略及复合策略业绩等，本周行业轮动复合策略获超额收益，各单策略表现有差异，当前给出行业配置仓位 [1][3] 近期中信一级行业表现回顾 - 本周收益率最好的三个行业是石油石化（2.8%）、通信（1.5%）、银行（1.0%），最差的是医药（-6.1%）、纺织服装（-5.8%）、轻工制造（-5.1%） [3][10] - 30 个中信一级行业平均周收益率 -2.2%，近 1 月平均收益率 -0.3% [10] 行业估值风险预警 估值预警系统概述 - 采用各行业近 6 年 PB（剔除极端值）为样本数据，计算当前各行业 PB 在样本数据中的分位数，若滚动 6 年稳健 PB 分位数高于 95%，该行业会被剔除，不参与各分项策略测算 [12] 当前预警信号 - 本周商贸零售和汽车行业当前 PB 估值处于过去 6 年 PB 估值（剔除极端值）的极高分位点（高于 95%），触发高估值预警 [13] 单策略排名靠前行业及近期业绩表现 S1 高景气行业轮动策略（周度） - 通过 wind 分析师一致预期滚动行业数据建立多因子模型，挑选盈利预期向上的行业，构建复合因子，剔除高估值行业后，每周选因子值最高的 3 个行业等权持有 [15] - 当前景气度排名前三的行业为有色金属、通信、医药 [16] S2 隐含情绪动量追踪策略（周度） - 构建“跑在盈利预期数据公布之前”的情绪动量策略，获取“未证伪情绪”，构建复合因子，剔除高估值行业后，每周选因子值最高的 3 个行业等权持有 [18][19] - 当前市场隐含情绪指标排名前三的行业为银行、通信、综合金融 [20] S3 宏观风格轮动策略（月度） - 借助宏观指标及与四种行业风格收益的相关性对风格多空情况预判，通过行业在四种风格的暴露程度对行业契合程度排序 [21] - 当前宏观指标看多的前六行业为综合金融、计算机、电子、传媒、汽车、国防军工 [23] S4 中长期困境反转策略（月度） - 采用“2 - 3 年反转”、“1 年动量”、“旬度截面低换手率”三个因子行业排序等权复合构建策略，每月选最优的 5 个行业等权配置 [26] - 本月推荐行业为银行、钢铁、电子、非银行金融、建材、煤炭 [26] S5 基于资金流的行业轮动策略（月度） - 从“市场主力资金流向与强度”和“尾盘资金流向与强度”两个维度构建策略，每月选资金流入强度最高的 5 个行业等权配置 [30][31] - 本月资金流入强度较大的行业有综合金融、国防军工、煤炭、建材、房地产 [31] S6 财报因子失效反转行业轮动策略（月度） - 基于因子有效性均值回复理论构建策略，筛选“长期有效因子”和“短期失效因子”，复合得到“财报失效反转因子”，每月选因子值最高的 5 个行业等权配置 [35] - 本月看多行业有食品饮料、医药、家电、石油石化、综合 [37] S7 多因子打分复合行业轮动策略（季度） - 季度换仓策略，剔除中证 800 中权重低于 2%的行业，从“动量”、“流动性”、“估值”和“质量”四个维度优选因子等权 rank 复合，每季度选因子值最高的 5 个行业等权配置 [39] - 本季度推荐行业有非银行金融、电子、交通运输、有色金属、国防军工 [41] 策略复合 中银波动率控制复合 - 使用“波动率控制模型”，即“单策略负向波动率倒数”对 7 个单策略进行资金分配 [42] 调仓频率设定 - 7 个策略中 2 个周度策略、4 个月度策略和 1 个季度策略，按不同时间节点测算策略负向波动率倒数并进行资金分配 [44][46] 策略权重映射至行业 - 利用“负向波动率平价”得到 7 个单策略的配置比例后，对各策略看多的行业等权配置，各行业最终配置比例等于各策略对该行业的配置比例之和 [49] 单策略配置权重回顾 - 当前（2025 年 6 月 19 日）各单策略权重分别为 S1（12.8%）、S2（10.3%）、S3（8.6%）、S4（22.5%）、S5（15.9%）、S6（13.5%）、S7（16.4%） [56] 复合策略行业配置与业绩回顾 行业仓位回顾 - 当前（2025 年 6 月 19 日）中银多策略行业配置系统仓位通信（10.6%）、电子（8.7%）等 [1][57] 业绩回顾 - 本周行业轮动复合策略获得累计收益 -1.1%，中信一级行业等权基准收益 -2.2%，对应超额收益 1.1% [3] - 今年以来行业轮动复合策略获得累计收益 4.5%，中信一级行业等权基准收益 3.4%，对应超额收益 1.1% [3] - 今年以来各单策略超额收益 S1（-2.3%）、S2（4.5%）、S3（2.0%）、S4（3.1%）、S5（-0.8%）、S6（2.3%）、S7（1.6%） [3]