美股市场板块轮动与风格切换 - 上周美股市场出现显著板块轮动，资金从2025年表现领先的板块流向此前表现落后的板块，标普500指数微跌0.1%但市场上涨动能广泛扩散[1] - 道琼斯工业指数上周五大涨2.5%，历史上首次突破50000点关口，标普中型股400指数和标普小型股600指数分别上涨4.4%和4.0%，标普500等权重指数上涨2.2%[1] - 在标普500指数内部，“旧经济”和防御性板块领涨，必需消费品板块上涨6.0%，工业和能源板块分别上涨4.7%和4.4%，而通信服务与信息技术板块分别下跌4.4%和1.4%[1] 投资风格与因子表现 - 价值投资风格明显占优，上周标普500纯价值指数上涨4.0%，而成长指数下跌2.1%[1] - 追求股息收益的策略受到青睐，标普500纯股息贵族指数和道琼斯美国精选股息指数分别上涨3.5%和3.3%[1] - 过去几年颇具影响力的“动量”因子表现近乎停滞，上周仅微涨0.1%[1] 市场情绪与不确定性 - 在市场风格切换背景下不确定性上升，预计短期内美国蓝筹股之间的表现分化将继续扩大[2] - 截至2月6日，衡量市场恐慌情绪的芝加哥期权交易所波动率指数(VIX)升至35.7，较年初上涨6.2点，表明市场预计未来一个月波动性可能加剧[2] 全球市场与资产表现 - 上周全球其他股市整体表现平平但地区差异巨大，卢森堡市场大涨9.0%，阿联酋市场上涨5.1%，丹麦和韩国市场则分别下跌7.6%和5.1%[2] - 避险资产出现走势背离，上周黄金价格上涨5.0%，而白银价格收跌2%[2] - 从美股风格转换、全球市场各异表现到避险资产迥异走势，均凸显当前市场环境下资金流向的再平衡与风险偏好的重构[2]

报告行业投资评级 - 报告未明确给出统一的行业投资评级，但针对不同主题和板块提供了具体的交易策略和观点 [1][3][31][33][36][42] 报告的核心观点 - 市场正经历由人工智能颠覆风险等因素驱动的高波动时期 动量因子和多个主题的波动率处于历史高位 但动量长仓的盈利预期上调 建议逢大幅回调买入 [1][3][4][26] - 软件行业面临“两万亿美元”的市值蒸发和严峻挑战 估值已大幅下调 但仍缺乏买家介入 其波动性可能因未来一个月超过10个人工智能模型更新而居高不下 [7][10][14][18][19] - 在动荡的市场中 与实体经济相关的主题交易（如地区性银行、英国房地产、制造业回流等）因其与政策、基本面挂钩而显得更具合理性 [6][31][33][36] - 建议利用特定交易策略来应对当前市场环境 包括做多“七大科技股”波动率以对冲集中度风险 以及把握中国春节（CHEERS）的季节性交易机会 [15][21][42] 根据相关目录分别进行总结 1. 人工智能颠覆风险以及如何对冲 - 美国软件公司（GSTMTSFT）自高点以来已蒸发约2万亿美元市值 在Anthropic最新AI工具推出后创下近四年来最差单周表现（下跌6.7%）欧洲软件公司（GSSBSFTW）同样下跌3.5% [14] - 美国软件公司的远期市盈率已从2025年末的35倍降至目前的20倍 欧洲软件公司市盈率则从25倍降至17倍 [14] - 预计未来一个月将有超过10个人工智能模型更新和工具推出 面临AI颠覆风险领域的波动性可能居高不下 [10][14] - “七大科技股”（Mag 7）整体波动率上升 且个股间离散度加大（年初至今 谷歌上涨3.2% 微软下跌17%）建议做多“七大科技股波动率策略”（GSVIM7V1）以从波动率错位中获利 [15] 2. 动量波动率持续存在 - 动量因子的波动性目前处于过去5年的95百分位 过去几天内出现了+3-4个标准差的波动 [26] - 美国高贝塔动量指数（GSPRHIMO）本周经历了自2025年1月“深度求索抛售潮”以来最糟糕的一天 [27] - 动量波动率已飙升至过去两年未见的水平 支持短期对冲的观点 [29] 3. 具有合理性的实体经济交易 - **美国地区性银行**：看好流动性地区性银行篮子（GSCBRGBK） 受益于收益率曲线趋陡、贷款增长改善及监管放松 地区性银行并购篮子（GSFINRMA）则受益于潜在整合活动 [31] - **英国房地产**：看好英国房地产篮子（GSXEUKRE） 因估值低廉、盈利势头向好 且与英国国债收益率高度负相关 市场对英国央行3月降息的概率预期从18%升至70% [33] - 英国房地产的股价与净资产比率（P/NTA）为-32% 而历史平均值为-19% 存在重估潜力 [33] 4. 值得关注的全球主题 - 看好本土制造和国家安全主题 涉及美国（GSXUSHOR GSXUNATL）、德国（GSXEGFSC）和日本（GSXAJESC）这些行业受益于地缘政治驱动的再工业化、更高财政支出、高贝塔和顺周期性 [36] - 日本经济安全篮子（GSXAJESC）的直接催化剂是本周末的临时选举 预计将巩固加强经济和国防政策的承诺 [36] - 德国制造业订单出现显著积极惊喜 财政方案实施势头强劲 支撑了德国财政基建受益股（GSXEGFSC）的收益 [38] 5. 把握CHEERS的最后机会 - 看好2026年中国CHEERS贸易（GSXACHEE）作为全球投资组合中的多元化工具 以捕捉春节季节性效应 [42] - 过去25年中 春节前后中国股市有18年取得正回报 该时期经风险调整后的表现（夏普比率）是普通月份的10倍 [42] - CHEERS策略在过去19年及最近6年几乎每年都跑赢MSCI中国A股指数 在5周期间内的平均超额收益约为6% 信息比率为5.1倍 [42] 6. 行业估值概览（基于2026年2月9日数据） - 软件与服务行业2026年预期市盈率为26.9倍 较一年前的50.6倍大幅下降 2027年预期市盈率为22.1倍 [9] - 媒体与娱乐行业2026年预期市盈率最高 为34.8倍 其次是汽车及零部件（31.7倍）和半导体及设备（31.5倍） [9] - 银行（12.1倍）和保险（12.0倍）行业的2026年预期市盈率最低 [9] 7. 软件行业具体分析 - 软件板块是今年迄今及过去一周PB账面上净卖出量最大且被做空最多的子板块 美国软件个股做空组合本周环比增长19% 今年迄今增长55% [7] - 从销售增长和利润率角度看 软件行业估值已变得更为合理 但其基于每股收益增长的估值仍比其他行业高出4倍 [7][11] - 主要软件公司股价较52周高点大幅回撤 例如：ORCL（-55.83%）、NOW（-46.84%）、ADBE（-39.73%）、CRM（-39.71%）、MSFT（-23.59%）[16] 8. 其他交易机会 - 做多“内存受益股”与做空“内存输入成本敏感型股票”的组合（GSPUMEMO）目前相对于内存价格有超过7%的上涨空间 内存类股票的预期收益已增长逾两倍 [17] - 多个主题的10天实际波动率处于2010年以来第99百分位 包括高贝塔动量（GSPRHIMO）、AI赢家与风险（GSPUARTI）、质量（GSPUQUAL）等 [4]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：国信金工指数增强组合模型[11][12] * **模型构建思路**：以多因子选股为主体，构建对标不同宽基指数的增强组合，力求稳定战胜各自基准[11] * **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三部分[12]。具体步骤未在报告中详细展开。 2. **模型名称**：单因子MFE组合模型[15][42] * **模型构建思路**：为了在更贴近实际投资约束的条件下检验单因子的有效性，采用组合优化的方式，在控制行业暴露、风格暴露等约束下，构建最大化单因子暴露的组合[42] * **模型具体构建过程**：采用组合优化模型构建最大化单因子暴露组合[42]。具体步骤如下： 1. 设定约束条件，包括风格暴露、行业暴露、个股权重偏离、成分股内权重占比、个股权重上下限等[46]。例如，对于沪深300和中证500指数，控制MFE组合相对于基准在中信一级行业和市值风格因子上的相对暴露为0，个股相对于成分股最大偏离权重1%，成分股内权重占比100%[46] 2. 在每个月末，根据约束条件构建每个单因子的MFE组合[46] 3. 在回测期内根据各期MFE组合换仓，计算历史收益并按双边0.3%扣除交易费用，计算相对于基准的收益风险统计指标[46] * **模型评价**：该方法能更真实地反映因子在实际投资约束下的有效性，检验后认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[42] 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等维度出发，构造了30余个因子[16]。具体因子名称及计算方式如下[17]： 1. **因子名称**：BP * **因子构建思路**：估值类因子 * **因子具体构建过程**：净资产 / 总市值[17] 2. **因子名称**：单季EP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度归母净利润 / 总市值[17] 3. **因子名称**：单季SP * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度营业收入 / 总市值[17] 4. **因子名称**：EPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：归母净利润TTM / 总市值[17] 5. **因子名称**：SPTTM * **因子构建思路**：估值类因子 * **因子具体构建过程**：营业收入TTM / 总市值[17] 6. **因子名称**：EPTTM分位点 * **因子构建思路**：估值类因子 * **因子具体构建过程**：EPTTM在过去一年中的分位点[17] 7. **因子名称**：股息率 * **因子构建思路**：估值类因子 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[17] 8. **因子名称**：一个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去20个交易日涨跌幅[17] 9. **因子名称**：三个月反转 * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去60个交易日涨跌幅[17] 10. **因子名称**：一年动量 * **因子构建思路**：反转/动量类因子 * **因子具体构建过程**：近一年除近一月后动量[17] 11. **因子名称**：单季净利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度净利润同比增长率[17] 12. **因子名称**：单季营收同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业收入同比增长率[17] 13. **因子名称**：单季营利同比增速 * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业利润同比增长率[17] 14. **因子名称**：SUE (标准化预期外盈利) * **因子构建思路**：成长类因子 * **因子具体构建过程**：(单季度实际净利润 - 预期净利润) / 预期净利润标准差[17] 15. **因子名称**：SUR (标准化预期外收入) * **因子构建思路**：成长类因子 * **因子具体构建过程**：(单季度实际营业收入 - 预期营业收入) / 预期营业收入标准差[17] 16. **因子名称**：单季超预期幅度 * **因子构建思路**：成长类因子 * **因子具体构建过程**：预期单季度净利润 / 财报单季度净利润[17] 17. **因子名称**：单季ROE * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度归母净利润 * 2 / (期初归母净资产 + 期末归母净资产)[17] 18. **因子名称**：单季ROA * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度归母净利润 * 2 / (期初归母总资产 + 期末归母总资产)[17] 19. **因子名称**：DELTAROE * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度净资产收益率 - 去年同期单季度净资产收益率[17] 20. **因子名称**：DELTAROA * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度总资产收益率 - 去年同期单季度总资产收益率[17] 21. **因子名称**：非流动性冲击 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去20个交易日的日涨跌幅绝对值 / 成交额的均值[17] 22. **因子名称**：一个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去20个交易日换手率均值[17] 23. **因子名称**：三个月换手 * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去60个交易日换手率均值[17] 24. **因子名称**：特异度 * **因子构建思路**：波动类因子 * **因子具体构建过程**：1 - 过去20个交易日Fama-French三因子回归的拟合度[17] 25. **因子名称**：一个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去20个交易日日内真实波幅均值[17] 26. **因子名称**：三个月波动 * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去60个交易日日内真实波幅均值[17] 27. **因子名称**：高管薪酬 * **因子构建思路**：公司治理类因子 * **因子具体构建过程**：前三高管报酬总额取对数[17] 28. **因子名称**：预期EPTTM * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动EP[17] 29. **因子名称**：预期BP * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动PB[17] 30. **因子名称**：预期PEG * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期PEG[17] 31. **因子名称**：预期净利润环比 * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期净利润 / 3个月前一致预期净利润[17] 32. **因子名称**：3个月盈利上下调 * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去3个月内分析师(上调家数 - 下调家数) / 总家数[17] 33. **因子名称**：三个月机构覆盖 * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去3个月内机构覆盖数量[17] 模型的回测效果 1. **国信金工沪深300指数增强组合**，本周超额收益0.24%，本年超额收益3.21%[5][14] 2. **国信金工中证500指数增强组合**，本周超额收益0.53%，本年超额收益-0.27%[5][14] 3. **国信金工中证1000指数增强组合**，本周超额收益1.63%，本年超额收益3.92%[5][14] 4. **国信金工中证A500指数增强组合**，本周超额收益0.40%，本年超额收益3.28%[5][14] 因子的回测效果 (基于单因子MFE组合) 报告分别以沪深300、中证500、中证1000、中证A500及公募重仓指数为选股空间，展示了各因子MFE组合在最近一周、最近一月、今年以来及历史年化等不同时间窗口的超额收益表现[18][21][23][25][27]。以下为各样本空间中部分因子的近期表现示例： **沪深300样本空间**[18]： 1. **单季SP因子**，最近一周超额收益1.33%，最近一月超额收益0.89%，今年以来超额收益0.63%，历史年化超额收益2.80% 2. **SPTTM因子**，最近一周超额收益1.11%，最近一月超额收益0.81%，今年以来超额收益0.60%，历史年化超额收益2.03% 3. **单季EP因子**，最近一周超额收益0.99%，最近一月超额收益1.48%，今年以来超额收益1.55%，历史年化超额收益5.37% **中证500样本空间**[21]： 1. **一个月波动因子**，最近一周超额收益1.57%，最近一月超额收益1.49%，今年以来超额收益-0.37%，历史年化超额收益0.80% 2. **三个月反转因子**，最近一周超额收益1.42%，最近一月超额收益-3.14%，今年以来超额收益-3.40%，历史年化超额收益-2.38% 3. **一个月反转因子**，最近一周超额收益1.19%，最近一月超额收益-0.32%，今年以来超额收益-1.67%，历史年化超额收益-1.60% **中证1000样本空间**[23]： 1. **一个月反转因子**，最近一周超额收益1.77%，最近一月超额收益-0.37%，今年以来超额收益-0.40%，历史年化超额收益-4.29% 2. **三个月反转因子**，最近一周超额收益1.56%，最近一月超额收益0.76%，今年以来超额收益1.70%，历史年化超额收益-1.95% 3. **非流动性冲击因子**，最近一周超额收益1.52%，最近一月超额收益2.73%，今年以来超额收益3.06%，历史年化超额收益2.48% **中证A500样本空间**[25]： 1. **一个月波动因子**，最近一周超额收益1.46%，最近一月超额收益1.50%，今年以来超额收益0.51%，历史年化超额收益0.95% 2. **单季EP因子**，最近一周超额收益1.29%，最近一月超额收益1.59%，今年以来超额收益0.63%，历史年化超额收益5.16% 3. **三个月换手因子**，最近一周超额收益1.21%，最近一月超额收益0.61%，今年以来超额收益0.49%，历史年化超额收益2.81% **公募重仓指数样本空间**[27]： 1. **一个月波动因子**，最近一周超额收益1.61%，最近一月超额收益1.18%，今年以来超额收益-0.43%，历史年化超额收益0.03% 2. **单季SP因子**，最近一周超额收益1.45%，最近一月超额收益1.56%，今年以来超额收益0.50%，历史年化超额收益1.98% 3. **SPTTM因子**，最近一周超额收益1.44%，最近一月超额收益1.09%，今年以来超额收益0.08%，历史年化超额收益0.76%

行业/公司 * 美股市场整体及多个行业板块，包括科技、消费、医疗健康、能源、工业、房地产等[1][2][3][4][5][6] 核心观点与论据 **市场整体情绪与资金流** * 本周市场波动加剧，风险偏好受挫，各类资产动量指标走弱[1] * 资产管理机构净买入约30亿美元，而对冲基金净卖出约40亿美元[1] * 标普500指数成分股中已有约44%披露业绩，整体股价反应基本符合预期[1] * 美股已连续第三周遭遇净卖出，主要由宏观产品的空头抛售驱动[2] * 对冲基金总杠杆率创历史新高至226.2%，但净杠杆率下降2.1个百分点至53.5%[2] **科技与软件板块** * 软件板块出现大规模卖盘，IGV指数暴跌5%，创历史最高成交量[1][3] * 对冲基金对软件板块的净敞口跌至历史新低[2] * 大型科技股财报表现分化：Meta因强劲营收指引大涨10%，微软因Azure增速趋稳下跌10%，苹果营收超预期但股价持平[3] * 科技板块内波动剧烈，TMT板块中存储芯片与半导体设备走弱[3] **医疗健康板块** * 管理式医疗板块成为重灾区，出现巨大持仓调整压力，主要因MA Advanced Notice and Tools政策的影响远超预期[1][5] * 随着财报季开启，DHR/TMO等个股股价波动剧烈[5] **消费板块** * 本周前期消费板块持续跑输大盘，一度连续6天累计跑输500个基点[4] * 疲软源于冬季风暴导致高频数据扰动及资金回流TMT板块[5] * 本周多数消费股的EPS报告表现稳健[5] **能源板块** * 传统能源领域资金流入持续增加[5] * 埃克森美孚和雪佛龙一季度业绩均超预期，但投资者更关注其偏谨慎的一季度产量指引[5] * 油田服务板块中，LBRT一季度EBITDA超市场预期50%，并宣布到2029年新增3吉瓦的电力业务机会[5] **工业板块** * 工业板块迎来2010年以来最强劲的开局[6] * 材料板块上涨800个基点，市场的逼空行情迫使投资者加大周期交易风险敞口[6] * 财报季后板块表现分化：化工股逆势走强，而工业AI/数据中心和国防板块的龙头企业财报后反应疲弱[6] **房地产板块** * 本周主要驱动事件是卡特彼勒（CAT）下跌3%，引发了对住房可负担性交易的担忧[6] 其他重要内容 **市场微观结构** * ETF成交量维持高位，盘中占比一度突破40%[1] * 标普500的最优买盘深度疲弱，当日平均仅为540万美元，较一年均值1160万美元大幅萎缩[1] **动量因子与商品市场** * 动量因子全面走弱，全球市场都感受到这一趋势[3] * 白银单日暴跌27%，黄金下跌9%[1][3] **板块资金流向** * 必需消费品板块成为今年以来按百分比计算净卖出最多的板块[2] * 对冲基金在本周三前积极买入科技股，周四因业绩喜忧参半转向抛售[2] **下周前瞻** * 标普500指数到下周五（2月6日）的隐含波动率为1.73%[2] * 下周将是第四季度财报发布的第二繁忙周，约25%的标普500成分股将披露业绩，重点关注亚马逊财报[2] * 宏观层面需关注就业数据及欧洲央行、英国央行的利率决议[2] **特定个股与事件** * 电信/有线电视板块表现强劲，Verizon涨11%，Charter因财报上涨[3] * 市场正评估由卡特彼勒下跌引发的利率波动的传导范围[7]

文章核心观点 - 2025年A股市场呈现典型的“结构性牛市”，其上涨主要由流动性驱动而非宏观基本面，但资金在流入时会选择边际增长更快的方向，形成了结构性行情[3][4][5] - 市场行情由两类资金共同推动，形成了“动量因子”主导的特征：一类是基于业绩预期“线性外推”的基本面资金，另一类是基于“动量效应”追逐趋势的资金，两者都指向动量策略，但后者推动的属于“伪动量因子”[5][6][7] - 2025年A股动量行情呈现“横截面动量弱，时间序列动量强”的特点，导致价格动量高度集中在少数板块，赚钱难度增加，量化资金因此更容易跑赢主观交易者[14][17][19] - 与2019-2021年“横截面动量”和“时间序列动量”双强的普涨行情不同，2025年因宏观基本面弱、可选择的强势板块少，导致资金过度集中于科技股，加剧了波动，使“横截面动量策略”失效[20][21][23] - 在当前的动量行情特征下，投资者不应无脑追动量，而应接受分化常态、谨慎逆势、在对的方向上坚持持有，并对强趋势的退潮信号保持敏感[27][28][29][30] 结构性牛市 - 2025年A股大涨主要源于流动性驱动而非基本面，前三季度全A非金融上市公司整体营收增长0.7%，净利润增长1.92%，但全年涨幅超过20%，几乎全是估值提升[4] - 市场呈现“整体不相关，结构高度相关”的特点，科技股因业绩相对较好而大幅跑赢传统行业，创业板和科创板Q3营收同比分别增长10.49%和6.02%，业绩增长最快的TMT和原材料也是年内涨幅最大的板块[4] - 由估值推动的行情中，结构性特征明显，形成“去弱持强”的局面，其背后是两类逻辑的资金：基于业绩预期“线性外推”的基本面资金，以及基于“动量效应”追逐趋势的资金[5][6] - 机构预测2025和2026两年营收增速均在15%以上的行业是电子和军工，预测继续涨价的行业是有色，这些是2025年最强的行业[5] - 机构预测2025和2026两年利润增速均为负值的行业包括石油石化、煤炭、家用电器、食品饮料、公用事业和交通运输，这些总量经济行业估值处于历史区间下沿[5] 真动量板块和伪动量板块 - 真动量板块的驱动力是基本面有持续的增长逻辑、产业趋势全面扩散、有明确可验证的业绩变量（如收入、订单、产能、渗透率），参与资金种类丰富，形成“机游共振”[10] - 过去两年的“海外算力”主线是真动量板块的典型，明确对应海外AI资本开支增长，板块内一二三线个股均有业绩表现，吸引了公募、游资、散户、量化乃至部分保险社保资金参与[10] - 伪动量板块的驱动因素往往建立在大量假设之上，由资金情绪驱动，例如2025年的各种政策概念、新技术以及处于政策规划中的产业趋势（如年中的军工、年末的商业航天），其空间难以转化为订单、收入和现金流[11] - 真动量板块上涨多且回撤小，有业绩支持，回调时有大量资金承接；伪动量板块上涨快、角度陡，但回调猛烈，因预期无法兑现，资金在财报前会回避[12] - 中小市值题材股、连板股、妖股的上涨属于高波动因子，通过不断换龙头、重洗筹码实现，长期对A股动量因子的胜率是负贡献，并非真正的动量板块[12] 假趋势与真波动 - 2025年A股“横截面动量策略”（横向比较买入最强、卖出最弱）效果较差，因板块轮动快、政策事件频繁，强弱排名易被打断[17] - “时间序列动量策略”（持有持续上涨的品种）在2025年仍有较好表现，少数方向如海外算力、人型机器人、有色从年初涨到年尾且回撤有限[17] - “横截面动量策略”弱而“时间序列动量”强，导致价格动量呈点状，高度集中在极少数板块[18] - 量化资金在2025年更容易跑赢主观交易者，原因有二：一是市场容错率低，趋势少而强，适合纠错能力强的量化；二是“时间序列动量”要求涨多了继续持有，这逆人性，而人性更适应“横截面动量”[19] - 2019-2021年的牛市钱更容易赚，因为当时“时间序列动量”和“横截面动量”双强，强势板块品类丰富（如消费、半导体、新能源）且持续，板块内龙头、次龙、二线依次走强，散户买强势股大概率能跑赢[20] - 2019-2021年动量“双强”的首要原因是宏观基本面强，盈利预测逐季上抬，股价上涨有基本面支持[21][22] - 第二个原因是可选择的板块多，板块间相互牵制，成长因子和价值因子表现都好，资金分散，板块不易超涨，使“横截面动量策略”保持有效[23] - 反观2025年，价值因子失效，红利因子回调，成长因子仅体现在科技股，导致所有资金挤进科技股“华山一条道”，造成暴涨暴跌，“横截面动量策略”失效[23] - 动量策略需要反制因素，美股有大量价值资金、对冲基金做反向交易；而2025年A股缺乏“逆科技股动量”的制衡板块，强势板块容易涨过头[23] 动量投资的四个避坑建议 - 接受分化是常态，若持有对业绩有信心的弱势股，需有正常心态，相信强弱转化可能发生在一个周末[28] - 若非对基本面有绝对信心，不要轻易做逆势均值回归，毕竟当前横截面只有少数强势板块[29] - 不要总是忙着换最强的板块（横截面动量），当下的市场不一定总会奖励此行为，但要在对的方向上坚持持有（时间序列动量），市场会持续给予奖励[29] - 如果投资方法偏动量，需对强趋势的退潮信号极其敏感[30]

文章核心观点 - 文章为国信金工团队发布的多因子选股周报，旨在跟踪其构建的各类指数增强组合表现、监控不同选股空间下的因子表现，并分析公募基金指数增强产品的业绩 [2] - 核心方法论是以多因子选股为主体，通过构建最大化单因子暴露组合来检验因子在控制实际投资约束后的有效性，并以此构建对标主要宽基指数的增强策略 [3][29] 国信金工指数增强组合表现 - **沪深300指数增强组合**：本周超额收益为0.51%，本年累计超额收益高达21.85% [1][7] - **中证500指数增强组合**：本周超额收益为-0.73%，本年累计超额收益为6.17% [1][7] - **中证1000指数增强组合**：本周超额收益为-1.12%，本年累计超额收益为15.93% [1][7] - **中证A500指数增强组合**：本周超额收益为-0.28%，本年累计超额收益为10.62% [1][7] 选股因子表现监控 - **沪深300样本空间**：最近一周表现较好的因子包括一年动量（周收益1.09%）、标准化预期外盈利（周收益0.87%）和预期净利润环比（周收益0.86%）[8][10] - **中证500样本空间**：最近一周表现较好的因子包括预期净利润环比（周收益0.71%）、标准化预期外盈利（周收益0.69%）和DELTAROE（周收益0.64%）[12] - **中证1000样本空间**：最近一周表现较好的因子包括一个月反转（周收益1.23%）、单季营收同比增速（周收益1.08%）和标准化预期外收入（周收益0.66%）[13][14] - **中证A500样本空间**：最近一周表现较好的因子包括预期净利润环比（周收益1.89%）、一年动量（周收益1.39%）和标准化预期外盈利（周收益1.28%）[16] - **公募重仓股样本空间**：最近一周表现较好的因子包括一年动量（周收益1.85%）、预期净利润环比（周收益0.97%）和单季净利同比增速（周收益0.95%）[18] 公募基金指数增强产品表现与规模 - **产品数量与规模**： - 沪深300指数增强产品共79只，总规模799亿元 [20] - 中证500指数增强产品共76只，总规模514亿元 [20] - 中证1000指数增强产品共46只，总规模214亿元 [20] - 中证A500指数增强产品共71只，总规模263亿元 [20] - **沪深300指数增强产品**：本周超额收益最高1.61%，最低-0.73%，中位数为0.01% [1][23] - **中证500指数增强产品**：本周超额收益最高0.79%，最低-2.23%，中位数为-0.49% [1][25] - **中证1000指数增强产品**：本周超额收益最高1.74%，最低-1.55%，中位数为-0.15% [1][27] - **中证A500指数增强产品**：本周超额收益最高0.97%，最低-1.15%，中位数为-0.12% [1][28] 方法论附录 - **因子MFE组合构建方式**：采用组合优化模型，在控制行业暴露、风格暴露、个股权重偏离等实际约束条件下，最大化单因子暴露，以检验其真实有效性 [29][30] - **公募重仓指数构建方式**：以普通股票型及偏股混合型基金的持仓信息为基础，选取其平均持仓中累计权重达90%的股票构建指数，作为测试因子在“机构风格”下有效性的样本空间 [33][34]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：国信金工指数增强组合模型**[10][11] * **模型构建思路**：以多因子选股为主体，分别构建对标不同宽基指数的增强组合，力求稳定战胜基准[10] * **模型具体构建过程**：构建流程主要包括收益预测、风险控制和组合优化三部分[11] 2. **模型名称：单因子MFE组合模型**[14][38] * **模型构建思路**：为了在更贴近实际投资约束的条件下检验因子的有效性，采用组合优化的方式，在控制行业、风格等暴露的同时，最大化单因子暴露，构建最大化单因子暴露组合[38] * **模型具体构建过程**：采用如下形式的组合优化模型来构建因子的 MFE 组合[38]： $$\begin{array}{ll}max&f^{T}\ w\\ s.t.&s_{l}\leq X(w-w_{b})\leq s_{h}\\ &h_{l}\leq H(w-w_{b})\leq h_{h}\\ &w_{l}\leq w-w_{b}\leq w_{h}\\ &b_{l}\leq B_{b}w\leq b_{h}\\ &\mathbf{0}\leq w\leq l\\ &\mathbf{1}^{T}\ w=1\end{array}$$ * 目标函数为最大化单因子暴露，其中 `f` 为因子取值向量，`w` 为待求解的股票权重向量[38] * 第一个约束条件限制了组合相对于基准指数的风格暴露，`X` 为风格因子暴露矩阵，`wb` 为基准权重向量，`sl` 和 `sh` 为风格因子相对暴露的上下限[39] * 第二个约束条件限制了组合相对于基准指数的行业偏离，`H` 为股票的行业暴露矩阵，`hl` 和 `hh` 为行业偏离的上下限[39] * 第三个约束条件限制了个股相对于基准指数成分股的权重偏离，`wl` 和 `wh` 为个股偏离的上下限[39] * 第四个约束条件限制了组合在基准成分股内权重的占比下限 `bl` 及上限 `bh`，`Bb` 为个股是否属于基准成分股的 0-1 向量[39] * 第五个约束条件限制卖空并设置个股权重上限 `l`[39] * 第六个约束条件要求权重和为 1，即满仓运作[40] * **模型评价**：该方法能检验在既定实际约束下因子的有效性，认为“有效”的因子更可能在最终组合中发挥真实的收益预测作用[38] 3. **模型名称：公募重仓指数构建模型**[40][41] * **模型构建思路**：以公募基金的持股信息构建一个指数，在该样本空间中测试因子表现，以反映因子在“机构风格”下的有效性[40] * **模型具体构建过程**： * **选样空间**：普通股票型基金以及偏股混合型基金，剔除规模小于五千万且上市不足半年的基金[41] * **构建方式**：通过基金定期报告获取持股信息，将符合条件基金的持仓股票权重平均获得公募基金平均持仓信息，将平均后的股票权重降序排序，选取累计权重达到 90% 的股票作为成分股来构建指数[41] 量化因子与构建方式 报告从估值、反转、成长、盈利、流动性、公司治理、分析师等维度构造了30余个因子[15]，具体明细如下[16]： 1. **因子名称：BP**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：净资产 / 总市值[16] 2. **因子名称：单季EP**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度归母净利润 / 总市值[16] 3. **因子名称：单季SP**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：单季度营业收入 / 总市值[16] 4. **因子名称：EPTTM**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：归母净利润 TTM / 总市值[16] 5. **因子名称：SPTTM**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：营业收入 TTM / 总市值[16] 6. **因子名称：EPTTM分位点**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：EPTTM 在过去一年中的分位点[16] 7. **因子名称：股息率**[16] * **因子构建思路**：估值类因子 * **因子具体构建过程**：最近四个季度预案分红金额 / 总市值[16] 8. **因子名称：一个月反转**[16] * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去 20 个交易日涨跌幅[16] 9. **因子名称：三个月反转**[16] * **因子构建思路**：反转类因子 * **因子具体构建过程**：过去 60 个交易日涨跌幅[16] 10. **因子名称：一年动量**[16] * **因子构建思路**：反转类因子（注：原文归类为反转，但名称为动量） * **因子具体构建过程**：近一年除近一月后动量[16] 11. **因子名称：单季净利同比增速**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度净利润同比增长率[16] 12. **因子名称：单季营收同比增速**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业收入同比增长率[16] 13. **因子名称：单季营利同比增速**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：单季度营业利润同比增长率[16] 14. **因子名称：SUE**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：（单季度实际净利润 - 预期净利润）/ 预期净利润标准差[16] 15. **因子名称：SUR**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：（单季度实际营业收入 - 预期营业收入）/ 预期营业收入标准差[16] 16. **因子名称：单季超预期幅度**[16] * **因子构建思路**：成长类因子 * **因子具体构建过程**：预期单季度净利润 / 财报单季度净利润[16] 17. **因子名称：单季ROE**[16] * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度归母净利润*2 / （期初归母净资产 + 期末归母净资产）[16] 18. **因子名称：单季ROA**[16] * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度归母净利润*2 / （期初归母总资产 + 期末归母总资产）[16] 19. **因子名称：DELTAROE**[16] * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度净资产收益率 - 去年同期单季度净资产收益率[16] 20. **因子名称：DELTAROA**[16] * **因子构建思路**：盈利类因子 * **因子具体构建过程**：单季度总资产收益率 - 去年同期单季度总资产收益率[16] 21. **因子名称：非流动性冲击**[16] * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去 20 个交易日的日涨跌幅绝对值 / 成交额的均值[16] 22. **因子名称：一个月换手**[16] * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去 20 个交易日换手率均值[16] 23. **因子名称：三个月换手**[16] * **因子构建思路**：流动性类因子 * **因子具体构建过程**：过去 60 个交易日换手率均值[16] 24. **因子名称：特异度**[16] * **因子构建思路**：波动类因子 * **因子具体构建过程**：1 - 过去 20 个交易日 Fama-French 三因子回归的拟合度[16] 25. **因子名称：一个月波动**[16] * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去 20 个交易日日内真实波幅均值[16] 26. **因子名称：三个月波动**[16] * **因子构建思路**：波动类因子 * **因子具体构建过程**：过去 60 个交易日日内真实波幅均值[16] 27. **因子名称：高管薪酬**[16] * **因子构建思路**：公司治理类因子 * **因子具体构建过程**：前三高管报酬总额取对数[16] 28. **因子名称：预期EPTTM**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动 EP[16] 29. **因子名称：预期BP**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期滚动 PB[16] 30. **因子名称：预期PEG**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期 PEG[16] 31. **因子名称：预期净利润环比**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：一致预期净利润 / 3 个月前一致预期净利润[16] 32. **因子名称：三个月盈利上下调**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去 3 个月内分析师（上调家数 - 下调家数）/ 总家数[16] 33. **因子名称：三个月机构覆盖**[16] * **因子构建思路**：分析师类因子 * **因子具体构建过程**：过去 3 个月内机构覆盖数量[16] 34. **因子名称：标准化预期外盈利**[18][20][22][24][26] * **因子构建思路**：分析师预期类因子（报告中提及但未在因子库表中列出详细公式，根据名称和上下文推断为标准化后的盈利超预期因子） 35. **因子名称：标准化预期外收入**[18][22][24] * **因子构建思路**：分析师预期类因子（报告中提及但未在因子库表中列出详细公式，根据名称和上下文推断为标准化后的收入超预期因子） 模型的回测效果 1. **国信金工指数增强组合模型**[13] * 沪深300指数增强组合：本周超额收益0.51%，本年超额收益21.85%[13] * 中证500指数增强组合：本周超额收益-0.73%，本年超额收益6.17%[13] * 中证1000指数增强组合：本周超额收益-1.12%，本年超额收益15.93%[13] * 中证A500指数增强组合：本周超额收益-0.28%，本年超额收益10.62%[13] 2. **公募基金指数增强产品（作为市场参照）**[31][33][35][37] * **沪深300指数增强产品**：最近一周超额收益中位数0.01%，最近一月0.85%，最近一季1.46%，今年以来3.98%[31] * **中证500指数增强产品**：最近一周超额收益中位数-0.49%，最近一月-0.13%，最近一季1.79%，今年以来4.05%[33] * **中证1000指数增强产品**：最近一周超额收益中位数-0.15%，最近一月0.66%，最近一季1.90%，今年以来10.62%[35] * **中证A500指数增强产品**：最近一周超额收益中位数-0.12%，最近一月0.42%，最近一季1.10%[37] 因子的回测效果 （以下为各因子在**沪深300样本空间**中MFE组合的近期表现，指标包括最近一周、最近一月、今年以来及历史年化超额收益）[18] 1. **一年动量**， 最近一周1.09%， 最近一月2.08%， 今年以来3.27%， 历史年化2.75%[18] 2. **标准化预期外盈利**， 最近一周0.87%， 最近一月2.24%， 今年以来12.16%， 历史年化4.18%[18] 3. **预期净利润环比**， 最近一周0.86%， 最近一月1.50%， 今年以来6.56%， 历史年化1.72%[18] 4. **DELTAROA**， 最近一周0.73%， 最近一月1.98%， 今年以来15.82%， 历史年化4.80%[18] 5. **DELTAROE**， 最近一周0.72%， 最近一月2.48%， 今年以来18.17%， 历史年化4.51%[18] 6. **3个月盈利上下调**， 最近一周0.57%， 最近一月2.27%， 今年以来11.09%， 历史年化5.36%[18] 7. **单季超预期幅度**， 最近一周0.56%， 最近一月1.11%， 今年以来10.79%， 历史年化3.98%[18] 8. **单季营收同比增速**， 最近一周0.51%， 最近一月0.23%， 今年以来18.88%， 历史年化4.66%[18] 9. **特异度**， 最近一周0.49%， 最近一月0.48%， 今年以来2.73%， 历史年化0.19%[18] 10. **单季营利同比增速**， 最近一周0.46%， 最近一月1.68%， 今年以来14.20%， 历史年化3.48%[18] 11. **单季净利同比增速**， 最近一周0.43%， 最近一月1.65%， 今年以来14.70%， 历史年化3.89%[18] 12. **预期PEG**， 最近一周0.37%， 最近一月1.87%， 今年以来12.05%， 历史年化3.59%[18] 13. **单季ROA**， 最近一周0.30%， 最近一月1.86%， 今年以来15.03%， 历史年化4.10%[18] 14. **标准化预期外收入**， 最近一周0.29%， 最近一月1.00%， 今年以来11.70%， 历史年化4.68%[18] 15. **三个月机构覆盖**， 最近一周0.25%， 最近一月1.20%， 今年以来11.83%， 历史年化3.02%[18] 16. **一个月反转**， 最近一周0.21%， 最近一月-0.65%， 今年以来-0.98%， 历史年化-0.40%[18] 17. **高管薪酬**， 最近一周0.18%， 最近一月0.56%， 今年以来3.83%， 历史年化2.99%[18] 18. **单季ROE**， 最近一周0.16%， 最近一月2.75%， 今年以来21.91%， 历史年化5.32%[18] 19. **BP**， 最近一周-0.34%， 最近一月0.02%， 今年以来-1.65%， 历史年化2.56%[18] 20. **股息率**， 最近一周-0.39%， 最近一月0.20%， 今年以来4.00%， 历史年化3.64%[18] 21. **预期BP**， 最近一周-0.43%， 最近一月-0.13%， 今年以来-0.16%， 历史年化2.86%[18] 22. **SPTTM**， 最近一周-0.43%， 最近一月0.25%， 今年以来-1.05%， 历史年化1.98%[18] 23. **EPTTM年分位点**， 最近一周-0.47%， 最近一月-0.77%， 今年以来4.54%， 历史年化2.34%[18] 24. **预期EPTTM**， 最近一周-0.53%， 最近一月0.45%， 今年以来7.08%， 历史年化3.71%[18] 25. **单季SP**， 最近一周-0.53%， 最近一月0.05%， 今年以来-0.76%， 历史年化2.77%[18] 26. **单季EP**， 最近一周-0.55%， 最近一月0.60%， 今年以来7.77%， 历史年化5.17%[18] 27. **非流动性冲击**， 最近一周-0.63%， 最近一月-0.14%， 今年以来-1.72%， 历史年化0.37%[18] 28. **EPTTM**， 最近一周-0.76%， 最近一月-0.04%， 今年以来5.77%， 历史年化4.22%[18] 29. **三个月反转**， 最近一周-0.76%， 最近一月-0.80%， 今年以来-0.25%， 历史年化0.20%[18] 30. **一个月换手**， 最近一周-0.82%，

圣诞老人行情历史表现与规律 - 自1928年以来，标普500指数在12月24日至1月5日的“圣诞老人行情”期间平均上涨1.6% [1] - 在过去97年中，该指数在此期间上涨的概率高达77%（75年）[1] - 与之相比，典型的七天周期平均涨幅仅为0.2%，上涨概率为57% [1] - 当“圣诞老人行情”未能出现时，接下来一到两个季度的表现往往低于平均水平 [1] - 经历下跌的圣诞行情后，标普500指数接下来三个月平均下跌1%，而经历上涨的圣诞行情后，接下来三个月平均上涨2.6% [1] 一月市场表现的技术信号 - 自1950年以来，当标普500指数在1月份开盘价高于其200日移动平均线时，平均上涨1.2%，上涨概率为64% [1] - 当1月份开盘价低于其200日移动平均线时，平均上涨0.7%，上涨概率为50% [1] - 目前，标普500指数正处于这一关键技术水平之上 [1] 一月效应及其相关理论 - 1月份动量因子（SPMO）通常是全年表现最差的月份 [2] - 12月份的优异表现常与税收抵扣策略相关，投资者卖出亏损股票以抵消资本利得税 [2] - 1月份成为动量策略表现最差的月份，因为前一年表现不佳的股票随后会被买回，形成“一月效应” [2] - 一种流行理论认为，美国股市在1月份的涨幅往往高于其他月份，这种现象被称为“一月效应” [4] - 研究表明，一月份的涨幅曾是其他月份均值的几倍，这种影响在1940年至1970年代中期的小型公司股票中最为明显 [4] - 自2000年前后，这一涨幅似乎有所收缩，变得不那么可靠 [4] - 关于“一月效应”的主要理论包括：投资者在12月进行投资损失节税，抛售亏损头寸以减少纳税义务，随后在1月停止抛售并补充投资组合，从而推动股市上涨 [4] - 另一种行为理论认为，人们在新年伊始做出财务决定并调整投资，从而推高股市 [4] - 许多高薪投资者依赖年终奖，这使他们有充裕的现金可以在新年伊始进行投资 [4]

美联储经济预测与政策展望 - 美联储在2023年和2024年经济增长强劲后，最初预测2025年增长仅为1.7%，2026年为1.8% [2] - 美联储在最近3个月内大幅上调了2026年的增长预期至2.3%，这是一个相当大的向上修正 [3] - 与此同时，通胀预期已大幅下降，预示着“金发姑娘”情景的回归，即增长略好、通胀略低 [3][4] 增长与通胀前景的驱动因素 - 美联储上调增长预测并下调通胀预期的背后，可能源于人工智能部署带来的生产率提升开始显现 [4] - 若人工智能对就业产生影响，美联储可能维持比预期更长的宽松周期，以防范就业市场过度疲软 [5] - 这种利率环境更宽松、增长可能加速的组合，对股票市场是利好环境 [5] 市场板块轮动与盈利表现 - 市场出现板块轮动迹象，小盘股和等权重指数表现向好，但大型科技股明年盈利预计依然强劲，尽管增速不如从前 [6] - 科技板块的营业利润率增速多年来一直快于市场其他板块，其盈利增长约为市场其他板块的四倍 [8] - 要证明向非科技板块的持续轮动合理，需要在2026年看到科技板块与其他板块之间的盈利增长差距收窄 [9] 市场风格因子表现 - 在疫情后的环境中，动量因子是唯一持续有效的风格因子，而质量和价值因子之间已无相关性，这与疫情前两者呈负相关的情况不同 [10] - 随着经济进一步远离疫情，增长、通胀和政策恢复正常化，市场有望回归到质量与价值因子呈负相关的常规环境 [11] - 在当前环境下，价值型板块如工业、医疗保健和金融仍受到关注 [12] 2026年投资机会展望 - 从估值、盈利增长预测（特别是2026年相对于2025年的表现）以及近期的盈利修正来看，板块轮动交易正在形成 [13] - 如果盈利修正继续利好非科技板块，同时美联储维持宽松政策，价值型和周期型板块的表现应会有所改善 [13] - 这些板块，尤其是医疗保健板块在过去一个月，已经显示出蓄势待发的迹象 [14]

文章核心观点 - 基于AQR Capital Management对美股标普500指数长达60年的数据回测，传统的“逢低买入”策略在风险调整后收益和创造超额收益方面，长期表现均显著逊于简单的“买入并持有”策略，甚至不如“趋势跟踪”策略 [6][11][15] - 抄底策略失败的核心原因在于其本质是逆势操作，试图在由“动量”因子主导的短期下跌趋势中，进行基于“价值”因子的交易，往往导致投资者“抄在半山腰” [21][26][28] - 在熊市或危机时刻，“趋势跟踪”策略通过识别并跟随市场方向，能够提供显著的保护甚至正收益，而“可移植Alpha”组合策略（如100%股票敞口叠加65%趋势策略）被证明能有效兼顾牛市收益与熊市保护 [31][35][41] 抄底策略的实证表现 - AQR回测了1965年1月至2025年9月共60年的标普500数据，测试了196种不同的抄底策略组合（涵盖不同回撤深度、时间和持有期）[10] - 所有抄底策略的平均夏普比率比简单的买入并持有策略低0.04，风险调整后回报缩水16%；在1989年10月至2025年9月期间，缩水幅度更高达47% [11] - 抄底策略平均年化Alpha仅为0.5%，且仅有不到8%的策略显示出统计上显著的Alpha，表明其无法可靠创造超额收益 [15] - 长期持有（如5年）的抄底策略收益主要来源于市场长期上涨的Beta，而非择时带来的Alpha [19] 抄底策略失效的逻辑分析 - 金融市场存在“价值”和“动量”两大核心因子，价值回归通常需要数年，而动量主导周/月级别的趋势 [23][24][25] - 抄底行为是在动量主导的下跌趋势中赌立即反转，但市场下跌时具有惯性，导致投资者经常在下跌中继点买入 [26][27] - 数据表明，抄底策略与趋势跟踪策略的相关性为-0.14，证实其本质是逆势操作 [28] 趋势跟踪策略的对比优势 - 趋势跟踪策略在1989年10月至2025年9月期间，平均年化Alpha达到4.7%，远高于抄底策略的0.3% [31] - 在美股几次重大熊市中，趋势跟踪策略（以SG Trend Index为代表）表现出色：2007-2009年金融危机期间收益31.7%，2000-2002年互联网泡沫破裂期间收益51.4%，2022年熊市期间收益33.9% [35] - 在上述几次熊市的平均表现中，标普500下跌40.2%，抄底策略平均下跌18.4%，而趋势跟踪策略取得了28.6%的平均正收益 [35] - 趋势策略在2020年3月闪崩中亏损2.4%，主因是下跌过快趋势未形成，但此类短期波动对长期投资者并非致命威胁 [37] 优化投资组合的构建方案 - AQR提出“可移植Alpha”方案，构建一个组合：100%持有美股大盘（获取Beta收益），并叠加65%仓位的趋势跟踪策略（获取危机Alpha）[41] - 回测2000-2025年数据，该组合年化超额收益达5.0%，夏普比率为0.50，优于传统的全球60/40股债组合（年化超额收益4.2%，夏普比率0.45）[41][42] - 该组合中，趋势策略与股票市场长期相关性极低甚至负相关，两者形成对冲，能在股票大跌时提供保护 [44][45] 对投资者的建议 - 应戒除精准抄底的惯性，历史回测表明即使对过去十年表现卓越的“七巨头”股票使用抄底策略，也跑输了买入持有 [49][50] - 建议在投资组合中配置趋势跟踪类策略，其核心作用是在类似2008年或2022年的长期熊市中提供保护 [53] - 长期投资的本质在于持续在场，频繁择时交易往往以高难度换取极低甚至为负的超额收益 [54]