核心观点 - 近期地缘政治冲突抬升市场不确定性，叠加节前流动性收敛与春季行情部分兑现，市场或将进入“宏观数据真空+两会预期”博弈期，波动中枢上移的背景下，哑铃型策略有望提升风险收益比 [1] 市场近期表现与格局 - 过去一周（2026/02/23~2026/02/27），转债市场在节后资金回流与政策预期升温背景下，延续震荡修复格局，整体风格偏向稳健，波动率与红利特征占优 [2][11] - 转债中盘指数（+0.01%）表现优于大盘指数（-0.30%）和小盘指数（-0.10%），中价指数表现较好（+0.10%），高价转债走势较弱（-0.93%），显示资金对高估值、高价位品种的风险偏好仍在收敛 [2][11] - 市场驱动因素包括：“两会”临近的政策预期差博弈、海外地缘冲突与大宗商品价格波动提升传统周期与红利板块确定性、以及科技成长方向仍有产业与主题催化但表现偏向精选博弈 [2][11] - 近一周市场整体面临回调压力，多数风格因子承压，但动量风格内部爆发较强向上弹性，例如“航宇转债”大幅上涨 +9.14%，“友发转债”强势拉升 +6.06% [3][14] - 相比之下，前期表现稳健的流动性与量价相关性风格胜率大幅下降，流动性风格中仅“明新转债”录得 +1.29% 的正收益 [3][14] - 市场呈现震荡回调与局部高热并存的复杂格局，普涨势头暂歇，前期获利较多的化工等品种出现显著回撤，资金向部分估值较低且具备产业逻辑的航空、金属加工个券集中 [3][14][16] 行业与指数表现 - 根据万得可转债指数行情，近一周表现较好的行业指数包括：公用事业指数（+1.48%）、能源指数（+1.11%）、材料指数（+1.07%）[25] - 近一周表现较弱的行业指数包括：信息技术指数（-1.10%）、金融指数（-0.92%）、医疗保健指数（-0.67%）[25] - 按评级划分，近一周AA-及以下指数表现最佳（+0.40%），AAA指数表现最弱（-0.51%）[25] - 按价格划分，高价指数表现最弱（-0.93%），中价指数（+0.10%）和低价指数（+0.01%）表现相对稳健 [25] - 高价低溢价率指数近一周表现突出，上涨 +1.30% [25] 后市展望与投资策略 - 展望后市，波动中枢上移与外部不确定性并存，策略应以“交易思维”为主，采用哑铃型框架以提升风险收益比 [4][17][22] - 哑铃策略一端：深耕低估值分位、盈利确定性高、现金流稳健的防御性品种作为组合基石，以债底价值抵御系统性回撤，聚焦银行、公用事业等大盘高评级品种，兼具红利属性与安全垫 [4][12][22][24] - 哑铃策略另一端：结合年报季与事件驱动窗口，动态布局估值调整充分、增长路径清晰的优质成长，捕捉定价错位与估值修复带来的结构性弹性 [4][22] - 具体配置主线包括：事件与避险主线关注原油/贵金属、军工及能源安全链条；顺周期把握涨价与供需错配主线（有色/化工）；科技聚焦产业趋势清晰的 AI/算力/机器人；外需侧关注“抢出口”预期下的出口链优质标的 [4][24] - 组合层面建议维持“防御底仓+弹性增强”的均衡框架，逢低配置低溢价、基本面扎实、与兑现路径高度一致的标的以承接正股弹性 [4][24] - 执行上需弱化对纯 Beta 的追逐，强化阿尔法挖掘与节奏管理，设定明确的仓位与止盈止损阈值，利用情绪扰动的区间波动进行波段操作 [22] - 春季行情仍具博弈空间，但节奏更偏向结构修复而非全面扩张，在高波动、低确定性环境中，风格延续与结构均衡是主要应对框架 [12]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：风格相对拥挤度模型[71][127] * **模型构建思路**：通过计算不同风格指数换手率标准化值的差异及其历史分位，来衡量某一风格相对于另一风格的交易拥挤程度，以判断其配置风险或性价比[71][127]。 * **模型具体构建过程**： 1. 对于风格A指数和风格B指数，分别计算其近252个交易日的平均换手率[127]。 2. 将上述平均换手率值，在2005年1月1日以来的历史时间序列上进行Z-score标准化，得到Z-score_A与Z-score_B[127]。 3. 计算二者差值：$$Diff_{AB} = Z\text{-}score_A - Z\text{-}score_B$$[127] 4. 计算差值Diff_AB的滚动6年历史分位数（若历史数据不足6年但满1年，则使用全部历史数据计算），该分位数即为风格A相对于风格B的相对拥挤度[127]。 2. **模型名称**：风格累计超额净值模型[128] * **模型构建思路**：以万得全A指数为基准，计算各风格指数的累计超额收益，用于跟踪风格表现的相对强弱[128]。 * **模型具体构建过程**： 1. 设定基准日（报告中为2020年1月4日）[128]。 2. 将各风格指数及万得全A指数的每日收盘价除以基准日收盘价，得到各自的累计净值序列[128]。 3. 将各风格指数每日的累计净值除以同一交易日万得全A指数的累计净值，得到该风格指数相对于万得全A的累计超额净值[128]。 3. **模型名称**：机构调研活跃度模型[129] * **模型构建思路**：通过标准化并比较不同板块（指数、行业）的机构调研频率，构建活跃度指标并计算其历史分位，以衡量市场关注度的变化[129]。 * **模型具体构建过程**： 1. 对于特定板块，计算其近n个交易日的“日均机构调研次数”[129]。 2. 将该日均值在滚动y年的历史时间序列上进行z-score标准化[129]。 3. 将上述标准化值与万得全A指数的同期标准化结果作差，得到“机构调研活跃度”[129]。 4. 计算该“机构调研活跃度”的滚动y年历史分位数（长期口径：n=126，y=6年；短期口径：n=63，y=3年。历史数据不足时使用全部可用数据计算）[129]。 模型的回测效果 *本报告为市场跟踪周报，未提供上述模型的长期历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了模型在特定时点（2025年12月26日当周）的输出结果和状态判断[71][75][77][78]。* 量化因子与构建方式 1. **因子名称**：滚动季度夏普率[37][39] * **因子构建思路**：计算万得全A指数滚动一个季度（约63个交易日）的夏普比率，作为衡量市场情绪与风险的指标[37]。 * **因子具体构建过程**：报告未给出详细计算公式，但遵循夏普比率通用定义，即区间超额收益率均值除以收益率标准差。文中指出该指标上升至历史极高位置表明市场情绪达到极端高峰[37]。 2. **因子名称**：风险溢价（ERP）[51][59] * **因子构建思路**：计算股票指数市盈率倒数与无风险利率的差值，作为衡量股债相对性价比的指标[51]。 * **因子具体构建过程**：对于任一指数，其ERP计算公式为： $$ERP = \frac{1}{PE_{TTM}} - R_{f}$$ 其中，\(PE_{TTM}\) 为指数的滚动市盈率，\(R_{f}\) 为10年期中国国债到期收益率[51]。 3. **因子名称**：成交热度[25][35] * **因子构建思路**：使用换手率的历史分位来度量指数、板块或行业的交易活跃程度[25]。 * **因子具体构建过程**：成交热度定义为“周度日均自由流通换手率”在设定历史区间（例如2005年1月1日至今）内的历史分位值[25][35]。 4. **因子名称**：动量因子（基于长江动量指数）[61] * **因子构建思路**：以最近一年收益率减去最近一个月收益率（剔除涨停板）作为动量指标，筛选动量特征强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江动量指数综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为成分股，以表征动量风格的整体走势[61]。 5. **因子名称**：反转因子（基于长江反转指数）[61] * **因子构建思路**：以最近一个月收益率作为筛选指标，筛选反转效应强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江反转指数综合选择A股市场中反转效应强、流动性较好的前100只股票作为成分股，并采用近三个月日均成交量进行加权，以表征反转风格的整体表现[61]。 因子的回测效果 *本报告未提供上述因子的IC、IR、多空收益等传统因子测试结果。报告主要展示了这些因子或基于其构建的指数在特定时期（近一周、近一月、年初至今）的表现，以及相关指标（如PE分位、ERP分位）在当周末的截面或时间序列值[17][35][49][59][66]。*