宏观及策略研究 - 报告核心观点：2026年A股行情的业绩支撑将主要来自价格端的有效支撑而非量的超预期增长[3] - 2025年10月、11月PPI价格已连续两月环比转正，若此态势持续，2026年PPI同比降幅将逐步收窄并有望转正，从而支撑工业企业效益和上市公司总体盈利水平[3] - 2025年对价格产生最大支持的政策是“反内卷”政策，自2025年7月1日中央财经委会议后，伴随重点行业产能治理，部分上游品种价格逐步企稳上涨，政策基调在“十五五”规划建议和2025年12月中央经济工作会议中得到延续，预示政策效果将在2026年持续显现[4] - 外部环境对2026年PPI回升总体积极，2026年是美国中期选举关键年，特朗普政府可能通过影响美联储人事来推动降息步伐，其降息幅度可能高于现有市场预期，成为全球定价大宗商品（如有色金属）价格上行的动力[5] - 2025年中央经济工作会议首次提出“把促进经济稳定增长、物价合理回升作为货币政策的重要考量”，标志着相关工作升级为以中央定调、央行落实的更高层级统筹部署[5] 固定收益研究 - **债券ETF专题核心观点**：债券ETF的升水/贴水（价格与净值偏离）会影响其成分券的“量价”，影响机制与市场环境、ETF类型及成分券特性相关[6][7] - 债券ETF升贴水影响机制：以贴水为例，债市调整时，投资者一级市场赎回（实物申赎需变现债券，现金申赎迫使管理人卖券）和二级市场卖出ETF会加剧净值下跌和价格贴水，但同时套利行为（低价买入ETF、赎回份额、卖出债券）会在一定程度上修复贴水[7] - 债券ETF升贴水特征：地方债ETF在2022-2023年持续深度贴水；信用类ETF在2022年9月至2023年4月深度贴水，2025年下半年小幅贴水，2024年和2025年二季度小幅升水；深度贴水阶段底层资产流动性受限，导致贴水持续且无法快速收敛[8] - 2025年以来，债券ETF升贴水率与换手率、份额及净值变动的相关性减弱，主因2025年债券ETF大幅扩容，市场认可度提升，换手率和份额显著增加，在二季度债市走强和ETF升水阶段尤为明显[8] - 升贴水对成分券量价影响：城投指数成分券出现反直觉现象——升水时成分券更活跃，贴水时非成分券更活跃且信用利差走扩；而沪、深做市指数成分券表现符合理论，ETF推出及价格偏离有效激活了其成分券交易活跃度并强化价格发现功能[8] - 投资启示：贴水阶段择券需先判断是全局性持续贴水还是局部性贴水，前者建议待贴水连续收窄后再参与，后者可关注一二级市场套利机会及成分券与非成分券定价偏离带来的超跌个券机会[9] - 当前信用债市场流动性不足是主要制约，机构大规模调仓冲击成本高，价格发现功能不足，市场调整时债券ETF集中赎回易放大流动性压力，因此债券ETF发展方向应致力于提升市场效率并在市场调整时提供一定保护[9] - **信用债周报核心观点**：本期（12月22日至12月28日）信用债成交规模继续增长，信用利差出现分化，绝对收益角度供给不足和旺盛配置需求将推动信用债延续修复行情，长远看收益率仍在下行通道[10][12] - 一级市场：本期交易商协会发行指导利率分化，高等级多数下行，中低等级多数上行，整体变化幅度为-3 BP至2 BP；信用债发行规模环比下降，净融资额环比减少[10][12] - 二级市场：本期信用债成交金额环比增长；收益率多数下行；信用利差方面，中短期票据、企业债、城投债信用利差有所分化，1年期、7年期多数走阔，3年期、5年期多数收窄[12] - 多数品种利差处于历史低位，但短端分位数略有上升；全面走熊的条件不充分，逢调整增配思路可行，但目前多数品种配置性价比不高，追高需谨慎[12] - 配置策略：票息策略可适度乐观，交易思路保持乐观，择券重点为盯住利率债变化趋势并关注个券票息价值；相对收益角度，各期限信用利差压缩空间不足但单边回调概率不大，7Y-3Y期限利差升至历史中位后长债价值提升，可结合资金特性通过信用下沉及拉长久期实现票息策略[12] - 房地产债：中央和地方持续优化房地产政策，推动市场止跌回稳，随着企稳信号出现，风险偏好较高资金可考虑提前布局，重点发掘新增融资和销售回暖表现突出的企业；配置重点为历史估值稳定的业绩优异央企、国企及含强力担保的优质民企债券[13][14] - 城投债：在统筹发展和安全原则下违约可能性很低，仍可作为信用债重点配置品种；在融资平台改革转型背景下，可关注“实体类”平台转型机会；配置策略可优先考虑中短端信用下沉，交易策略可选择中高等级拉久期[15] 金融工程研究 - 报告核心观点：使用滤波技术（HP滤波和傅里叶变换）从宏观因子中提取周期波动成分，可更清晰观察经济周期阶段，从而预测市场走向并指导资产配置，验证了美林时钟和货币信用等周期模型的有效性[16] - 研究方法：选取代表经济增速（PMI同比增速、工业增加值同比、企业利润同比）、利率（1年期国债收益率同比差值）、通胀（PPI同比）和货币供给量（M1同比、M2同比、社会融资规模同比）的宏观因子，使用HP滤波和傅里叶变换进行滤波分析[16] - 方法比较：HP滤波可直观分解趋势与周期，但存在端点偏差且无法识别不同频率周期；傅里叶变换适合分析历史数据整体周期结构，但假设周期结构恒定，短期拟合度可能受影响；实践中结合使用，以傅里叶变换挖掘历史规律，以HP滤波观察短期趋势变化[17] - 周期发现：傅里叶变换结果显示，所考察的宏观因子均存在38-44个月之间的核心周期，初步验证了市场中可能存在3–4年的中周期规律[17] - 择时效果：提取HP滤波处理后的宏观因子上升和下降周期进行指数择时和股债轮动择时，2006年以来，M1同比、国债收益率同比差值、社会融资规模同比、PMI同比增速、PPI同比等因子择时效果显著，股指择时年化超额收益在1.43%-3.16%之间，股债择时年化超额收益在4.84%-9.91%之间[17] - 模型验证：使用HP滤波处理后的宏观因子验证常见周期模型，美林时钟模型年化收益11.71%，年化超额收益5.82%，夏普比率1.037，月度胜率56.49%；货币信用模型年化收益9.93%，年化超额收益4.04%，夏普比率0.589，月度胜率56.90%；货币信用模型2006年以来年化收益略逊于美林时钟，但2020年以来超额收益稳定性更优[18] 行业研究（金属） - **行业情况与价格走势判断**： - 钢铁：淡季深入，需求改善空间不大，库存压力或累积，宏观氛围偏暖下短期钢价或震荡运行[19] - 铜：高铜价下需求一般，年末供应收缩，基本面对铜价驱动弱，短期继续上行动力不足[21] - 铝：氧化铝供应过剩局面未改，进口矿供给充足；电解铝供给平稳、需求偏淡，短期价格或震荡偏弱[21] - 黄金：地缘政治风险频发叠加资金博弈，短期金价波动或加大[21] - 锂：锂盐供应偏紧，但需关注正极环节龙头企业2026年1月停产检修对短期需求的干扰，短期碳酸锂价格上涨或受阻[21] - 稀土：年末下游备货需求将释放，需关注金属磁材厂实际订单，若需求释放顺利，短期价格或得到支撑[21] - **投资策略与标的**： - 钢铁：行业稳增长政策实施及竞争格局改善预期下，未来盈利水平或提升，船舶用钢、建筑用钢、“设备更新”和“低碳转型”领域需求有望提振，建议关注工厂设备先进、在高附加值领域（如船舶钢）产品领先、环保水平领先的相关标的[21] - 铜：供给端，受自由港印尼Grasberg矿和刚果（金）卡莫阿-卡库拉铜矿事故影响，全球2026年铜矿供应预期进一步收紧，为铜价提供底部支撑；国内铜冶炼加工端“反内卷”预期有望改善行业格局；需求端，铜是电力电网、新能源汽车、AI服务器重要原材料，全球主要经济体进入降息周期背景下需求有望提振；看好行业景气度，建议关注铜矿资源保障强、环保水平领先、生产规模优势的相关标的[22] - 铝：电解铝企业因氧化铝价格低位利润表现较好；国内电解铝产能限制严格，供给刚性较强，需求有望受新能源汽车和高压电网带动；氧化铝行业“反内卷”政策有望改善供给格局，提升盈利水平；看好行业景气度，建议关注资源保障强、环保水平领先、生产规模优势的相关标的[22] - 黄金：短期受美国经济数据、美联储降息预期和地缘政治局势影响；长期看，央行购金、美元地位弱化、“逆全球化”趋势将持续提升黄金吸引力，建议关注相关板块[22] - 稀土：我国稀土出口管制升级，战略地位提升，行业上市公司估值或重估；我国在资源、冶炼、磁材环节领先，人形机器人和新能源等领域发展提供新需求动能；持续看好稀土资源战略价值和行业未来发展，建议关注相关板块[23] - 钴：中长期看，刚果（金）占全球钴原料产量比例大，其2026-2027年钴出口配额未增长，未来全球钴供给将受约束；需求受新能源汽车和消费电子带动，钴供需有望维持偏紧状态，建议关注相关板块[23] - 报告维持对钢铁行业的“看好”评级、对有色金属行业的“看好”评级，维持对洛阳钼业、中金黄金、华友钴业、紫金矿业、中国铝业的“增持”评级[23]

量化模型与构建方式 1. 滤波方法（数据处理模型） 1. **模型名称**：HP滤波 (Hodrick-Prescott Filter)[10] * **模型构建思路**：将宏观经济时间序列分解为长期趋势成分和中期周期成分，以剔除长期趋势和短期噪声，提取周期波动[3][9]。 * **模型具体构建过程**：通过求解一个最小化问题来得到趋势成分。具体公式为： $$\operatorname*{min}\left\{\sum_{t=1}^{T}(y_{t}-g_{t})^{2}+\lambda\sum_{t=2}^{T-1}[(g_{t+1}-g_{t})-(g_{t}-g_{t-1})]^{2}\right\}$$ 其中，\(y_{t}\)为原始序列数据，\(g_{t}\)为待求解的趋势成分，\(\lambda\)为平滑参数，\(\lambda\)越大，趋势线越平滑[10]。在应用中，首先使用较大的\(\lambda\)去除长期趋势得到周期成分，再使用较小的\(\lambda\)过滤噪声，得到用于分析的中周期序列[10]。 * **模型评价**：可以直观地将时间序列分解为趋势和周期成分，符合经典宏观经济分析框架，但存在较严重的端点偏差问题，且无法识别不同频率的周期[3][42]。 2. **模型名称**：傅里叶变换[25] * **模型构建思路**：将时间序列数据分解为一系列不同频率、振幅和相位的正弦函数的叠加，以识别数据中存在的主要周期性规律[25][26]。 * **模型具体构建过程**：对时间序列进行傅里叶变换，公式为： $$F(f)=\int_{-\infty}^{\infty}f(x)e^{-i2\pi f(x)}\,\mathrm{d}x$$ 由于宏观经济数据通常非平稳，在应用傅里叶变换前，先使用HP滤波去除长周期趋势项，得到平稳序列，再进行变换以提取主要周期并拟合周期序列[26]。 * **模型评价**：适合分析历史数据的整体周期结构，尤其适用于探究经济周期的历史规律，但其假设周期结构在时间上恒定，短期内拟合度可能受到影响[3][42]。 3. **模型名称**：混合滤波[42] * **模型构建思路**：结合HP滤波和傅里叶变换两种方法的优点，以挖掘数据的周期性规律并观察短期趋势变化[3][42]。 * **模型具体构建过程**：将HP滤波与傅里叶变换叠加使用。实践中，使用傅里叶变换挖掘宏观数据的周期性规律，同时使用HP滤波观察因子短期上升或下降的趋势变化[42]。叠加使用后得到的序列既具有一定外推性，又保留了HP滤波在周期拟合上的灵活性[42]。 * **模型评价**：结合了两种方法的优势，所得序列兼具周期规律性和趋势观察的灵活性[42]。 2. 资产配置模型 1. **模型名称**：美林时钟模型[68] * **模型构建思路**：依据经济增长（以PMI同比增速代表）和通货膨胀（以PPI同比代表）两个核心指标的高低变化，将经济周期划分为四个阶段，并为每个阶段配置不同类别的大类资产[68][72]。 * **模型具体构建过程**：使用HP滤波处理后的PMI同比增速和PPI同比数据判断经济周期阶段，具体配置方案如下[68][72]： * 复苏期：PMI同比增速上行，PPI同比下行，配置60%股票、40%债券。 * 扩张期：PMI同比增速上行，PPI同比上行，配置60%商品、40%股票。 * 滞胀期：PMI同比增速下行，PPI同比上行，配置60%现金、40%商品。 * 衰退期：PMI同比增速下行，PPI同比下行，配置60%债券、40%现金。 * **模型评价**：是最著名的经济周期模型之一[68]。 2. **模型名称**：货币信用模型[76] * **模型构建思路**：作为美林时钟理论在中国市场的适应性改进，通过观察“货币”（以M2同比增速代表）和“信用”（以社会融资规模同比增速代表）两个核心驱动因素来指导大类资产配置[76]。 * **模型具体构建过程**：使用HP滤波处理后的M2同比和社会融资规模同比数据判断货币信用状态，具体配置方案如下[76]： * 宽货币宽信用：M2同比上行，社会融资规模同比上行，配置60%股票、40%商品。 * 紧货币宽信用：M2同比下行，社会融资规模同比上行，配置60%商品、40%股票。 * 紧货币紧信用：M2同比下行，社会融资规模同比下行，配置60%现金、40%债券。 * 宽货币紧信用：M2同比上行，社会融资规模同比下行，配置60%债券、40%股票。 量化因子与构建方式 1. **因子名称**：M1同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M1的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 2. **因子名称**：M2同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M2的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 3. **因子名称**：社会融资规模同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了社会融资规模的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 4. **因子名称**：1年期国债收益率同比差值[3][9] * **因子构建思路**：作为代表利率的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了1年期国债收益率的同比差值数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 5. **因子名称**：PMI同比增速[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了PMI的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 6. **因子名称**：PPI同比[3][9] * **因子构建思路**：作为代表通胀的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了PPI的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 7. **因子名称**：工业增加值同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了工业增加值的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 8. **因子名称**：企业利润同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了企业利润的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 模型的回测效果 （以下回测结果均基于2006年以来的数据） 1. **美林时钟模型**，累计收益807.28%，年化收益11.71%，波动率11.30%，最大回撤17.10%，夏普比率1.037，信息比率0.681，胜率56.49%[70]。 2. **货币信用模型**，累计收益558.45%，年化收益9.93%，波动率16.84%，最大回撤56.02%，夏普比率0.589，信息比率0.362，胜率56.90%[79]。 因子的回测效果 （以下回测结果均基于2006年以来的数据，使用HP滤波处理后因子进行择时） 1. 单因子股指择时表现 （策略：因子上升周期持有中证全指，下降周期空仓） 1. **M1同比因子**，累计收益971.09%，年化收益12.64%，波动率24.85%，最大回撤69.42%，夏普比率0.509，信息比率0.339，胜率57.74%[58]。 2. **M2同比因子**，累计收益100.26%，年化收益3.55%，波动率22.51%，最大回撤69.42%，夏普比率0.158，信息比率-0.237，胜率48.95%[58]。 3. **国债收益率同比差值因子**，累计收益685.90%，年化收益10.91%，波动率18.43%，最大回撤27.47%，夏普比率0.592，信息比率0.265，胜率49.79%[58]。 4. **社会融资规模同比因子**，累计收益731.39%，年化收益11.22%，波动率24.77%，最大回撤69.42%，夏普比率0.453，信息比率0.249，胜率53.56%[58]。 5. **PMI同比增速因子**，累计收益1436.01%，年化收益14.70%，波动率21.07%，最大回撤42.44%，夏普比率0.698，信息比率0.513，胜率54.39%[58]。 6. **PPI同比因子**，累计收益919.17%，年化收益12.36%，波动率20.58%，最大回撤42.44%，夏普比率0.601，信息比率0.355，胜率52.72%[58]。 7. **工业增加值同比因子**，累计收益124.56%，年化收益4.15%，波动率16.52%，最大回撤39.35%，夏普比率0.251，信息比率-0.226，胜率46.86%[58]。 8. **企业利润同比因子**，累计收益522.94%，年化收益9.62%，波动率18.37%，最大回撤42.44%，夏普比率0.524，信息比率0.172，胜率51.46%[58]。 2. 单因子股债择时表现 （策略：因子上升周期持有中证全指，下降周期持有国债指数；对照组为60%债券+40%股票的固定比例组合） 1. **M1同比因子**，累计收益1297.47%，年化收益14.16%，波动率24.84%，最大回撤69.42%，夏普比率0.570，信息比率0.432，胜率60.25%[61]。 2. **M2同比因子**，累计收益174.96%，年化收益5.21%，波动率22.56%，最大回撤69.42%，夏普比率0.231，信息比率-0.129，胜率53.14%[61]。 3. **国债收益率同比差值因子**，累计收益1358.04%，年化收益14.40%，波动率18.43%，最大回撤27.47%，夏普比率0.781，信息比率0.508，胜率56.07%[61]。 4. **社会融资规模同比因子**，累计收益1110.38%，年化收益13.34%，波动率24.76%，最大回撤69.42%，夏普比率0.539，信息比率0.381，胜率59.00%[61]。 5. **PMI同比增速因子**，累计收益2226.26%，年化收益17.12%，波动率21.07%，最大回撤42.44%，夏普比率0.813，信息比率0.669，胜率57.74%[61]。 6. **PPI同比因子**，累计收益1637.78%，年化收益15.41%，波动率20.59%，最大回撤42.44%，夏普比率0.749，信息比率0.558，胜率58.58%[61]。 7. **工业增加值同比因子**，累计收益274.27%，年化收益6.85%，波动率16.65%，最大回撤36.37%，夏普比率0.411，信息比率-0.026，胜率51.05%[61]。 8. **企业利润同比因子**，累计收益864.21%，年化收益12.05%，波动率18.39%，最大回撤42.44%，夏普比率0.655，信息比率0.340，胜率53.56%[61]。