01 宏观 Macroeconomy - 特朗普签署《大美丽法案》，涵盖企业减税、个人与家庭减税、削减清洁能源补贴、压缩医疗补助及削减补充营养援助计划五大内容 [3] - 法案将推升财政赤字，但部分赤字可通过关税收入对冲，测算显示未来十年净赤字增加约1.3万亿美元，赤字率维持在6% [3] - 对2026年实际GDP拉动在0.5个百分点以内，通胀推升作用不超过0.15个百分点 [3] - 当前美国失业率低、通胀温和、私人部门资产负债表健康，政府债务无迫切风险，财政空间可能比主流经济学预期更大 [3] 02 策略 Strategy - "大美丽"法案通过将释放债券供给，推高美债利率，可能对情绪和美股带来短期扰动 [7] - 短期流动性扰动不改变信用周期修复和美联储降息格局，波动或提供更好买入节点 [7] - 法案对经济层面的财政和信用周期影响及流动性层面的债券供给影响是分析美债和美股前景的关键 [7] 03 量化及ESG Quantitative & ESG - 宏观数据存在滞后性，构建大语言模型驱动的实时预测框架可即时预测当期宏观经济指标 [11] - 通过语义解析宏观研究报告，减少指标滞后性，提升经济判断的投资运用效率 [11] 04 策略 Strategy - 2025年中报A股盈利同比增速或较一季度放缓，下半年盈利增速可能好于上半年 [14] - 金融领域非银板块受益于市场活跃度，非金融领域黄金、消费（以旧换新）、科技硬件或为结构亮点 [14] 05 食品饮料 Industry - 1H25消费需求低位企稳，年轻人悦己需求及高质价比产品表现突出 [17] - 大众食品基本面自3月边际改善，下半年有望稳中改善，新消费标的如辣味零食、健康饮品、气泡黄酒等景气度保持 [17] - 白酒板块估值回调后配置价值渐显，基本面处于筑底阶段，下半年或仍承压但估值已反映悲观预期 [17]

宏观数据实时预测方法 - 宏观经济指标存在滞后性，需通过实时预测模型捕捉变化 [1][7] - 三种常用实时预测方法：高频数据拆分、自回归模型（SARIMAX）、大语言模型（LLMs）文本解析 [2][8][15] - 高频数据拆分方法（如GDPNow）可解释性强但需定制化建模，易过拟合 [9] - SARIMAX模型通过历史数据自相关性和季节性参数预测，适合平稳序列 [10][12] - LLMs通过解析非结构化文本（研报、新闻）生成预测，突破结构化数据局限 [3][15] 自回归模型（SARIMAX）应用 - 自回归模型对CPI环比、新增人民币贷款等指标预测效果有限 [4][27] - 春节效应需作为外生变量处理，以修正1-2月数据失真 [20][26] - 适用条件：指标需满足平稳性（均值/方差稳定）、趋势性弱 [30] - 与上期相关性≥0.8的指标可直接沿用历史数据，无需建模 [23][27] 大语言模型（LLMs）预测效果 - LLMs对新增人民币贷款预测相关性从-0.1提升至0.9，显著优于自回归 [5][35] - 出口金额同比预测效果从0.37提升至0.72，贸易差额从0.55提升至0.76 [5][35] - 研报标题比内容向量（chunk）更有效，因内容匹配质量不稳定 [36][37] - 极值捕捉较平滑，但非极值趋势预测准确度高 [38] 方法对比与实施流程 - 优先级：高相关性指标沿用历史→平稳指标用SARIMAX→复杂指标用LLMs [24][45] - SARIMAX计算复杂度低，但依赖数据平稳性；LLMs适应性更强但存在随机性 [12][45] - 测试区间为2014-2025年月频数据，覆盖工业增加值、社零、贸易差额等12项指标 [18][19]