市场整体表现与风格分化 - 市场整体波动不大，全天微跌，当前处于3.8星的投资价值阶段[1][47] - 大、中、小盘股均呈现微跌态势[2] - 港股市场同样整体微跌，风格与A股类似，红利风格上涨[5][6] 市场波动原因与传导机制 - 市场波动的主要原因是原油价格大幅上涨，盘中一度涨幅达10%[7] - 原油价格上涨引发市场对通货膨胀的担忧，进而可能影响美联储降息节奏，利率下降放缓不利于资产价格提升[8] - 市场对原油价格波动的反应已逐渐钝化，上周原油第一波大涨时，A股回调约5%，全球非美股市场指数回调约9%[9][10][11][12] - 近期原油价格再次上涨，但对全球市场的影响减小，A股及全球指数波动幅度仅在1-2%上下[13][14][15] 风格“跷跷板”效应分析 - 近期市场呈现小盘成长风格与红利价值风格的“跷跷板”效应[17] - **小盘成长风格承压**：该风格是过去两年牛市上涨最多的风格，对利率下降带来的流动性敏感[18][19]。原油价格上涨引发通胀和利率担忧，导致该风格出现更大波动[20] - **红利价值风格受益**：中证红利、上证红利、港股红利等指数重仓能源行业，直接受益于能源价格上涨[21][22][23]。原油价格上涨亦会带动水电、煤炭等其他领域上涨，这些板块同样是现金流等价值风格指数的常见成分[24][25] 红利类指数投资价值分析 - 红利指数并非近期才开始表现，去年其大幅跑输成长风格，在去年底今年初时，不少红利类指数估值处于低估区域[28][29] - 自今年1月中旬以来，红利等指数已开始上涨，上证红利、中证红利、恒生红利低波动、现金流等指数已先后回归正常估值[30][31] - 目前主要仅中证红利低波动等少数指数仍处于低估状态[32] - 根据估值表数据，部分红利指数关键指标如下： - **中证红利低波动**：盈利收益率11.79%，市盈率8.48倍，市净率0.84倍，股息率4.81%[34] - **上证红利**：盈利收益率9.29%，市盈率10.777倍，市净率1.07倍，股息率4.55%[34] - **中证红利**：盈利收益率9.08%，市盈率11.01倍，市净率1.11倍，股息率4.38%[34] - **港股红利低波**：盈利收益率10.18%，市盈率9.82倍，市净率0.87倍，股息率4.84%[34] 相关基金产品表现 - 部分追踪红利指数的基金产品近两年表现与规模数据（单位：亿元）： - 华泰柏瑞红利低波ETF联接A（追踪中证红利低波）：规模127.23亿元[35] - 南方标普中国A股大盘红利低波50ETF联接A：规模124.53亿元[35] - 华泰柏瑞上证红利ETF联接A（追踪红利指数）：规模5.06亿元[35] - 广发中证红利ETF（追踪中证红利）：规模1.06亿元[35]

市场整体表现 - 当周A股市场波动较大，周中回调后周五有所修复[1] - 受美伊地缘政治风险影响，周内原油价格上涨，带动能源板块走强[1] 风格与行业表现 - 成长风格整体回落，红利风格反弹，其成交活跃度同步边际提升[1][4] - 能源板块周度领涨，超额全A收益达9.32%；公用事业及服务板块超额收益为6.03%[29] - 交通运输和公用事业行业的周度成交拥挤度分位提升幅度最大，分别提升32.7%和26.9%[20] - 房地产、综合金融、医疗保健等行业周度成交拥挤度靠后，分位分别为0.0%、0.0%和0.8%[20] 机构与主题表现 - 年初至今，量化基金重仓表现占优[4][22] - 当周机构重仓指数普遍回调，北向重仓50指数跌幅相对较小，为-0.61%[22][27] - 长江减排先锋指数周度表现较佳，收益为4.45%[36] - 长江能源红利指数(全收益)周度涨幅靠前，达6.07%[29][34]

量化模型与构建方式 1. **模型名称**：价值50组合[1][5][7] **模型构建思路**：基于价值风格，以高beta弹性为目标构建的Smart Beta组合[7] **模型构建过程**：报告指出其具体构建方法参考了2024年10月5日发布的专题报告《基于投资目标的基础 Smart beta 组合构建与配置》[7]。该模型选取了价值风格，旨在构建具有高beta弹性的投资组合。具体选股和加权方法未在本周报中详述。 2. **模型名称**：价值均衡50组合[5][7] **模型构建思路**：基于价值风格，以长期稳健超额收益为目标构建的Smart Beta组合[7] **模型构建过程**：与价值50组合同源，但构建目标不同，旨在获取长期稳健的超额收益。具体构建细节需参考对应的专题报告[7]。 3. **模型名称**：成长50组合[5][7] **模型构建思路**：基于成长风格，以高beta弹性为目标构建的Smart Beta组合[7] **模型构建过程**：选取成长风格，以高beta弹性为构建目标。具体方法见专题报告[7]。 4. **模型名称**：成长均衡50组合[5][7] **模型构建思路**：基于成长风格，以长期稳健超额收益为目标构建的Smart Beta组合[7] **模型构建过程**：选取成长风格，以长期稳健超额收益为构建目标。具体方法见专题报告[7]。 5. **模型名称**：小盘50组合[5][7] **模型构建思路**：基于小盘风格，以高beta弹性为目标构建的Smart Beta组合[7] **模型构建过程**：选取小盘风格，以高beta弹性为构建目标。具体方法见专题报告[7]。 6. **模型名称**：小盘均衡50组合[5][7] **模型构建思路**：基于小盘风格，以长期稳健超额收益为目标构建的Smart Beta组合[7] **模型构建过程**：选取小盘风格，以长期稳健超额收益为构建目标。具体方法见专题报告[7]。 模型的回测效果 1. **价值50组合**[5][8] **基准指数**：国证价值[8] **周收益率(绝对收益)**：0.55%[5][8] **周收益率(超额收益)**：0.28%[5][8] **月收益率(绝对收益)**：0.55%[8] **月收益率(超额收益)**：0.28%[8] **年收益率(绝对收益)**：2.13%[5][8] **年收益率(超额收益)**：-1.80%[8] **最大相对回撤**：3.17%[8] 2. **价值均衡50组合**[5][8] **基准指数**：国证价值[8] **周收益率(绝对收益)**：-1.68%[5][8] **周收益率(超额收益)**：-1.95%[8] **月收益率(绝对收益)**：-1.68%[8] **月收益率(超额收益)**：-1.95%[8] **年收益率(绝对收益)**：9.12%[5][8] **年收益率(超额收益)**：5.19%[8] **最大相对回撤**：3.82%[8] 3. **成长50组合**[5][8] **基准指数**：国证成长[8] **周收益率(绝对收益)**：-1.41%[5][8] **周收益率(超额收益)**：0.64%[8] **月收益率(绝对收益)**：-1.41%[8] **月收益率(超额收益)**：0.64%[8] **年收益率(绝对收益)**：2.98%[5][8] **年收益率(超额收益)**：-1.62%[8] **最大相对回撤**：2.62%[8] 4. **成长均衡50组合**[5][8] **基准指数**：国证成长[8] **周收益率(绝对收益)**：-0.23%[5][8] **周收益率(超额收益)**：1.82%[8] **月收益率(绝对收益)**：-0.23%[8] **月收益率(超额收益)**：1.82%[8] **年收益率(绝对收益)**：14.22%[5][8] **年收益率(超额收益)**：9.62%[8] **最大相对回撤**：2.48%[8] 5. **小盘50组合**[5][8] **基准指数**：国证2000[8] **周收益率(绝对收益)**：-4.01%[5][8] **周收益率(超额收益)**：-0.48%[8] **月收益率(绝对收益)**：-4.01%[8] **月收益率(超额收益)**：-0.48%[8] **年收益率(绝对收益)**：10.52%[5][8] **年收益率(超额收益)**：0.96%[8] **最大相对回撤**：5.52%[8] 6. **小盘均衡50组合**[5][8] **基准指数**：国证2000[8] **周收益率(绝对收益)**：-5.11%[5][8] **周收益率(超额收益)**：-1.58%[8] **月收益率(绝对收益)**：-5.11%[8] **月收益率(超额收益)**：-1.58%[8] **年收益率(绝对收益)**：7.12%[5][8] **年收益率(超额收益)**：-2.44%[8] **最大相对回撤**：5.42%[8]

文章核心观点 - 不同投资品种的波动率存在显著差异 投资者应根据自身风险承受能力选择合适的品种 从波动较小的宽基或价值风格品种入手是更稳健的路径 通过配置债券等资产可以进一步降低组合的整体波动 [3][4][5] 不同投资品种的波动风险特征 - 大盘宽基指数的波动风险在**20%-25%**上下 [2] - 价值风格品种如红利、低波动、价值、自由现金流等指数的波动风险大约是大盘宽基的**60%-70%**上下 例如大盘下跌30%时 红利低波动指数可能只有**20%**上下的波动 [3] - 银行、部分公用事业股等处于成熟阶段的行业 波动也比大盘更小 被俗称为“债性”较强的品种 [3] - 小微盘（如中证2000、北证50）、成长风格（如创业板、科创板相关指数）以及科技、AI、新能源等行业主题品种 波动比大盘更大 被俗称为“股性”较强的品种 [4] - 成长风格及行业主题品种在牛市进攻性强 但熊市下跌也多 [4] 投资者适配与资产配置路径 - 新手投资者从宽基指数或价值风格指数入手更容易坚持下来 [4] - 成长风格及行业主题品种适合有一定经验的投资者 [4] - 若认为红利等股票指数基金的波动仍大 可在股票资产基础上增加债券类资产 即“固收+”品种 [5] - 例如“月薪宝”投顾组合配置**40%**的股票和**60%**的债券 其股票部分风格与红利指数相似 债券部分以中短债为主 在2024年5月时最大回撤在**9%**上下 波动小于纯红利指数基金 [5] - “365天投顾组合”配置**15%**的股票和**85%**的债券 波动比“月薪宝”更小 [7] - 收益和风险是相辅相成的 [7]

核心观点 - 报告认为，2026年的市场环境与2022年存在关键相似性，即地缘冲突（当前为中东局势）可能打破历史规律，演变为持久战，从而通过油价这一核心变量对市场产生中期影响[1][11] - 油价持续上行将打破弱美元格局，扰动甚至逆转美联储降息预期，进而通过收紧美元流动性对A股，尤其是科技成长股，形成压制[1][4][31] - 投资策略应紧密围绕油价走势进行动态调整，核心思路是在科技与能源之间进行对冲或切换，以应对不同的地缘政治与油价情景[4][32] 2026年与2022年市场环境的相似性 - **产业趋势相似性**：两个时期的核心科技成长赛道均面临“成长动能与资本开支不匹配”的压力[2][12] - 2022年：新能源行业（新能源车、光伏）从高速成长期向成熟期过渡，渗透率迈过高增临界点，高资本开支导致供需格局恶化，景气弱化[2][12][15][16] - 2026年：AI产业面临类似问题，AI Agent渗透率快速提升，但下游实体经济深度应用未规模化落地，商业闭环未通，而上游算力硬件领域维持高资本开支，利润兑现存疑[2][13] - **流动性环境相似性**：两个时期均处于流动性大级别切换的过渡期[2][17] - 2022年：是美联储加息周期起点，流动性由极度宽松转向快速收紧，联邦基金利率从0%附近起步，10年期美债收益率从年初的1.6%一度升至4%以上[2][17] - 2026年：处于宽松周期尾声，绝对利率水平维持高位，10年期美债收益率在4%附近震荡，高财政赤字与地缘政治可能扰动通胀，导致降息进程“暂停”[2][17] 2022年行情演绎与启示 - **行情三阶段**： 1. **2-4月，多重利空共振下跌**：俄乌冲突升级、美联储加息预期升温（十年期美债收益率从1.8%快速升至2.9%）、国内疫情等因素叠加，导致成长股领跌，计算机、电子、电力设备、军工等板块跌幅均在30%附近[21][23] 2. **5-6月，利空缓解后反弹**：疫情拐点与稳增长政策信号提振风险偏好，市场普涨反弹且高低切换显著，前期超跌及受益于能源价格逻辑的板块领涨，如电力设备板块领涨一级行业，能源金属、光伏、风电等二级行业涨超60%[23][25] 3. **7-10月，油价推升通胀，成长股重回跌势**：油价上涨推升海外通胀及加息预期，十年期美债收益率从2.8%一度飙升至4%以上，叠加国内经济预期转弱，成长风格再度承压[26][29] - **对当下的启示**： - 若油价上行影响类似2022年，可能引发市场对科技成长股逻辑的重新审视，使其承压[3][27] - 油价对市场的影响传导并非立竿见影，过程中市场交易会出现阶段性重视和回摆，产业趋势内部仍可能催生结构性超额收益机会，例如2022年5-6月的能源金属、光伏逆变器行情[3][27] 当前市场核心矛盾与应对策略 - **核心矛盾**：油价是后续市场的核心定价矛盾[4][31] - 若油价持续向上，将打破当前弱美元格局，扰动降息路径，甚至可能倒逼政策重回紧缩，从而对市场尤其是成长风格形成明显压制[4][31][33] - 尽管美国有维稳油价的表态和政治考量，但其控制局势与油价的决心与能量仍存较大不确定性，需高度关注战争局势及油价变化[4][31] - **应对策略（三条路径）**： 1. **中性策略（科技+能源对冲）**：若冲突未失控、油价维持震荡，则关注“HALO交易”两端，即AI产业硬科技“新基建”及资源品方向[4][32] 2. **避险策略**：若冲突长期化导致霍尔木兹海峡持续受阻、油价高企，将打破弱美元格局并加剧科技股成长与开支不匹配的压力，应降低科技配置比例[4][32] 3. **激进策略**：若油价快速冲高后预期美国将“出手压制”，则可博弈“油价回落→降息预期修复→科技反弹”的路径，维持科技仓位[4][32][34]

量化模型与构建方式 1. **模型名称：中国经济六周期模型** **模型构建思路：** 通过识别中长期贷款脉冲（新增中长贷TTM同比）的三个月差分方向来判断信用周期，并结合其他宏观因子，将经济划分为六个阶段，用于指导资产配置[7]。 **模型具体构建过程：** 1. 使用“中长期贷款脉冲”作为核心信用周期识别指标。该指标的计算基于“新增中长期贷款TTM同比”的三个月差分[7]。 2. 通过该指标的变动方向（上升或下降）来判定信用周期是处于扩张还是收缩状态[7]。 3. 结合货币因子、增长因子等其他宏观指标，将经济状态综合划分为六个阶段。报告当前指出模型处于“阶段6：货币扩张”状态[7][11]。 2. **模型名称：宏观胜率评分卡** **模型构建思路：** 从货币、信用、增长、通胀和海外五个宏观因子出发，合成一个综合评分，用于评估各类资产的未来上涨概率（胜率）[21]。 **模型具体构建过程：** 报告提及该模型基于五个宏观因子（货币、信用、增长、通胀、海外）构建，但未详细说明各因子的具体计算方法和合成规则。模型输出结果为各资产的综合胜率百分比，例如A股胜率[21]。 3. **模型名称：利率债收益预测模型（债券赔率指标）** **模型构建思路：** 根据长短期债券的预期收益差来构建债券资产的赔率指标，用于衡量债券资产的估值吸引力[22]。 **模型具体构建过程：** 报告未给出该模型计算预期收益差和赔率的具体公式，但明确指出该赔率指标是标准化后的数值，以标准差倍数表示[22]。 4. **模型名称：美联储流动性指数** **模型构建思路：** 结合数量维度和价格维度，综合构建一个反映美联储流动性松紧程度的指数[29]。 **模型具体构建过程：** 报告指出该指数综合了净流动性、联储信用支持、预期引导、市场隐含、公告意外等多个维度，但未提供具体的合成公式。指数设有预警阈值，例如-60%代表“极度收紧”[28][29]。 5. **模型名称：行业景气-趋势-拥挤配置模型（并行策略）** **模型构建思路：** 提出两种右侧行业配置方案，并将它们结合形成并行策略。方案一以行业景气度为核心，结合趋势并规避高拥挤；方案二以市场趋势为核心，结合低拥挤并规避低景气[46]。 **模型具体构建过程：** * **行业景气模型：** 核心是“分析师行业景气指数”。该指数基于分析师预测数据构建，用于衡量市场对行业未来业绩的预期。具体构建方法在引用的专题报告中，本报告未详述[12]。 * **行业趋势模型：** 核心是行业的趋势强度。 * **拥挤度：** 用于衡量交易过热风险。 * **并行策略：** 同时运行上述两个模型，其推荐结果共同构成最终的行业配置建议[46][49]。 6. **模型名称：行业ETF配置模型** **模型构建思路：** 将“行业景气-趋势-拥挤配置模型”的逻辑应用于可交易的行业ETF上，构建一个可落地的投资组合[50]。 **模型具体构建过程：** 与模型5思路一致，但标的物为行业ETF。模型对每只ETF计算其跟踪指数的景气度、趋势和拥挤度，并据此进行配置[50][51]。 7. **模型名称：行业库存景气+困境反转模型** **模型构建思路：** 从赔率-胜率角度出发，在当前或过去处于困境但已有所反弹的板块中，筛选出分析师长期看好且库存压力不大、具备补库条件的行业，以捕捉困境反转行情[55]。 **模型具体构建过程：** 报告提及模型结合了“困境”（赔率）、“分析师长期看好”（胜率的一部分）和“库存压力/补库条件”等多个维度，但未给出具体的因子计算公式和合成规则[55]。 8. **模型名称：赔率增强型策略（固收+）** **模型构建思路：** 基于风险预算模型，在目标波动率约束下，根据各资产的赔率指标动态调整配置权重，持续超配高赔率（估值有吸引力）的资产[58]。 **模型具体构建过程：** 策略使用风险预算模型进行资产配置。赔率指标作为输入，用于计算各类资产（泛权益、黄金、债券）的风险预算。在满足目标波动率约束的前提下，分配更多风险预算给赔率高的资产[58]。 9. **模型名称：胜率增强型策略（固收+）** **模型构建思路：** 与赔率增强型策略框架类似，但输入指标替换为基于宏观五因子合成的各资产“胜率”评分，旨在超配未来上涨概率更高的资产[61]。 **模型具体构建过程：** 使用与模型8相同的风险预算模型框架，但将赔率指标替换为模型2（宏观胜率评分卡）输出的胜率评分，作为计算风险预算的依据[61]。 10. **模型名称：赔率+胜率增强型策略（固收+）** **模型构建思路：** 综合赔率和胜率信息，将两种策略的风险预算简单相加得到综合得分，据此构建更全面的资产配置策略[64]。 **模型具体构建过程：** 分别计算赔率增强策略（模型8）和胜率增强策略（模型9）对各类资产的风险预算，然后将两者相加，得到最终的综合风险预算，并据此确定资产配置权重[64]。 量化因子与构建方式 1. **因子名称：行业相对强弱指标（RS）** **因子构建思路：** 基于行业内个股的横截面收益排名，构建一个行业级别的相对强弱指标，用于提前识别年度领涨主线[15]。 **因子具体构建过程：** 报告未给出RS因子的具体计算公式，但说明其构建基础是“行业横截面收益排名”。当某个行业的RS指标大于90%时，被视为一个强烈的看涨信号[15]。 2. **因子名称：A股赔率因子** **因子构建思路：** 综合Shiller ERP（经周期调整的市盈率倒数）和DRP（股息率）两个估值指标，合成一个衡量A股整体估值吸引力的赔率因子[21]。 **因子具体构建过程：** 将Shiller ERP和DRP分别进行标准化处理（转化为Z-score），然后进行等权加权，得到最终的赔率因子值。该值以标准差倍数表示[21]。 3. **因子名称：债券赔率因子** **因子构建思路：** 基于利率债收益预测模型输出的长短期债券预期收益差，构建衡量债券估值吸引力的指标[22]。 **因子具体构建过程：** 由模型3（利率债收益预测模型）输出，并进行标准化处理，以标准差倍数表示[22]。 4. **因子名称：美股AIAE指标** **因子构建思路：** 作为一个衡量美股估值风险的指标，具体构建方法未说明，但历史高点通常预示较大的回撤风险[26][29]。 5. **风格因子（小盘、价值、质量、成长等）的三标尺：赔率、趋势、拥挤度** **因子构建思路：** 从三个维度（赔率、趋势、拥挤度）对风格因子进行综合评估，每个维度都进行标准化处理（以标准差倍数表示），并据此计算综合得分[30][32][36][39]。 **因子具体构建过程：** * **赔率：** 衡量因子估值便宜程度，数值越大代表越便宜[31]。 * **趋势：** 衡量因子近期表现强度，数值越大代表趋势越强[31]。 * **拥挤度：** 衡量因子交易过热程度，数值越大代表越拥挤[31]。 * **综合得分：** 基于三个维度的标准化数值计算得出，用于排名和判断[44]。 模型的回测效果 1. **行业景气-趋势-拥挤配置模型（并行策略）**，基准：Wind全A指数，年化收益22.0%，年化超额收益13.2%，信息比率(IR)1.5，超额最大回撤-8.0%，月度胜率67%[47]。2026年初至2月底绝对收益8.0%，超额收益-0.2%[47]。 2. **行业ETF配置模型**，基准：中证800指数，年化超额收益16.3%，信息比率(IR)1.9，超额最大回撤10.8%，月度胜率66%[52]。2025年超额收益21.4%[52]。2026年初至2月底绝对收益9.5%，超额收益3.9%[52]。 3. **行业库存景气+困境反转模型**，基准：行业等权组合，2023年绝对收益13.4%，超额收益17.0%；2024年绝对收益26.5%，超额收益15.4%；2025年绝对收益28.7%，超额收益5.6%[55]。2026年初至2月底绝对收益12.2%，超额收益3.9%[55]。 4. **赔率增强型策略（固收+）**，自2011年以来年化收益6.7%，年化波动2.3%，最大回撤3.1%，夏普比率2.88[60]。自2014年以来年化收益7.4%，最大回撤2.8%，夏普比率3.35[60]。自2019年以来年化收益6.8%（原文6.9%），最大回撤2.8%，夏普比率3.14[60]。 5. **胜率增强型策略（固收+）**，自2011年以来年化收益7.1%，年化波动2.4%，最大回撤3.4%，夏普比率2.99[62]。自2014年以来年化收益7.9%，最大回撤2.2%，夏普比率3.41[62]。自2019年以来年化收益6.8%，最大回撤1.5%，夏普比率3.10[62]。 6. **赔率+胜率增强型策略（固收+）**，自2011年以来年化收益6.7%，年化波动2.3%，最大回撤2.9%，夏普比率2.92[66]。自2014年以来年化收益7.3%，最大回撤2.3%，夏普比率3.31[66]。自2019年以来年化收益6.3%，最大回撤2.3%，夏普比率2.99[66]。 因子的回测效果 1. **小盘因子**，赔率0.6倍标准差，趋势0.7倍标准差，拥挤度-1.4倍标准差，综合得分4[30]。 2. **价值因子**，赔率1.2倍标准差，趋势0.3倍标准差，拥挤度-1.2倍标准差，综合得分3[32]。 3. **质量因子**，赔率1.2倍标准差，趋势-0.1倍标准差，拥挤度-0.2倍标准差，综合得分1[36]。 4. **成长因子**，赔率-1.2倍标准差，趋势0.6倍标准差，拥挤度0.2倍标准差，综合得分-0.4[39]。

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略** **模型构建思路：** 基于产业生命周期理论，将股票资产划分为五种风格阶段，通过全局比较不同风格下资产的优势（“有没有好资产”）和估值（“贵不贵”），自下而上地判断未来市场的主流风格并进行行业配置[6]。 **模型具体构建过程：** 1. **资产分类：** 将股票资产（以中信二三级行业为标的，整理合并为202个）根据产业生命周期划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. **资产比较框架：** 遵循 `g > ROE > D` 的优先级顺序[1][6]。主流资产（实际增速资产 `g`、预期增速资产 `gf`、盈利资产 `ROE`）优先比较，只有当主流资产均无优势时，才考虑次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度确定[10]。 3. **优势判断：** * 对于**预期成长 (gf)**：比较分析师预期增速 (`g_fttm`) 的高低，计算其优势差 (`Δgf`)[7][23]。优势差计算类似于因子择时中的 Spread，即头部资产与尾部资产在特定指标上的差值[23]。 * 对于**实际成长 (g)**：比较业绩动量 (`Δg`)，即净利润增速 (`g_ttm`) 的变化[7][27]。 * 对于**盈利能力 (ROE)**：在 PB-ROE 框架下，比较估值水平的高低[7]。 * 对于**质量红利**：采用 `DP+ROE` 综合打分[44]。 * 对于**价值红利**：采用 `DP+BP` 综合打分[47]。 * 对于**破产价值**：采用 `PB+SIZE` 综合打分（取最低）[50]。 4. **行业选择：** 在每月确定的占优风格下，根据该风格的筛选逻辑（如预期增速最高、PB-ROE 残差最低等），选取排名前5的细分行业[17]。 5. **组合构建：** 将选出的行业以等权重方式进行配置[17]。 2. **因子名称：预期净利润增速 (g_fttm)** **因子构建思路：** 基于分析师对未来盈利的一致预期，衡量资产的成长潜力，用于筛选预期成长风格的资产[7][37]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出该因子为行业层面的分析师预期净利润增速[25]。通常构建方式为汇总行业内个股的分析师一致预期净利润增速，并进行行业加权平均。 3. **因子名称：净利润增速 (g_ttm) 及变化 (Δg)** **因子构建思路：** 基于历史财务数据，衡量资产的实际成长性及其动量，用于筛选实际成长风格的资产[7][38]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出 `g_ttm` 为行业净利润增速，`Δg` 为其变化值，用于表征业绩动量[27]。通常 `g_ttm` 为行业最近12个月净利润的同比增速，`Δg` 为其环比或历史变化。 4. **因子名称：超预期因子 (sue, sur, jor)** **因子构建思路：** 衡量公司实际财报业绩相对于市场预期的偏离程度，用于捕捉业绩惊喜，是实际成长策略的具体因子[38]。 **因子具体构建过程：** 报告未给出具体计算公式和说明。通常 `SUE` (Standardized Unexpected Earnings) 为标准化意外盈余，`SUR` 可能为收入惊喜，`JOR` 含义不明。 5. **因子名称：PB-ROE 回归残差** **因子构建思路：** 在盈利能力 (`ROE`) 策略中，用于筛选高 `ROE` 但估值 (`PB`) 相对较低的资产，即寻找盈利能力强且估值合理的标的[41]。 **因子具体构建过程：** 报告未给出具体计算公式。通常构建方式为：在横截面上对 `PB` 和 `ROE` 进行回归（如 `PB = α + β * ROE + ε`），取回归残差 `ε`。残差为负表示相对于其 `ROE` 水平，该资产的 `PB` 估值较低。 6. **因子名称：股息率 (dp)** **因子构建思路：** 衡量资产的现金分红回报，是红利类策略（质量红利、价值红利）的核心因子[44][47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股股息除以股价。 7. **因子名称：市净率倒数 (bp)** **因子构建思路：** 衡量资产的账面价值低估程度，是价值红利策略的因子之一[47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股净资产除以股价，即市净率 (`PB`) 的倒数。 8. **因子名称：市净率 (pb)** **因子构建思路：** 衡量资产的估值水平，在破产价值策略中，低 `PB` 是重要筛选标准[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为股价除以每股净资产。 9. **因子名称：规模 (size)** **因子构建思路：** 衡量资产的市值大小，在破产价值策略中，与小市值因子结合使用[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为总市值或流通市值的对数。 模型的回测效果 1. **量化大势研判行业配置策略**，年化收益 **27.81%** (2009年以来)[17]，2009年超额收益 **51%** [20]，2010年超额收益 **14%** [20]，2011年超额收益 **-11%** [20]，2012年超额收益 **0%** [20]，2013年超额收益 **36%** [20]，2014年超额收益 **-4%** [20]，2015年超额收益 **16%** [20]，2016年超额收益 **-1%** [20]，2017年超额收益 **27%** [20]，2018年超额收益 **7%** [20]，2019年超额收益 **8%** [20]，2020年超额收益 **44%** [20]，2021年超额收益 **38%** [20]，2022年超额收益 **62%** [20]，2023年超额收益 **10%** [20]，2024年超额收益 **52%** [20]，2025年超额收益 **14%** [20]，2026年2月超额收益 **1%** [20]。 因子的回测效果 *(注：报告未提供单个因子的独立测试结果（如IC、IR等），仅提供了基于该因子构建的策略历史表现定性描述。)* 1. **预期成长策略 (基于g_fttm)**，历史表现：2019年以来超额显著，2014-2015年期间也有较高超额[37]。 2. **实际成长策略 (基于sue, sur, jor)**，历史表现：长期超额都较为显著，在成长风格占优环境下尤其突出[38]。 3. **盈利能力策略 (基于PB-ROE残差)**，历史表现：2016年-2020年超额较为显著，2021年-2024年上半年持续较弱[41]。 4. **质量红利策略 (基于dp, roe)**，历史表现：2016年、2017年、2023年超额较为显著[44]。 5. **价值红利策略 (基于dp, bp)**，历史表现：2009年、2017年、2021-2023年超额较为显著[47]。 6. **破产价值策略 (基于pb, size)**，历史表现：2015-2016年、2021-2023年超额较为显著[50]。

核心观点 - 报告认为，虽然基本面模型信号和市场情绪在2026年3月有所回落，但市场动量因子继续看多A股，因此建议维持权益资产高配 [2][78] - 对于港股，基于宏观综合指标的择时策略显示看多信号回落，建议适当降低港股仓位 [2][78] - 在市场风格上，综合模型信号推荐成长风格和小盘风格 [2][78] - 报告重点指出，自由现金流指数具有较高配置价值，近期多次跑赢市场和成长指数，且当前在周期板块暴露较高，有望受益于相关行业上涨 [2][78] - 3月基金配置策略建议关注小盘成长、科技成长风格基金以及自由现金流ETF，固收+产品关注偏稳健品种，债基关注短久期品种 [2][78] 2月市场回顾总结 - **全球股市分化**：A股震荡上行，上证指数上涨1.09%，科创50下跌1.42%；美股分化，道琼斯指数上涨0.17%，纳斯达克指数下跌3.38% [8][14] - **A股结构行情**：周期板块（如钢铁、建筑材料）涨幅居前，中证500涨幅较大，风格上中盘成长风格涨幅最大 [14] - **美股与港股**：受“AI替代恐慌”影响，英伟达财报后股价跌超5%，拖累纳指；港股受海外情绪拖累，恒生科技指数跌幅较大 [14] - **债券市场**：避险情绪升温，美债利率下行，1年期美债收益率下行至3.48%，10年期美债收益率下行至3.97%；中国国债长端利率亦下行，10年期国债收益率下行至1.79%，期限利差收窄 [8][17] - **外汇市场**：美元指数震荡上行至97.64；人民币升值，美元兑人民币在岸与离岸汇率均升至6.86左右 [8][21] - **商品市场**：原油价格上涨至72.5美元/桶；COMEX黄金上涨7.92%；国内商品价格涨跌不一，农副产品涨幅居前 [8][24] - **基金市场**： - 2月偏股型基金整体涨幅居前，灵活配置型基金涨幅较大 [30] - 2月新基金发行总规模906亿元，较上月下降25%；其中权益型基金发行规模357亿元，较上月下降49% [30] - 场内ETF资金净流出306.4亿元，其中权益型ETF净流出831.8亿元；被动权益ETF前十大净买入产品集中在电网设备、卫星、自由现金流等主题 [36] - 主动权益基金风格上，增持价值潜力和红利风格，减持景气和质量风格；价值潜力和红利风格仓位中位数分别为20%和25%，较上月末分别上升18个百分点和5个百分点 [37] 3月市场展望与配置逻辑 - **宏观环境**： - 海外：美联储降息预期升温，市场预期2026年降息3次及以上的概率修复，带动美债利率下行 [44] - 国内：私人部门融资增速和通胀因子下行，基本面复苏信号有所波动；但市场动量因子收正，择时模型继续看多权益资产 [2][49] - **市场情绪与赔率**： - 基于7个指标构建的A股情绪指数显示，看多情绪指标有所回落，市场情绪指数跌出乐观区间 [2][54] - 股市赔率（股债收益比）在近3年均值上下波动，截至2月27日，沪深300股息率2.6%，权益风险溢价(ERP)为1.5，处于近3年68.9%分位数 [50] - **风格判断**： - **成长vs价值**：成长价值轮动模型显示，尽管美债实际利率信号利好价值风格，但市场因子和风格动量推荐成长，综合推荐成长风格 [2][59] - **大小盘**：大小盘轮动模型显示，尽管信用环境上行推荐大盘，但货币环境宽松、长短期风格动量仍推荐小盘，综合推荐小盘风格 [2][63] - 历史数据显示，2月小盘风格大幅占优，且2月是小盘风格季节性表现较强的月份（历史平均收益率3.6%，胜率91.7%） [62] - **重点推荐主题——自由现金流指数**： - 该指数近期多次跑赢市场和成长指数（如2026年1月，中证现金流全收益指数涨8.2%，跑赢万得全A的5.8%和科创创业50指数的5.2%） [65] - 指数具有显著alpha收益，行业配置及择时能力是其超额收益重要来源，稳定跑赢红利指数，仅在价值向成长风格切换初期易跑输红利 [68] - 当前指数在周期板块（石油石化、有色金属、基础化工等）暴露较高，有望继续受益于相关行业上涨 [2][68] - 指数特征：2014年以来中证现金流全收益指数年化收益率15.97%，最大回撤-44.06%，卡玛比率0.47，优于中证红利全收益指数（年化收益率8.20%，卡玛比率0.28） [94][97] - **港股与债市展望**： - 港股：基于美元指数、私人部门融资增速等5个指标的宏观综合择时策略显示，看多信号较上月回落，建议适当降低港股仓位 [72] - 债市：短端流动性维持紧平衡，长端利率下行，短债机会好于长债 [75] 3月基金配置建议 - **权益资产**：维持高配，风格上关注小盘、成长 [2][78] - **港股**：适当降低仓位 [2][78] - **重点关注基金产品**： - **中信保诚多策略 (165531.OF)**：小盘成长风格，持仓分散，重点配置制造板块（机械设备、建筑装饰、基础化工），擅长挖掘困境反转个股；2025年以来累计收益率64.1%，超额收益20% [77][85] - **东吴移动互联 (001323.OF)**：科技成长风格，重点配置人工智能领域（电子、通信、计算机等），擅长把握行业趋势；基金经理任职以来累计收益率538.8%，超额收益424.7% [77][91] - **南方中证全指自由现金流ETF (159232.SZ)**：跟踪自由现金流指数，稳定优于红利指数，低回撤优势显著，适合作为底仓长期持有 [77][97] - **中银稳健添利 (380009.OF)**：偏稳健“固收+”产品，基于短期确定性选择行业配置，力争低波动下高收益；基金经理任职以来累计收益率71.4%，超额收益22.0% [77][103] - **鹏华稳利短债 (007515.OF)**：短债型基金，定位货币增强，净值波动回撤小；基金经理任职以来最大回撤-0.49%，夏普比率5.20 [77][106]

报告行业投资评级 - 中信五风格-稳定★☆☆，一颗星代表偏多，判断趋势有上涨的驱动，但盘面可操作性不强 [2] 报告的核心观点 - 截至2026/02/27当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为2.73%、-0.15%、3.56% [3] - 近一周增强指数策略收益表现偏强，周度收益率为2.29%；中性策略产品涨多跌少；中长期纯债策略小幅回撤，贵金属与有色金属ETF偏强运行，黄金ETF净值上行3.04% [3] - 近一周周期与成长风格收益表现偏强，金融风格有所回撤；稳定风格相对强弱走强，消费与成长风格相对强弱动量环比下降 [3] - 近一周金融风格基金风格指数跑赢基准，周度超额收益率为1.65%，市场对稳定与周期风格偏移度小幅回升；本周拥挤度指标维持偏低水平，周期与金融风格拥挤度边际上升 [3] - 近一周流动性与动量因子收益偏强，周度超额收益率均为1.77%，盈利因子收益环比下降，成长因子表现较优，周内波动率因子走低；本周因子截面轮动速度边际回落，当前位于近一年以来中高分位区间 [3] - 根据风格择时模型最新评分结果，本周金融风格回升，当前信号偏向稳定风格；上周风格择时策略收益率为4.36%，对比基准均衡配置超额收益率为2.04% [3] 各部分总结 市场收益情况 - 通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为2.73%、-0.15%、3.56% [3] 公募基金市场情况 - 近一周增强指数策略收益表现偏强，周度收益率为2.29%；中性策略产品涨多跌少；中长期纯债策略小幅回撤 [3] - 近一周贵金属与有色金属ETF偏强运行，黄金ETF净值上行3.04% [3] 中信五风格情况 - 近一周周期与成长风格收益表现偏强，金融风格有所回撤 [3] - 风格轮动图显示近期稳定风格相对强弱走强，消费与成长风格相对强弱动量环比下降 [3] 公募基金池情况 - 近一周金融风格基金风格指数跑赢基准，周度超额收益率为1.65% [3] - 从基金风格系数走势来看市场对稳定与周期风格偏移度小幅回升 [3] - 本周拥挤度指标维持偏低水平，当前周期与金融风格拥挤度边际上升 [3] Barra因子情况 - 近一周流动性与动量因子收益偏强，周度超额收益率均为1.77%，盈利因子收益环比下降 [3] - 胜率方面近期成长因子表现较优，周内波动率因子走低 [3] - 本周因子截面轮动速度边际回落，当前位于近一年以来中高分位区间 [3] 风格择时情况 - 根据风格择时模型最新评分结果，本周金融风格回升，当前信号偏向稳定风格 [3] - 上周风格择时策略收益率为4.36%，对比基准均衡配置超额收益率为2.04% [3]

市场整体表现 - 截至收盘，市场整体估值处于3.7星级 [1] - 沪深300等大盘股指数下跌，而小盘股指数微涨 [2] - 红利等价值风格指数与创业板等成长风格指数均出现下跌 [2] - 港股市场近期表现低迷，持续下跌，其中港股中小、港股科技、港股医药类指数均出现较大波动 [2] A股与港股牛市特征分析 - A股与港股的牛市很少呈现单边上涨，中间经常出现回调，呈现“进三退一”或“进三退二”的走势 [2] - 自2024年市场处于5.9星级以来，A股主要经历了三波上涨带来的收益，其他时间多为震荡阴跌或回调 [2][3][4] - A股与港股的上涨和下跌时间并不同步 [5] 港股科技类指数表现 - 恒生科技指数自2024年5.9星级以来，总上涨71%，期间经历了三波上涨与回调 [2] - 第一波：2024年初至2024年11月，上涨82%，之后回调24% [2] - 第二波：2025年初至3月底，上涨48%，之后回调31% [2] - 第三波：2025年4月至10月，上涨56%，之后回调24%至今 [2] - 港股科技指数（中证编制）自2024年5.9星级以来，总上涨105%，同样经历三波上涨与回调 [2] - 第一波：上涨85%，之后回调21% [2] - 第二波：上涨55%，之后回调30% [2] - 第三波：上涨65%，之后回调23%至今 [2] - 这两个指数在本轮牛市中的涨幅均高于同期A股和港股大盘，但波动也更大 [2] 成长风格指数特点 - 科技股属于成长风格，其波动通常比大盘更大 [6] - 在牛市上涨过程中，大盘宽基指数的回调通常在10-20%以内，而成长风格或细分行业主题的回调幅度会更大 [6] - 例如A股的科创50指数，自2024年5.9星级以来上涨超过110%，期间也出现过数次20%级别的回调 [6] 科技指数上涨驱动因素 - 科技类指数的涨幅与背后上市公司的盈利增长速度相关性较强 [6] - 前几次科技指数的上涨都伴随着上市公司盈利的同比大幅增长 [6] - 例如，2025年上半年港股科技股盈利同比翻倍增长，带动了2025年1-3季度港股科技类指数出现两波大幅上涨 [6] - 2025年三季度，A股创业板、科创板盈利同比大幅增长，也带动了这两个指数上涨至接近或达到高估 [6] - 2025年四季度以来，A股和港股科技类指数的盈利同比增长速度放缓，是市场短期回调的原因之一 [6] - 港股科技股目前面临AI开支增加等影响，市场担心其四季度盈利增长不及二、三季度 [6] 投资组合策略与风格搭配 - 在投资单个行业主题时，建议控制比例在15-20%以内 [6] - 主动优选组合中配置了港股科技股，但会控制其比例 [6] - 投资组合通过搭配成长风格与价值风格的品种来增强稳定性 [6] - 2025年，主动优选跑赢大盘，部分得益于港股科技股的贡献 [6] - 近期港股成长风格回调，但主动优选组合继续上涨，则依靠组合内的价值风格股票，如红利、现金流等品种 [6][7][8] - 通常成长风格低迷时，价值风格表现会比较强势，不同风格的低估品种搭配能让整体投资更稳定 [9][10] 红利类指数估值数据 - 提供了多只红利类及相关价值风格指数的估值数据表，包括上证红利、中证红利、港股红利、红利低波等指数 [12] - 表格中列出了各指数的关键估值指标，如盈利收益率、市盈率、市净率、股息率和近十年估值分位数 [12] - 例如，中证红利低波动指数的盈利收益率为12.14%，市盈率为8.24，市净率为0.83，股息率为4.92%，近十年市盈率分位数为32.38% [12] - 提供了部分追踪这些指数的基金产品规模及分红数据 [13] - 完整的红利指数估值表已在相关小程序中每日更新 [14] 其他市场指数估值数据 - 提供了涵盖宽基、行业、风格、债券等多种类型指数的估值表 [25] - 表中包含盈利收益率、市盈率、市净率、股息率、ROE等关键指标，以及对应的场内、场外基金代码 [25] - 例如，港股科技指数市盈率为37.50，市净率为3.07，股息率为0.65% [25] - 科创50指数市盈率为130.86，市净率为7.01，股息率为0.31% [25] - 同时提供了部分债券指数的久期、到期收益率及历史表现数据 [28]