市场情绪模型观点 - 截至2026年2月6日，市场情绪指标数值为2.65，较上周五的2.6小幅上升，但周内略有下降，模型观点维持中性 [1][4] - 情绪结构指标由9个细分指标等权求和后取20日均线得出，指标在[-6, 6]范围内波动，2024年10月市场情绪得分突破2 [3] - 本周价量一致性指标快速下降，表明市场价量匹配程度骤减，资金关注度与标的涨幅关联性显著降低，反映市场情绪明显降温 [5][7][8] - 行业间交易波动率周内快速回升，反映资金在不同行业间的切换频率加快，跨板块轮动活跃度阶段性增强 [5][7][14] - 行业涨跌趋势性指标周内快速下挫并临近布林带下界，显示资金对行业短期价值判断分歧加剧，行业趋势一致性回落，板块β效应削弱 [5][7][17] - 融资余额占比周内小幅上升且仍运行于布林带上界之上，表明杠杆资金情绪维持较高水平，投资者风险偏好整体偏积极 [5][7][21] - RSI指标周内维持回落，反映市场短期上行动能继续减弱，卖盘力量增强，市场参与意愿阶段性降温 [5][7][23] - 主力资金净流入指标周内震荡回落，显示主力买入力量下降，市场中短期做多动能有所削弱 [5][7][24] 市场成交与资金表现 - 本周全A成交额环比大幅下降21.43%，平均日成交额为24066.54亿元，市场成交活跃度大幅降低 [5][10] - 2月6日成交额为周内最低21634.75亿元，日成交量为1293.91亿股 [5][10] - 科创50相对万得全A成交占比周内维持平稳，表明市场风险偏好暂未出现上升迹象，资金结构相对稳定 [5][7] 行业趋势与拥挤度分析 - 根据均线排列模型，截至2026年2月6日，短期趋势得分排名前列的行业为：建筑材料（93.22分）、石油石化（93.22分）、轻工制造、有色金属、基础化工 [5][28] - 短期得分上升幅度靠前的行业包括：食品饮料、银行、交通运输、美容护理、电力设备 [5][28] - 截至2026年2月6日，平均拥挤度最高的五个行业为：有色金属（0.947）、建筑材料（0.870）、传媒（0.823）、食品饮料（0.813）、社会服务（0.800） [31][32] - 平均拥挤度最低的五个行业为：综合（0.140）、环保（0.157）、轻工制造（0.133）、家用电器（0.127）、商贸零售（0.117） [31][32] - 本周行业拥挤度与周内涨跌幅相关系数为-0.30，存在较明显负相关性 [5][32] - 食品饮料、美容护理等高拥挤度板块近期领涨明显，短期仍有上冲惯性但需警惕高位回调压力；传媒、有色金属等拥挤度高但涨幅较低，若有资金面催化或仍具上涨潜力；商贸零售、非银金融等低拥挤度板块涨幅落后，但资金压力小、估值安全边际高，中长期配置价值突出 [5][32] 市场风格信号 - 当前模型提示大盘风格占优信号，且5日RSI相对20日RSI快速下降，未来信号存在加强可能 [5][34] - 当前模型同时提示价值风格占优信号，且5日RSI相对20日RSI出现下滑趋势，短期信号可能出现进一步加强 [5][34] - 根据国证成长/国证价值比值，5日RSI为30.7860，20日RSI为49.0925，60日RSI为55.2146，5日RSI相对20日RSI下降37.29%，支持价值风格占优观点 [35]

量化模型与构建方式 1. **模型名称：情绪模型**[4][14] * **模型构建思路**：通过构建与涨跌停板相关的因子来刻画市场的情绪强弱，并综合多个因子信号生成情绪得分和择时信号[4][14]。 * **模型具体构建过程**：模型包含五个细分情绪因子，每个因子根据其计算规则生成0或1的信号，最后汇总得到总分（满分5分）[18]。具体因子及信号规则如下： 1. **净涨停占比因子**：计算规则未在报告中详述，当期信号为0[18]。 2. **跌停次日收益因子**：计算规则未在报告中详述，当期信号为0[18]。 3. **涨停板占比因子**：计算规则未在报告中详述，当期信号为0[18]。 4. **跌停板占比因子**：计算规则未在报告中详述，当期信号为0[18]。 5. **高频打板收益因子**：计算规则未在报告中详述，当期信号为0[18]。 * **模型评价**：该模型用于判断市场情绪的高低，情绪得分低（如0分）表明市场情绪低迷[4][7][14]。 2. **模型名称：高频资金流模型**[4][14] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号，以辅助择时决策[4][14]。 * **模型具体构建过程**：模型针对不同宽基指数（沪深300、中证500、中证1000、中证2000）生成四种策略信号：激进多头、激进多空、稳健多头、稳健多空[18]。信号取值为1（正向/买入）、0（中性）或-1（负向/卖出）。具体构建方法参考专题报告，本报告未详述[14]。 3. **指标名称：均线强弱指数**[4][14] * **构建思路**：通过计算Wind二级行业指数的均线排列情况，来综合判断市场的整体技术强弱[4][14]。 * **具体构建过程**：报告未详细说明具体计算步骤，仅提及该指数基于Wind二级行业指数算出。当期市场得分为181分，并给出了其在2023年以来的历史分位点（62.50%）[4][14]。 4. **指标名称：流动性冲击指标**[4][8] * **构建思路**：基于沪深300指数构建，用于衡量当前市场流动性相对于其历史平均水平的偏离程度[4][8]。 * **具体构建过程**：报告未给出具体计算公式。指标数值表示当前市场的流动性高于过去一年平均水平的标准差倍数。例如，数值6.21表示高于过去一年均值6.21倍标准差[4][8]。 5. **因子名称：因子拥挤度（复合指标）**[19] * **因子构建思路**：因子拥挤是指跟踪某一因子的资金过多导致其收益稳定性下降的现象。该复合指标通过综合多个子指标来度量因子的拥挤程度，作为因子失效的预警[19]。 * **因子具体构建过程**：使用四个子指标度量因子拥挤程度，并综合打分[19]。具体子指标包括： 1. **估值价差**：计算规则详见对应专题报告，本报告未详述[19]。 2. **配对相关性**：计算规则详见对应专题报告，本报告未详述[19]。 3. **长期收益反转**：计算规则详见对应专题报告，本报告未详述[19]。 4. **因子波动率**：计算规则详见对应专题报告，本报告未详述[19]。 * **因子评价**：该指标可用于预警因子失效风险，当拥挤度过高时，提示该因子的收益或收益稳定性可能下降[19]。 6. **指标名称：行业拥挤度**[23] * **构建思路**：参考专题报告构建，用于度量各行业板块的拥挤程度[23]。 * **具体构建过程**：报告未给出具体计算公式，计算方法详见对应专题报告[23]。 模型的回测效果 1. **情绪模型**，情绪得分0分（满分5分）[4][14]，趋势模型信号为负向[4][14]，加权模型信号为负向[4][14] 2. **高频资金流模型**，沪深300指数信号：激进多头1，激进多空0，稳健多头0，稳健多空0[18]；中证500指数信号：激进多头1，激进多空0，稳健多头0，稳健多空0[18]；中证1000指数信号：激进多头0，激进多空-1，稳健多头0，稳健多空0[18]；中证2000指数信号：激进多头0，激进多空-1，稳健多头0，稳健多空-1[18] 3. **均线强弱指数**，当前得分181[4][14]，2023年以来历史分位点62.50%[4][14] 4. **流动性冲击指标**，当期数值6.21[4][8] 量化因子与构建方式 1. **因子名称：小市值因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量小市值因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对小市值因子的综合打分结果[20]。 2. **因子名称：低估值因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量低估值因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对低估值因子的综合打分结果[20]。 3. **因子名称：高盈利因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量高盈利因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对高盈利因子的综合打分结果[20]。 4. **因子名称：高盈利增长因子拥挤度**[20] * **因子构建思路**：作为复合因子拥挤度的一个应用，专门度量高盈利增长（高增长）因子的拥挤情况[20]。 * **因子具体构建过程**：其值为复合因子拥挤度模型对高盈利增长因子的综合打分结果[20]。 因子的回测效果 1. **小市值因子拥挤度**，综合打分0.06[20]，估值价差0.60[20]，配对相关性-0.32[20]，市场波动-0.62[20]，收益反转0.58[20] 2. **低估值因子拥挤度**，综合打分-0.31[20]，估值价差-0.47[20]，配对相关性-0.44[20]，市场波动1.21[20]，收益反转-1.55[20] 3. **高盈利因子拥挤度**，综合打分-0.01[20]，估值价差-0.72[20]，配对相关性-0.45[20]，市场波动-0.42[20]，收益反转1.56[20] 4. **高盈利增长因子拥挤度**，综合打分0.28[20]，估值价差1.02[20]，配对相关性-0.53[20]，市场波动-0.61[20]，收益反转1.22[20] 5. **行业拥挤度**，综合行业2.40[27]，基础化工行业2.10[27]，通信行业2.08[27]，有色金属行业2.07[27]，电子行业1.67[27]，国防军工行业1.36[27]，电力设备行业1.04[27]，机械设备行业0.95[27]，商贸零售行业0.38[27]，计算机行业0.00[27]，社会服务行业-0.02[27]，建筑材料行业-0.02[27]，钢铁行业-0.06[27]，银行行业-0.25[27]，交通运输行业-0.28[27]，传媒行业-0.29[27]，石油石化行业-0.32[27]，纺织服饰行业-0.44[27]，汽车行业-0.54[27]，轻工制造行业-0.61[27]，农林牧渔行业-0.77[27]，非银金融行业-0.79[27]，医药生物行业-0.85[27]，煤炭行业-0.86[27]，食品饮料行业-1.00[27]，家用电器行业-1.10[27]，房地产行业-1.10[27]，美容护理行业-1.14[27]，环保行业-1.18[27]，公用事业行业-1.31[27]，建筑装饰行业-1.51[27]

量化模型与构建方式 1. **模型名称：流动性冲击指标**[4] * **模型构建思路**：通过计算当前市场流动性相对于其历史均值的偏离程度（以标准差倍数衡量），来评估市场流动性的异常水平[4]。 * **模型具体构建过程**：该指标基于沪深300指数计算。具体计算过程未在报告中详细说明，但核心逻辑是计算当前流动性指标值（如成交额）相对于过去一年（约250个交易日）该指标均值的标准差倍数[4]。公式可理解为： $$流动性冲击指标_t = \frac{L_t - \mu_{L, t-250:t-1}}{\sigma_{L, t-250:t-1}}$$ 其中，$L_t$ 代表第t日的流动性指标（如成交额），$\mu_{L, t-250:t-1}$ 和 $\sigma_{L, t-250:t-1}$ 分别代表截至前一日过去一年流动性指标的均值和标准差。 2. **模型名称：PUT-CALL比率**[4] * **模型构建思路**：通过计算上证50ETF期权看跌合约（PUT）与看涨合约（CALL）的成交量比率，来反映市场投资者对标的资产短期走势的谨慎或乐观情绪[4]。 * **模型具体构建过程**：直接计算看跌期权总成交量与看涨期权总成交量的比值。 $$PUT-CALL比率_t = \frac{\sum 看跌期权成交量_t}{\sum 看涨期权成交量_t}$$ 3. **模型名称：SAR指标（停损转向指标）**[14] * **模型构建思路**：一种趋势跟踪指标，用于判断市场趋势的转折点。当价格线从下方突破SAR线时，发出买入信号；当价格线从上方跌破SAR线时，发出卖出信号[14]。 * **模型具体构建过程**：报告未给出具体计算公式。SAR指标的计算涉及加速因子（AF）和极值点（EP）的迭代更新，其通用公式为： $$SAR_t = SAR_{t-1} + AF \times (EP - SAR_{t-1})$$ 其中，AF初始值通常为0.02，随着趋势延续每次增加0.02，上限为0.2；EP为当前上涨趋势中的最高价或下跌趋势中的最低价。当价格趋势反转时，SAR值重置。 4. **模型名称：均线强弱指数**[4][14] * **模型构建思路**：通过统计全市场（或行业指数）中价格位于其长期均线之上的股票（或指数）数量或比例，来量化市场的整体技术强度[4][14]。 * **模型具体构建过程**：报告未给出具体计算公式。构建思路是基于Wind二级行业指数，计算每个行业指数价格与其长期移动平均线（如200日均线）的相对位置，然后对所有行业进行打分或加权，汇总得到全市场的均线强弱指数得分[14]。 5. **模型名称：情绪模型**[4][14] * **模型构建思路**：通过构建多个与涨跌停板相关的微观因子，综合刻画市场的投机情绪和赚钱效应强弱[4][14]。 * **模型具体构建过程**：报告参考了专题报告《从涨停板、打板策略到赚钱效应引发的情绪择时指标》[14]。模型包含多个细分情绪因子，如净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等[18]。这些因子通过一定的规则（如阈值比较）转化为0或1的信号，最后可能通过等权或加权方式汇总成一个综合情绪得分（0-5分）[14][18]。 6. **模型名称：高频资金流模型**[4][14] * **模型构建思路**：利用高频资金流（可能指主力资金净流入、大单资金流向等）的走势和特征，对主要宽基指数生成择时交易信号[4][14]。 * **模型具体构建过程**：报告参考了专题报告《高频资金流如何辅助宽基择时决策》[14]。模型针对不同指数（如沪深300、中证500等）和不同风险偏好（激进、稳健）以及策略类型（多头、多空），生成了独立的信号[18]。具体构建细节未说明，但核心是利用资金流数据判断趋势的强弱和持续性。 7. **模型/因子名称：因子拥挤度模型**[19] * **模型构建思路**：使用多个维度的指标来度量跟踪或投资某一因子的资金是否过多，从而预警因子可能失效的风险[19]。 * **模型具体构建过程**：报告参考了专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》[19]。模型使用四个指标度量因子拥挤程度[19]： 1. **估值价差**：因子多空组合两端股票的估值差异。 2. **配对相关性**：因子多空组合两端股票收益的相关性。 3. **长期收益反转**：因子长期收益的动量或反转效应。 4. **因子波动率**：因子收益序列的波动情况。 每个指标计算后都进行标准化（Z-Score）处理，然后通过一定的规则（如等权平均）合成一个综合拥挤度得分[20]。 8. **模型名称：行业拥挤度模型**[23] * **模型构建思路**：类似于因子拥挤度，但应用于行业层面，用于评估某个行业交易是否过热或过冷[23]。 * **模型具体构建过程**：报告参考了专题报告《行业轮动系列研究 15——行业板块拥挤度》[23]。具体计算指标未详细说明，但最终结果是一个标准化的拥挤度分数[26][27]。 模型的回测效果 1. **流动性冲击指标**， 基于沪深300指数的指标值为6.21（2026年2月6日）[4] 2. **PUT-CALL比率**， 上证50ETF期权成交量比率为0.96（2026年2月6日）[4] 3. **均线强弱指数**， 当前市场得分为181，处于2023年以来62.50%分位点[14] 4. **情绪模型**， 综合得分为0分（满分5分）[14] 5. **高频资金流模型**， 沪深300指数：激进多头信号为1，激进多空为0，稳健多头为0，稳健多空为0[18]；中证500指数：激进多头信号为1，激进多空为0，稳健多头为0，稳健多空为0[18]；中证1000指数：激进多头信号为0，激进多空为-1，稳健多头为0，稳健多空为0[18]；中证2000指数：激进多头信号为0，激进多空为-1，稳健多头为0，稳健多空为-1[18] 量化因子与构建方式 1. **因子名称：小市值因子**[20] * **因子构建思路**：选择市值较小的股票，基于小市值公司可能具有更高成长性或溢价的理论。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用总市值或流通市值进行排序或标准化，构建多空组合。 2. **因子名称：低估值因子**[20] * **因子构建思路**：选择估值指标（如市盈率PE、市净率PB）较低的股票，基于价值投资理论。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用PE或PB等估值指标进行排序或标准化，构建多空组合。 3. **因子名称：高盈利因子**[20] * **因子构建思路**：选择盈利能力（如净资产收益率ROE、总资产收益率ROA）较强的股票。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用ROE或ROA等盈利指标进行排序或标准化，构建多空组合。 4. **因子名称：高盈利增长因子（高增长因子）**[20] * **因子构建思路**：选择盈利增长（如净利润增长率、营业收入增长率）较快的股票。 * **因子具体构建过程**：报告未给出具体构建公式。通常使用盈利增长率指标进行排序或标准化，构建多空组合。 5. **因子名称：情绪细分因子**[18] * **因子构建思路**：从不同角度刻画市场涨停板相关的投机情绪[14]。 * **因子具体构建过程**：包含净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益等细分因子[18]。具体计算方式未说明。 因子的回测效果 1. **小市值因子拥挤度**， 综合打分0.06，估值价差0.60，配对相关性-0.32，市场波动-0.62，收益反转0.58（2026年2月6日）[20] 2. **低估值因子拥挤度**， 综合打分-0.31，估值价差-0.47，配对相关性-0.44，市场波动1.21，收益反转-1.55（2026年2月6日）[20] 3. **高盈利因子拥挤度**， 综合打分-0.01，估值价差-0.72，配对相关性-0.45，市场波动-0.42，收益反转1.56（2026年2月6日）[20] 4. **高盈利增长因子拥挤度**， 综合打分0.28，估值价差1.02，配对相关性-0.53，市场波动-0.61，收益反转1.22（2026年2月6日）[20] 5. **情绪细分因子信号**， 净涨停占比信号0，跌停次日收益信号0，涨停板占比信号0，跌停板占比信号0，高频打板收益信号0（截至报告时点）[18]

报告行业投资评级 * 报告未明确给出对整体ETF行业或相关市场的投资评级 [1][2][4][7][30][35][41] 报告的核心观点 * 报告核心观点为：本周（截至2026年1月30日当周）股票类ETF资金流向出现显著分化，宽基ETF遭遇大规模净流出，而行业主题ETF则获得显著净流入；同时，部分行业拥挤度变化较大，值得关注 [1][2][30][35] 一、ETF市场概况 * 截至2026年1月30日，内地全部上市ETF共计1419只，总规模达5.46万亿元 [2][7] * 股票型ETF在数量和规模上均占据主导地位：数量1111只，占比78.29%；规模3.23万亿元，占比59.11% [2][7][9] * 债券型、商品型、货币型、跨境ETF的规模分别为0.73万亿元、0.35万亿元、0.16万亿元、1.00万亿元 [2][7] * 股票型ETF内部，宽基ETF、行业主题ETF、风格策略ETF的数量分别为372只、616只、123只，规模分别为1.66万亿元、1.39万亿元、0.18万亿元 [7][10] 二、海内外权益市场指数表现 * **A股市场**：本周（报告期）主要指数涨跌互现，上证指数下跌0.44%至4117.95点，上证50上涨1.13%，沪深300微涨0.08%，而中证500、中证1000、中证2000、北证50跌幅均超过2.5% [2][11][12] * **A股风格**：大盘价值风格领涨，涨幅为1.87%；小盘成长风格跌幅最大，为-3.58% [12][17] * **A股行业**：石化、通信、煤炭板块涨幅居前，分别上涨7.95%、5.83%、3.68%；国防军工、电力设备、汽车板块跌幅较大，分别下跌7.69%、5.10%、5.08% [2][12][19] * **港股市场**：恒生指数上涨2.38%至27387.11点，恒生中国企业指数上涨1.71%，恒生科技指数下跌1.38% [2][12][21] * **港股行业**：能源业涨幅最大，达7.44%；医疗保健业跌幅最大，为-2.72% [12][24] * **美股及其他市场**：道琼斯工业指数下跌0.42%，纳斯达克指数下跌0.17%，标普500指数上涨0.34% [2][13][28] 三、股票类ETF资金流向 * **宽基ETF**：本周净流出3890.81亿元 [2][30][34] * 资金净流入前三：A500ETF华泰柏瑞（+11.23亿元）、双创龙头ETF（+9.27亿元）、上证指数ETF（+5.42亿元）[2][30] * 资金净流出前三：沪深300ETF易方达（-747.27亿元）、沪深300ETF华泰柏瑞（-742.00亿元）、沪深300ETF华夏（-547.13亿元）[2][30] * **行业主题ETF**：本周净流入705.89亿元 [2][30][34] * 资金净流入前三：有色金属ETF基金（+64.55亿元）、有色金属ETF（+56.34亿元）、化工ETF（+40.12亿元）[2][30] * 资金净流出前三：科创AIETF博时（-11.31亿元）、电池ETF（-4.88亿元）、光伏ETF（-4.70亿元）[2][30] * **风格策略ETF**：本周净流入17.38亿元 [2][30][34] * 资金净流入前三：自由现金流ETF（+8.57亿元）、红利低波ETF华泰柏瑞（+6.78亿元）、现金流ETF（+6.53亿元）[2][30] * **跨境ETF**：本周净流入12.44亿元 [2][31][34] * 资金净流入前三：港股通非银ETF（+17.97亿元）、恒生科技ETF天弘（+8.87亿元）、亚太精选ETF南方（+5.13亿元）[2][31] 四、行业拥挤度监测 * 截至前一交易日，有色金属、石油石化、农林牧渔、传媒行业的拥挤度水平靠前 [2][35] * 汽车、家用电器、医药生物行业的拥挤度水平相对较低，报告建议关注 [2][35] * 食品饮料、农林牧渔行业本周拥挤度变动幅度较大 [2][35] * 从主力资金流动看，本周资金减配有色金属、电子、电力设备行业；增配银行、非银金融、通信行业 [35][39] 五、ETF产品关注信号 * 根据溢价率Z-score模型，报告筛选出以下ETF产品作为关注信号：黄金ETF（159934.SZ）、有色50ETF（159652.SZ）、有色金属ETF（512400.SH）、工业有色ETF（560860.SH）、资源ETF（510410.SH）[41][42]

核心观点 - 报告提出并跟踪了四种行业轮动策略，为2026年2月进行行业配置推荐，其中动态平衡策略在1月表现最佳，获得4.05%的超额收益[3][22] - 1月A股市场整体上涨，中小市值指数表现优于大市值指数，沪深300、中证500、中证1000、创业板指收益率分别为1.65%、12.12%、8.68%、4.47%[16] - 1月行业表现分化，有色金属、传媒、石油石化、建材、电子行业收益排名前五，而银行、交通运输、非银行金融等行业收益排名靠后[17] 市场回顾与策略表现 - 2026年1月，四种行业轮动策略中，动态平衡策略绝对收益9.18%，超额收益4.05%，表现最佳；宏观驱动策略绝对收益6.76%，超额收益1.20%；多策略绝对收益4.65%，超额收益-0.42%；极致风格策略绝对收益0.67%，超额收益-4.02%[22][23] - 截至2026年1月30日，动态平衡策略在主动权益基金中排名28.80%，宏观驱动策略排名48.00%，多策略排名66.00%，极致风格策略排名92.50%[3][4][5] - 动态平衡策略自2015年初至2026年1月30日，年化绝对收益18.85%，年化相对收益12.26%，信息比率1.75，相对最大回撤10.18%[3][25] - 宏观驱动策略自2016年初至2026年1月30日，超额年化收益率4.77%，信息比率0.67，最大回撤9.51%，年化换手3.13倍[4][23] - 多策略自2011年5月3日至2026年1月30日，相对收益年化6.32%，信息比0.90，超额最大回撤13.24%[5] - 极致风格高Beta策略自2013年7月1日至2026年1月30日，相对收益年化9.93%，信息比0.98[5][31] 2026年2月行业配置推荐 - **动态平衡策略**推荐行业：有色金属、基础化工、电力设备及新能源、通信、轻工制造、钢铁[3][19][25] - **宏观驱动策略**推荐行业：食品饮料、国防军工、医药、有色金属、通信、基础化工[4][19][24] - **多策略**推荐行业：房地产、建筑、银行、通信、纺织服装、医药、基础化工、有色金属[5][19][30] - **极致风格高Beta策略**推荐行业：交通运输、电力及公用事业、基础化工、机械、银行、石油石化[5][19][31] - 宏观驱动策略最新一期组合中，经济扩散是当前最重要的宏观驱动要素，重要性为121.74%[40] - 多策略在2月对底层策略的权重配置为：相对价值策略50.45%，动量景气策略20.45%，核心资产策略29.10%[56] - 极致风格高Beta策略在2月对底层策略的权重配置为：小盘价值策略43.67%，小盘成长策略32.52%，大盘价值策略23.80%[74] 行业拥挤度提示 - 1月行业拥挤度提示触发数量较多，石油石化、有色金属、基础化工、电力设备及新能源、汽车、通信、传媒行业出现多个拥挤触发信号[6][84] - 行业拥挤度通过价格乖离成交量加权、上涨交易额占比、领涨牵引、流通市值换手率四个因子进行刻画，用于规避交易过热风险[81]

市场情绪模型核心观点 - 截至2026年1月30日，市场情绪结构指标数值为2.6，较上周五的2.35小幅上升，情绪指标整体平稳，模型观点偏多 [4] - 近5年A股市场情绪波动较大，2023年大部分时间指标处于较低位置，直至2024年10月市场情绪得分突破2 [3] 情绪模型分项指标表现 - **价量一致性**：指标周内维持高位震荡，表明市场价量匹配程度较高，资金关注度与标的涨幅之间保持强相关性，市场情绪活跃 [5][7] - **科创50成交占比**：周内持续回升，反映市场风险偏好出现上行迹象，高弹性板块交易关注度提升，市场情绪已脱离低迷区间 [5][10] - **行业间交易波动率**：小幅回升，表明资金在不同行业间的切换频率提高，跨行业轮动活跃度增强，市场交易活跃度出现阶段性回暖 [5][15] - **行业涨跌趋势性**：指标周内快速下挫并跌破布林带上界，显示资金对行业短期走势的判断分歧加剧，行业趋势一致性下降，板块β效应边际减弱 [5][18] - **融资余额占比**：周内小幅上行且仍运行于布林带上界之上，显示杠杆资金情绪维持在较高水平，投资者风险偏好整体偏积极，融资交易活跃度保持高位 [5][19] - **RSI指标**：周内持续回落，表明市场短期上行动能减弱，卖盘力量增强，市场参与意愿阶段性降温 [5][20] - **主力买入力量**：指标维持高位震荡，反映主力买入力量仍然较强，机构资金入场与主动配置意愿提升，对市场中短期做多动能形成支撑 [5][23] - **成交额**：本周全A成交额较上周环比上升9.44%，平均日成交额为30632.46亿元，市场成交活跃度小幅回升，其中1月26日成交额为周内最高32806.44亿元 [9] 其他择时模型观点 - **行业均线排列模型**：截至2026年1月30日，石油石化、建筑材料、有色金属、轻工制造、通信行业短期趋势得分排名前列，其中石油石化、建筑材料短期得分均为98.31，为最高 [26] - **行业短期得分变化**：食品饮料、银行、煤炭、房地产、石油石化等行业短期得分上升幅度靠前 [26] - **行业交易拥挤度**：截至2026年1月30日，平均拥挤度最高的行业分别为有色金属、石油石化、钢铁、计算机、传媒，拥挤度最低的行业分别为交通运输、房地产、商贸零售、环保、轻工制造 [32] - **拥挤度与涨跌幅关系**：本周拥挤度与周内涨跌幅相关系数为0.33，存在较明显正相关性，石油石化等高拥挤度板块领涨明显，商贸零售、环保、轻工制造等低拥挤度板块涨幅相对落后 [34] - **风格择时模型**：当前模型维持提示小盘风格占优信号，且5日RSI相对20日RSI快速下降，未来信号存在削弱可能；同时模型维持提示成长风格占优信号，信号提示强度较弱，且5日RSI相对20日RSI出现快速下滑趋势 [37][42]

核心观点总结 - 截至2026年1月30日，市场情绪指标数值为2.6，较上周五的2.35小幅上升，情绪整体平稳，模型观点偏多 [2][9] - 市场资金在不同行业间切换频率提高，行业涨跌趋势性指标快速下挫，显示资金对行业短期走势判断分歧加剧，资金切换较快 [3][13] - 当前模型整体提示小盘与成长风格占优信号，但短期信号存在削弱可能 [3][53] 1. 情绪模型观点：情绪指标整体平稳，资金切换较快 - **情绪指标概况**：市场情绪结构指标由多个分项指标合成，采用打分方式，最终指标为20日均线，在近5年A股市场中围绕0轴在[-6,6]范围内波动，2024年10月市场情绪得分突破2 [7][8] - **整体情绪**：截至1月30日，市场情绪指标为2.6，较上周五的2.35小幅上升，情绪整体平稳，模型观点偏多 [2][9] - **价量关系**：价量一致性指标周内维持高位震荡，表明市场价量匹配程度高，资金关注度与标的涨幅之间保持强相关性，市场情绪整体偏活跃 [3][13][16] - **成交活跃度**：本周全A成交额较上周环比上升9.44%，平均日成交额为30632.46亿元，市场成交活跃度小幅回升，其中1月26日成交额达周内最高32806.44亿元，日成交量1923.57亿股 [3][19] - **风险偏好**：科创50相对万得全A成交占比周内持续回升，反映市场风险偏好出现上行迹象，高弹性板块交易关注度提升，整体情绪已逐步脱离低迷区间 [3][13][22] - **资金轮动**：行业间交易波动率小幅回升，表明资金在不同行业间的切换频率提高，跨行业轮动活跃度增强，市场交易活跃度出现阶段性回暖 [3][13][27] - **趋势分歧**：行业涨跌趋势性指标周内快速下挫并跌破布林带上界，显示资金对行业短期走势的判断分歧加剧，行业趋势一致性下降，板块β效应边际减弱 [3][13][30] - **杠杆情绪**：融资余额占比周内小幅上行且仍运行于布林带上界之上，显示杠杆资金情绪维持在较高水平，投资者风险偏好整体偏积极，融资交易活跃度保持高位 [3][13][33] - **动能减弱**：RSI指标周内持续回落，表明市场短期上行动能进一步减弱，卖盘力量增强，市场参与意愿阶段性降温 [3][13][36] - **主力资金**：主力资金净流入指标维持高位震荡，反映主力买入力量仍然较强，机构资金入场与主动配置意愿提升，对市场中短期做多动能形成支撑 [3][13][39] 2. 其他择时模型观点：食品饮料短期得分上升幅度领先，成长风格与小盘风格占优 - **行业趋势得分**：根据均线排列模型，截至2026年1月30日，石油石化、建筑材料、有色金属、轻工制造、通信行业趋势得分排名前列，其中石油石化、建筑材料短期得分均为98.31，为短期得分最高行业 [3][43] - **得分上升行业**：食品饮料、银行、煤炭、房地产、石油石化等行业短期得分上升幅度靠前 [3][43] - **行业拥挤度**：截至2026年1月30日，平均拥挤度最高的行业分别为有色金属、石油石化、钢铁、计算机、传媒，拥挤度最低的行业分别为交通运输、房地产、商贸零售、环保、轻工制造 [46] - **拥挤度与涨跌关系**：本周拥挤度与周内涨跌幅相关系数为0.33，存在较明显正相关性，石油石化等高拥挤度板块领涨明显，短期仍有上冲惯性但需警惕高位回调压力，钢铁、计算机等拥挤度较高但涨幅较低，商贸零售、环保、轻工制造等低拥挤度板块涨幅相对落后 [3][49] - **风格信号**：当前模型维持提示小盘风格占优信号，且5日RSI相对20日RSI快速下降，未来信号存在削弱可能，同时模型维持提示成长风格占优信号，信号提示强度较弱，且5日RSI相对20日RSI出现快速下滑趋势，短期信号可能出现减弱 [3][53]

量化模型与构建方式 1. **模型名称：情绪择时模型**[14] * **模型构建思路**：通过构建与涨跌停板相关的因子来刻画市场的情绪强弱，并综合多个情绪因子信号生成择时信号。[14] * **模型具体构建过程**：模型包含五个细分情绪因子：净涨停占比、跌停次日收益、涨停板占比、跌停板占比、高频打板收益。每个因子独立计算并生成信号（例如，0分或1分），最终将所有因子信号汇总，得到一个总分（满分5分）。[14][17] * **模型评价**：该模型用于判断市场情绪的强弱和方向。[14] 2. **模型名称：高频资金流择时模型**[14] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数生成买入或卖出信号。[14] * **模型具体构建过程**：模型针对不同宽基指数（如沪深300、中证500等）分别构建。根据高频资金流数据，模型会生成四种不同风险偏好的信号：激进多头、激进多空、稳健多头、稳健多空。信号“1”代表正向（做多），“0”代表负向（不做多或做空）。[14][17][20] 3. **模型名称：因子拥挤度模型**[18] * **模型构建思路**：使用多个指标度量因子的拥挤程度，以预警因子可能因资金过度追逐而失效的风险。[18] * **模型具体构建过程**：对于每个待评估的因子（如小市值、低估值等），计算四个分项拥挤度指标： 1. **估值价差**：衡量因子多空组合的估值差异。 2. **配对相关性**：衡量因子内股票收益的相关性。 3. **长期收益反转**：可能指因子动量或反转效应。 4. **因子波动率**：衡量因子收益的波动情况。 将这四个分项指标得分标准化后，综合计算得到一个复合拥挤度分数。[18][19] 4. **模型名称：行业拥挤度模型**[23] * **模型构建思路**：构建指标度量不同行业的拥挤程度，以识别交易过热或关注度过高的行业。[23] * **模型具体构建过程**：报告提及该模型参考了专题报告《行业轮动系列研究 15——行业板块拥挤度》，但未在本周报中详述具体构建公式。模型输出结果为各行业的拥挤度数值。[23][25] 模型的回测效果 1. **情绪择时模型**，当前模型得分为0分（满分5分），趋势模型信号为负向，加权模型信号为负向。[14] 2. **高频资金流择时模型**，截至2026年1月30日，对主要宽基指数的信号为：沪深300指数（正向）、中证500指数（正向）、中证1000指数（负向）、中证2000指数（负向）。[14][17][20] 3. **因子拥挤度模型**，截至2026年1月30日，复合拥挤度分数为：小市值因子0.05，低估值因子-0.28，高盈利因子0.20，高盈利增长因子0.53。[19] 4. **行业拥挤度模型**，截至2026年1月30日，行业拥挤度较高的有：通信(2.46)、有色金属(2.28)、综合(1.82)、电子(1.71)、基础化工(1.59)；拥挤度上升幅度较大的有：电子(+1.11)、国防军工(+1.08)。[23][25][26] 量化因子与构建方式 1. **因子名称：流动性冲击指标**[2][8] * **因子构建思路**：基于沪深300指数构建，用于衡量当前市场流动性相对于历史水平的偏离程度。[2][8] * **因子具体构建过程**：报告未给出具体计算公式，但指出该指标数值代表“当前市场的流动性高于过去一年平均水平X倍标准差”。例如，数值5.07意味着流动性高于过去一年均值5.07个标准差。[8] 2. **因子名称：PUT-CALL比率**[2][8] * **因子构建思路**：使用上证50ETF期权的成交量数据计算，反映投资者对标的指数短期走势的乐观或谨慎情绪。[2][8] * **因子具体构建过程**：计算公式为PUT合约成交量除以CALL合约成交量。比率下降通常表示谨慎情绪下降或乐观情绪上升。[8] 3. **因子名称：五日平均换手率**[2][8] * **因子构建思路**：通过计算市场指数的近期平均换手率，来度量市场的交易活跃度。[2][8] * **因子具体构建过程**：计算上证综指或Wind全A指数最近五个交易日的换手率平均值。[8] 4. **因子名称：均线强弱指数**[14] * **因子构建思路**：通过Wind二级行业指数的均线情况来综合判断市场的整体技术强弱。[14] * **因子具体构建过程**：报告未给出具体计算公式，但指出该指数得分为172，处于2023年以来的59.50%分位点。[14] 5. **因子名称：估值价差（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，用于衡量因子多空组合的估值差异。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 6. **因子名称：配对相关性（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，用于衡量因子内股票收益的相关性。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 7. **因子名称：长期收益反转（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，可能用于度量因子的动量或反转效应。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 8. **因子名称：因子波动率（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，用于衡量因子收益的波动情况。[18] * **因子具体构建过程**：报告未给出具体计算公式，但在因子拥挤度模型中以分项得分形式出现。[19] 因子的回测效果 1. **流动性冲击指标**，2026年1月30日数值为5.07。[8] 2. **PUT-CALL比率**，2026年1月30日数值为0.89。[8] 3. **五日平均换手率**，2026年1月30日，上证综指为1.75%（处于2005年以来84.56%分位点），Wind全A为2.49%（处于2005年以来89.72%分位点）。[8] 4. **均线强弱指数**，当前市场得分为172，处于2023年以来的59.50%分位点。[14] 5. **估值价差（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分0.55，低估值因子得分-1.14，高盈利因子得分-0.48，高增长因子得分1.35。[19] 6. **配对相关性（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分-0.46，低估值因子得分-0.57，高盈利因子得分-0.32，高增长因子得分-0.23。[19] 7. **长期收益反转（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分0.54，低估值因子得分-1.63，高盈利因子得分1.61，高增长因子得分1.21。[19] 8. **因子波动率（因子拥挤度分项）**，截至2026年1月30日，小市值因子得分-0.45，低估值因子得分2.24，高盈利因子得分-0.02，高增长因子得分-0.24。[19]

市场情绪模型观点 - 截至2026年1月23日，市场情绪指标数值为2.35，较上周五的2.25小幅上升，周内小幅震荡，模型观点偏中性[3] - 情绪指标整体围绕0轴在[-6,6]范围内波动，近5年A股市场情绪波动较大，2023年大部分时间指标处于较低位置，直至2024年10月市场情绪得分突破2[2] - 本周价量一致性指标维持高位震荡，表明市场价量匹配程度高，资金关注度与标的涨幅关联性强，市场情绪处于活跃区间[6][9] - 科创50相对万得全A成交占比周内回升，表明市场风险偏好出现边际改善迹象，高弹性板块交易关注度提升[6][15] - 行业间交易波动率小幅回升，表明资金在不同行业间切换频率提高，跨行业轮动活跃度边际改善，市场交易活跃度回暖[6][17] - 行业涨跌趋势性指标周内回落但仍运行于布林带上方，反映市场对行业短期价值判断一致性仍高，板块β效应占据主导[6][20] - 融资余额占比周内小幅震荡上行并持续运行于布林带上界之上，显示杠杆资金情绪维持在偏高水平，市场风险偏好整体积极[6][22] - 本周RSI指标出现回落，表明短期上行动能减弱，卖盘力量边际增强，市场参与意愿阶段性下降[6][25] - 主力资金净流入指标维持高位震荡，反映主力买入力量较强，机构资金配置意愿提升，市场做多动能得到支撑[6][27] - 本周全A成交额较上周环比下降19.22%，平均日成交额为27989.42亿元，市场成交活跃度有所降温，其中1月23日成交额为周内最高31181.08亿元[12] 其他择时模型观点 - 根据均线排列模型，截至2026年1月23日，有色金属、通信、国防军工、综合、电子行业趋势得分排名前列[30] - 从行业短期得分看，有色金属、轻工制造、机械设备、建筑材料、电子是短期得分最高的行业，其中有色金属短期得分为100.00，为最高[30] - 截至2026年1月23日，平均拥挤度最高的行业分别为公用事业、计算机、传媒、银行、石油石化，拥挤度最低的行业分别为环保、纺织服饰、综合、轻工制造、农林牧渔[33] - 本周行业拥挤度与周内涨跌幅相关系数为0.00，两者不存在相关性，石油石化、公用事业、传媒等高拥挤度板块领涨明显，银行、计算机等高拥挤度板块涨幅较低，食品饮料等低拥挤度板块涨幅相对落后[35] - 根据相对强弱指标模型，当前模型维持提示小盘风格占优信号，但5日RSI相对20日RSI有所下降，未来信号存在削弱可能[37] - 模型切换提示成长风格占优信号，信号提示强度较强，但5日RSI相对20日RSI出现快速下滑趋势，短期信号可能出现减弱[37]

量化模型与构建方式 1. **模型名称：SAR技术指标择时模型**[1][7][14] * **模型构建思路**：使用抛物线转向指标（SAR）来识别市场趋势的潜在反转点，生成买入或卖出信号[1][7][14]。 * **模型具体构建过程**：SAR指标的计算涉及一个递归过程，其核心思想是随着价格趋势的发展，止损点（即SAR值）会加速移动。具体公式和计算步骤在报告中未详细给出，但标准SAR计算公式通常如下： $$SAR_{t} = SAR_{t-1} + AF \times (EP - SAR_{t-1})$$ 其中，`SAR_t`为当前周期的SAR值，`SAR_{t-1}`为上一周期的SAR值，`AF`为加速因子（随着新极值点出现而递增，但有上限），`EP`为当前上涨趋势中的最高价或下跌趋势中的最低价（极值点）。当价格从下方突破SAR时，发出买入信号；当价格从上方跌破SAR时，发出卖出信号[15]。 2. **模型名称：市场均线强弱指数**[4][14] * **模型构建思路**：通过计算各行业指数相对于其均线的位置，来综合判断整个市场的技术强弱[4][14]。 * **模型具体构建过程**：报告提及该指数基于Wind二级行业指数计算。具体构建过程未详细说明，但通常思路可能是：计算每个行业指数相对于其某条移动平均线（如20日、60日均线）的偏离度或强弱状态，然后将所有行业的得分进行加总或平均，得到代表整体市场强度的指数。当前得分为238，处于2023年以来86.52%的分位点[14]。 3. **模型名称：市场情绪模型**[4][14][16] * **模型构建思路**：通过构建与涨跌停板相关的因子，来刻画市场的情绪强弱[4][14]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告，该模型包含多个细分情绪因子。报告列出了截至当前的部分因子信号：净涨停占比（信号为1）、跌停次日收益（信号为0）、涨停板占比（信号为0）、跌停板占比（信号为0）、高频打板收益（信号为1）[16]。这些因子信号通过一定规则（报告中未详述）汇总成情绪模型得分（当前为2分，满分5分）以及趋势模型信号（正向）和加权模型信号（正向）[14]。 4. **模型名称：高频资金流择时模型**[4][14][16] * **模型构建思路**：通过分析高频资金流的走势，对主要宽基指数发出买入或卖出信号[4][14]。 * **模型具体构建过程**：根据国泰海通量化团队前期专题报告构建。报告展示了该模型对沪深300、中证500、中证1000指数的信号。模型分为“激进多头”、“激进多空”、“稳健多头”、“稳健多空”四种策略，当前对所有观察的宽基指数均发出看多信号（信号值为1）[16]。 5. **因子名称：因子拥挤度复合指标**[18][19] * **因子构建思路**：用于预警因子因资金过度追逐而可能失效的风险，通过综合多个维度指标来度量因子的拥挤程度[18]。 * **因子具体构建过程**：根据国泰海通量化团队前期专题报告，使用四个指标度量因子拥挤度：估值价差、配对相关性、长期收益反转、因子波动率。报告未给出每个分项指标的具体计算公式。最终，将这四个指标得分综合成一个复合拥挤度打分[18][19]。 6. **因子名称：行业拥挤度指标**[25][27] * **因子构建思路**：度量特定行业板块因资金过度集中而可能面临的回调风险[25]。 * **因子具体构建过程**：根据国泰海通量化团队前期专题报告构建。报告未给出具体计算公式，但展示了截至2026年1月23日各行业的拥挤度数值及相对上月的变化[25][27][28]。 模型的回测效果 （注：本报告为周报，主要展示模型当期信号和部分指标状态，未提供历史回测绩效指标如年化收益率、夏普比率等。） 量化因子与构建方式 1. **因子名称：流动性冲击指标**[4][8] * **因子构建思路**：基于沪深300指数，衡量当前市场流动性相对于历史平均水平的偏离程度[4][8]。 * **因子具体构建过程**：报告指出，该指标值为5.09，意味着当前市场的流动性高于过去一年平均水平5.09倍标准差。具体计算公式未提供[8]。 2. **因子名称：PUT-CALL比率**[4][8] * **因子构建思路**：通过上证50ETF期权看跌期权与看涨期权的成交量比率，来观察投资者对短期走势的情绪谨慎程度[4][8]。 * **因子具体构建过程**：计算公式为看跌期权成交量除以看涨期权成交量。报告指出周五该比率为0.98，高于前一周的0.80[8]。 3. **因子名称：五日平均换手率**[4][8] * **因子构建思路**：通过计算上证综指和Wind全A指数的五日平均换手率，并观察其历史分位点，来判断市场交易活跃度[4][8]。 * **因子具体构建过程**：计算指数最近五个交易日的平均换手率。报告指出当前值分别为1.50%和2.21%，处于2005年以来的80.71%和86.58%分位点[8]。 4. **因子名称：日历效应因子**[7][9] * **因子构建思路**：基于历史数据，统计特定时间段（如1月下半月）各大宽基指数的历史表现规律，作为市场表现的参考[7][9]。 * **因子具体构建过程**：统计2005年以来，每年1月下半月各指数的涨跌幅，计算上涨概率、涨幅均值和中位数。例如，报告指出上证综指在1月下半月上涨概率为55%，涨幅均值为-1.52%[9]。 5. **因子名称：估值价差（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的估值价差分项得分[19]。 6. **因子名称：配对相关性（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的配对相关性分项得分[19]。 7. **因子名称：长期收益反转（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的长期收益反转分项得分[19]。 8. **因子名称：因子波动率（因子拥挤度分项）**[18][19] * **因子构建思路**：作为因子拥挤度的度量指标之一，具体思路未在本文中详述[18]。 * **因子具体构建过程**：计算过程未提供。报告展示了小市值、低估值、高盈利、高增长因子的因子波动率分项得分[19]。 因子的回测效果 （注：本报告未提供因子IC、IR、多空收益等传统因子测试结果。主要展示了部分因子的当期数值或状态。） **因子拥挤度复合指标取值（截至2026.01.23）**[19][21] 1. 小市值因子拥挤度：0.28 2. 低估值因子拥挤度：-0.42 3. 高盈利因子拥挤度：0.31 4. 高盈利增长因子拥挤度：0.35 **行业拥挤度指标取值（截至2026.01.23，列举部分）**[27][28] 1. 有色金属行业拥挤度：2.08 2. 综合行业拥挤度：1.98 3. 通信行业拥挤度：1.97 4. 电子行业拥挤度：1.47 5. 国防军工行业拥挤度：1.46 6. 食品饮料行业拥挤度：-1.27 7. 美容护理行业拥挤度：-1.43