核心观点 - 报告核心观点认为A股春季行情进入下半场，市场结构分化将趋于收敛，呈现均衡普涨特征，后续行情仍有向上空间，建议均衡配置，主线是AI应用为代表的科技，同时重视白酒、地产等老登资产以及上游周期板块 [1][3] 市场近期表现与轮动特征 - 自2025年12月17日以来，在宽基ETF、灵活型外资、杠杆资金助推下，A股春季行情逐渐展开，初期传媒、军工、计算机、有色等行业涨幅靠前，近期白酒、地产等老登资产表现亮眼 [1][11] - 以大类板块相较中证800的累计超额收益变化来看，近期成长和周期板块的累计超额有所下降，而金融、消费板块的负超额明显修复，显示风格间收益差距收敛 [1][11] - 截至2026年1月23日，A股行业轮动强度处于近五年18%的历史低位，但近一周该指标有所回升，意味着行情结构的轮动或正在开启 [1][12] 历史规律：春季行情风格均衡 - 回顾2005年以来历次春季行情，国证成长与国证价值指数最大涨幅均值分别为24.0%和23.5%，两者差别不大，显示春季行情期间成长与价值风格往往均衡表现 [2][18] - 近三年春季行情具体表现为：2023年价值与成长最大涨幅均为19%；2024年成长涨27%，价值涨19%；2025年成长涨12%，价值涨7%，均呈现两者均有表现的特征 [14][17] 牛市周期规律：后半程结构发散 - 从中期视角看，市场仍处于2024年9月以来的牛市氛围中，参考2015年及2021年牛市经验，牛市前半程行情顺主线演绎、结构分化显著，而后半程市场结构往往更为发散均衡，因此本轮行情结构或逐渐向均衡收敛 [2][17] 行情展望：未完待续，向上有空间 - 从历史对比看，牛市背景下的春季行情期间指数往往具备20%左右的涨幅空间，而2025年12月17日以来上证指数最大涨幅仅为9.8%，上涨时空差距仍较大 [3][30] - 宏观政策持续发力有望助力经济开门红，为市场上涨提供基本面支撑，本轮春季行情仍有进一步演绎空间，短期资金面扰动带来的波动是布局机会 [3][30] - 更长期看，随着宏微观基本面修复扩散及居民资金入市，2026年A股牛市有望走向后半场 [3][30] 行业配置建议：均衡配置，科技为主线 - AI浪潮驱动下，科技成长依然是主线，行情有望从硬件向应用端扩散，近期AI应用端催化频现，如蚂蚁集团开源系列大模型、谷歌开放世界模型体验平台等 [3][31] - 由于本轮春季行情中科技成长已有较充分演绎，阶段性可关注部分传统价值板块配置机会，如低估值的白酒、地产等老登资产 [3][31] - 参考RRG行业超额收益刻画模型，除了科技成长行业外，偏价值板块中地产链的建筑建材超额收益趋势相对较优 [3][32] - 报告亦提及重视上游周期板块 [1]

报告行业投资评级 未提及 报告的核心观点 今日多数行业回调估值环比抬升，中证转债指数环比下降，大盘价值相对占优，转债市场成交情绪减弱，转债中枢下降高价券占比下降，估值抬升，正股行业指数上涨占比过半，不同行业表现有差异[2] 各部分内容总结 市场主要指数表现 - 中证转债指数收盘价 529.72，日涨跌幅 -0.70%；上证综指收盘价 4157.98，日涨跌幅 0.16%；深证成指收盘价 14300.08，日涨跌幅 -0.30%等[8] 市场资金表现 - 可转债市场成交额 814.18 亿元，环比减少 0.06%；万得全 A 总成交额 32594.18 亿元，环比增长 8.93%；沪深两市主力净流出 602.22 亿元，十年国债收益率环比上升 0.10bp 至 1.82%[2][9][11] 转债价格与估值 - 转债整体收盘价加权平均值为 142.82 元，环比下降 0.72%；百元平价拟合转股溢价率为 38.99%，环比上升 0.85pct；整体加权平价为 105.83 元，环比下降 0.26%[3] 行业表现 - A 股市场涨幅前三位行业为食品饮料（+6.57%）、传媒（+3.53%）、房地产（+2.65%）；跌幅前三位行业为电子（-3.56%）、国防军工（-1.79%）、电力设备（-1.78%）。转债市场跌幅前三位行业为钢铁（-3.94%）、电子（-2.15%）、机械设备（-2.05%）；涨幅前三位行业为有色金属（+2.06%）、通信（+1.27%）、传媒（+1.15%）[4] 行业轮动 - 食品饮料、传媒、房地产领涨，各行业正股和转债的日涨跌幅、周涨跌幅、月涨跌幅、年初至今涨跌幅及相关估值分位数情况不同[55]

报告行业投资评级 - 报告未明确给出对A股市场的整体行业投资评级 [1][6][7][27] 报告核心观点 - 报告核心观点是预期的变化利好中盘蓝筹，市场风险偏好继续向中间集中 [1][6][16][27] - 在交易层面，热点趋势延续但短期波动增大，需关注交易情绪与风险变化 [6][17][27] 预期层面总结 - **流动性预期升级**：预测平台显示贝莱德高管里德尔当选美联储主席的概率已飙升至**54%**，市场乐观降息预期再度发酵，推动贵金属与工业金属价格突破，工业品看涨大方向不变 [6][9] - **石化产品涨价**：近期期货市场中丁二烯橡胶、PX、PTA、苯乙烯、乙二醇等典型石化产品价格明显上涨，提升了炼化企业的预期盈利，有望为行业带来长期盈利修复逻辑 [6][11] - **工程机械出口增长**：2025年12月，中国工程机械出口额达**64.17亿美元**，同比增长**27.2%**；挖掘机出口量**1.28万台**，同比增长**26.9%**，因中国更积极参与一带一路项目投资，设备出口增长确定性上升 [6][12] - **房地产市场回暖待观察**：部分核心城市楼市出现复苏迹象，如上海成交量连续3个月超**1.6万套**（按月前23天计），年初至1月23日累计同比降幅缩窄至**7%**；深圳1月成交量**0.4万套**，较去年12月同期提升**6%**，累计同比降幅缩窄至**9%**，但持续性需观察政策力度 [15] 交易层面总结 - **风格配置**：大盘风格（如沪深300）短期情绪回落且中期不确定性上行，中盘（如中证500）与小盘（如中证1000、国证2000）风格短期情绪平稳且中期不确定性下行，继续看好中盘蓝筹，小盘股或有补涨机会 [6][17][18][19] - **行业轮动趋势**：中盘蓝筹相关的周期行业（有色金属、基础化工）和制造业（机械设备）交易趋势转强，房地产行业反转信号转弱且趋势暂未出现 [6][20][21][22] - **行业交易情绪**：有色金属、国防军工、石油石化行业的短期情绪和中期不确定性同时抬升，建筑材料行业短期情绪抬升但中期不确定性平稳，多为短期脉冲 [6][23][24][26]

量化模型与构建方式 1. **模型名称：A股技术打分模型**[2][9] * **模型构建思路**：通过挖掘技术面信息来刻画市场状态，并基于对当前状态的理解形成对未来走势的打分观点[2][9] * **模型具体构建过程**： 1. 将“市场状态”细分为价格、量能、波动、趋势和拥挤五个维度[9] 2. 在每个维度内筛选出有效的市场观测指标，共10个[9] 3. 每个指标独立发出多空择时信号[9] 4. 将10个指标的择时信号进行等权投票，综合形成一个介于-1至+1之间的打分结果[9] 5. 根据打分结果制定多空策略：得分 > +0.33时看多，得分在-0.33至+0.33之间时看平，得分 < -0.33时看空[11] 2. **模型名称：红利风格择时模型**[3][16] * **模型构建思路**：结合多个维度的趋势指标，对红利风格（以中证红利指数相对中证全指的收益率衡量）进行多空择时[3][16] * **模型具体构建过程**： 1. 选取三个择时指标： * 中证红利相对中证全指的动量（正向指标）[19] * 10Y-1Y期限利差（负向指标）[19] * 银行间质押式回购成交量（正向指标）[19] 2. 每个指标从趋势维度日频发出信号，取值为0（看平）、+1（看多）、-1（看空）[16] 3. 将三个维度的得分求和，根据其正负性作为最终多空观点[16] 4. 当模型看好红利风格时，全仓持有中证红利指数；不看好时，全仓持有中证全指[16] 3. **模型名称：大小盘风格择时模型**[3][20] * **模型构建思路**：采用基于拥挤度分域的趋势模型进行择时，在不同拥挤度区间采用不同参数的趋势跟踪策略[3][20] * **模型具体构建过程**： 1. **计算拥挤度**：以沪深300指数代表大盘，万得微盘股指数代表小盘[20] * **动量得分**：计算小盘与大盘的10/20/30/40/50/60日动量之差，再计算各窗长动量之差在3.0/3.5/4.0/4.5/5.0年历史分位数的均值。对6个窗长下分位数最高的3个结果取均值作为小盘动量得分，分位数最低的3个结果取均值作为大盘动量得分[25] * **成交量得分**：计算小盘与大盘的10/20/30/40/50/60日成交额之比，再计算各窗长成交额之比在3.0/3.5/4.0/4.5/5.0年历史分位数的均值。对6个窗长下分位数最高的3个结果取均值作为小盘成交量得分，分位数最低的3个结果取均值作为大盘成交量得分[25] * **拥挤度得分**：将小盘（大盘）的动量得分和成交量得分取均值，得到小盘（大盘）拥挤度得分。小盘拥挤度得分大于90%视为触发高拥挤，大盘拥挤度得分小于10%视为触发高拥挤[25] 2. **判断运行区间**：若最近20个交易日中，小盘或大盘风格曾触发过高拥挤，则模型运行在高拥挤区间，否则运行在低拥挤区间[22] 3. **趋势择时**：在高拥挤区间，采用参数较小的双均线模型以应对可能的风格反转；在低拥挤区间，采用参数较大的双均线模型以跟踪中长期趋势[22] 4. **模型名称：遗传规划行业轮动模型**[4][28] * **模型构建思路**：采用遗传规划技术，直接对行业指数的量价、估值等特征进行因子挖掘，不再依赖人工设计打分规则，以构建行业轮动策略[4][32] * **模型具体构建过程**： 1. **因子挖掘**：使用双目标遗传规划（NSGA-II算法）对底层输入变量进行挖掘[32]。底层变量包括收盘价、开盘价、最高价、最低价、成交额、换手率、市净率等原始值、标准化值及分位数[37] 2. **因子评价**：同时使用|IC|（信息系数绝对值）和NDCG@5两个目标来评价因子的分组单调性和多头组表现，旨在挖掘出兼具单调性和优秀多头表现的因子[32] 3. **因子合成**：对挖掘得到的备选因子，结合贪心策略和方差膨胀系数（VIF），将共线性较弱的多个因子合成为行业综合得分[34] 4. **组合构建**：模型周频调仓，每周末选出多因子综合得分最高的五个行业进行等权配置[4][28] 5. **模型名称：中国境内全天候增强组合**[5][39] * **模型构建思路**：采用宏观因子风险预算框架，在四象限风险平价的基础上，基于宏观预期动量的观点主动超配看好的象限，以实现风险分散下的收益增强[5][39] * **模型具体构建过程**： 1. **宏观象限划分与资产选择**：选择增长和通胀两个宏观维度，根据是否超预期划分为四个象限（增长超预期、增长不及预期、通胀超预期、通胀不及预期）。结合定量与定性方式确定各象限适配的资产[42] 2. **象限组合构建与风险度量**：在每个象限内，将适配的资产等权构建子组合，并注重刻画象限的下行风险[42] 3. **风险预算与主动超配**：每月底，根据由“宏观预期动量指标”给出的“象限观点”来调整各象限的风险预算，从而主动超配看好的象限，实现策略增强[42] 量化因子与构建方式 1. **因子名称：技术面观测指标（10个）**[9][14] * **因子构建思路**：从价格、量能、波动、趋势、拥挤五个维度选取有效的技术指标，用于刻画市场状态[9] * **因子具体构建过程**：报告中列出了10个具体指标，包括： * **价格维度**：20日布林带、20日价格乖离率[14] * **量能维度**：20日换手乖离率、60日换手乖离率[14] * **趋势维度**：20日ADX、20日新高天数占比[14] * **波动维度**：60日换手率波动、期权隐含波动率[14] * **拥挤维度**：成分股涨停家数占比5日平均、期权持仓量PCR-5日平均[14] 2. **因子名称：遗传规划挖掘的权重最高因子**[37][38] * **因子构建思路**：通过双目标遗传规划算法从量价数据中自动挖掘出的有效行业轮动因子[37] * **因子具体构建过程**： 1. 在截面上，用全体行业标准化日度成交额对当日跳空缺口开展带有常数项的一元线性回归，取残差，记作变量A[38] 2. 在过去9个交易日中，取标准化日度成交额最大的交易日索引，记作变量B[38] 3. 在过去50个交易日中，将变量A和B开展时序回归取截距项，记作变量C[38] 4. 计算过去45个交易日变量C和标准化月度开盘价的协方差，作为因子值[38] * **因子表达式**：`ts_covariance_torch(ts_regalpha_torch(xs_regres_torch(volume_st, jump_gap), ts_argmax_torch(volume_st, 9), 50), mopen_st, 45)`[37] 模型的回测效果 （回测区间：2010-01-04 至 2026-01-23，除非特别说明） 1. **A股技术打分模型**，年化收益20.78%，年化波动17.32%，最大回撤-23.74%，夏普比率1.20，Calmar比率0.88[15] 2. **红利风格择时模型**（回测区间：2017-01-03 至 2026-01-23），年化收益16.82%，最大回撤-25.52%，夏普比率0.92，Calmar比率0.66，YTD收益7.46%，上周收益1.77%[17] 3. **大小盘风格择时模型**（回测区间：2017-01-03 至 2026-01-23），年化收益28.46%，最大回撤-32.05%，夏普比率1.19，Calmar比率0.89，YTD收益11.85%，上周收益5.25%[26] 4. **遗传规划行业轮动模型**（回测区间：2022-09-30 至 2026-01-23），年化收益32.92%，年化波动17.43%，夏普比率1.89，最大回撤-19.63%，卡玛比率1.68，上周表现3.37%，YTD收益6.80%[31] 5. **中国境内全天候增强组合**（回测区间：2013-12-31 至 2026-01-23），年化收益11.93%，年化波动6.20%，夏普比率1.92，最大回撤-6.30%，卡玛比率1.89，上周表现1.54%，YTD收益3.59%[43] 因子的回测效果 （回测区间：2010-01-04 至 2026-01-23，起始日期不同者已标注） 1. **20日价格乖离率**，年化收益13.24%，年化波动23.52%，最大回撤-42.04%，夏普比率0.56，Calmar比率0.32[15] 2. **布林带**（回测起始：2015-04-09），年化收益14.82%，年化波动24.68%，最大回撤-31.45%，夏普比率0.60，Calmar比率0.47[15] 3. **20日换手率乖离率**，年化收益13.06%，年化波动23.53%，最大回撤-38.79%，夏普比率0.56，Calmar比率0.34[15] 4. **60日换手率乖离率**，年化收益17.89%，年化波动23.52%，最大回撤-29.57%，夏普比率0.76，Calmar比率0.61[15] 5. **20日ADX**，年化收益15.33%，年化波动23.52%，最大回撤-52.27%，夏普比率0.65，Calmar比率0.29[15] 6. **20日创新高占比**，年化收益8.75%，年化波动16.11%，最大回撤-32.44%，夏普比率0.54，Calmar比率0.27[15] 7. **期权隐含波动率**（回测起始：2015-03-30），年化收益11.91%，年化波动24.69%，最大回撤-50.95%，夏普比率0.48，Calmar比率0.23[15] 8. **60日换手率波动**，年化收益11.58%，年化波动14.27%，最大回撤-20.60%，夏普比率0.81，Calmar比率0.56[15] 9. **5日涨停占比平均**，年化收益14.15%，年化波动23.52%，最大回撤-34.98%，夏普比率0.60，Calmar比率0.40[15] 10. **5日持仓量PCR平均**，年化收益4.55%，年化波动23.55%，最大回撤-55.73%，夏普比率0.19，Calmar比率0.08[15]

核心观点 - 全球金融市场处于地缘政治动荡与宏观经济转型交汇点 地缘政治风险与宏观经济隐忧正合力将主权债券收益率推向高位 黄金作为核心避险资产地位凸显 市场存量资金呈现显著的风格切换迹象 [1][3] - 全球债市深层动能来自日本固定收益市场的结构性变化 日本债券收益率持续攀升对全球流动性产生显著拉动效应 导致美债利率多次触及波动区间上限 抑制了投资者风险偏好 [1][4] - 2026年市场主旋律正在发生质变 过去由科技巨头主导的“Mag 7”时代正逐渐让位于更具韧性的周期性板块 市场广度正在扩大 [2][4] - 全球市场波动性将维持在高位 传统的资产定价模型面临严峻挑战 投资者应关注能源与材料板块的结构性机会 并利用黄金对冲政策风险 [3][5] 宏观经济与市场环境 - 美国10年期国债收益率在触及4.3%高位后有所回落 目前在4.269%附近震荡 [1][4] - 高利率环境对股市形成显著挤压 导致标普500等主流指数在交易时段内表现乏力 [1][4] - 2026年是选举年 政策的不确定性与民粹主义倾向可能进一步放大市场波动 [2][5] - 行政部门对维持低利率以保障民生和住房购买力的诉求强烈 未来可能通过影响央行决策或动用政府赞助机构购买债券等手段 对过高的市场利率进行干预 [2][5] 资产表现与资金流向 - 黄金在避险资金推动下持续走强 金价已攀升至每盎司4847.58美元附近 并一度冲击4888.54美元的历史峰值 [1][4] - 黄金日内涨幅已达1.77% [2][5] - 大宗商品表现优于科技股 [2][5] - 由收益率驱动的抛售虽然短期内表现剧烈 但往往也为长线资金提供了布局机会 [2][5] 行业与板块轮动 - 能源、原材料、小盘股以及住房板块正在崛起 预示着市场广度正在扩大 [2][4] - 这种行业轮动转变主要源于投资者对通胀预期和实体经济复苏的重新定价 [2][4] - 投资者应重点关注能源与材料板块的结构性机会 [3][5]

报告行业投资评级 未提及 报告的核心观点 2026年1月21日转债增量上涨、估值环比抬升 指数、风格、资金、行业等方面表现各有不同[1] 根据相关目录分别进行总结 市场概况 - 指数表现：中证转债指数环比涨0.90% 上证综指涨0.08% 深证成指涨0.70% 创业板指涨0.54% 上证50指数降0.11% 中证1000指数涨0.79%[1] - 市场风格：中盘成长相对占优 大盘成长涨0.59% 大盘价值降1.23% 中盘成长涨1.59% 中盘价值涨0.09% 小盘成长涨0.66% 小盘价值涨0.44%[1] - 资金表现：转债市场成交情绪升温 可转债市场成交额889.92亿元 环比增4.46% 万得全A总成交额26237.47亿元 环比减6.44% 沪深两市主力净流入56.08亿元 十年国债收益率环比降0.14bp至1.83%[1] 转债价格与估值 - 转债价格：中枢提升 高价券占比提升 整体收盘价加权平均值141.97元 环比升0.81% 偏股型转债收盘价205.66元 环比升1.64% 偏债型转债收盘价122.18元 环比降0.07% 平衡型转债收盘价133.34元 环比升0.80% 130元以上高价券个数占比74.34% 较昨日升1.06pct 价格中位数139.37元 环比升0.66%[2] - 转债估值：估值抬升 百元平价拟合转股溢价率37.22% 环比升0.75pct 整体加权平价105.68元 环比升0.17% 偏股型转债溢价率17.73% 环比升0.03pct 偏债型转债溢价率87.63% 环比降2.12pct 平衡型转债溢价率29.68% 环比升0.96pct[2] 行业表现 - A股市场：正股行业指数上涨占比过半 涨幅前三为有色金属（+2.79%）、电子（+2.62%）、机械设备（+1.50%） 跌幅前三为银行（-1.58%）、煤炭（-1.57%）、食品饮料（-1.53%）[3] - 转债市场：26个行业上涨 涨幅前三为钢铁（+4.16%）、汽车（+2.85%）、电子（+2.57%） 仅食品饮料（-2.12%）、非银金融（-0.14%）两个行业下跌[3] - 各板块表现：收盘价方面 大周期环比+1.25%、制造环比+1.83%、科技环比+1.66%、大消费环比+0.33%、大金融环比-0.06%；转股溢价率方面 大周期环比+0.46pct、制造环比+0.036pct、科技环比+2.8pct、大消费环比-0.037pct、大金融环比+0.19pct；转换价值方面 大周期环比+0.89%、制造环比+1.98%、科技环比-0.04%、大消费环比-0.37%、大金融环比-0.65%；纯债溢价率方面 大周期环比+1.8pct、制造环比+3.0pct、科技环比+2.9pct、大消费环比+0.22pct、大金融环比-0.084pct[3][4] 行业轮动 - 有色金属、电子、机械设备等领涨 各行业正股和转债在日涨跌幅、周涨跌幅、月涨跌幅、年初至今涨跌幅等方面表现不同 且正股估值分位数也有差异[55]

文章核心观点 - 偏股权益基金在2025年展现出强劲的赚钱效应，有85只基金年收益率超过100% [4] - 基金短期（如年度）的极端优异业绩（如翻倍）主要源于对当年最强市场风格或行业的极端集中配置，这种策略的成功具有偶然性，难以持续 [7][10][11][16][23] - 无论是主动基金还是被动基金（ETF、指数基金等），其短期相对业绩的持续性普遍较差，过往优异排名难以预示未来成功，业绩排名变动接近随机 [28][30][33][36][37][46] - 投资者应理性看待短期亮眼业绩，避免盲目追逐“冠军基金”，在挑选基金时，识别并规避业绩不可持续的产品与寻找赢家同等重要 [56][57] 一年翻倍的基金，是怎样炼成的？ - 2025年沪深300指数全年涨幅约为20%，但行业分化显著，表现最好与最差的行业年收益率相差接近100% [7] - 2025年表现最好的通讯和有色金属板块，年涨幅均超过80% [7] - 2025年收益率排名前三的基金，几乎将全部仓位集中配置在去年表现最亮眼的科技相关板块 [11] - 以全年表现最优、业绩翻两倍的永赢科技智选为例，其90%以上的仓位集中在通讯和电子两个行业，前十大持股集中度高达90% [11] - 历史数据显示，在2019–2021年的上一轮牛市中出现的“翻倍基”，同样采取了将大部分仓位集中配置在当年表现最好的两到三个行业上的策略 [16] 有多少基金能延续高光？ - 考察2020年排名在同类前25%的主动基金，发现鲜少能在随后五年持续保持相对同类的业绩优势 [27][28] - 例如，2020年“大盘成长股票”类别中排名前25%的35只基金，到2021年仅剩18只能维持前25%排名，至2025年已无一只基金能维持该排名 [29] - 在熊市（如2018年）中排名前25%的主动基金，同样难以在后续年份延续其业绩优势，与牛市中的情况无本质区别 [30] - 业绩持续性不佳的现象并非主动基金独有，在牛市或熊市中阶段性表现突出的被动基金（ETF、指数基金等），同样难以长期维持领先表现 [33] 相对业绩的随机性 - 对2011至2025年间主动基金的分析显示，前一年处于任一四分位的基金，下一年落在任一四分位的概率都在25%左右，与随机概率无显著差异 [36][37] - 前一年排名前25%的主动基金，第二年继续维持该排名的概率约为29.90%，仅略高于随机概率 [38][39] - 被动基金的统计结果也体现类似随机性：前一年排在前25%的基金，下一年排在前25%和后25%的概率相同，均为28%左右 [40][41] - 无论是主动还是被动基金，每年排在最后25%的基金，在下一年继续排在最后25%和被清盘的概率相对更高 [42] - 虽然上一年排名前25%的基金有约30%的概率在下一年维持排名，但这种“连胜”概率从第二年开始大幅下降，能连续三年维持前25%排名的基金只有3%左右 [43] 业绩优势为何难以保持？ - 许多极端亮眼的业绩源于极端集中的行业配置，这更像是一次成功的押注，而非稳定的收益来源 [49] - 行业轮动和选择不是一个稳定的收益来源，历史数据表明，绝大部分专业投资者不具备年年精准判断行业走势的能力 [50] - 即便在投资范围相对狭窄的行业基金里，能够长期持续取得同类前25%业绩的产品也几乎不存在 [50] - 在不具备稳定行业轮动能力的情况下采取“押赛道”的投资策略，本身是一种“豪赌” [51] - 对于指数基金和ETF，特定年份表现突出的指数往往是当年市场风格的集中体现，盲目追逐当年表现最好的指数同样危险 [53][54] - 这种现象并非中国基金市场独有，晨星对美国基金的研究也得出了相同结论 [47] 规避输家，和识别赢家同样重要 - 投资者对短期业绩亮眼的基金往往抱有较高预期，一旦买入后出现业绩波动，容易导致错误操作，使最终实际收益大打折扣 [56] - 在挑选基金时，识别并避开那些业绩不具备可持续性的产品，与寻找赢家一样重要 [57] - 面对极端亮眼的业绩，投资者应冷静思考：收益来源是否高度依赖行业集中配置；基金在至少3-5年完整市场周期内相对于同类和基准的表现如何；对于缺乏长期业绩记录的基金和基金经理应更加谨慎 [58]

量化模型与构建方式 1. A股技术打分模型 * **模型名称**：A股技术打分模型[2][9] * **模型构建思路**：通过挖掘技术面信息来刻画市场状态，并基于当前状态对未来进行打分预测[2][9] * **模型具体构建过程**： 1. 将市场状态细分为价格、量能、波动、趋势、拥挤五个维度[9] 2. 在每个维度内筛选出有效的市场观测指标，共10个[9][14] 3. 每个指标独立发出多空择时信号[9] 4. 将10个指标的择时信号进行等权投票，综合形成一个介于-1至+1之间的打分结果[9] 5. 根据综合得分制定交易规则：得分>+0.33时看多，得分在-0.33至+0.33之间看平，得分<-0.33时看空[11] 2. 风格择时模型 * **模型名称**：红利风格择时模型[3][16] * **模型构建思路**：结合相对动量、期限利差和银行间市场成交量三个指标的趋势，对红利与成长风格进行择时[3][16] * **模型具体构建过程**： 1. **择时标的**：中证红利指数相对于中证全指的收益率[16] 2. **构建三个择时指标**： * **相对动量**：中证红利相对中证全指的动量，为红利风格正向指标[19] * **期限利差**：10年期与1年期国债的利差，为红利风格负向指标[19] * **银行间质押式回购成交量**：为红利风格正向指标[19] 3. 每个指标从趋势维度日频发出信号，取值为0（看平）、+1（看多）、-1（看空）[16] 4. 以三个指标得分之和的正负性作为最终多空观点依据[16] 5. **交易规则**：看好红利时全仓持有中证红利，不看好时全仓持有中证全指；基准为两者等权配置[16] * **模型名称**：大小盘风格择时模型[3][20] * **模型构建思路**：根据市场拥挤度状态（高/低），采用不同参数的双均线模型对大小盘风格进行择时[3][20][22] * **模型具体构建过程**： 1. **择时标的**：以沪深300指数代表大盘风格，万得微盘股指数代表小盘风格[20] 2. **计算拥挤度得分**： * **动量得分**：计算小盘与大盘指数多个时间窗口（10/20/30/40/50/60日）的动量之差，并计算各窗口动量差在多个历史长度（3.0/3.5/4.0/4.5/5.0年）下的分位数均值。取分位数最高的3个窗口结果均值作为小盘动量得分，取分位数最低的3个窗口结果均值作为大盘动量得分[24] * **成交量得分**：计算小盘与大盘指数多个时间窗口（10/20/30/40/50/60日）的成交额之比，并计算各窗口比值在多个历史长度下的分位数均值。取分位数最高的3个窗口结果均值作为小盘成交量得分，取分位数最低的3个窗口结果均值作为大盘成交量得分[24] * **综合得分**：将小盘（大盘）的动量得分与成交量得分取均值，得到小盘（大盘）风格的拥挤度得分[24] 3. **判断拥挤区间**：若最近20个交易日中，小盘风格拥挤度得分>90%或大盘风格拥挤度得分<10%曾触发，则模型运行在高拥挤区间，否则运行在低拥挤区间[22] 4. **趋势判断**：在高拥挤区间采用参数较小的双均线模型，在低拥挤区间采用参数较大的双均线模型来判断趋势[22] 3. 行业轮动模型 * **模型名称**：遗传规划行业轮动模型[4][27] * **模型构建思路**：采用双目标遗传规划技术，直接对行业指数的量价、估值等数据进行因子挖掘，不再依赖人工设计规则，以提升因子多样性和降低过拟合风险[27][31][32] * **模型具体构建过程**： 1. **底层资产**：32个中信行业指数[27] 2. **因子挖掘**：使用双目标遗传规划（NSGA-II算法），同时以因子IC的绝对值（|IC|）和NDCG@5两个目标来评价因子的分组单调性和多头组表现，挖掘行业轮动因子[31] 3. **因子合成**：对挖掘得到的备选因子，结合贪心策略和方差膨胀系数（VIF），将共线性较弱的多个因子合成为行业综合得分[33] 4. **调仓规则**：因子库每季度末更新，模型周频调仓。每周末选出多因子综合得分最高的五个行业进行等权配置，次周第一个交易日按均价调仓[4][27] * **因子名称**：最新一期权重最高的量价相关性因子[36] * **因子构建思路**：基于标准化成交额与跳空缺口的关系，以及成交额最大时点与标准化开盘价的协方差来构建因子[36] * **因子具体构建过程**： 1. 在截面上，用全体行业标准化日度成交额对当日跳空缺口开展带常数项的一元线性回归，取残差，记作变量A[37] 2. 在过去9个交易日中，取标准化日度成交额最大的交易日索引，记作变量B[37] 3. 在过去50个交易日中，将变量A和B开展时序回归取截距项，记作变量C[37] 4. 计算过去45个交易日变量C和标准化月度开盘价的协方差，作为因子值[37] * **因子表达式**：`ts_covariance_torch(ts_regalpha_torch(xs_regres_torch(volume_st, jump_gap), ts_argmax_torch(volume_st, 9), 50), mopen_st, 45)`[36] 4. 宏观配置模型 * **模型名称**：中国境内全天候增强组合[5][38] * **模型构建思路**：采用宏观因子风险预算框架，分散于增长和通胀的宏观风险源，并基于宏观预期动量观点主动超配看好的象限，实现全天候基础上的增强[5][38][41] * **模型具体构建过程**： 1. **宏观象限划分**：选择增长和通胀两个维度，根据是否超预期划分为四个宏观风险象限：增长超预期、增长不及预期、通胀超预期、通胀不及预期[41] 2. **资产选择与子组合构建**：结合定量与定性方式确定各象限适配的资产，并在象限内等权构建子组合，注重刻画象限的下行风险[41] 3. **风险预算与主动增强**：每月底，根据由“买方预期动量”和“卖方预期差动量”综合得出的宏观预期动量指标，形成“象限观点”，并据此调整各象限的风险预算，主动超配看好的象限，实现策略增强[41] 4. **调仓规则**：模型月频调仓，月末发出信号后，采用次月第一个交易日收盘价调仓[40] 模型的回测效果 1. A股技术打分模型 * **回测区间**：2010-01-04 至 2026-01-16[15] * **年化收益**：20.67%[15] * **年化波动**：17.33%[15] * **最大回撤**：-23.74%[15] * **夏普比率**：1.19[15] * **Calmar比率**：0.87[15] * **今年以来（YTD）超额收益**：-5.70%（截至报告时点）[2][11] * **上周超额收益**：-0.57%[2][11] 2. 红利风格择时模型 * **回测区间**：2017-01-03 至 2026-01-16[17] * **年化收益**：16.65%[17] * **最大回撤**：-25.52%[17] * **夏普比率**：0.91[17] * **Calmar比率**：0.65[17] * **今年以来（YTD）收益**：5.78%[16][17] * **上周收益**：0.69%[17] 3. 大小盘风格择时模型 * **回测区间**：2017-01-03 至 2026-01-16[25] * **年化收益**：27.79%[25] * **最大回撤**：-32.05%[25] * **夏普比率**：1.16[25] * **Calmar比率**：0.87[25] * **今年以来（YTD）收益**：6.27%[22][25] * **上周收益**：1.70%[25] 4. 遗传规划行业轮动模型 * **回测区间**：2022-09-30 至 2026-01-16[30] * **年化收益**：31.95%[30] * **年化波动**：17.44%[30] * **夏普比率**：1.83[30] * **最大回撤**：-19.62%[30] * **卡玛比率**：1.63[30] * **今年以来（YTD）收益**：3.31%[4][27][30] * **上周收益**：0.14%[30] 5. 中国境内全天候增强组合 * **回测区间**：2013-12-31 至 2026-01-16[42] * **年化收益**：11.82%[42] * **年化波动**：6.20%[42] * **夏普比率**：1.91[42] * **最大回撤**：-6.30%[42] * **卡玛比率**：1.88[42] * **今年以来（YTD）收益**：2.02%[5][39][42] * **上周收益**：0.06%[5][39][42]

文章核心观点 - 基金短期（如年度）的极端优异业绩（如翻倍）通常源于对当年最强市场风格的极端集中押注，这种业绩模式不具备可持续性，投资者不应仅凭过往亮眼业绩进行投资决策 [2][5][14] - 无论是主动基金还是被动基金，历史数据显示其短期相对业绩的持续性极差，前一年排名靠前的基金在下一年维持领先地位的概率仅略高于随机概率，且连续多年保持领先的概率极低，表明无法通过过去业绩预测未来表现 [17][24][28] - 投资者应避免追逐短期业绩冠军，而应通过分析基金长期（完整市场周期）业绩、收益来源及基金经理经验来做出更理性的投资选择，识别并规避业绩不可持续的产品与寻找赢家同等重要 [36][37][39] 01 一年翻倍的基金，是怎样炼成的？ - 2025年实现年收益率超100%的基金有85只，其中主动权益基金74只，指数基金和ETF有11只 [2] - 这些基金实现翻倍收益的关键在于高度集中投资于当年表现最强的行业，例如2025年表现最好的通讯和有色金属板块年涨幅均超过80% [2][5] - 典型案例是业绩翻两倍的永赢科技智选基金，其90%以上的仓位集中在通讯（54.42%）和电子（39.99%）两个行业，前十大持股集中度高达90% [6][7] - 历史上（如2019-2021年）的“翻倍基”也采用相同策略，即将大部分仓位集中配置在当年表现最好的两到三个行业上，其超额收益主要源于高度契合了当年的最强市场风格 [10][11][14] 02 有多少基金能延续高光？ - 对2020年排名同类前25%的主动基金的追踪显示，鲜有基金能在随后五年持续保持领先优势，例如“大盘成长股票”类别中，2020年排名前25%的基金数量为“રેર”（原文数据不清晰），到2021年仅剩18只维持前25%排名，至2025年已无基金维持 [17][18] - 对2018年（熊市）排名前25%的主动基金的统计得出类似结论，业绩持续性同样很差，例如“大盘成长股票”类别中，2018年排名前25%的23只基金，到2019年仅6只维持，至2023年已无基金维持 [18][19] - 业绩持续性不佳的现象并非主动基金独有，在牛市或熊市中阶段性领先的ETF、指数基金等被动产品同样难以长期维持同类领先表现 [20][21][22] 03 相对业绩的随机性 - 对2011至2025年主动基金的分析显示，前一年处于任一四分位的基金，下一年落在任一四分位的概率均在25%左右，接近随机概率 [23][24] - 具体来看，前一年排名前25%的主动基金，下一年继续维持前25%排名的概率约为29.90%，略高于落入其他四分位的概率（约23%）[24][25] - 被动基金的统计结果类似，前一年排在前25%的基金，下一年排在前25%和后25%的概率相同，均为27.51%左右 [26][27] - 无论是主动还是被动基金，每年排在最后25%的基金，下一年继续排在最后25%和被清盘的概率相对更高，表明糟糕的过往表现是持续低迷的预兆 [27] - 基金业绩“连胜”概率极低，能连续三年维持前25%排名的基金只有3%左右 [28] 04 业绩优势为何难以保持？ - 基金短期业绩具有随机性，无法通过过去业绩预测未来，这一规律在全球市场（如美国）同样存在 [31][32][33] - 极端亮眼的业绩往往源于极端集中的行业配置，这是一种成功的“押注”，但行业轮动和选择并非稳定的收益来源，绝大多数专业投资者也不具备年年精准判断行业走势的能力 [34][35] - 指数基金和ETF的突出表现也往往是当年市场风格的集中体现，盲目追逐当年表现最好的指数同样危险 [35] 05 规避输家，和识别赢家同样重要 - 投资者应理性看待基金短期亮眼业绩，避免因高预期而在业绩波动时做出追涨杀跌的错误操作 [37] - 选择基金时，应深入分析其收益来源，例如通过业绩归因了解超额收益是来自行业集中还是其他因素 [37][39] - 必须参考基金在完整市场周期（至少3-5年）内，于牛市、熊市、震荡市等不同环境下的历史表现，以对其未来表现模式形成更清晰预期 [39][40] - 对于缺乏长期业绩记录的基金和基金经理应更加谨慎，优先考虑具备长期业绩记录的产品以规避额外的不确定性 [40]

市场整体走势与情绪 - 市场指数已实现15连阳 但市场走势被认为不寻常且撕裂 不在正常范围内[1] - 周五被视为突破4100点的关键时点 市场观点认为有机会上涨[3] - 市场成交量被认为适合短线追热点 而大盘股行情受限 因需为指数闯关做准备[1] - 市场轮动速度加快 分化加剧 若买错股票则可能亏损 尽管上涨股票数量达3731家 涨停111家 但盈利效应不明显[1][3] 行业板块表现与轮动 - 半导体行业出现冲高回落走势[1] - 房地产行业呈现探底回升[1] - 商业航天板块继续大涨[1] - 证券、白酒板块被视为市场指数调节工具及风向标 其未大幅上涨则市场难有指数级别的大回调[3] - 银行板块回调2天 被认为是为了后续更好的上涨[5] - 行业轮动容易导致投资者亏损累累[5] 关键驱动因素与市场观点 - 市场走势与汇率、港股、美股表现息息相关[1] - 市场存在压盘现象 可能因春节前尚有20多个交易日 不希望上涨过快[3] - 市场观点认为春节前大概率还会有一波像样的拉升 且不会有大幅回调[3][5] - 大资金操作谨慎 表现为大阳拉升后进入休整 目前已调整2天[3] - 市场观点强调投资认知与节奏的重要性 认为股市是认知的兑现[5] 未来展望与策略 - 市场观点对行情期待 认为越是不被看好的情况下 大盘指数越容易拉升[7] - 投资者策略被强调为关键 建议耐心等待市场大幅反弹 静观其变[1][3][7] - 市场观点认为周五若地产、证券、白酒、科技继续上涨 则4100点可期[5]