行业与公司 * 涉及行业：有色金属行业（特别是铜）、大宗商品（黄金、白银、原油）、A股及港股市场、国防军工、商贸零售、非银金融、交通运输、煤炭、电力及公共事业、消费者服务、银行、传媒、计算机、石油石化、基础化工、电力设备及新能源、保险[1][2][3][4][5][6][7][8][9] * 涉及公司：未提及具体上市公司名称，主要讨论宏观市场、行业板块及大宗商品[1][2][3][4][5][6][7][8][9] 核心观点与论据 **1 铜市场趋势性看多** * 对铜市场持看多观点，认为存在趋势性上涨机会[2] * 技术信号（VVS模型）：铜价自3月23日低点上涨，同时VVS指数从底部抬升，此组合历史数据显示能确认趋势性行情开启[1][2] * 基本面支撑：供给端，美伊冲突阻碍硫酸运输，影响全球第二大铜矿供应国刚果（金）的湿法炼铜供给[1][3]；需求端，AI基建与能源转型驱动电网投资，形成长期需求支撑[1][3]；市场呈现长期需求上升与短期供给受扰格局[1][3] **2 A股与港股市场情绪及择时** * A股情绪指数自4月10日底部抬升，市场进入3月下跌后的修复反弹期[1][4] * 可基于A股情绪指数构建择时策略：情绪指数边际抬升时做多中证全指，反之则做空[4] * 对港股市场也建立了综合成交金额、换手率、市盈率、隐含风险溢价、AH股溢价指数、卖空金额占比、RSI等多维度指标的情绪指数模型及择时策略[4][5] **3 衍生品市场波动率预期** * 近期上证50、沪深300、中证500及中证1000的VVS指数均呈现下降状态，表明主要指数波动率预期下降，市场正逐渐走出修复行情[1][6] * 衍生品市场参与者被视为“聪明钱”，其行为对现货市场具有启发意义[6] **4 行业轮动中的机会与风险** * **机构调研揭示的风险行业**：国防军工、商贸零售、非银金融、交通运输行业的机构调研数据正从高位回落，大概率预示风险[1][7] * **机构关注度较高的行业**：煤炭、电力及公共事业、消费者服务、银行、传媒[1][7] * **拥挤度较高的行业**：目前拥挤行业较少，主要是石油石化和电子行业，但拥挤行业数量自今年1月高点已逐渐下降[1][7] * **行业轮动模型4月配置**：计算机、石油石化、基础化工、电力设备及新能源、保险[1][8] * **模型历史表现**：自2022年9月跟踪至今，该模拟组合累计实现74%的绝对回报，相较于万得全A权益指数获得42%的超额收益，年化阿尔法为10.13%[8][9] **5 其他大宗商品观点** * **黄金、白银、原油**：VVS指数正从高位下降，显示这些资产处于震荡消化前期涨幅的阶段[1][9]；黄金表现短期受到PMI及实际利率抬升的压制[1][9] * **铜与贵金属/原油的对比**：铜的VVS指数从相对低位上升，预示可能形成新一轮上涨趋势，而黄金、白银、原油的VVS指数正从高位回落[9] 其他重要内容 * 分析框架：主要运用了VVS信号模型（反映市场对未来波动率的预期和偏度）、情绪指数模型、机构调研数据分析、拥挤度指标、行业轮动模型（基于景气度、机构调研和拥挤度构建）及基本面量化模型[2][4][7][8][9] * 市场阶段判断：A股市场处于3月下跌后的修复反弹期[1][6]；大宗商品中，黄金、白银、原油进入震荡期[1][9]，而铜开启新一轮上涨行情[1][2]

报告行业投资评级 * **报告未明确给出对整体市场的投资评级** [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][32][33][35][36][37][38][39][40][42][43][44][45][46][47][49][50][51][52][53][54][55][56][57][59][60][61][62][63][64][65][66][67][69][70][71][72][73][74][75][76][78][79][81][82][83][84][86][87][88][89][90][91][92][93][94][95][97][98][99][100][102][103][104][105][106][107][108][109] 报告核心观点 * **当前市场呈现明显的板块强弱切换与风险偏好分化**[7][12] * **存量资金正向低位品种回流** 在Beta维度上，以非银金融、农业为代表的行业资金投资周期处于“底部反转”或“快速升温”阶段，显示存量资金正向低位品种回流，寻求补涨机会，行业整体情绪高涨[7][12] * **高拥挤板块风险释放与低位板块动能修复同步进行** 在Alpha维度上，资源类与避险资产出现显著的抱团松动，石油石化、煤炭等行业拥挤度极高且周变化值由正转负，同时基础化工、环保等行业持续降温或快速流出，表明市场正经历一轮剧烈的持仓结构调整，高拥挤板块的风险释放与低位板块的动能修复正在同步进行[7][12] 根据相关目录分别进行总结 行业短期资金投资阶段（成交集中度分析） * **高拥挤区（4个行业）**：公用事业、建筑装饰、煤炭及石油石化行业处于高拥挤区间[7][9][10] * 公用事业：成交集中度0.0986，周变化上升0.1076，250日历史分位达99.60%，上周下跌8.62%[21][27] * 建筑装饰：成交集中度0.2177，周变化上升0.0413，250日历史分位达99.60%，上周下跌3.52%[27] * 煤炭：成交集中度-0.4370，周变化上升0.0059，250日历史分位达98.00%，上周下跌5.01%[24][27] * 石油石化：成交集中度-0.4849，周变化上升0.0084，250日历史分位达91.60%，上周下跌1.44%[27] * **快速升温区（3个行业）**：环保、农林牧渔与医药生物行业成交活跃度快速升温，可及时关注[7][9][10] * 环保：成交集中度0.2457，周变化上升0.0489，250日历史分位为70.00%，上周下跌4.07%[37][39] * 农林牧渔：成交集中度0.1233，周变化上升0.0512，250日历史分位为67.20%，上周下跌2.77%[33][39] * 医药生物：成交集中度-0.2534，周变化上升0.0915，250日历史分位为28.00%，上周上涨2.26%[30][39] * **底部反转区（1个行业）**：非银金融行业显现底部反转迹象，可持续关注[7][9][10] * 非银金融：成交集中度-0.6673，周变化上升0.0072，250日历史分位为6.80%，上周下跌1.66%[43] * **持续降温区（8个行业）**：建筑材料、国防军工、传媒、计算机、美容护理、纺织服饰、商贸零售及社会服务等行业成交热度持续降温[7][9][10] * 传媒：成交集中度0.4006，周变化下降0.3793，250日历史分位为20.40%，上周下跌2.57%[44][61][64] * 计算机：成交集中度0.5785，周变化下降0.0595，250日历史分位为14.80%，上周下跌3.39%[47][64] * 商贸零售：成交集中度-0.2220，周变化下降0.0762，250日历史分位为0.00%，上周下跌3.44%[44][64] * 社会服务：成交集中度0.0423，周变化下降0.0534，250日历史分位为0.00%，上周下跌3.01%[50][64] * 国防军工：成交集中度0.3978，周变化下降0.0455，250日历史分位为36.40%，上周下跌2.06%[54][61] * 纺织服饰：成交集中度-0.1766，周变化下降0.0500，250日历史分位为0.00%，上周下跌2.26%[53][64] * 美容护理：成交集中度-0.2674，周变化下降0.0311，250日历史分位为6.00%，上周下跌1.75%[57][64] * 建筑材料：成交集中度0.1066，周变化下降0.0287，250日历史分位为58.00%，上周下跌0.83%[60][61] Beta or Alpha 行情（行业内部关联度分析） * **Beta区间（19个行业）**：行业由整体市场带动，个股联动性强[7][10] * 包含电力设备、机械设备、汽车等制造业板块，房地产、非银金融等大金融板块，以及家用电器、商贸零售、食品饮料、美容护理等大消费板块[7][10] * 此外，通信、计算机、传媒等科技类行业，以及农林牧渔、公用事业、交通运输、建筑装饰、钢铁等基础行业也均处于该区间[7][10] * **Alpha区间（12个行业）**：行业源于个股自身特质，内部分化[7][10][11] * 包括石油石化、煤炭、有色金属、基础化工、建筑材料等资源与周期类板块，以及银行、电子、医药生物、国防军工、环保、轻工制造与综合类行业[7][10][11] 行业市场表现总览 * **成交热度变化**：从上周换手率周变化来看，医药生物交易热度提升突出，换手率周变化上升0.974[13][14] * **涨跌表现**：从上周涨跌幅来看，通信和医药生物涨幅居前，分别上涨3.01%和2.26%[15][16] 食品饮料和银行也录得上涨，涨幅分别为0.87%和0.69%[16][103] 公用事业和电力设备跌幅居前，分别下跌8.62%和8.32%[16][21][83]

核心观点 - 受中东地缘政治局势影响，市场预期下调，A股在2026年3月波动放大并走出下跌行情，报告认为市场调整后正出现重要底部与击球点，建议积极布局[1][11][12] - 基金配置策略建议整体维持均衡风格，重视科技成长赛道，兼顾大金融、顺周期资产，并从大类资产配置角度建议可配置黄金和美股相关ETF[1][4] - 报告对三类不同风险承受能力的投资者给出了具体的大类资产配置比例建议[71][72] 资本市场分析与展望 - **投资环境分析**：2026年3月，受中东地缘政治局势影响，A股调整，31个申万一级行业中仅有3个行业上涨，表现靠前的5个行业分别为银行、公用事业、煤炭、通信和电力设备行业[7] - **投资环境分析**：2026年3月制造业PMI为50.4%，比上月上升1.4个百分点，重返扩张区间，服务业商务活动指数为50.2%，建筑业商务活动指数为49.3%[9] - **投资环境分析**：海外方面，截至2026年3月27日，10年期美债实际利率较3月初上行37BP至2.13%，通胀预期相对稳定，欧元区2026年3月消费者信心指数明显走弱4.1至-16.3[10] - **股票市场展望**：报告认为中国股市的重要底部与击球点正在出现，理由包括中国能源消费油气占比低于30%使得对高油价的冲击总体可控，中国稳定的安全形势、完备的供应链体系及积极的产业进展具有稀缺性，以及外资可能重新审视中国的配置价值[12] - **股票市场展望**：行业比较方面，首选金融和稳定板块，看好中国科技制造与稳定内需，具体推荐银行/电力/高速、电力设备与新能源/能源金属/工程机械、半导体/通信设备/机械设备、以及建材/建筑/酒店/大众品[15] - **债券市场展望**：展望二季度债市，需要着重关注通胀、债市供需和股债关联性，当前利差空间指向5-10年期限品种性价比相对突出，超长债可能不稳定[16][19][20] 基金月度动态 - **基金测算仓位变化**：主动股混基金3月权益仓位显著提升，延续自2025年下半年以来的上行趋势，偏债基金的权益仓位稳定在近年来的相对高位[21] - **基金测算仓位变化**：风格配置上，主动股混基金近1个月大盘成长风格资产占比在高位继续回落，小盘成长风格资产占比相应回升并再次超过大盘成长，偏债基金近1个月大盘价值、中盘成长和小盘成长风格资产占比有所提升[28][33] - **基金测算仓位变化**：板块配置上，主动股混基金在TMT板块配置占比依然相对更高，呈现极致抱团状态，偏债基金近1个月大金融板块占比快速提升[41] - **风格基金业绩**：2026年3月，各风格基金平均收益均为负，成长风格基金平均收益为-10.37%，回撤明显高于均衡风格基金的-5.88%和价值风格基金的-6.84%[53][54] - **风格基金业绩**：板块风格基金中，大消费和金融地产板块基金平均收益分别为-5.82%和-5.85%，回撤相对更小，而中游制造和TMT板块基金平均收益分别为-9.72%和-10.25%，回撤更大[54] - **新发基金概况**：2026年3月共有146只新基金成立，总募集规模为1131.77亿元，平均募集规模为7.75亿元，两者均高于近1年以来的平均水平[58] - **新发基金概况**：从类型看，3月权益型基金发行规模为652.17亿元，占比57.6%，债券型基金发行规模为244.17亿元，占比21.6%，FOF产品发行21只，发行规模占比达到20.43%[60] 基金投资策略 - **股混基金**：建议后续基金配置整体维持均衡风格，关注基金经理选股和风控能力，重视科技成长赛道，兼顾大金融、顺周期资产，并列举了价值、成长、均衡灵活、主题型及港股基金的具体关注品种[4][67] - **指数主题基金**：基于行业轮动模型，4月最新高景气度行业分别为银行、传媒、商贸零售、通信、有色金属和电子，并据此构建了相应的ETF投资组合[4][68] - **债券基金**：建议关注久期灵活的利率债和重配高流动性信用债的产品，同时认为固收+基金具备配置价值，并列举了具体关注品种[4][68] - **QDII和商品型基金**：长期看黄金的战略性配置价值依旧维持，可适当配置黄金ETF，但趋势配置者短期需谨慎，同时认为美股阶段性具备较高的风险回报比与战术性配置价值，并列举了具体关注品种[4][69][70] 本期组合大类资产配置 - 报告为积极型、稳健型和保守型三类投资者提供了资产配置建议，其权益类基金（含股票、混合型及交易型基金）的均衡配置比例分别为80%、55%和25%[71] - **积极型投资者**：建议配置70%权益类基金、20%债券基金和10%货币市场基金，其中国内主动型股混基金占55%，QDII基金占10%，商品型基金占5%[71] - **稳健型投资者**：建议配置45%权益类基金、25%债券基金和30%货币市场基金，其中国内主动型股混基金占30%，QDII基金占10%，商品型基金占5%[71] - **保守型投资者**：建议配置20%权益类基金、40%债券基金和40%货币市场基金，其中国内主动型股混基金占10%，QDII基金占5%，商品型基金占5%[72]

文章核心观点 - 在市场进入整体上涨环境后，传统的反转类因子效果下降，需要引入动量风格的因子进行互补，行业轮动模型因其动量逻辑成为重要解决方案 [2] - 将行业轮动模型直接因子化，特别是提取其技术面中的行业动量部分，是将其融入传统指数增强框架的较优方式，能提供增量信息并提升组合表现 [6][53] - 行业动量因子与现有选股因子（如低波、反转、动量、低流动性、成长）的横截面相关性低，能提供额外的超额收益来源，并在上行行情中与传统因子形成互补 [6][18][53] - 在行业动量分域视角下（高动量组与中低动量组），传统选股因子的表现差异明显（如动量、反转因子在高动量组持续有效），这为行业动量因子化提供了基础，使其在综合打分时能与有效因子形成“共振” [6][24][40][53] - 实证表明，将行业动量直接作为因子加入选股模型，其表现优于仅用行业轮动模型控制行业偏离的传统方法，这在中证500指数增强模拟组合中得到了验证 [6][42][46][50][53] 拆解行业轮动模型在选股上的增量信息 - 行业轮动模型框架包含基本面、资金面和技术面三大类因子，其中基本面（财报）和资金面（资金流）信息与个股选股因子高度重合 [5] - 技术面因子，特别是基于行业动量和拥挤度的处理，是行业轮动模型能够提供的主要增量信息，因其动量色彩与个股量价因子的短期反转特征不同 [5] - 申万金工行业轮动模型在技术面上的特别处理是关键：在行业动量分域下，对高动量行业反向使用拥挤度指标（追逐高拥挤度行业），这提升了模型稳健性并符合与反转因子互补的需求 [5] 行业动量因子的表现 - 单独对行业动量部分进行因子化后，因子表现相比整体模型有所下降，月度IC均值为3.03%，ICIR为0.22，但保持了不错的单调性和收益进攻特征 [9][16][17] - 行业动量因子与主要选股因子的横截面平均相关性很低：与个股动量因子为0.058，与低波因子为0.004，与低流动性因子为-0.033，与反转因子为-0.006，与成长因子为0.028 [18][19] - 行业动量因子月度IC与其他因子的相关性分析显示，其与成长因子（0.46）和市值因子（0.40）相关性较高，与低波（0.17）、低流动性（0.09）、反转（0.05）等量价因子相关性不高，这有助于在上行行情中形成互补 [20][21] 行业动量分域视角下的因子表现 - 将股票按行业动量得分分为高动量组（前30%）和中低动量组（后70%）后，考察传统因子在不同组别的表现差异 [24][25] - **低波因子**：在高动量组和中低动量组均保持较好单调性，但近年来高动量组的低波因子表现更好，不过这种特征并不稳定；中低动量组的低波因子近年来几乎不贡献收益 [25][28][40] - **反转因子**：表现差异明显，高动量组内的反转因子持续表现更优，单调性好；而中低动量组内的反转因子长期不贡献收益，单调性差 [28][30][40] - **动量因子**：表现差异明显，高动量组内的动量因子持续表现更优，单调性稳定；中低动量组内的动量因子长期不贡献收益，单调性差，近年甚至出现持续回撤 [31][32][33][36][40] - **低流动性因子**：在行业动量分域下的表现没有明显分化，其表现与分组关系不大，且在各组单调性均不佳 [37][38][39][40] 行业动量因子的组合内表现 - 在中证500指数增强模拟组合中对比两种使用方式：1) 将行业动量作为第五个因子加入（五因子组合）；2) 仅用四个量价因子选股，并用行业动量控制行业偏离（行业控制组合） [43] - 在严格的行业中性（最大偏离2%）和个股偏离约束（最大偏离0.5%）下，直接因子化的五因子组合表现始终优于行业控制组合 [43][46] - 即使引入成长因子构成六因子模型，或调整行业偏离约束条件（如允许低动量组负向偏离2%），直接因子化的表现依然优于仅控制行业偏离的做法 [46][49][50] - 因子化优势的原因在于：行业动量因子参与选股时，易与在特定分域下有效的因子（如高动量组下的动量、反转因子）形成“共振”，从而选出有效因子暴露更高的股票组合 [51]

报告行业投资评级 未提及 报告的核心观点 - 以行业轮动模型作为强化点，对基于基本面预测的成长组合进行升级，构建申万金工成长组合2.0版本，采用非线性倾斜加权提升组合收益弹性，且收益提升未牺牲稳定性 [3][38][39] 根据相关目录分别进行总结 申万金工成长组合 申万金工成长组合的构建逻辑和历史表现 - 申万金工在成长、红利、质量等方向构建量化策略内核聚焦于预测未来基本面业绩，申万金工成长组合依托上市公司未来高业绩增速预测实现，通过分析师一致预期数据，先取全市场有分析师覆盖股票中当前一年盈利预测增速前一半股票为股票池，再于10月底剔除前三季度累计盈利增速为负样本，最后用分析师一致预期变化因子筛选50只股票 [4] - 该组合平均净利润增速中位数处于第二年全市场股票净利润增速前10% - 20%，较好实现业绩高增速预测，历史表现具鲜明成长风格特征，2019 - 2021年分别超62%、58%、42%收益，2022 - 2023年回撤，2024 - 2025年回暖 [6][9] 使用行业轮动模型进一步提升收益 - 成长风格与牛市环境常相同，具备进攻特征的行业轮动模型可提升成长组合收益弹性，申万金工行业轮动模型使用基本面、资金面和技术面因子，对拥挤度和趋同度差异化处理，强调动量 [12] - 量化习惯以全部行业指数平均值为基准，申万金工行业轮动模型多头对其有稳定超额收益，稳定性有可拓展属性，可用于改变个股权重，且只使用多头组合会损失有效信息，后续通过行业打分提升组合表现 [15][18] 非线性倾斜加权提升组合收益弹性 非线性的倾斜加权方式 - 考虑用行业轮动模型提升收益，将等权加权调整为按行业得分加权，线性倾斜加权对组合收益改变有限，采用非线性倾斜加权，即对得分靠前行业更高倾斜超配，靠后行业更高倾斜低配，拉开个股最终权重差异 [20] 组合表现提升 - 权重倾斜后组合收益有效提升，倾斜组合相比等权组合超额走势平稳，收益提升未牺牲稳定性，部分回撤在2019年，其他时间收益提升基本稳定向上 [23][25][27] 分年度表现等统计信息 - 倾斜组合在2019年以外年份收益提升，2020 - 2021年收益率超60%，2022 - 2023年回撤下降，近年来收益提升，收益弹性明显提升 [32] - 倾斜组合波动率和最大回撤与等权组合相似，年化收益率提升，波动率略升，最大回撤下降，夏普比和卡玛比率明显提升 [33] - 权重倾斜后个股最大权重升至4%，最小降至0.2%附近，上调和下调比例基本对称 [35] 小结 - 基于基本面预测的成长组合，通过行业轮动模型改进收益，采用非线性倾斜加权，权重倾斜后组合除2019年外收益增长，整体收益提升，超额稳定性不错，未放大波动 [38][39]

文章核心观点 - 传统量价因子（如低波、反转、市值、低流动性）在2026年以来集体失效，其背后逻辑偏反转，在指数快速上涨行情中产生反向作用 [1][5][6] - 行业轮动模型具有强动量特征，其稳健的超额收益特性恰好符合选股因子的需求，为解决量价因子失效问题提供了场景，可将其改造为选股因子加入多因子框架以对冲风险 [1][8][17] - 改造后的行业轮动因子表现优异，月度IC达5.3%，ICIR达4.0，具备强进攻性和动量属性，加入传统多因子框架能有效提升超额收益并增强稳定性 [1][26][33] - 行业轮动因子与指数增强框架中严格的行业偏离约束存在冲突，最佳使用方案是在保持个股偏离约束0.5%的同时，将行业偏离约束从2%适度放松至4%或5%，可在提升超额的同时控制回撤和跟踪误差 [2][3][50] 1. 量价因子失效与行业轮动模型的引入 - 2026年1月底，中证500指增产品全部跑输指数，平均跑输3.46%，主动量化产品平均跑输1.96% [5] - 失效因子主要为流动性、反转、低波、市值等量价因子，其共同逻辑是偏反转，在指数快速上涨、热门板块连续驱动的行情中发生反向 [6] - 行业轮动模型（如申万金工模型）大量基于动量因子，其多头组合相对于全行业平均收益具有稳健的超额，但这种稳健性因基准（全行业平均）缺乏关注而缺少使用场景 [8][13] - 行业轮动模型在行业内部具有稳定的排序能力，这种特性更符合选股因子的需求，为将其因子化并引入多因子选股框架提供了基础 [17] 2. 行业轮动模型的因子化与特性 - 将行业轮动模型改造为选股因子的方法是将每只股票与其所属行业的模型得分进行拼接 [19] - 原始行业轮动因子与成长因子的月度IC相关性达0.44，经正交化处理后，因子表现单调性良好 [21] - 正交后的行业轮动因子在2017年至2026年1月期间，月均IC为5.3%，强于其他传统因子（成长因子3.75%，长期动量因子4.98%），ICIR为0.40，表现优异 [26][27] - 该因子的累计IC和多空表现良好，尤其在尾端快速上行，体现出牛市的强进攻特征和动量属性，能与偏反转的量价因子形成互补 [1][23] 3. 行业轮动因子在多因子框架中的应用与优化 - 在由成长、动量、低波、股息率构成的四因子等权模型中，加入行业轮动因子构成五因子模型，能大幅提升超额收益，并止住2024年下半年以来超额收益下滑的势头 [28][30][33] - 在无约束条件下，五因子等权组合在各年份均取得正超额收益，平均超额达10.52%，表现优于四因子等权（5.55%）及ICIR加权方式 [35][36] - 当加入指增框架常用的行业偏离约束（2%）和个股偏离约束（0.5%）后，五因子模型的超额收益出现下滑，2025年超额收益转负，表明行业轮动因子与严格的行业中性约束存在冲突 [2][37][38] - 尝试用行业轮动模型的打分来控制行业偏离排序，或将其作为卫星组合与主策略“拼盘”，效果均不及直接将因子加入选股模型并优化约束的方案 [40][42][44][47][49] 4. 使用行业轮动因子的最佳方案 - 最佳方案是保持个股偏离约束0.5%不变，适度放松行业偏离约束 [3] - 将行业偏离约束从2%放松至4%或5%时，组合的平均超额收益从6.97%分别提升至7.54%和7.73%，且各年份超额收益均转正 [50] - 放松行业约束后，超额收益的最大回撤在某些关键年份（如2024年）反而下降，例如行业偏离2%时2024年最大回撤为-5.52%，放松至4%时降至-4.56% [50] - 放松行业偏离约束对跟踪误差影响很小，从2%约束下的5.01%仅微升至5%约束下的5.25%，表明该方案能较好地兼顾收益与风险控制 [50][52]

报告行业投资评级 未提及 报告的核心观点 - 2026 年以来传统量价因子集体失效，行业轮动模型因子化有了应用场景，其具备良好因子特性，加入传统多因子框架可提升模型表现，但与指增框架行业偏离约束有冲突，保持个股偏离约束同时放松行业偏离是最佳方案 [2][60][61] 根据相关目录分别进行总结 为行业轮动模型寻找使用场景：从量价因子失效说起 - 2026 年以来中证 500 指数出现量化模型超额回撤，对标该指数的指增和主动量化产品大多跑输，主要失效因子是逻辑偏反转的量价因子，可引入行业轮动模型作为补充 [4][5][7] - 行业轮动模型强动量驱动，与传统量价因子互补，但缺乏使用场景，其多头组合表现不亮眼，稳健超额因基准未获大众认可而缺乏实际意义，可探索因子化引入多因子框架 [10][13][16] 行业轮动模型的因子化 - 将行业模型改为选股因子，把股票所属行业得分拼接，因行业多对因子 IC 影响有限，且需对因子正交处理 [22] - 原始行业轮动因子月度 IC 与成长因子相关性超 0.4，正交化处理后单调性好，累计 IC 和多空表现优异，月均 IC 达 5.3%，ICIR 为 0.40，特性优异 [23][25][30] 行业轮动因子的使用和比较分析 - 四因子和五因子模型比较：加入行业轮动因子的五因子模型战胜基础四因子模型，增强牛市进攻性和超额稳定性 [33][35][38] - 因子等权 vs ICIR 加权：ICIR 加权效果不如因子等权，加入行业轮动因子的五因子等权组合各年份表现最优 [39] - 向指增框架靠拢：增加行业和个股约束后，五因子模型收益部分年份提升但 2025 年超额转负，不过能控制部分年份最大回撤 [41][42] - 通过行业打分来约束行业偏离排序的方法：该方法表现弱于五因子直接约束模型，不是最佳方案 [44] - 多策略组合：行业轮动单因子组合表现与五因子优化约束组合走势相近，“拼盘组合”表现难占优，五因子加行业个股偏离约束仍是最优方案 [47][50][52] - 目前最佳方案：保持个股偏离 0.5%不变，放松行业偏离到 4%或 5%，能提升超额收益、降低最大回撤，对跟踪误差影响小 [53][56][57] 小结 - 行业轮动模型缺乏使用场景，其稳健性为选股因子化提供基础，行业轮动因子特性好，加入传统多因子框架可提升表现，但与指增框架行业偏离约束有冲突，选股有增量贡献，保持个股约束放松行业偏离是最佳方案 [60][61][62]

量化多资产策略的核心特征 - 强调以系统化、纪律化的量化模型作为资产配置、组合调整及风险管理的关键决策依据，提升投资的可重复性与稳定性 [2] - 区别于传统“固收+”策略，专门设置下行风险控制模块，包括硬性止损线和基于波动率管理的事前预警，可能在市场异动前启动调仓 [2] - 调仓主要基于风险控制需求，而非为博取收益进行择时，目标是确保组合运行在安全边界内 [3] 贝莱德基金量化策略的具体运作 - 权益部分采用行业轮动模型，基于价值、成长、价格动量等多个信号维度打分，并结合风险模型、交易成本，通过组合优化器形成行业配置 [2] - 债券部分采用久期、信用轮动策略，综合利率期限结构、价格动量、信用利差动量等信号，动态调整利率债与高等级信用债配比，且不做信用下沉 [2] - 行业轮动模型为中低频策略，核心是基于宏观和基本面数据筛选行业，从行业到个股采用“翻译”式策略，基本不做个股选择 [4] - 股票持仓覆盖行业分散，个股数量较多，通过高分散度摊薄风险，基金经理仅在极个别情况下进行小幅干预 [4] 策略的规模容量与收益来源 - 策略标的以大中盘股票和利率债为主，主要股债策略再平衡频率为月度，产品整体规模上限可达百亿元以上 [5] - 规模增长对收益影响微乎其微，因收益核心来源于交易策略，而非依赖静态债券收益 [5] - 利率债市场定价透明，容量达万亿元级，策略不涉及非标资产与高频交易，规避了资产稀缺和规模扩张对策略运作的压力 [5] 对2026年投资机会的展望 - 国内债市机会将集中在短端高等级信用债与利率债曲线上的相对价值和轮动交易，久期轮动策略在方向不明的市场里可能更具优势 [5] - 仍然看好2026年A股，预计未来12个月至18个月沪深300指数或有较好表现，目前沪深300指数市净率约为1.5倍，基于2025年盈利预估的市盈率约为13.6倍，估值具备吸引力 [6] - 结构性行情将延续，AI主线有望从硬件基础设施向更多应用领域扩散，消费板块在积极因素助力下或迎来修复，有色金属等板块可能呈现波动性机会 [6]

文章核心观点 - 在居民财富配置需求多元化和稳健增值的背景下，“固收+”基金正在向依托量化模型的系统化、纪律化投资方式升级换代 [1] - 量化多资产策略通过模型在资产配置、组合调整及风险管理等关键环节进行决策，旨在提升投资的可重复性与稳定性，并控制下行风险 [2][3] - 该策略的收益核心来源于交易策略而非静态债券收益，且因其投资标的（大中盘股、利率债）和月度再平衡的频率，产品规模上限可达百亿元以上，规模增长对收益影响微乎其微 [5] - 对2026年市场持乐观基调，认为债市存在结构性机会，A股估值具备吸引力，且AI、消费、有色金属等板块将呈现结构性行情 [5][6] 量化多资产策略的运作逻辑与特点 - 策略强调以系统化、纪律化的量化模型作为资产配置、组合调整及风险管理的重要决策依据，辅以少量专家解读 [2] - 以贝莱德富元金利基金为例，其权益部分采用基于价值、成长、价格动量等多信号维度的行业轮动模型，结合风险模型和交易成本进行行业配置 [2] - 债券部分采用久期、信用轮动策略，综合利率期限结构、价格动量、信用利差动量等信号，动态调整利率债与高等级信用债配比，且不做信用下沉 [2][3] - 专门设置下行风险控制模块，包括硬性止损线和基于波动率管理的事前预警，调仓主要基于风险控制需求而非择时博取收益 [3] - 基金经理每日核验模型建议，在常规情况下严格执行风控指令，目标是确保组合运行在安全边界内 [3] 策略的收益来源与规模适应性 - 收益核心来源于交易策略，而非依赖静态债券收益 [5] - 策略标的以大中盘股票和利率债为主，主要股债策略再平衡频率为月度 [5] - “固收+”产品整体规模上限可达百亿元以上，规模增长对收益的影响微乎其微 [5] - 利率债市场定价透明，容量达万亿元级，不存在资产稀缺问题；策略不涉及非标资产，且不依赖高频交易，因此规模扩张不会给策略运作带来压力 [5] 对2026年市场的投资展望 - 若没有过多“黑天鹅”事件，国内债市机会将集中在短端高等级信用债与利率债曲线上的相对价值和轮动交易，后者尤其需要借助量化模型进行多维度判断 [5] - 在方向不明的市场里，久期轮动策略可能更具优势 [5] - 仍然看好2026年的A股，预计未来12个月至18个月沪深300指数或有较好表现 [5] - 目前沪深300指数市净率约为1.5倍，基于2025年盈利预估的市盈率约为13.6倍，估值具备吸引力 [5] - 结构性行情仍将延续：AI主线有望从硬件基础设施逐步向更多应用领域扩散；消费板块在积极因素助力下或迎来修复；有色金属等板块可能呈现波动性机会 [6] 贝莱德基金量化策略的本土化实践与特色 - 作为全球资管巨头试水中国市场的缩影，其展业历程是观察外资机构本土化进程的直观参照 [4] - 其成熟的行业轮动模型经过多年打磨与跨市场验证，与美股、欧股市场的同源策略一脉相承，采用中低频（月度再平衡）量化策略 [4] - 模型核心是基于宏观和基本面数据筛选行业，而非个股博弈；选定行业后，从行业到个股采用“翻译”式策略，基本不做个股选择 [4] - 这造就了公司目前“固收+”产品的一大特色：股票持仓覆盖行业分散，个股数量较多，通过高分散度进一步摊薄风险，基金经理仅在极个别情况下进行小幅干预 [4]

核心观点 - 2026年第一季度，风格轮动模型发出配置小盘股和成长股的信号 [1][2][3] - 2026年1月，行业轮动模型推荐配置的行业集中在非银行金融、煤炭及钢铁 [1][3] - 2025年，相关轮动策略模型取得了显著的超额收益 [1] 风格轮动模型信号与表现 - **2026年第一季度信号**：大小盘轮动模型预测信号为“小盘”，价值成长轮动模型预测信号为“成长” [1][2][3] - **2025年第四季度表现**：沪深300收益率为-0.23%，中证1000收益率为0.27%，小盘风格占优，相对大盘的超额收益为0.50%，模型预测正确 [1] - **2025年全年表现**：价值成长轮动模型全年收益为37.06%，相对季度调仓的等权组合超额收益为7.01% [1] 行业轮动模型信号与表现 - **2026年1月配置观点**：单因子多策略推荐的多头行业为银行、非银行金融、煤炭及钢铁；复合因子策略推荐的多头行业为煤炭、钢铁、非银行金融、有色金属、交通运输 [1][3] - **2025年12月表现**：复合因子策略超额收益为1.18%，单因子多策略超额收益为0.81% [3] - **2025年全年表现**：行业复合因子策略绝对收益达38.10%，相对基准超额收益为11.70%；行业单因子多策略绝对收益达36.00%，相对基准超额收益为10.37% [1]