核心观点 - 公募量化产品按策略定位可分为6大类，总规模达3868.65亿元，其中指数增强、主动量化和类绝对收益基金规模领先 [4][9] - 主动量化基金超额收益来源从20年与质量/成长因子相关转向22年后与小盘因子更相关 [4][22] - 报告重点分析了4类主动量化策略：偏股基金增强、SmartBeta风格、行业轮动/全行业选股、主动权益团队量化策略 [6][30] 公募量化产品概况 - 产品数量919只，规模3868.65亿元，主要分为指数增强(1943.18亿)、主动量化(913.95亿)、类绝对收益(487.67亿)等6类 [9][10] - 指数增强基金要求80%以上投资成分股，跟踪误差不超过8%，以沪深300/中证500/A500为主 [10] - 主动权益团队开始布局量化产品，代表案例包括中欧四因子、广发和易方达的主动+量化融合策略 [12] 超额收益来源分析 - 2021-2023年主动量化基金业绩显著优于主动权益基金，但在24年初微盘股下跌时回撤更大 [22] - 超额收益因子相关性变化：从20年质量/成长因子主导转向22年后小盘因子主导 [4][22] - 全行业选股基金如招商量化精选、国金量化多因子通过因子暴露和风格调整获取超额 [4] 主要策略分析 偏股基金增强策略 - 代表产品博道启航/远航能在6%跟踪误差内实现6%以上超额，具备竞争优势 [4][34] - 博道远航采用"基金指数增强"策略，对标885001指数，5%跟踪误差目标 [43] - 信澳宁隽智选通过较松偏离度限制获取超额，25Q2港股仓位13.82% [56] SmartBeta风格策略 - 小微盘策略：诺安多策略等产品跑赢万得微盘股指数取决于市值下沉程度 [4][63] - 红利策略：广发高股息优享等产品是否配置港股成为超额关键 [4] - 成长策略：博道成长智航等产品表现取决于基准定位 [4] 行业轮动/全行业选股 - 全行业选股产品通过因子暴露和风格调整获取超额 [4] - 行业轮动产品如华安事件驱动量化策略能在行业轮动中获取稳定收益 [4] - 代表产品招商量化精选、国金量化多因子规模领先，配置不同比例小盘股 [17] 主动权益团队量化 - 中欧基金推进投研体系"工业化"能力建设 [4] - 广发杨冬团队采用主动与量化融合策略 [4] - 易方达团队实行"主动研究+量化模型"双轮驱动 [4] 产品表现分析 - 2025年业绩领先产品多采用市值下沉策略，如同泰远见(50.73%)、诺安多策略(50.21%) [24][25] - 小微盘策略产品环境适应能力显示在小盘占优时表现突出，如诺安多策略小盘占优得分99.36% [27] - 红利策略产品在大盘价值风格明显，如博道红利智航大盘占优得分96.19% [27]

核心观点 - 市场在7月末政治局会议后出现回调，但调整不具备持续性，当前是中短期加仓窗口[2] - 本轮行情主线由PCB、光模块、创新药等高景气高成长板块驱动，这些板块仍有上涨动能和估值提升空间[2] - 8月建议适度加仓主线板块并关注潜在轮动方向，重点配置半导体与医疗器械行业[5][6] 行业配置建议 主线板块 - PCB、光模块、创新药等高景气高成长板块仍是核心方向，行业容量大且能持续吸引增量资金[2] - 半导体与医疗器械行业处于相对低位，同时与主线逻辑高度相关，具备估值修复与景气延续双重优势[6] 低位修复行业 - 半导体、电机、食品饮料、纺织服饰、汽车、美容护理、医疗器械、家用电器、商贸零售、环保等行业处于低位修复阶段[5] 低位+边际改善行业 - 电机行业：出口金额环比增长0.72%，PPI环比上升0.40%，发电设备产量环比增长2.76%[7][9] - 汽车行业：乘用车销量累计同比上升2.77%，但橡胶轮胎外胎产量累计同比下降28.57%，汽车制造业利润率下降0.27%[7][16] - 环保行业：大气污染防治设备产量累计同比上升2.05%，废弃资源综合利用业利润总额环比增长1.29%[7][17] 其他关注方向 - 环保与银行板块：红利资产估值偏低且配置比例低，可能受到债市资金入市的被动抬升[6] - 汽车行业：叠加机器人、智能制造等概念题材，零部件板块可能出现边际改善[6] 数据与图表 - 电机行业出口额及发电设备产量环比增长[8] - 电机制造PPI及铝价均环比上涨[9] - 轮胎产量环比增长但增速下滑[16] - 乘用车销量增速持平但产销比上行[17] - 环保子行业利润及设备产量增速均有提升[23]

报告核心观点 报告聚焦中银量化多策略行业轮动，分析近期中信一级行业表现、各单策略排名靠前行业及业绩，构建复合策略并回顾配置与业绩，提示商贸零售、汽车、传媒行业高估值风险 [3][11][14]。 近期中信一级行业表现回顾 - 本周收益率前三行业为通信（7.1%）、医药（4.3%）、计算机（4.0%），后三为银行（-2.8%）、房地产（-2.3%）、煤炭（-2.2%） [3][11] - 30 个中信一级行业平均周收益率 0.8%，近 1 月平均收益率 7.0% [3][11] 行业估值风险预警 - 采用各行业近 6 年 PB（剔除极端值）计算当前 PB 分位数，PB 分位数高于 95% 的行业不参与分项策略测算 [13] - 本周商贸零售、汽车、传媒行业 PB 估值高于过去 6 年 PB 估值（剔除极端值）95% 分位点，触发高估值预警 [14] 单策略排名靠前行业及近期业绩表现 S1 高景气行业轮动策略（周度） - 通过 wind 分析师一致预期滚动行业数据建立多因子模型，筛选备选因子复合，剔除高估值行业后选因子值最高 3 个行业等权持有 [16] - 当前景气度排名前三行业为计算机、有色金属、电力设备及新能源 [17] S2 隐含情绪动量追踪策略（周度） - 构建“跑在盈利预期数据公布之前”的情绪动量策略，计算“未证伪情绪收益率”构建复合因子，剔除高估值行业后选因子值最高 3 个行业等权持有 [20][21] - 当前市场隐含情绪指标排名前三行业为计算机、通信、机械 [22] S3 宏观风格轮动策略（月度） - 借助宏观指标预判四种行业风格多空情况，通过行业风格暴露度排序，每月选总分最高 6 个行业等权持有 [23][24] - 当前宏观指标看多前六行业为综合金融、计算机、传媒、国防军工、电子、综合 [24] S4 中长期困境反转策略（月度） - 采用“2 - 3 年反转”“1 年动量”“旬度截面低换手率”三因子等权 rank 复合，每月选最优 5 个行业等权配置 [28] - 本月推荐行业为银行、钢铁、建材、消费者服务、房地产、商贸零售 [29] S5 基于资金流的行业轮动策略（月度） - 从“市场主力资金流向与强度”和“尾盘资金流向与强度”构建策略，每月选资金流入强度最高 5 个行业等权配置 [30][31] - 本月资金流入强度较大行业有综合金融、煤炭、消费者服务、国防军工、商贸零售 [31] S6 财报因子失效反转行业轮动策略（月度） - 基于因子有效性均值回复理论，筛选“长期有效因子”和“短期失效因子”复合，每月选因子值最高 5 个行业等权配置 [35] - 本月看多行业有食品饮料、石油石化、家电、通信、纺织服装 [37] S7 多因子打分复合行业轮动策略（季度） - 季度换仓策略，剔除中证 800 中权重低于 2% 的行业，从“动量”“流动性”“估值”“质量”维度优选因子复合，每季度选因子值最高 5 个行业等权配置 [41] - 本季度推荐行业有电子、电力设备及新能源、有色金属、家电、非银行金融、银行 [43] 策略复合 - 使用“波动率控制模型”对 7 个单策略进行资金分配，根据策略负向波动率倒数归一化确定配置比例 [44][47] - 复合策略换仓频率按季度、月度、周度设定，在不同时间节点对相应策略分配资金并调仓 [48] - 利用“负向波动率平价”得到单策略配置比例后，对各策略看多行业等权配置 [51] 复合策略行业配置与业绩回顾 行业仓位回顾 - 当前（2025 年 7 月 17 日）中银多策略行业配置系统仓位涉及计算机、电力设备及新能源等 22 个行业 [1][63] 业绩回顾 - 本周行业轮动复合策略收益 0.6%，中信一级行业等权基准收益 0.8%，超额收益 -0.2% [3][66] - 今年以来行业轮动复合策略累计收益 12.6%，基准收益 10.7%，超额收益 1.9% [3][67] - 各单策略年初至今超额收益：S1 为 -1.8%，S2 为 5.6%，S3 为 4.0%，S4 为 4.9%，S5 为 -0.8%，S6 为 1.3%，S7 为 3.1% [3]

核心观点 国信总量团队开发 AI 赋能投研体系，结合五大周期框架，通过动态赋权、回测调优等预测股债胜率，实现分析师主动框架与人工智能多模态分析统一，定期跟踪预测市场表现。7 月更新显示货币信用框架权重高，债券资产年内有相对优势，价值风格占优，成长风格四季度有望修复，还给出资产配置比例和行业配置观点 [2][3]。 分组1：AI 赋能投研体系介绍 - 国信总量团队开发 AI 赋能投研体系，结合五大周期框架，动态赋权、回测调优预测股债胜率，应用于主动投研并定期跟踪市场表现 [2] 分组2：AI 对资产配置框架的优化 - AI 学习国信总量团队资产配置框架，联网输入数据，通过静态样本学习和动态实战纠偏评判适用模型并赋予权重，实现宏观框架“降维”精准预测股债走势 [3] 分组3：7 月股债及风格预测 - 本月货币信用框架权重 55% [3] - 股市胜率延续回落但边际收敛，债市收益率有下行空间，配置价值稳固 [3] - 年内债券资产有相对优势，股市胜率三季度底部徘徊、四季度小幅回升，股市拐点或延后 [3] - 本月和全年价值风格占优，四季度成长风格有望阶段性修复 [3] 分组4：资产配置比例 - 7 月国内资产配置比例：股票 12.64%、红利 3.58%、债券 76.45%、黄金 7.33%，与传统风险平价模型比，股票、红利、债券、黄金资产变化分别为 2%、 -1%、0%、 -1% [4] - 7 月海外股市配置比例：法国 15.62%、德国 14.85%、美国 20.24%、日本 16.44%、中国香港 11.50%、印度 22.35%，与传统风险平价模型比，法国、德国、中国香港小幅减配（各 -1%），美国和日本分别加配 1 和 2 个百分点 [4] 分组5：行业配置观点 - AI 赋能构建的行业轮动策略夏普比率提升 420%，最大回撤降低 41%，优于传统策略 [5] - 三季度行业配置观点：超配机械设备、综合、电子，标配汽车、通信、建筑装饰，低配银行、商贸零售 [5] 分组6：五大资配框架情况 |框架|当前所处阶段|指示股债配置方向| | ---- | ---- | ---- | |美林时钟框架|滞涨|股↓债↑ [14]| |周期叠加框架|产能周期下行，主动补库存|股↑债↑ [14]| |信贷库存框架|被动补库存|股↓债↑ [14]| |货币信用框架|紧货币宽信用|股↑债↓ [14]| |政策组合框架|紧货币宽财政|股↑债↓ [14]|

报告核心观点 - 市场结构比指数方向更重要，BOCIASI情绪指标当前尚不会发出减仓信号，但需警惕指数绝对度数高位，可暂不下降仓位，适当调整持仓结构 [5][6] - 介绍季频换仓偏配置思路的行业轮动策略，该策略在回测区间表现良好，能实现年化超额收益 [8] - 芯碁微装新签大单有望提振业绩，且受益于AI基建推动的PCB投资热 [10] 6月金股组合 - 6月金股组合包含顺丰控股（002352.SZ）、安集科技（688019.SH）、佰仁医疗（688198.SH）、岭南控股（000524.SZ）、青岛啤酒（600600.SH）、索辰科技（688507.SH） [1] 市场指数表现 - 6月27日，上证综指收盘价3448.45，跌0.22%；深证成指收盘价10343.48，跌0.48%；沪深300收盘价3946.02，跌0.35%；中小100收盘价6457.70，跌0.72%；创业板指收盘价2114.43，跌0.66% [1] 行业表现（申万一级） - 6月27日，银行涨1.01%、通信涨0.77%、国防军工涨0.55%、社会服务涨0.42%、石油石化涨0.27%；汽车跌1.37%、非银金融跌1.20%、医药生物跌1.05%、美容护理跌1.04%、钢铁跌0.76% [3] 策略研究 - 2025年6月23 - 25日，万得全A指数三连阳，市场关注指数能否突破前期震荡平台，当前处于“第四次”尝试突破阶段，BOCIASI情绪指标同步升高 [5] - 截至6月25日，慢线报38.4%，快线报53.9%，均线系统处于“震荡市”环境，假设指数再涨1.0%，将步入“上行市”环境，BOCIASI情绪指标当前不会发出减仓信号 [5] - 市场将券商行业上涨作为指数突破震荡平台的原因有“本末倒置”之嫌，券商行业上涨更多是市场“防御”动作，建议暂不下降仓位，调整持仓结构 [6] - 即使券商带动指数突破箱体，之后仍可能“回落”，但主线行业可能出现，无需在意一时得失 [7] 金融工程 - 介绍季频换仓偏配置思路的行业轮动策略，从“估值”“质量”“流动性”“动量”四个维度各选2个单因子等权rank复合，形成复合因子 [2][8] - 复合策略在回测区间（2014/4/1 - 2025/6/6）实现年化收益19.64%，行业等权基准年化收益7.55%，年化超额12.09%，期间超额累计净值最大回撤 - 13.25% [2][8] - 需剔除中证800指数权重占比低于2%的行业，30个中信一级行业剔除后每期保留约15 - 16个主要行业轮动测算 [8] - 选取估值、质量、流动性、动量四类因子捕捉行业轮动机会，推荐使用rank等权进行因子复合 [8][9] 机械设备（芯碁微装） - 芯碁微装新签1.46亿元大单，约占2024年营收的15%，预计将提振公司业绩 [10][11] - 2025Q1公司营业收入2.42亿元，QoQ + 3%，YoY + 22%；毛利率41.3%，QoQ + 16.5pcts，YoY - 2.6pcts；归母净利润0.52亿元，QoQ + 823%，YoY + 30% [11] - 3月发货量破百台，4月预计交付量环比提升三成，产能利用率满载 [11] - Meta、微软、谷歌母公司Alphabet 2025财年为支持AI技术增加资本开支，AI基建热潮推动PCB投资热，高阶PCB产品需求升高 [12] - 2028年AI/HPC服务器PCB市场规模有望突破32亿美元，PCB厂商扩产将推动设备订单增长，公司有望持续受益 [12]

量化模型与构建方式 1. **模型名称：高景气行业轮动策略** - **模型构建思路**：基于分析师对各行业盈利预期的原值、斜率和曲率等多因子，优选景气度持续向上的行业，剔除估值极高行业后等权配置最优行业[1][2]。 - **模型具体构建过程**： 1. 通过分析师一致预期数据构建三大类因子： - 一类因子（长期赛道因子）：如ROE_FY2、ROE_FY3，代表3-5年赛道概念[13]。 - 二类因子（中期景气度因子）：如EPS_F2_qoq、EPS_F3_mom，反映中短期景气度变化[13]。 - 三类因子（短期情绪因子）：如EPS_F3_qoq_d1m，反映景气度变化的斜率[13]。 2. 因子复合：通过分层聚类方法筛选年化超额>3%的因子，等权Rank复合（最优复合数量为8）[17][18]。 3. 极端估值保护：剔除PB分位数（5日平滑）高于95%的行业[23][26]。 - **模型评价**：聚焦盈利预期边际变化，规避估值泡沫，适合中短期景气周期跟踪[13][16]。 2. **模型名称：隐含情绪动量策略** - **模型构建思路**：通过剥离换手率变化率与收益率关系得到“未证伪情绪”，捕捉未被主流预期反映的市场动向[32][33]。 - **模型具体构建过程**： 1. 日度收益率对换手率变化率截面回归（无截距），残差为未证伪情绪收益率[34]。 2. 计算累计未证伪情绪净值，构建半个月/12个月动量因子[35]。 3. 增强措施：剥离基本面影响（如EPS_yoy）、波动率调整、多因子复合（半个月+12个月动量最优）[36]。 4. 加入极端估值保护机制[36]。 - **模型评价**：有效捕捉情绪驱动的动量效应，但需警惕高波动风险[32][38]。 3. **模型名称：宏观指标风格轮动策略** - **模型构建思路**：以宏观经济、货币、信贷等指标为基础，结合行业风格（价值/动量/波动率）定量择时，映射至行业优选[43][44]。 - **模型具体构建过程**： 1. 宏观指标处理：分历史中枢（6年zscore）、超预期（SUE_3Y）、边际变动（d3m）三个维度[48][49]。 2. 行业风格因子优选：通过截面回归筛选显著性、稳定性、低相关性的风格因子（如Value、Beta_1y、Vol_3m、Mom_12m）[51][53]。 3. 风格研判：宏观指标等权投票打分，映射至行业标准化暴露度[58][61]。 - **模型评价**：突破传统宏观框架局限性，但依赖风格因子稳定性[43][63]。 4. **模型名称：中长期动量反转策略** - **模型构建思路**：结合行业收益率“中短期动量、长期反转”结构，叠加低换手因子捕捉周期轮换机会[71][74]。 - **模型具体构建过程**： 1. 构建12个月动量因子（剔除最近1月）和24-36个月反转因子[76][78]。 2. 复合因子：12月动量 + 24-36月反转Rank等权复合[76]。 3. 低换手增强：剔除旬度换手率截面zscore高的行业[82][83]。 - **模型评价**：兼顾动量与反转效应，但需动态调整参数[71][84]。 5. **模型名称：资金流行业轮动策略** - **模型构建思路**：跟踪主力资金（机构单）和尾盘资金流入强度，挖掘资金驱动动能[91][92]。 - **模型具体构建过程**： 1. 机构单趋势强度因子：净买入金额与绝对值移动平均比值，中性化处理（剔除市值/换手率影响）[94][95]。 2. 尾盘流入强度因子：尾盘资金流入金额占流通市值/成交额比例的月度差分Rank复合[99][103]。 3. 剔除高拥挤行业（换手率zscore分位数>90%）[100][101]。 - **模型评价**：直接反映资金动向，但需规避抱团风险[91][105]。 6. **模型名称：财报失效反转策略** - **模型构建思路**：利用长期有效但阶段性失效的财报因子，依托均值回复机制反转选行业[108][109]。 - **模型具体构建过程**： 1. 财报因子库：48个类ROA因子（利润表/资产负债表指标组合）+16个类净利润YOY/QOQ因子[110][116]。 2. 筛选条件：滚动3年年化超额>5.5%且近4个月连续跑输的因子，按类别等权zscore复合[116][117]。 - **模型评价**：逆向布局财报因子失效，但需严格监控因子恢复周期[108][118]。 7. **模型名称：传统低频多因子打分策略** - **模型构建思路**：从动量、估值、流动性、质量四维度优选单因子，等权Rank复合[122][123]。 - **模型具体构建过程**： 1. 优选因子：如252日动量（正向）、756日动量（反向）、股息率3年分位（反向）、ROE_TTM季度差分（正向）等[124][128]。 2. 仅在中证800权重>2%的行业中筛选[122][123]。 - **模型评价**：经典多因子框架，适合长期配置但换仓频率低[122][129]。 8. **模型名称：波动率控制复合策略** - **模型构建思路**：以各单策略滚动63日负向波动率倒数分配资金，等权配置看多行业[3][139]。 - **模型具体构建过程**： 1. 计算下跌日波动率：$$\sigma_{D}=\sqrt{\frac{1}{n-1}\sum_{r_{i}\in D}\left(r_{i}-\frac{1}{n}\sum_{r_{i}\in D}r_{i}\right)^{2}}$$[139]。 2. 资金分配：负向波动率越低，配置比例越高[139][142]。 3. 调仓频率：兼顾周度/月度/季度策略换仓周期[141][146]。 - **模型评价**：有效控制回撤，但需动态调整窗口参数（M=63最优）[147]。 --- 模型的回测效果 1. **高景气行业轮动策略**：年化超额16.69%，最大回撤-12.95%，卡玛比率1.29[26][28]。 2. **隐含情绪动量策略**：年化超额18.61%，最大回撤-17.83%，卡玛比率1.04[37][38]。 3. **宏观指标风格轮动策略**：年化超额7.01%，最大回撤-23.46%，卡玛比率0.30[63][64]。 4. **中长期动量反转策略**：年化超额11.42%，最大回撤-14.91%，卡玛比率0.77[84][88]。 5. **资金流行业轮动策略**：年化超额11.64%，最大回撤-12.16%，卡玛比率0.96[101][106]。 6. **财报失效反转策略**：年化超额9.13%，最大回撤-10.54%，卡玛比率0.87[118][119]。 7. **传统低频多因子打分策略**：年化超额12.00%，最大回撤-13.25%，卡玛比率0.91[129][133]。 8. **波动率控制复合策略**：年化超额12.2%，最大回撤-6.8%，卡玛比率1.80[147][148]。 --- 量化因子与构建方式 1. **因子名称：景气度复合因子** - **构建思路**：综合盈利预期原值、斜率、曲率三类因子，优选边际变化显著的行业[13][16]。 - **具体构建**：等权Rank复合8个单因子（如ROE_FY2、EPS_F2_qoq等），剔除PB分位数>95%行业[17][21]。 2. **因子名称：未证伪情绪动量因子** - **构建思路**：剥离换手率对收益的影响，捕捉情绪驱动的超额收益[32][34]。 - **具体构建**：$$r_{i,t}=\beta \cdot \Delta \text{turnover}_{i,t}+\epsilon_{i,t}$$（无截距回归残差）[34][35]。 3. **因子名称：宏观风格因子** - **构建思路**：通过宏观指标预测风格多空（如Value/Beta），映射至行业暴露[51][53]。 - **具体构建**：宏观指标等权投票打分，行业得分=标准化风格暴露×方向[58][61]。 4. **因子名称：长期反转-中期动量因子** - **构建思路**：结合12个月动量与24-36个月反转效应[76][78]。 - **具体构建**：Rank等权复合动量与反转因子，叠加低换手筛选[76][82]。 5. **因子名称：资金流复合因子** - **构建思路**：综合机构单趋势强度与尾盘流入强度[91][94]。 - **具体构建**：中性化后等权zscore复合，剔除换手率拥挤度>90%行业[94][100]。 6. **因子名称：财报失效反转因子** - **构建思路**：筛选长期有效但近期失效的财报因子，逆向布局[116][117]。 - **具体构建**：按类别优选单因子（如ROA边际变化、净利润YOY分位）等权复合[116][117]。 7. **因子名称：传统多因子复合因子** - **构建思路**：四维度（动量/估值/流动性/质量）等权Rank复合[124][128]。 - **具体构建**：如252日动量+股息率3年分位+ROE_TTM差分等[124][128]。 --- 因子的回测效果 1. **景气度单因子**：ROE_FY2年化超额6.9%，EPS_F2_qoq年化超额7.0%[17][18]。 2. **未证伪情绪动量因子**：半个月+12个月复合因子年化超额18.61%[37][38]。 3. **宏观风格因子**：Value/Beta_1y等风格因子Rank IC均值>0.05[51][53]。 4. **长期反转-中期动量因子**：复合因子年化超额11.42%[84][88]。 5. **资金流复合因子**：年化超额11.64%，最大回撤-12.16%[101][106]。 6. **财报失效反转因子**：优选因子年化超额9.13%[118][119]。 7. **传统多因子复合因子**：年化超额12.00%[129][133]。

根据研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称：行业修正动量策略（PMS组合）** - **模型构建思路**：基于市场环境判断，在不同市场状态下通过个股动量构建行业动量代理指标，选择兼顾龙头股趋势、非龙头股反转及系统性风险分散的行业进行配置[27] - **模型具体构建过程**： 1. 计算行业动量代理指标：结合1年动量（1Y动量）和1年夏普比率（1Y夏普因子） 2. 筛选行业：龙头股趋势（RANK IC 18.67%）、非龙头股反转（RANK IC 15.63%） 3. 月度调仓，配置银行、非银、传媒、电子、农林牧渔等行业[27][28] - **模型评价**：在行业层面趋势类策略占优，尤其适用于内外部宏观扰动较多的环境[27] 2. **模型名称：利率债多周期择时策略** - **模型构建思路**：利用核回归算法捕捉10年期国债收益率曲线的趋势形态，结合长、中、短周期信号生成复合择时观点[41] - **模型具体构建过程**： 1. 长周期（月度频率）：向下突破信号 2. 中周期（双周频率）：无信号 3. 短周期（周度频率）：无信号 4. 综合信号权重：下行突破1票，上行突破0票，输出中性震荡观点[41][42] 3. **模型名称：转债期权估值择时策略** - **模型构建思路**：基于期权二叉树定价法计算转债定价偏离度，动态调整仓位[52] - **模型具体构建过程**： 1. 计算定价偏离度：$$偏离度 = \frac{转债二叉树定价}{转债市价} - 1$$ 2. 仓位调整规则：偏离度>0时增配转债，偏离度<0时减配 3. 周度调仓，偏离度中位数-0.69%时配置44%仓位[52][53] --- 量化因子与构建方式 1. **因子名称：股债性价比因子** - **因子构建思路**：作为估值领先指标，通过权益与债券的收益比判断A股估值空间[12] - **因子具体构建过程**： 1. 计算中证800指数12个月滚动收益与10年期国债收益率差值 2. 标准化处理：5年分位数56.27%（全A）、31.03%（中证800）[12][15] 2. **因子名称：ROIC利率中枢因子** - **因子构建思路**：通过权益与债市ROIC匹配关系推算利率中枢[32] - **因子具体构建过程**： 1. 权益ROIC计算：$$ROIC_{权益} = \frac{净利润}{总资产}$$（A股除金融口径4.07%） 2. 债市隐含ROIC计算：$$ROIC_{债市} = (无风险利率+信用溢价)×债权比例$$（3.57%） 3. 利率中枢推算：上市公司口径1.34%，工业企业口径1.50%[32][40] 3. **因子名称：转债正股PB估值因子** - **因子构建思路**：合成全市场转债正股PB中位数，判断股底BETA机会[57] - **因子具体构建过程**： 1. 自下而上计算正股PB中位数：最新值2.19 2. 分位数处理：5年分位数19.72%[57][58] --- 模型的回测效果 1. **行业修正动量策略（PMS组合）** - 年化收益率：6.84%（超额收益7.59%） - 最大回撤：-11.78%[27] 2. **利率债多周期择时策略** - 年化收益率（不计费）：7.79% - 收益回撤比：13.46[47] 3. **转债期权估值择时策略** - 年化收益率：8.75% - 超额收益（vs等权基准）：2.22%[56] --- 因子的回测效果 1. **股债性价比因子** - 中证800预测收益：6.55%（中性情景）[19] 2. **ROIC利率中枢因子** - 利率走廊上限：1.75%（上市公司口径）[40] 3. **转债正股PB估值因子** - 正股PB中位数：2.19（5年分位数19.72%）[57]

行业轮动策略 - 行业轮动是利用不同行业强势时间错位进行切换的投资策略 旨在实现收益最大化或规避系统性风险 [1] - 在结构性行情中 不同行业收益率差异显著 此时行业轮动策略效果更佳 [1] ETF行业轮动策略优势 - 操作简单 通过单一ETF即可获得行业一篮子股票 避免个股筛选耗时且效果不确定 [2] - 持仓透明 ETF每日公布持仓 底层行业布局清晰 主动权益基金存在风格漂移和持仓披露滞后问题 [2] - 成本低廉 ETF可日内交易且费率低 传统主动基金仅能按收盘净值申赎且费率较高 [2] ETF行业轮动策略构建方法 - 采用多维度指标对ETF打分 筛选高分ETF构建组合并定期调整 [3] - 计算ETF跟踪指数成份股在基本面 技术面 资金流等维度得分 加权后得到ETF整体评分 [3]

报告核心观点 - 公募基金考核机制改革下行业轮动研究重要，此前行业轮动框架有局限，报告提出双线解题思路构建五个策略，低位+边际改善策略表现突出，研究对构建策略有较高参考价值 [2][3] 从基本面到行业轮动策略——首篇报告的核心亮点与挑战 核心突破：经济学逻辑与统计学效力的有机结合 - 构建基于经济基本面视角、涵盖近300个指标的行业轮动研究框架，具备统计学有效性与经济学逻辑性，能动态调整估值逻辑 [13][15] - 大部分策略尤其是“低位+边际改善”策略取得显著超额收益，样本外“低位+边际改善”策略表现良好，但对短期突发政策变化或外部冲击前瞻性有待提升 [13][18][19] 遗留问题：行业覆盖范围的局限性 - 31个申万一级行业中仅15个能形成稳定、可解释的景气度指数，限制策略适用性和解释能力 [22] - 解释力不足原因包括部分行业不遵循基本面驱动估值逻辑、行业颗粒度过大、指标质量与筛选标准限制 [23][27][30] 颗粒度层面的破局之道——124个二级行业的指标再挖掘 二级行业的估值逻辑探究 - 将申万一级行业拆解为二级子行业，沿用前序报告估值逻辑划分框架和动态景气度指数构建方式，多数子行业能识别对应估值逻辑 [32] 二级行业指标筛选及景气度指数构建 - 筛选指标沿用上次标准，保留回归建模约束指标方向性亮点，引入运算型衍生指标，限定指标数量，最终使用963个中观经济指标 [38][39][45] - 采用最近36个月数据训练、最新一个月测试的方式构建景气度指数，42个行业拟合优度均值高于0.6，但存在数据覆盖不完整和精细颗粒度下估值逻辑不稳定问题 [50][54][56] 从单打独斗到网络协同——引入关系层的双层景气度模型 关系层的发现：行业间存在资金层面的联动关系 - 不同二级行业间存在联动性，成长与红利板块内及板块间有正负相关关系，跨行业相关性也合理且有基本面支撑 [66] 关系层的应用：如何实现双层结构的实践落地？ - 基于“基础层+关系层”双层结构优化景气度指数构建框架，按特定流程回归，扩大模型覆盖范围 [73][74][75] - 引入双层结构后90个行业拟合优度均值超0.6，选取代表性行业分析，回归效果增强且替代逻辑合理 [79][82][83] 策略实战与验证：一二级行业视角各有优劣 二级行业轮动策略结果：低位+边际改善策略表现突出 - 构建TOP20、多空、边际改善、低位修复、低位+边际改善五个策略，低位修复和低位+边际改善策略取得显著超额收益，低位+边际改善策略年化收益率11.65%，最大回撤11.25%，夏普比率1.86 [2] 一二级行业轮动策略结果的对比与启发 - 报告未明确提及相关内容

中证A500指数增强基金市场表现 - 中证A500指数作为新兴宽基指数，凭借对科创属性与中小市值的倾斜性覆盖，成为机构博弈贝塔收益的主战场，全市场已有26只指数增强产品参与竞逐 [2] - 不同A500指数增强产品分化剧烈，两只成立时间间隔不到一个月的产品超额收益差值接近10%，主要源于指数成份股市值和流动性分层显著，为量化模型提供选股空间 [2] - 华安基金推出由张序管理的中证A500指数增强基金（A类：023466；C类：023467），是其量化投资能力的战略升级，旨在构建差异化壁垒 [2][9] 华安量化投资策略体系 - 行业轮动配合多因子选股模型起始于2017年，选择中样本研究的行业轮动策略为基础，通过多因子框架解决行业排序问题，样本量超过40个申万一级行业 [5] - 将行业深度研究作为因子加入量化模型，建立景气度修正体系，包括产业链划分、行业交流、指标梳理及EPS预测，以补充卖方分析师预期数据的缺陷 [5] - 引入机器学习技术选股，结合决策树、深度学习等模型，并针对电子、新能源等赛道型行业搭建单行业选股模型，同时配置事件驱动交易策略捕捉业绩超预期机会 [5] 模型迭代与实战表现 - 行业轮动模型在震荡市中超额收益明显，2019年成熟后应用于华安事件驱动量化基金等产品，张序管理该基金自2020年以来连续五年跑赢偏股混基指数，年化超额收益达9.3% [5][7] - 模型经历三次重大进化：2021年纳入风险因子筛选高估值行业，2022年加入赛道中性和估值中性风控，最近两年探索AI在量化和基本面领域的应用 [8] - AI量化研究成果将应用于新发行的中证A500指数增强基金，升级后的量化框架强调策略透明化与超额收益的平衡 [8][9] 市场环境与投资逻辑 - 行业轮动策略在A股具有长期有效性，4月初关税事件导致市场分化，大消费和自主可控板块表现突出，印证行业轮动价值 [4] - 中证A500增强基金是对"新质生产力"政策的呼应，量化投资竞争已从因子挖掘升维至认知迭代，需将"预判变化"刻入策略基因以应对市场进化 [9]