核心观点 - 本期市场成交热度与赚钱效应均出现下降，市场情绪降温，资金层面呈现融资、外资与ETF资金同步小幅流出的态势，而公募基金发行节奏有所放缓 [1][5] 市场定价状态 - 市场成交热度下降：全A日均成交额下降至2.2万亿元，日均涨停家数降至50.6家，最大连板数为4.5板，封板率降至67.4% [5][9][13] - 赚钱效应下降：个股上涨比例下降至10.6%，全A个股周度收益中位数降至-5.8% [5][10] - 交易集中度分化：一级行业交易集中度下降，二级行业交易集中度上升，有9个行业换手率处于历史90%分位数以上，其中石油石化行业换手率处于99%以上 [5][14][16] - 主要指数表现分化：本期上证指数下跌3.38%，沪深300下跌2.19%，而创业板指上涨1.26% [5][9] A股流动性跟踪 - **公募行为**：本期偏股基金新发规模下降至245.4亿元，公募基金股票仓位整体较上期有所上升 [5][9][32] - **私募行为**：3月私募信心指数较2月下降0.1%，但股票私募仓位较前期边际上升（数据截至3月6日） [5][39] - **外资行为**：外资资金流出A股市场5.32亿美元（截至3月18日），其中主动外资流出0.90亿美元，被动外资流出4.40亿美元，北向资金成交占比历史分位数（MA5）升至39.5% [5][40][41][45][48][49] - **产业资本**：本期IPO首发募集资金为5.5亿元，定增规模大幅上升至438.0亿元，未来一期限售股解禁规模为842.6亿元，产业资金净减持规模上升至22.48亿元 [5][54][55][56][59] - **ETF资金**：被动资金流出增加，本期净流出98.4亿元，ETF成交占比环比上升至6.9%，行业成交集中度CR5较上期上升 [5][20][27][64][68] - **融资资金**：本期融资资金净卖出额上升至10.1亿元，两融交易额占A股成交额下降至9.3% [5][9][74][75] - **散户行为**：另类指标显示本期散户交易活跃度边际上升 [5][11] - **龙虎榜资金**：本期龙虎榜净买入额边际下降，龙虎榜总成交额为180.51亿元，基础化工、公用事业和电子为龙虎榜行业前三 [5][76] A股资金行业配置 - **外资配置**：一级行业普遍呈现资金流出，电子（净流出7120万美元）、电力设备（净流出4200万美元）净流出规模居前 [5] - **ETF配置**：行业层面呈净流出态势，银行（净流入25.5亿元）、非银金融（净流入24.1亿元）净流入居前，而有色金属（净流出79.1亿元）、基础化工（净流出42.1亿元）净流出居前，二级行业中证券Ⅱ、电力净流入居前 [5] - **融资配置**：电子（净流入39.1亿元）、基础化工（净流入25.0亿元）净流入居前，而有色金属（净流出40.3亿元）、石油石化（净流出22.5亿元）净流出居前 [5] - **ETF产品动向**：本期增持居前的ETF包括中证500ETF、沪深300ETF等，化工ETF、有色金属ETF净赎回居前，黄金ETF、政金债ETF融资净卖出 [5][70][71][73] 港股与全球流动性 - **市场表现**：本期全球主要市场涨少跌多，纳斯达克指数收跌2.1%，韩国综指上涨5.4%领涨 [5] - **南下资金**：本期南下资金净卖出额上升至63.29亿元，处于2022年以来3%的历史分位（MA5） [5] - **全球外资流动**：本期（截至3月18日）全球外资边际流入美国市场和日本市场，美国（流入498.36亿美元）、日本（流入36.88亿美元）流入规模居前，发达市场主动/被动资金净流动分别为25.31亿美元/620.89亿美元，新兴市场主动/被动资金净流动分别为-1.93亿美元/-25.06亿美元 [5]

量化模型与构建方式 1. **模型名称：择时体系（均线距离模型）** * **模型构建思路**：通过比较市场指数短期均线与长期均线的相对位置和距离，来判断市场的整体环境（如上涨、下跌或震荡）[3][8][10]。 * **模型具体构建过程**： 1. 选择基准指数：Wind全A指数。 2. 计算均线：计算指数的20日移动平均线（短期均线，MA20）和120日移动平均线（长期均线，MA120）[3][8][10]。 3. 计算均线距离：计算短期均线与长期均线的距离差，通常以百分比表示。公式为： $$均线距离 = \frac{MA20 - MA120}{MA120} \times 100\%$$ 其中，MA20代表20日均线值，MA120代表120日均线值[3][8][10]。 4. 设定阈值进行判断：报告指出，当均线距离的绝对值大于3%时，作为判断市场是否进入趋势行情（上涨或下跌）的阈值之一[3][6][8]。结合“赚钱效应”（推测为一定时间窗口的累计收益）和“市场趋势线”等信号，综合判断市场格局（如震荡或趋势）[3][6][8]。 2. **模型名称：仓位管理模型** * **模型构建思路**：综合市场估值水平（PE、PB分位数）和短期趋势判断，为绝对收益产品提供股票仓位的配置建议[3][12]。 * **模型具体构建过程**： 1. **估值评估**：计算Wind全A指数的PE（市盈率）和PB（市净率）在历史数据（例如2014年10月17日至当前）中所处的分位数[3][12][14][16]。 2. **趋势判断**：结合择时体系等模型对市场短期趋势的判断（如震荡格局）[3][12]。 3. **仓位决策**：根据估值分位数（例如PE位于90分位点属于较高水平，PB位于50分位点属于中等水平）和短期趋势，通过模型规则输出建议仓位。例如，当前建议仓位为60%[3][12]。 3. **模型名称：TWO BETA 模型** * **模型构建思路**：作为中期行业配置模型的一部分，用于识别和推荐具有特定风险暴露（Beta）的板块，报告中提及继续推荐科技板块[3][7][9][11]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建公式和步骤，仅提及其为行业配置模型并给出推荐结论[3][7][9][11]。 4. **模型名称：业绩趋势模型** * **模型构建思路**：作为中期行业配置模型的一部分，通过分析行业的业绩趋势来提示重点关注的产业链或板块[3][7][9][11]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建公式和步骤，仅提及其提示关注算力产业链、周期与农业板块[3][7][9][11]。 模型的回测效果 （注：本篇周报主要为当前市场观点和模型信号展示，未提供各个模型完整的历史回测绩效指标，如年化收益率、夏普比率、最大回撤等。因此，本部分仅列出报告中给出的当前时点模型信号或结果取值。） 1. **择时体系（均线距离模型）**， 均线距离：5.47%[3][6][8][10]， 市场趋势线位置：6790点附近[3][6][8][10]， 赚钱效应：-0.1%[3][6][8][10]， 市场格局判断：震荡格局[3][6][8][10] 2. **仓位管理模型**， 建议仓位：60%[3][6][12] 3. **TWO BETA 模型**， 当期推荐板块：科技板块[3][7][9][11] 4. **业绩趋势模型**， 当期提示关注板块：算力相关产业链（半导体设备、通信）、周期板块（油气、能源化工）、农业板块[3][7][9][11] 量化因子与构建方式 （注：本篇报告未涉及针对个股的量化因子（如价值、动量、质量等因子）的构建与测试，主要描述的是市场择时和行业配置模型。因此，本部分无相关内容。） 因子的回测效果 （注：本篇报告未涉及量化因子的测试，因此本部分无相关内容。）

核心观点 2026年3月，A股市场大小盘分化格局预计将持续，大趋势上小盘股仍占优，短期小盘或继续优于大盘[11][20][31]。报告核心推荐预期成长风格，并看好小盘和成长风格[11][90]。大类资产方面，对A股权益持“先抑后扬”观点，预计10年期国债利率下行，黄金看多逻辑走弱，房地产压力维持高位，并提示印度权益市场可能因中东冲突而受冲击[5][11][33]。行业配置上，通过“胜率赔率”和“出清反转”策略推荐了有色金属、基础化工等十个行业[11][108]。 1 大小盘的分化还会持续吗？ - **2026年大小盘表现显著分化**：截至2026年2月底，代表大盘的沪深300指数仅上涨1.7%，而代表中小盘的中证500、中证1000、中证2000指数分别上涨16.0%、12.7%、13.3%[15]。 - **ETF资金流向显示大盘承压**：2026年以来至2月底，规模类指数ETF整体呈净流出态势，其中沪深300ETF净流出规模最大，1月中下旬净赎回规模接近6000亿元[11][16]。 - **大小盘轮动具有长周期规律**：历史来看，大小盘大趋势上的轮动周期约为5-7年，2024年的大盘占优更倾向于是均值回归的短暂窗口期，而非新一轮大盘长期占优周期的开启[20]。 - **景气度是长周期切换的必要条件**：大小盘风格的大趋势切换都伴随着景气度变化，当前A股景气度仍处于弱复苏状态，未出现大斜率上行，因此市场仍处小盘占优阶段[11][21]。 - **估值与拥挤度是短期判断关键指标**： - **估值比指标**：当前大小盘估值比指标为-34%。历史统计显示，当该指标低于-40%时，未来30个交易日沪深300跑赢中证1000的概率为74%，平均跑赢2.7%[25][28]。 - **拥挤度指标**：当前大小盘拥挤度指标为0.94。历史统计显示，当该指标低于0.85时，未来30个交易日沪深300跑赢中证1000的概率为78%，平均跑赢1.3%[29][31]。 - **综合结论**：长周期看，A股景气度弱复苏，大趋势上小盘占优；短周期看，估值显示大盘已具性价比，但拥挤度显示小盘并未过分拥挤，因此短期小盘或继续优于大盘[11][31]。 2 大类资产量化观点 2.1 权益：景气度平稳回升，3月或先抑后扬 - **景气度稳中有升**：2月以来，金融业景气度略有下降，而工业景气度继续回升，加总后A股整体景气度回升[11][34]。 - **企业融资预计回暖**：预计2026年2月新增社会融资规模约为2.34万亿元，同比增加0.11万亿元，社融存量（TTM）环比增长约0.29%[40][43]。信贷表现预计有所回暖，但政府债券净融资较去年同期高基数略有回落[11][40]。 - **市场状态与展望**：2月初以来市场处于流动性下降、分歧度上升的状态，预计3月中下旬或有扭转[11][46]。从技术面看，沪深300指数上涨趋势已转为盘整状态[46]。 2.2 利率：3月10Y国债利率或下行6BP至1.71% - **模型预测利率下行**：基于结构化静态因子模型判断，2026年3月10年期国债收益率或下行6个基点至1.71%[11][33][57]。 - **驱动因子变化**：经济增长因子继续回升，通货膨胀因子下行，债务杠杆因子回升，短期利率因子有所下行，综合推动利率下行[33][57]。 2.3 黄金：看多逻辑走弱 - **模型胜率较高**：用于黄金择时的四因子模型自2023年以来样本外有30个月方向判断正确，胜率为79%[33][62]。 - **核心因子边际转弱**：从四因子模型看，财政因子依然主导但上行趋缓，就业因子回升利空黄金，模型对黄金表现乐观但边际减弱[33][65]。 2.4 地产：压力维持高位 - **行业压力指数小幅下降**：截至2025年2月28日，三个月移动平均的房地产行业压力指数为0.792，行业整体压力小幅下降[33][74]。 - **供需压力分化**：供给侧压力基本持平，而需求侧压力则略有回落[33][74]。 2.5 海外：中东问题或冲击印度权益市场 - **外资转为流入但市场下跌**：2026年2月，印度股权市场外国证券投资（FPI）净流入24.97亿美元，但NIFTY 50指数当月下跌0.56%[5][33][80]。 - **地缘政治风险提示**：印度对石油进口依赖度高，中东地区冲突可能对其权益市场产生较大冲击，目前配置印度权益需谨慎[5][33][88]。 3 风格量化观点 3.1 风格综合观点：3月核心推荐预期成长风格 - **大势研判框架结论**：预期增速资产的优势差继续回升，实际增速资产和ROE资产的优势差回升幅度较小或走弱，高股息资产拥挤度边际走低。Δgf（预期成长因子）扩张明显，3月核心推荐预期成长风格，实际成长和盈利能力风格有待基本面验证[11][90][93]。 - **具体推荐行业**：基于预期成长风格，推荐的细分行业包括汽车销售及服务Ⅲ、锂电设备、钨、新兴金融服务Ⅱ、锂等15个行业[91]。 3.2 风格补充观察：看好小盘和成长 - **美债利率利好成长风格**：长期看美债利率下行趋势逆转可能性较小，在风险偏好上行背景下看好成长风格[90][97]。 - **机构调研关注度向大盘倾斜**：2月机构调研关注度继续向大盘倾斜[90][100]。 - **小盘风格拥挤度提升**：2月小盘风格拥挤度继续提升，目前已明显偏离中性位置[90][103]。 - **季节效应支持小盘**：2010年以来，3月份小盘股显著占优，平均跑赢大盘1.03%[90][106]。 4 行业配置量化观点 4.1 行业推荐：胜率与赔率策略 - **策略逻辑**：结合行业短期实现超额收益的概率（胜率）和长期绝对收益空间（赔率）进行配置[109]。 - **本期推荐行业**：有色金属、基础化工、通信、电力设备及新能源、钢铁、机械[11][108][111]。 - **策略历史表现**：2024年以来，该策略绝对收益为77.82%，相较于中信一级行业等权基准超额收益为21.90%[11][114]。 4.2 行业推荐：出清反转策略 - **策略逻辑**：捕捉行业在供给出清结束、需求开始回升、竞争格局改善阶段的投资机会[116]。 - **本期推荐行业**：纺织服装、轻工制造、消费者服务、汽车[11][108][124]。 - **行业状态**：上述四个行业当前均处于“反转期-分散化”状态，且前6个月经历过出清[124][125]。 4.3 多维行业配置策略 - **组合构建**：该策略由胜率赔率策略（权重80%）和出清反转策略（权重20%）组合而成，策略内部行业等权配置[108]。 - **近期表现**：2026年截至2月底，策略绝对收益为12.46%，相对于中信一级行业等权基准超额收益为4.85%[108]。

行业与公司概览 * 本次电话会议纪要主要涉及**全球机构投资者**（特别是对冲基金和共同基金）的仓位、杠杆、行业配置及资金流向分析 [1] * 数据来源包括**高盛主经纪商业务**和**全球投资研究部门**，分析了约**9万亿美元**的股票持仓 [7] 机构投资者整体仓位与杠杆 * **对冲基金总杠杆率处于历史极高水平**，当前整体账面总杠杆为**306.6**，处于1年、3年、5年滚动区间的**97%**、**99%**、**99%** 分位数 [2][3] * 高杠杆主要由宏观产品的持续做空（对冲）驱动，导致**指数层面存在挤压风险** [2] * 对冲基金净敞口相对稳定，当前整体账面净杠杆为**80.7**，仅略高于历史平均水平 [3][9][10] * **共同基金现金水平降至历史新低**，现金占总资产比例已降至**1.1%** [9] 近期资金流向与交易活动 * **全球股票出现显著净卖出**，为自**2025年4月初**以来最大规模，净卖出幅度达**-1.4个一年期标准差** [4] * 总交易活动增加几乎完全由空头卖出推动 [4] * **欧洲股票遭大幅净卖出**，速度为**5个月来最快**，主要由多头卖出驱动（多空卖出比例约为**5:1**） [4][5] * **金融板块是全球名义净卖出最多的行业**，净卖出规模创自**2025年4月初**以来新高，且**全球所有地区**的金融板块均遭净卖出，以欧洲和北美为主 [6] 业绩表现与风险敞口变化 * 截至2026年第一季度初，**57%** 的大型共同基金年内表现跑赢基准，受益于美国股市的普遍上涨 [7] * 尽管多空头寸波动显著，对冲基金年内至今回报率为 **+1.5%** [7] * 近几个月，**共同基金提高了股票市场风险敞口**，而对冲基金的多头持仓保持相对稳定 [9] 行业配置共识与分歧 * **共识领域**：对冲基金与共同基金均**显著超配医疗保健和工业板块**，并因基准指数权重和分散化限制等原因，**共同低配科技媒体电信板块** [11][12] * **分歧领域**： * **非必需消费品**：共同基金**低配**，而对冲基金**超配** [11][12] * **金融板块**：共同基金**超配**，而对冲基金**低配** [11][12] 近期行业轮动差异 * **共同基金**：**最大幅度增持**医疗保健和信息技术，同时**削减**工业和材料板块的配置 [16][17] * **对冲基金**：在医疗保健和信息技术**缩减仓位**，但**最大幅度增持**工业和材料板块 [16][17] * **一致行动**：两者均**增持**能源和可选消费行业，并**减持**通信服务行业 [16][17] 软件与半导体板块持仓变化 * **共同基金大幅减持软件股**：平均大型共同基金对软件板块（不含微软）的配置，从2024年一季度的**超配74个基点**，转变为2026年年初的**低配24个基点** [20][21] * **对冲基金同样减持软件股但敞口仍较大**：软件股占其多头组合的**7%**，为**2019年以来最低权重**；过去几周净敞口和总敞口已降至**有记录以来最低水平** [22][23] * **对冲基金转向半导体**：过去几个季度持续从软件转向半导体，2026年初半导体在其多头组合中的权重达到**9%**，自**2018年以来首次超过**软件股权重 [22][23] * 共同基金低配组合中包含**5只**软件股，而对冲基金VIP组合中包含**4只**软件股 [21][22]

核心观点 - 报告提出新兴成长投资策略的核心在于选择当前渗透率较低、预期空间较大的赛道，认为在成长投资中把握行业Beta比个股Alpha更重要[6][9] - 新兴成长型基金池具有高风险高弹性的特质，长期历史表现显示其能创造显著超额收益，但近期科技板块波动影响了其超额收益表现[1][6][11] - 基金池的筛选标准基于持仓的成长属性与景气趋势，当前组合主要配置于TMT、制造等行业，并呈现明显的风格特征[6][9][17] 新兴成长基金池理念简介与历史表现 - 新兴成长投资聚焦于因技术创新或商业模式创新出现的新赛道或第二成长曲线行业，其特点是当前渗透率低、行业空间大，产业催化受政策、技术和需求影响[6][9] - 当前筛选出的新兴成长细分赛道主要集中在机械、TMT、电新等行业，例如储能行业未来两年预期净利润复合增速高达290.36%，激光加工设备为22.16%，通用计算机设备为60.20%[9][10] - 从2014年2月7日至2026年2月6日，新兴成长基金池年化收益率为17.80%，相对于偏股基金指数的年化超额收益为7.67%，年化波动率为25.81%，年化夏普比率为0.69[6][11] - 基金池表现出较强的进攻性和行业配置能力，在2017年、2020-2021年获得较高超额回报，例如2020年超额收益达60.49%，2021年达27.71%[14][15] - 基金池的配置风格呈现高流动性、高动量、高成长、高波动率特征，市值风格较中性[6][17] - 行业配置呈现板块轮动特征，2020年前以消费为主，2021年转向电新，2023年以来主要配置TMT赛道，近期TMT板块配置再度大幅增加[6][20] 新兴成长基金池定义与筛选 - 新兴成长型基金的定义标准包括：研究对象为主动股基；基金经理任职超1年且基金规模大于1亿元；近两年平均权益仓位>60%且前十大重仓股平均占比>35%；近一年重仓股中成长股平均占比>60%且最小值>40%，同时新兴成长股占比>30%[6][22] - 基金池的筛选逻辑是选择紧跟趋势、持仓景气度和残差动量更高的基金，并选取因子打分前10的基金构成等权组合[6][23] - 最新一期（截至2026年2月6日）新兴成长组合包含10只基金，总规模差异较大，从1.00亿元到91.26亿元不等，年初至今回报分化明显，表现最好的前海开源沪港深新硬件A回报为13.63%，而多只基金回报为负[2][23] 组合基金的多维分析 - 海富通电子信息传媒产业股票A（规模1.77亿元）采用价值和成长兼顾的均衡策略，注重挖掘处于景气上升周期的行业和公司[24][25] - 诺德新生活A（规模15.62亿元）在追求回报的同时重视风控和企业基本面兑现能力，致力于发掘能创造持续价值的优秀企业[26][27] - 华宝万物互联A（规模1.24亿元）通过研究行业和公司景气度来决策，聚焦于渗透率快速提升或处于产业变革前沿的领域[29][30] - 财通集成电路产业A（规模12.20亿元）倡导全天候投资策略，通过跨行业配置捕捉市场机会，注重行业Beta与个股Alpha的结合[32][33] - 易方达科讯（规模91.26亿元）专注于新能源、科技等新兴成长行业，重点关注产业从“1到10”的增长阶段[35][36] - 长信睿进A（规模2.00亿元，年初回报5.14%）运用自上而下的行业配置方法，并结合逆向策略寻找被低估的机会[38][39] - 德邦半导体产业A（规模41.97亿元，年初回报7.90%）投资于高景气赛道，注重筛选能穿越周期的优质企业，并评估估值安全边际[41][42] - 前海开源沪港深新硬件A（规模1.00亿元，年初回报13.63%）在决策中将风险控制置于核心，注重对宏观、行业和基本面的深入研究[44][45] - 华夏军工安全A（规模84.12亿元，年初回报11.71%）专注军工行业投资，以中长期产业趋势为核心，聚焦结构性机会[47][48] - 东吴移动互联A（规模79.60亿元）专注于成长股，选择标准为好行业（渗透率超10%且处于快速增长期）、好公司和好价格[50][51]

本轮人民币升值的核心观点与独特特征 - 核心观点：始于2025年二季度的本轮人民币升值，其底层逻辑与历史上任何一轮都不同，主要驱动力是中国企业海外赚钱能力提升后的结汇需求、全球资金对美元信用的不信任及对实物资产支撑货币的需求、以及中国政策对外“征税”补贴内需的顶层设计，这些因素使得美元走势、美联储主席更换等因素不会彻底扭转升值趋势[2][47] - 独特迹象：与过去7轮升值周期相比，本轮升值中港股表现不突出、市场对“东升西落”预期不高、外资持续流出A股、美元指数阶段性强势无法改变人民币升值趋势，这些迹象同时出现是历史罕见的[3][48] 推动本轮升值的三大核心因素 - **中国企业结汇需求强劲**：2025年中国货物贸易顺差达11889.46亿美元，同比增长19.78%，创历史新高，且出口企业结汇意愿上升，2025年12月顺差转化为顺收的比例已超过110%，估算2022年以来出口商积累的待结汇规模约为1.1万亿美元[6][52] - **全球资金寻求实物资产支撑**：全球投机资金因对美元信用担忧而增加对实物资产的需求，例如2025年以来加密货币贪婪恐惧指数趋向恐慌时对应SPDR黄金ETF持仓量迅速增加，集运船只等能产生现金流的实物资产也受青睐，人民币作为最大制造业和最大大宗商品消费国的货币，其内在价值有望重估[10][55] - **中国外贸政策转向“对外征税”**：中国对外贸易政策正从做大规模向稳链条、保利润、控风险转变，优势产业从对外“补贴”转向对外“征税”，通过一系列出口管制措施（如对钢铁、锂电池、稀土、新能源汽车等实施许可管理）提升出海企业盈利能力和人民币真实需求[12][13][56] 外部因素与历史经验对比 - **美联储主席更迭影响有限**：沃什被提名美联储主席，其主张的“缩表+降息”组合在实际推行中可能存在掣肘，预计政策将渐进推进，且本轮人民币升值的底层逻辑（中国企业结汇需求、全球对美元不信任、中国政策设计）不会因其上任或强美元预期而扭转[14][57] - **日本的经验教训**：1970-80年代日元升值（特别是1985年广场协议后）使日本出口企业受损，1990年贸易顺差较1986年下滑44.7%，对外直接投资从1986年的144.80亿美元激增至1990年的480.24亿美元（占GDP比重从0.28%升至1.42%），导致国内制造业空心化，叠加“大水漫灌”货币政策和无效资本管控，最终形成资产泡沫和产业衰退[17][18][59][61] 汇率与市场表现分析 - **汇率非行业配置主导因素**：复盘过去20年7轮人民币升值周期，汇率并非主导行业配置的决定性因素，升值周期中领涨行业各不相同，但市场在升值初期或关键点位时会依据“肌肉记忆”进行短期交易，例如航空、造纸、燃气等受益于成本下降逻辑的行业[24][25][67] - **本轮港股表现疲弱原因**：历史上7轮人民币升值周期中，CFETS即期汇率平均+7.1%，同期恒生指数平均+17.1%，表现通常更好，但本轮升值中，港股权重股业绩较差，房地产、能源等行业未企稳，且“东升西落”交易逻辑非主流，叠加头部互联网和车企2025年三季报不及预期，导致港股表现低迷[22][63][65] 行业利润率影响与受益板块 - **整体影响分布**：基于2023年投入产出表对211个细分行业分析，62.5%的行业受人民币汇率变动整体影响不大，约19%的行业有望受益于人民币升值[28][70] - **受益行业分类**： - **上游资源品与原材料**：钢铁、有色、石油石化（炼化）、基础化工（化肥、涂料、化纤、塑料等）、建材（耐火材料）、电子（半导体材料）[28][70] - **内需消费品**：农林牧渔（饲料、植物油、糖）、轻工制造（造纸、纸制品）、消费电子[28][70] - **服务业相关品种**：电力及公用事业（燃气）、交通运输（航运）、商贸零售（进口型跨境电商）、社会服务（质检服务、工业设计服务、机动车及电子产品修理）[28][29][70] - **制造设备**：机械（金属制品及金属加工设备）、电子（半导体设备）[28][29][70] 政策应对及其行业影响 - **潜在政策方向**：为抑制过快单边升值，政策可能沿两个思路展开，一是通过适度宽松的货币政策压低实际利率（2026年货币政策更易超预期宽松），以激发内需板块；二是在一定程度上放宽本土金融机构及居民对外金融投资的限制，推动财富管理行业出海，为券商、保险等行业打开新增长极[34][74] - **针对潜在受损行业的产业政策**：政策可能针对特定行业出台支持措施，例如鼓励锂电池、燃料电池企业海外建厂和技术升级，支持纺织、汽车、轻工制造等行业品牌出海或拓展内需，以消除人民币升值的负面影响[35][75] 产能出海企业的盈利韧性 - **出海加速趋势**：A股制造业公司正加速产能出海，2023-2025年公告已进行出海投资建厂的非销售类公司分别为107家、117家、146家[35][76] - **盈利受冲击更小**：以2015-2023年累计对外投资超1亿美元的公司组合为例，其净利润超额增速与美元兑人民币汇率的负相关性（2015-2019年相关系数为-0.42）比全A非金融组合更明显，表明成功进行大规模海外产能布局的企业，其产业竞争壁垒（Alpha）强于宏观汇率损耗（Beta），盈利能力受人民币升值负面冲击更小[36][76] 人民币升值背景下的配置线索 - **短期肌肉记忆驱动**：在升值预期形成初期或汇率触及关键点位时，市场可能交易“肌肉记忆”品种，如航空、燃气、造纸等在成本端或外债端受益明显的行业[39][79] - **利润率变化驱动**：关注原材料进口依赖度高、产成品出口依赖度低的行业，其利润率可能因成本节省而提升，主要包括上游资源品（钢铁、有色、石油炼化、基础化工、建材）、内需消费品（农产品）、服务业（航运、进口型跨境电商）以及制造设备（工程机械）[39][79] - **政策变化驱动**：关注受益于潜在货币政策宽松（如免税、地产开发商）或资本账户开放（券商、保险的全球化潜力）的品种[39][79]

市场定价状态 - 市场成交热度下降，全A日均成交额降至2.8万亿元[4] - 个股赚钱效应上升，上涨比例升至76.7%，周度收益中位数升至2.7%[4] - 交易换手率下降，行业交易集中度下降，有17个行业换手率处于历史90%分位以上[4] A股资金流动 - ETF资金持续大幅流出，被动资金流出规模达3264.7亿元，成交占比环比升至9.8%[4] - 融资资金转为小幅流出，净卖出额为68.9亿元，成交额占比降至9.8%[4] - 外资（北向资金）流入A股3.9亿美元，其成交占比历史分位数（MA5）升至18.0%[4] - 偏股公募基金新发行规模边际上升至261.2亿元[4] 行业配置分歧 - 外资与融资资金在行业配置上分歧明显：外资净流入有色金属（2730万美元）和计算机（1280万美元），净流出银行（3510万美元）和通信（2080万美元）[4] - ETF资金在一级行业普遍流出，电子（-487.0亿元）、银行（-332.8亿元）、非银金融（-323.3亿元）净流出居前[4] - 融资资金净流入电子（206.5亿元）和通信（95.2亿元），净流出美容护理（-0.2亿元）和建筑材料（-0.5亿元）[4] 全球与港股资金 - 南下资金加速流入港股，净买入额升至235.2亿元，处于2022年以来71.0%分位（MA5）[4] - 全球外资边际流入美国和亚洲市场，美国（+29.0亿美元）、中国（+20.7亿美元）、韩国（+17.9亿美元）流入规模居前[4]

量化模型与构建方式 1. **模型名称**：北上资金行业净流入计算模型[1][6][20] * **模型构建思路**：为了更准确地衡量北上资金在特定时间段内对各行业的主动配置行为，需要剔除因股价涨跌带来的持股市值被动变化影响，计算经调整后的净流入金额[6][20]。 * **模型具体构建过程**：模型的核心是计算“剥离行业自身涨跌幅影响后的修正净流入”。具体步骤如下： 1. 确定计算期初（T0，如2025.9.30）和期末（T1，如2025.12.31）[1][6]。 2. 获取T0时刻北上资金在行业i上的持股市值 \( H_{i, T0} \) [1]。 3. 获取行业i在T0到T1期间的涨跌幅 \( R_i \) [6][20]。 4. 计算若北上资金在T0到T1期间未进行任何交易，仅因价格变动，在T1时刻行业i的预期持股市值：\( \hat{H}_{i, T1} = H_{i, T0} \times (1 + R_i) \)。 5. 获取T1时刻北上资金在行业i上的实际持股市值 \( H_{i, T1} \) [1]。 6. 计算行业i在T0到T1期间的净流入金额：\( Flow_i = H_{i, T1} - \hat{H}_{i, T1} \)。该值为正则表示资金净流入，为负则表示净流出[6][20][25]。 量化因子与构建方式 1. **因子名称**：北上资金行业超配比例[5][15] * **因子构建思路**：通过比较北上资金在某个行业的配置比例与市场基准（如沪深300指数）中该行业的权重，来判断北上资金相对于市场是超配还是低配该行业，以此反映其偏好[5][15]。 * **因子具体构建过程**： 1. 在特定时点（如2025.12.31），计算北上资金在行业i上的持股市值占其总持股市值的比例：\( W_{north, i} = \frac{H_{i}}{\sum_{j} H_{j}} \) [1][5]。 2. 获取同一时点市场基准指数（如沪深300）中行业i的权重 \( W_{index, i} \) [5][15]。 3. 计算行业i的超配比例：\( Overweight_i = W_{north, i} - W_{index, i} \) [5][15]。该值为正则表示超配，为负则表示低配。 模型的回测效果 *本报告为资金流向的观察性点评，未提供基于历史数据的模型回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了模型在特定报告期（2025年第四季度）的应用结果[1][6][20]。* 因子的回测效果 *本报告为资金流向的观察性点评，未提供基于历史数据的因子回测绩效指标（如IC值、IR、多空收益等）。报告主要展示了因子在特定报告期（2025年第四季度）的截面取值结果[5][6][15][20]。*

2025年主动权益基金业绩与规模表现 - 2025年是股票投资的好年景，中证偏股型基金指数年度涨幅达31.14%，相比2021-2024年业绩大幅改善[5] - 年度收益翻倍的基金超过70只，年内收益80%以上的基金约200只，赚钱效应明显[5][10] - 业绩冠军为永赢科技智选，年内收益达233.69%，超过2007年的历史纪录[5] - 尽管业绩出色，但基民信心未充分修复，呈现“回血即赎回”现象，2025年前三季度主动权益基金份额环比下降5.7%，同比下降15.3%，规模增长约7000亿元主要来自净值增长而非净申购[5] ETF规模爆发与主动权益基金遇冷 - 2025年ETF规模增长超过2万亿元，总规模达6万亿元，其中股票型ETF规模3.8万亿元，增长近1万亿元[6] - 若计入以权益投资为主的跨境ETF，权益类ETF规模增长合计达1.5万亿元[6] - 主动权益基金整体受冷落，即使业绩顶尖的产品规模也有限，例如收益140%的交银优择回报Q3规模不足10亿元，收益149%的红土创新新兴产业混合规模仅8亿元[6] - 多数业绩出色的基金规模绝对增量有限，除任桀、韩浩、冯炉丹等少数基金经理规模增长百亿及头部公司产品外，许多绩优产品规模在10亿元以下[15] 主动权益基金应对策略：赛道化与工具化 - 2025年绩优主动权益基金普遍重仓科技成长方向，尤其是AI算力产业链，90%的绩优基金第一重仓行业为通信，配置比例超30%，核心标的集中于光模块、PCB、液冷等环节[9] - 这些基金操作风格集中，如前十大重仓仓位可达81.87%（信澳业绩驱动）或73%（永赢科技智选），通过高度集中和深度研究试图获取超额收益[9][14] - 主动基金试图在ETF覆盖不足的细分赛道（如光伏辅材、工业软件）建立先发优势，发行主题基金匹配细分配置需求[14] - 但此策略同质化严重，持仓高度集中于“易中天”、胜宏科技等热门股，基民难以甄别不同基金的配置思路[16] 主动基金与行业ETF的业绩比较 - 在2025年科技成长行情中，许多主动基金业绩跑不赢行业ETF，例如国泰通信ETF年收益126.13%，富国通信设备ETF收益121.37%，全市场仅17只主动基金能跑赢[16] - 指数基金因可突破个股持仓10%的限制，能在上涨行情中更充分地捕捉强势股机会，如通信ETF对中际旭创、新易盛的持仓占比可达18%或22%，而主动基金单一个股持仓上限为10%[17] - 基民因此更倾向于选择费率更低、交易便捷的行业ETF，例如国泰通信ETF份额从年初18亿份涨至年底44亿份，规模从10亿元涨至130亿元[18] 主动基金经理在板块配置上面临的挑战 - 理论上，主动基金经理的优势在于跨板块配置和灵活调仓，但2025年绩优基金中具备此能力的选手不多[21] - 2025年申万一级行业中涨幅最高的为有色金属（94%），通信涨幅84%位列第二，但业绩翻倍基金多重仓算力，几乎无人建仓有色金属，显示配置视野狭窄[21] - 部分基金经理虽短期赌中AI赛道，但长期板块配置能力不佳，例如韩浩管理的另一只产品近8年仍亏损20%，且历史上有重仓医药、新能源却亏损巨大的记录[22] - 板块配置易出错的原因包括：将短期业绩高增等同于高景气、忽视估值与资金拥挤度，例如2025年AI算力板块估值达历史分位95%以上，公募持仓占比超20%，此时重仓配置风险高[27] 主动权益基金经理的未来出路探讨 - 面对ETF冲击，主动基金经理可能的出路包括：“类指增化”、工具化/赛道化、发挥板块配置能力[30] - “类指增化”指在明确基准（如沪深300）上靠拢配置并创造超额收益，但可能面临策略同质化导致超额收窄的问题[30][33] - 工具化/赛道化在2025年表现不错，但策略容量小，仅短期业绩顶尖者能做大规模，且赛道退潮时规模可能下滑[31] - 通过深度研究和行业配置创造长期收益是良策，但对基金经理能力要求高，且持续性和稳定性是普遍问题[32] - 在公募行业，ETF是影响主动权益基金经理饭碗的主要产品；在私募行业，主观多头的直接对手是量化基金[33]

量化模型与构建方式 1. **模型名称：A股赔率模型**[7][9][12] * **模型构建思路**：通过计算股权风险溢价（ERP）和股息风险溢价（DRP）的标准化数值，等权合成一个衡量A股市场估值吸引力的综合赔率指标[12]。 * **模型具体构建过程**： 1. 分别计算股权风险溢价（ERP）和股息风险溢价（DRP）。ERP通常为股票市场收益率与无风险利率之差，DRP通常为股息率与无风险利率之差。 2. 对ERP和DRP的历史序列分别进行标准化处理，即计算其Z-Score：$$Z = \frac{X - \mu}{\sigma}$$，其中X为当期值，μ为历史均值，σ为历史标准差。 3. 将标准化后的ERP和DRP数值进行等权相加，得到A股综合赔率指标：$$A股赔率 = Z_{ERP} + Z_{DRP}$$[12]。 2. **模型名称：A股胜率模型**[7][10][12] * **模型构建思路**：基于货币、信用、增长、通胀与海外五个宏观因子构建评分卡，合成得到各资产的综合胜率，用以判断资产价格上涨的概率[12]。 * **模型具体构建过程**：在专题报告中，设计了宏观胜率评分卡。报告提及中国主权CDS指标下行会提升A股胜率，表明CDS是胜率模型中的一个关键因子或信号[3][12]。具体合成方法未在本文中详述。 3. **模型名称：债券赔率模型**[13][14][18] * **模型构建思路**：根据长短债预期收益差构建债券资产的赔率指标，衡量债券的相对估值吸引力[18]。 * **模型具体构建过程**：根据专题报告《利率债收益预测框架》中的收益预测模型，计算长债与短债的预期收益差，并可能对该差值进行标准化处理，以构建赔率指标[18]。具体公式未在本文中给出。 4. **模型名称：美联储流动性指数模型**[16][17][19] * **模型构建思路**：结合数量维度和价格维度，综合多个子指标来构建衡量美联储流动性状况的指数[19]。 * **模型具体构建过程**：在专题报告《美联储流动性的量价解构与资产配置应用》中构建。本文提及该指数包含净流动性、联储信用支持、预期引导、市场隐含、公告意外等子指标[17]。各子指标通过一定方法合成得到最终的流动性指数[19]。 5. **模型名称：风格因子三标尺评价模型**[20][21][22][23][25][26][27][28][29][30][34] * **模型构建思路**：从赔率（估值）、趋势（动量）和拥挤度（交易风险）三个维度对风格因子进行综合评价和排名，以指导风格配置[20][34]。 * **模型具体构建过程**： 1. **赔率**：计算因子估值，数值越大代表因子越便宜。具体方法未详述，可能基于因子估值分位数或Z-Score[21][23]。 2. **趋势**：计算因子动量，数值越大代表趋势越强。具体方法未详述[21][23]。 3. **拥挤度**：衡量因子交易过热程度，数值越大代表越拥挤。具体方法未详述[21][23]。 4. 将三个维度的指标值进行标准化（例如转化为标准差倍数），然后通过一定的加权或打分规则合成每个风格因子的综合得分，并进行排名[20][32][34]。 6. **模型名称：行业轮动三维评价模型**[36][37][38][40] * **模型构建思路**：以行业景气度、趋势（动量）和拥挤度三个维度构建评价体系，进行行业轮动配置[36][38]。 * **模型具体构建过程**： 1. **趋势**：用行业过去12个月的信息比率（IR）来刻画行业动量和趋势[36]。 2. **拥挤度**：用行业的换手率比率、波动率比率和beta比率来刻画行业的交易拥挤度[36]。 3. **景气度**：在分析图谱中，用气泡的实心/空心以及大小来代表行业景气度高低，但具体构建方法未在本文中详述[40]。 4. 综合三个维度的信息，对行业进行评价和筛选[38][41]。 7. **模型名称：赔率增强型策略**[42][43][45] * **模型构建思路**：在目标波动率约束下，根据各资产的赔率指标，持续超配高赔率资产、低配低赔率资产，构建固收+增强策略[42]。 * **模型具体构建过程**：结合各资产的赔率指标，在风险预算或目标波动率模型的框架下进行资产配置权重优化，以在控制风险的同时提升收益[42]。具体优化模型未在本文中给出。 8. **模型名称：胜率增强型策略**[44][46][47] * **模型构建思路**：从货币、信用、增长、通胀和海外五个宏观因素出发，获得各资产的宏观胜率评分，并以此为基础构建固收+增强策略[44]。 * **模型具体构建过程**：与赔率增强型策略类似，但输入信号为宏观胜率评分。在风险预算或目标波动率模型框架下，根据胜率评分调整资产配置权重[44]。 9. **模型名称：赔率+胜率增强型策略**[3][48][49][50] * **模型构建思路**：将赔率策略和胜率策略的风险预算进行结合，构建综合性的资产配置策略[3][48]。 * **模型具体构建过程**：将赔率策略计算出的风险预算和胜率策略计算出的风险预算进行简单相加，得到综合得分，据此调整各类资产（泛权益、黄金、债券）的配置权重[48]。 量化因子与构建方式 1. **因子名称：小盘因子**[20][21] * **因子构建思路**：捕捉市值较小公司的超额收益，常用中证2000与沪深300的比值来代表[21]。 * **因子评价**：当前呈现“中等赔率-中高趋势-低拥挤”的特征，配置价值有所修复[20][35]。 2. **因子名称：价值因子**[22][23] * **因子构建思路**：捕捉低估值公司的超额收益，常用国证价值指数与国证1000指数的比值来代表[23]。 * **因子评价**：当前呈现“高赔率-中等趋势-低拥挤”的特征，综合得分较高，建议重点关注[22][35]。 3. **因子名称：质量因子**[25][26][27] * **因子构建思路**：捕捉优质公司的超额收益，可能基于ROE、盈利稳定性等指标构建[27]。 * **因子评价**：当前为“高赔率-中等趋势-中等拥挤”，趋势较弱，配置价值下降，需等待右侧趋势确认[25][35]。 4. **因子名称：成长因子**[28][29][30] * **因子构建思路**：捕捉高成长性公司的超额收益，常用国证成长指数与国证1000指数的比值来代表[29]。 * **因子评价**：当前为“中低赔率-中高趋势-高拥挤”，交易风险较高，建议保持谨慎[28][35]。 5. **因子名称：低波因子**[32][34] * **因子构建思路**：捕捉低波动率公司的超额收益，报告中提到了3个月和12个月的低波因子[32]。 * **因子评价**：当前低波风格三标尺综合排名位居前列[35]。 6. **因子名称：动量因子**[32][34] * **因子构建思路**：捕捉价格趋势延续的效应[32]。 * **因子评价**：横截面来看拥挤度最高，交易风险较高[35]。 7. **因子名称：中国主权CDS指标**[3][11][12] * **因子构建思路**：信用违约互换（CDS）价格下行通常被视为信用风险降低、市场情绪向好的信号[3][11]。 * **因子具体构建过程**：直接使用市场交易的中国主权CDS价格作为指标。当其进入“下行看多区间”时，发出看多信号[11]。 * **因子评价**：是A股胜率模型的关键输入指标之一，其下行会提升A股胜率[12]。 8. **因子名称：美股AIAE指标**[15][16][19] * **因子构建思路**：该指标处于历史高位时，预示美股回撤风险较高[19]。 * **因子评价**：是判断美股赔率（估值风险）的重要指标[15][19]。 模型的回测效果 1. **行业轮动三维评价模型**[37] * 样本内年化超额收益：12.0% (2011年以来)， 11.6% (2014年以来)， 9.2% (2019年以来) * 跟踪误差：10.7% (2011年以来)， 11.5% (2014年以来)， 10.3% (2019年以来) * 最大回撤：25.4% (2011年以来)， 25.4% (2014年以来)， 12.3% (2019年以来) * 信息比率（IR）：1.12 (2011年以来)， 1.00 (2014年以来)， 0.89 (2019年以来) 2. **赔率增强型策略**[42][45] * 年化收益：6.7% (2011年以来)， 7.4% (2014年以来)， 6.8% (2019年以来) * 年化波动：2.3% (2011年以来)， 2.2% (2014年以来)， 2.2% (2019年以来) * 最大回撤：3.1% (2011年以来)， 2.8% (2014年以来)， 2.8% (2019年以来) * 夏普比率：2.87 (2011年以来)， 3.34 (2014年以来)， 3.12 (2019年以来) 3. **胜率增强型策略**[44][46] * 年化收益：7.1% (2011年以来)， 8.0% (2014年以来)， 6.8% (2019年以来) * 年化波动：2.4% (2011年以来)， 2.3% (2014年以来)， 2.2% (2019年以来) * 最大回撤：3.4% (2011年以来)， 2.2% (2014年以来)， 1.5% (2019年以来) * 夏普比率：3.01 (2011年以来)， 3.43 (2014年以来)， 3.14 (2019年以来) 4. **赔率+胜率增强型策略**[3][48][50] * 年化收益：6.7% (2011年以来)， 7.3% (2014年以来)， 6.3% (2019年以来) * 年化波动：2.3% (2011年以来)， 2.2% (2014年以来)， 2.1% (2019年以来) * 最大回撤：2.9% (2011年以来)， 2.3% (2014年以来)， 2.3% (2019年以来) * 夏普比率：2.92 (2011年以来)， 3.31 (2014年以来)， 2.98 (2019年以来) 因子的回测效果 *(注：本报告未提供因子IC、IR等传统因子测试结果数值，仅提供了截至报告期的最新状态评分)* 1. **小盘因子**[20] * 赔率（Z-Score）：0.3 * 趋势（Z-Score）：0.9 * 拥挤度（Z-Score）：-1.5 * 综合得分：3.6 2. **价值因子**[22] * 赔率（Z-Score）：1.0 * 趋势（Z-Score）：0.3 * 拥挤度（Z-Score）：-1.3 * 综合得分：3.0 3. **质量因子**[25] * 赔率（Z-Score）：1.3 * 趋势（Z-Score）：-0.2 * 拥挤度（Z-Score）：0.0 (近似) * 综合得分：0.8 4. **成长因子**[28] * 赔率（Z-Score）：-0.6 * 趋势（Z-Score）：0.7 * 拥挤度（Z-Score）：1.0 * 综合得分：-1.5