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

离岸人民币汇率动态 - 离岸人民币兑美元汇率升破6.97，最高升至6.9678，创2023年5月以来新高 [1] - 美元兑离岸人民币(USDCNH.FX)当日下跌0.09%，收于6.97381，10日累计下跌0.85% [2] 人民币升值对资本流动与市场的历史影响 - 历史数据显示，2016年以来的四轮人民币升值周期中，A股与港股大多实现上涨 [3] - 一旦人民币升值带动资本流向反转，万亿级别的资金回流对于中国资产重估的动力可观 [3] - 在“国内基本面上行+海外宽松”的宏观组合中，港股因对外部流动性更敏感，其上涨弹性可能较A股更强 [3] - 在人民币升值期间，A股涨幅中盈利成为主要贡献，估值贡献相对次要 [3] 人民币升值影响行业配置的逻辑 - **盈利层面逻辑一：降低进口成本**。原材料进口依赖度较高的上游资源品受益，包括煤炭、钢铁、部分化工品（塑料、化学原料、农化制品、橡胶）、能源金属、造纸，以及航空机场等下游行业 [4] - **盈利层面逻辑二：降低外币负债成本**。持有较多美元负债的行业受益，包括建筑地产链，以及物流、光学光电子、贸易、多元金融等 [4] - **盈利层面逻辑三：提升国内居民购买力**。内需驱动型和跨境消费型行业受益，包括跨境电商、免税、酒店餐饮、饰品等服务消费和高端消费领域 [4] - **估值层面逻辑四：吸引外资回流**。外资审美变化后，当下的景气成长主线或仍将是受益于外资增配的核心方向，内外资审美共振有望强化当前市场风格 [4] 本轮人民币升值重点关注行业线索 - **线索一：受益于外资审美偏好变迁、内外资共识较强的景气成长主线**。包括AI硬件（通信设备、元件、半导体、消费电子）、优势制造业（电池、汽车零部件、化学制药）、有色（工业金属、能源金属） [5] - **线索二：国内PPI上行、“反内卷”与人民币升值带动进口成本下降共振受益的上游资源品**。包括钢铁、化工（塑料、化学原料、农化制品、橡胶）等 [5] - **线索三：人民币购买力提升与内需结构性改善共振的服务消费和高端消费领域**。包括免税、电商、酒店餐饮等 [5] - **线索四：当前估值合理、明年景气具备边际改善动力、且有望受益于人民币升值带来的成本端或负债端改善的行业**。包括航空机场、造纸、物流等 [5] 具体受益行业及财务数据 - **通信设备**：2026E净利润增速49.97%，2025Q3净利润增速28.10%，26E市盈率36.94 [6] - **消费电子**：2026E净利润增速44.05%，2025Q3净利润增速22.80% [6] - **元件**：2026E净利润增速45.63%，2025Q3净利润增速49.43%，26E市盈率32.90 [6] - **半导体**：2026E净利润增速48.25%，2025Q3净利润增速54.60%，26E市盈率76.44 [6] - **电池**：2026E净利润增速41.57%，2025Q3净利润增速34.17%，26E市盈率26.33 [6] - **汽车零部件**：2026E净利润增速23.41%，2025Q3净利润增速11.47%，26E市盈率24.63 [6] - **化学制药**：2026E净利润增速28.34%，2025Q3净利润增速-0.64%，26E市盈率24.71 [6] - **工业金属**：2026E净利润增速19.89%，2025Q3净利润增速32.47%，26E市盈率17.00 [6] - **能源金属**：2026E净利润增速56.37%，2025Q3净利润增速385.53%，26E市盈率30.40 [6] - **普钢**：2026E净利润增速30.59%，2025Q3净利润增速179.56%，26E市盈率21.99 [6] - **塑料**：2026E净利润增速38.36%，2025Q3净利润增速27.78%，26E市盈率45.43 [6] - **化学原料**：2026E净利润增速23.70%，2025Q3净利润增速-4.75%，26E市盈率19.18 [6] - **农化制品**：2026E净利润增速21.26%，2025Q3净利润增速29.82%，26E市盈率19.75 [6] - **免税**：2026E净利润增速22.11%，2025Q3净利润增速-22.13%，26E市盈率38.94 [6] - **互联网电商**：2026E净利润增速44.35%，2025Q3净利润增速-15.46%，26E市盈率44.30 [6] - **酒店餐饮**：2026E净利润增速23.92%，2025Q3净利润增速-25.39%，26E市盈率30.01 [6] - **航空机场**：2026E净利润增速17.60%，2025Q3净利润增速38.12%，26E市盈率23.11 [6] - **造纸**：2026E净利润增速24.19%，2025Q3净利润增速-138.79%，26E市盈率24.01 [6] - **物流**：2026E净利润增速17.10%，2025Q3净利润增速-0.82%，26E市盈率15.39 [6]

近期人民币升值加速的原因 - 近期人民币加速升值主要反映美元再度走弱叠加年末“结汇潮”带动下，人民币相对其他非美货币的“补涨”，与市场一致预期形成共振 [1] - 11月下旬以来，随着美国政府“开门”后流动性释放、12月美联储降息并开启技术性扩表，美元指数见顶回落、快速下行破98，是近期人民币加速升值的重要推动 [1] - 上半年美元兑人民币汇率累计下跌2.45%，同期美元指数跌幅10.79%，CFETS人民币汇率指数下跌6.03%，人民币对其他非美货币大幅贬值，为下半年补涨积蓄动能 [4] - 岁末年初是出口企业传统的利润回笼与结汇旺季，每年12月和次年1月净结汇规模往往出现季节性增长，外汇市场供需关系对人民币升值的支持力度达到全年最高水平 [5] 后续人民币升值的支撑及市场影响 - 短期来看，企业结汇需求释放的滞后效应对岁末年初人民币汇率走强仍有助力，结汇率改善通常滞后人民币汇率升值3-6个月 [8][9] - 历年春节的前一个月往往是结汇率大幅抬升的窗口期，本轮春节时点偏晚，明年1月有望看到结汇率大幅抬升，继续为短期人民币升值增添动力 [11] - 展望明年，弱美元为人民币升值提供良好外部环境，此前压制人民币汇率的两大底层逻辑——国内通缩压力和中国资产回报率下降已经扭转，并将进一步强化，构成本轮人民币主动升值的中长期支撑 [8][12][19] - 一旦人民币升值带动资本流向反转，包括滞留在外的国内待结汇资金及此前阶段性撤离中国的境外资金，据测算对应的规模体量大致在1.2万亿美元级别，万亿级别的潜在资金回流对于中国资产重估的动力可观 [22][26] 历史上人民币升值周期中A股与港股的表现 - 2016年以来A股、港股表现与美元兑人民币汇率在大多数时间段负相关性较强，即人民币升值阶段中国资产往往表现较好 [30] - 复盘2016年以来四轮人民币升值周期，四轮期间A股均实现上涨，港股前三轮上涨，第四轮因监管政策冲击导致权重股基本面恶化而下跌 [33] - 人民币升值环境均处于“国内基本面上行+海外宽松”的宏观组合中 [33] - 由于港股对外部流动性更敏感，若自身基本面无碍，则其上涨弹性可能较A股更强 [33] - A股涨幅中盈利成为主要贡献，估值贡献反而显得不那么重要；对于港股，估值扩张仍是股价上涨的主要贡献 [33] - 汇率并非人民币升值期间行业配置的主导逻辑，其最大作用在于通过引导资金流向，强化资金对该阶段景气主线和优势风格的偏好 [33] 人民币升值周期下的行业配置逻辑与机会 - **盈利层面逻辑一：降低进口成本**。人民币升值带动以本币计价的进口商品采购成本下降，原材料进口依赖度高的行业受益，主要集中在煤炭、钢铁、燃气、有色、石油石化、造纸、部分化工品等上游资源品行业，以及航空等下游行业 [35][36] - **盈利层面逻辑二：降低负债成本**。人民币升值将降低持有较多美元负债行业的负债成本，主要集中在电子、交运、有色、建筑、家电等一级行业，具体包括消费电子、航运港口、白电、航空机场、物流、光学光电子、多元金融及建筑地产链等 [35][37] - **盈利层面逻辑三：提升国内居民购买力**。人民币升值有助于内需驱动型和跨境消费型行业的需求释放，主要包括免税、跨境旅游、跨境电商等服务消费，以及饰品、化妆品等高端消费 [35][45] - **估值层面逻辑四：吸引外资回流**。人民币升值吸引外资回流中国资产，内外资审美共振有望强化当前的景气主线和优势风格 [35][49] - 通过股价表现与人民币汇率相关性验证，在人民币升值期间能被市场定价的细分行业包括：煤炭、钢铁、部分化工品、能源金属、造纸、航空机场、建筑地产链、物流、光学光电子、贸易、多元金融、跨境电商、免税、酒店餐饮、饰品等 [47][48] - 伴随外资审美变化，后续受益于外资回流增配的核心方向更偏向于当下的景气成长主线，如电子、有色金属、汽车、通信、机械等 [51][52] 本轮人民币升值周期的重点配置线索 - **线索一：景气成长主线**。受益于外资审美偏好变迁、内外资共识较强的方向，包括AI硬件（通信设备、元件、半导体、消费电子）、优势制造业（电池、汽车零部件、化学制药）、有色（工业金属、能源金属） [58][59] - **线索二：上游资源品**。受益于国内PPI上行、“反内卷”与人民币升值带动进口成本下降共振，包括钢铁、化工（塑料、化学原料、农化制品、橡胶）等 [58][59] - **线索三：服务与高端消费**。受益于人民币购买力提升与内需结构性改善共振，包括免税、电商、酒店餐饮等 [58][59] - **线索四：估值合理且景气边际改善的行业**。有望受益于人民币升值带来的成本端或负债端改善，包括航空机场、造纸、物流等 [58][59]

文章核心观点 - 推动人民币升值的因素逐渐增多，市场关注度升温，投资者需逐步适应在人民币持续升值环境下进行资产配置 [1] - 汇率并非过去20年间7轮升值周期中行业配置的决定性因素，但部分行业在升值预期形成初期表现更好，市场可能复制此“肌肉记忆” [1] - 约19%的行业会因人民币升值带来利润率提升，这些行业将逐步被投资者重视 [1] - 为抑制过快单边升值趋势而做出的政策应对，是影响行业配置的更重要的因素 [1] - 行业配置可关注短期肌肉记忆驱动、利润率变化驱动以及政策变化驱动三条线索 [1] 行业配置线索与潜在受益行业 - 短期肌肉记忆驱动：部分行业在人民币持续升值预期形成的初期历史上曾有更好表现，市场可能复制此模式 [1] - 利润率变化驱动：从成本收入分析看，约19%的行业会因人民币升值带来利润率提升 [1] - 政策变化驱动：为抑制过快单边升值趋势而做出的政策应对，是影响行业配置的更重要的因素 [1]

文章核心观点 - 推动人民币升值的因素逐渐增多，市场关注度升温，投资者需逐步适应在人民币持续升值环境下进行资产配置 [1] - 汇率并非过去20年7轮升值周期中行业配置的决定性因素，但部分行业在升值预期形成初期表现更好，市场可能复制此“肌肉记忆” [1] - 约19%的行业会因人民币升值带来利润率提升，这些行业将逐步被投资者重视 [1] - 为抑制过快单边升值趋势而做出的政策应对，是影响行业配置的更重要的因素 [1] - 行业配置可关注短期肌肉记忆驱动、利润率变化驱动以及政策变化驱动三条线索 [1] 行业配置线索 - **短期肌肉记忆驱动**：部分行业在人民币持续升值预期形成的初期确实会有更好表现，市场可能会复制这样的历史模式 [1] - **利润率变化驱动**：从成本收入分析来看，约19%的行业会因为人民币升值带来利润率提升 [1] - **政策变化驱动**：为抑制过快单边升值趋势而做出的政策应对，是影响行业配置的更重要的因素 [1]

根据研报内容，以下是关于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：A股赔率模型**[12] * **模型构建思路**：通过计算股权风险溢价（ERP）和违约风险溢价（DRP）的标准化数值，等权加总来衡量A股资产的估值吸引力（赔率）[12] * **模型具体构建过程**： 1. 计算股权风险溢价（ERP）和违约风险溢价（DRP）[12] 2. 分别对ERP和DRP进行标准化处理，得到其Z-score值[12] 3. 将两个标准化数值进行等权加总，得到最终的赔率指标[12] * 公式：$$A股赔率 = Z(ERP) + Z(DRP)$$[12] 2. **模型名称：债券赔率模型**[19] * **模型构建思路**：基于长短债预期收益差构建债券资产的估值吸引力（赔率）指标[19] * **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，计算长短债的预期收益差，并以此构建赔率指标[19] 3. **模型名称：宏观胜率评分卡模型**[12][44] * **模型构建思路**：从货币、信用、增长、通胀和海外五个宏观因子出发，合成得到各大类资产的综合胜率评分[12][44] * **模型具体构建过程**：在专题报告《构建大类资产的宏观胜率评分卡：货币、信用、增长、通胀与海外五因子》中设计了详细的评分体系，综合五个因子的信号得到胜率[12][44] 4. **模型名称：美联储流动性指数模型**[20] * **模型构建思路**：结合数量维度和价格维度，综合构建反映美联储流动性状况的指数[20] * **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，结合了净流动性、联储信用支持、预期引导、市场隐含、公告意外等多个指标构建了综合流动性指数[20] 5. **模型名称：风格因子三标尺评价模型**[21][23][26][29][35][36] * **模型构建思路**：从赔率（估值）、趋势（动量）和拥挤度三个维度对风格因子进行综合评价和排名[21][23][26][29][35][36] * **模型具体构建过程**： 1. **赔率**：计算因子的估值水平，通常用Z-score表示，数值越大代表因子越便宜[21][23] 2. **趋势**：衡量因子的动量强度，数值越大代表趋势越强[21][23] 3. **拥挤度**：通过换手率、波动率等指标刻画因子的交易拥挤程度，数值越大代表越拥挤[21][23] 4. 将三个维度的评分综合，得到因子的最终排名[34][35] 6. **模型名称：行业轮动三维评价模型**[36][38] * **模型构建思路**：基于行业的景气度、趋势和拥挤度三个维度进行行业比较和配置[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）来刻画行业的动量和趋势强度[36] 2. **拥挤度**：通过行业的换手率比率、波动率比率和beta比率来综合刻画行业的交易拥挤度[36] 3. **景气度**：报告中未详细说明具体构建方法，但在分析图谱中以气泡的实心（高景气）和空心（低景气）以及大小来表示[40] 4. 综合三个维度的信息进行行业配置[38][41] 7. **模型名称：赔率+胜率增强型资产配置策略**[3][42][44][48] * **模型构建思路**：结合资产的赔率（估值吸引力）和胜率（宏观环境支持度）信号，在目标波动率约束下进行资产配置[3][42][44][48] * **模型具体构建过程**： 1. 分别计算各资产的赔率指标（如A股赔率模型、债券赔率模型）和胜率指标（宏观胜率评分卡模型）[42][44] 2. 基于风险预算模型，分别为赔率策略和胜率策略分配风险预算[42] 3. 将赔率策略的风险预算和胜率策略的风险预算进行简单相加，得到综合得分[48] 4. 根据综合得分，在目标波动率约束下，持续超配综合得分高的资产，低配综合得分低的资产，构建“固收+”增强型策略[42][44][48] 模型的回测效果 1. **赔率+胜率增强型策略**[3][48][50] * 2011年以来年化收益6.7%，年化波动2.3%，最大回撤2.9%，夏普比率2.92[3][48][50] * 2014年以来年化收益7.4%，年化波动2.2%，最大回撤2.3%，夏普比率3.32[3][48][50] * 2019年以来年化收益6.4%，年化波动2.1%，最大回撤2.3%，夏普比率2.99[3][48][50] 2. **赔率增强型策略**[42][45] * 2011年以来年化收益6.7%，年化波动2.3%，最大回撤3.1%，夏普比率2.87[42][45] * 2014年以来年化收益7.4%，年化波动2.2%，最大回撤2.8%，夏普比率3.34[42][45] * 2019年以来年化收益6.9%，年化波动2.2%，最大回撤2.8%，夏普比率3.12[42][45] 3. **胜率增强型策略**[44][46] * 2011年以来年化收益7.1%，年化波动2.4%，最大回撤3.4%，夏普比率3.01[44][46] * 2014年以来年化收益8.0%，年化波动2.3%，最大回撤2.2%，夏普比率3.44[44][46] * 2019年以来年化收益6.9%，年化波动2.2%，最大回撤1.5%，夏普比率3.14[44][46] 4. **行业轮动策略**[37][38] * 2011年以来超额收益12.2%，跟踪误差10.8%，最大回撤25.4%，信息比率（IR）1.14[37][38] * 2014年以来超额收益11.9%，跟踪误差11.5%，最大回撤25.4%，信息比率（IR）1.03[37][38] * 2019年以来超额收益9.6%，跟踪误差10.3%，最大回撤12.3%，信息比率（IR）0.93[37][38] 量化因子与构建方式 1. **因子名称：小盘因子**[21][35] * **因子构建思路**：通过中证2000指数与沪深300指数的相对表现来表征小盘风格[21] * **因子评价**：当前呈现“中等赔率-强趋势-低拥挤”的特征，配置价值有所修复[21][35] 2. **因子名称：价值因子**[23][35] * **因子构建思路**：通过国证价值指数与国证1000指数的相对表现来表征价值风格[23] * **因子评价**：当前呈现“中高赔率-中等趋势-低拥挤”的特征，综合得分较高，建议重点关注[23][35] 3. **因子名称：质量因子**[26][35] * **因子构建思路**：通过因子累计收益率来表征质量风格的表现[26] * **因子评价**：当前呈现“高赔率-中低趋势-中等拥挤”的特征，趋势较弱，配置价值相对较低，需等待右侧确认[26][35] 4. **因子名称：成长因子**[29][35] * **因子构建思路**：通过国证成长指数与国证1000指数的相对表现来表征成长风格[29] * **因子评价**：当前呈现“中等赔率-中高趋势-高拥挤”的特征，交易风险较高，建议保持谨慎[29][35] 5. **因子名称：低波因子**[35] * **因子构建思路**：报告中提及了不同期限的低波因子，如低波(12个月)、低波(3个月)[32][34] * **因子评价**：当前低波风格三标尺综合排名位居前列，建议重点关注[35] 6. **其他风格因子**：报告图表中还提到了动量、反转、低市净率、低市盈率、高股息、ROE、营收同比等多种风格因子，但未详细描述其构建过程[32][34] 因子的回测效果 （报告中未提供单个因子的具体回测指标，如年化收益、信息比率等，仅提供了截至报告期的多维度评估状态，因此本部分略过）