量化模型与构建方式 1. **模型名称：赔率+胜率策略** - **模型构建思路**：结合资产的赔率与胜率指标，通过风险预算模型构建配置策略[40] - **模型具体构建过程**： 1. **赔率指标**：基于ERP（股权风险溢价）和DRP（债务风险溢价）的标准化数值等权计算，例如A股赔率为1.2倍标准差[11] 2. **胜率指标**：通过宏观胜率评分卡（货币、信用、增长、通胀、海外五因子）合成综合胜率，例如A股胜率回升至0轴附近[11] 3. **风险预算分配**：将赔率策略和胜率策略的风险预算简单相加，生成综合得分并调整资产权重[40] - **模型评价**：通过动态调整高赔率与高胜率资产权重，实现稳健收益 2. **模型名称：行业轮动策略（三维评价体系）** - **模型构建思路**：基于行业景气度、趋势、拥挤度三维框架筛选行业[35] - **模型具体构建过程**： 1. **趋势指标**：过去12个月信息比率（IR）衡量行业动量 2. **拥挤度指标**：换手率比率、波动率比率、beta比率合成[35] 3. **景气度分类**：实心气泡代表高景气行业，空心代表低景气[38] - **模型评价**：通过多维度交叉验证，有效捕捉行业轮动机会 3. **模型名称：美联储流动性指数模型** - **模型构建思路**：从数量维度和价格维度解构美联储流动性[17] - **模型具体构建过程**： 1. **数量维度**：净流动性、联储信用支持 2. **价格维度**：预期引导、市场隐含利率、公告意外[15] 3. **指数合成**：加权计算当前流动性状态（如20%中高水平）[15] --- 量化因子与构建方式 1. **因子名称：价值因子** - **因子构建思路**：通过赔率、趋势、拥挤度三标尺综合打分[18] - **因子具体构建过程**： 1. **赔率**：国证价值/国证1000比值标准化（当前0.2倍标准差）[19] 2. **趋势**：滚动窗口计算因子收益率方向（-0.1倍标准差中等水平）[19] 3. **拥挤度**：换手率与波动率分位数合成（-1倍标准差低拥挤）[19] - **因子评价**：综合得分1分，呈现“强趋势-低拥挤”特征[29] 2. **因子名称：质量因子** - **因子构建思路**：侧重盈利稳定性与ROE持续性[20] - **因子具体构建过程**： 1. **赔率**：高质量因子超额走势分位数（1.4倍标准差高赔率）[22] 2. **趋势**：滚动12个月收益方向（-0.3倍标准差弱趋势）[22] 3. **拥挤度**：持仓集中度与交易量合成（-0.8倍标准差低拥挤）[22] 3. **因子名称：小盘因子** - **因子构建思路**：衡量市值风格与交易拥挤度[26] - **因子具体构建过程**： 1. **赔率**：中证2000/沪深300比值标准化（-0.5倍标准差低赔率）[28] 2. **趋势**：短期动量强度（0.9倍标准差强趋势）[28] 3. **拥挤度**：换手率分位数（0.6倍标准差高拥挤）[28] --- 模型的回测效果 1. **赔率+胜率策略** - 年化收益：7.0%（2011年以来）、7.6%（2014年以来）、7.2%（2019年以来）[47] - 最大回撤：2.8%（2011年以来）、2.7%（2014年以来）、2.8%（2019年以来）[47] - 夏普比率：2.86（2011年以来）、3.26（2014年以来）、2.85（2019年以来）[47] 2. **行业轮动策略** - 年化超额收益：13.1%（2011年以来）、13.0%（2014年以来）、10.8%（2019年以来）[36] - 信息比率（IR）：1.18（2011年以来）、1.08（2014年以来）、1.02（2019年以来）[36] --- 因子的回测效果 1. **价值因子** - 综合打分：1分（当前排名最高）[18] - 赔率分位数：0.2倍标准差[19] - 趋势分位数：-0.1倍标准差[19] 2. **质量因子** - 综合打分：0.6分[20] - 赔率分位数：1.4倍标准差[22] - 趋势分位数：-0.3倍标准差[22] 3. **小盘因子** - 综合打分：0分[26] - 趋势分位数：0.9倍标准差[28] - 拥挤度分位数：0.6倍标准差[28]

市场表现与资金动向 - 本周市场表现超出预期，短期催化因素包括联储降息预期提升、人民币汇率升值、以伊军事冲突趋稳及特朗普访华预期，共同推升风险偏好 [1] - 增量资金主要来自主动权益公募新发基金边际回暖、杠杆资金快速跟随，银行板块加速行情可能反映险资入市提速，但ETF和外资未见明显增量 [1] - 市场后续或呈现震荡特征而非持续急涨，机构中长期资金入市和居民金融资产配置比例提升趋势有望推高震荡中枢，但资金正反馈螺旋尚未形成 [1] 行业配置策略 - 短期高低切换是市场重要线索，2025年3月20日以来经历两轮明显高低切换，当前处于第二轮周期中 [2] - 建议关注2025年3月20日以来涨幅靠后但近一月盈利预期调升或具备催化的板块，包括半导体、固态电池、电网设备、工业金属、啤酒等 [2] - 需警惕银行板块短期波动风险，因资金脉冲加速且股债息差性价比降低 [2] - 胜率方向短期优选科技板块，行业层面聚焦光模块/PCB、国产算力链及涨价的存储、小金属 [2]

证券研究报告 | 金融工程报告 2025 年 06 月 29 日 当下价值/成长的赔率和胜率几何？ ——风格轮动策略周报 20250627 在《如何从赔率和胜率看成长/价值轮动》报告中，我们创新性地提出了基于 赔率和胜率的投资期望结合方式，为应对价值成长风格切换问题提供了定量模 型解决方案。后续，我们将持续在样本外进行跟踪并做定期汇报。 上周全市场成长风格组合收益 5.49%，而全市场价值风格组合收益为 3.33%。 1、赔率 在前述报告中，我们已经进行了验证，即市场风格相应的相对估值水平 是其预期赔率的关键影响因素，并且两者应该呈现出负相关。由于存在上述 线性关系，我们根据最新的估值差分位数，可推得当下成长风格的赔率估计 为 1.10，价值风格的赔率估计为 1.09。 2、胜率 在七个胜率指标中，当前有 5 个指向成长，2 个指向价值。根据映射方 案，当下成长风格的胜率为 68.88%，价值风格的胜率为 31.12%。 3、最新推荐风格：成长 根据公式，投资期望=胜率*赔率-（1-胜率）。我们计算得最新的成长风格 投资期望为 0.44，价值风格的投资期望为-0.35，因此最新一期的风格轮动模 型推荐为成长风 ...

证券研究报告 | 金融工程报告 2025 年 06 月 15 日 在《如何从赔率和胜率看成长/价值轮动》报告中，我们创新性地提出了基于 赔率和胜率的投资期望结合方式，为应对价值成长风格切换问题提供了定量模 型解决方案。后续，我们将持续在样本外进行跟踪并做定期汇报。 上周全市场成长风格组合收益-0.01%，而全市场价值风格组合收益为- 0.14%。 1、赔率 当下价值/成长的赔率和胜率几何？ ——风格轮动策略周报 20250613 在前述报告中，我们已经进行了验证，即市场风格相应的相对估值水平 是其预期赔率的关键影响因素，并且两者应该呈现出负相关。由于存在上述 线性关系，我们根据最新的估值差分位数，可推得当下成长风格的赔率估计 为 1.10，价值风格的赔率估计为 1.08。 2、胜率 在七个胜率指标中，当前有 3 个指向成长，4 个指向价值。根据映射方 案，当下成长风格的胜率为 68.88%，价值风格的胜率为 31.12%。 3、最新推荐风格：成长 根据公式，投资期望=胜率*赔率-（1-胜率）。我们计算得最新的成长风格 投资期望为 0.44，价值风格的投资期望为-0.35，因此最新一期的风格轮动模 型推荐为成长 ...

1、赔率 在前述报告中，我们已经进行了验证，即市场风格相应的相对估值水平 是其预期赔率的关键影响因素，并且两者应该呈现出负相关。由于存在上述 线性关系，我们根据最新的估值差分位数，可推得当下成长风格的赔率估计 为 1.10，价值风格的赔率估计为 1.08。 证券研究报告 | 金融工程报告 2025 年 06 月 08 日 当下价值/成长的赔率和胜率几何？ ——风格轮动策略周报 20250606 在《如何从赔率和胜率看成长/价值轮动》报告中，我们创新性地提出了基于 赔率和胜率的投资期望结合方式，为应对价值成长风格切换问题提供了定量模 型解决方案。后续，我们将持续在样本外进行跟踪并做定期汇报。 上周全市场成长风格组合收益 3.01%，而全市场价值风格组合收益为 1.51%。 2、胜率 在七个胜率指标中，当前有 3 个指向成长，4 个指向价值。根据映射方 案，当下成长风格的胜率为 58.26%，价值风格的胜率为 41.74%。 3、最新推荐风格：成长 根据公式，投资期望=胜率*赔率-（1-胜率）。我们计算得最新的成长风格 投资期望为 0.22，价值风格的投资期望为-0.13，因此最新一期的风格轮动模 型推荐为成长风 ...

核心观点 - 大势上“上有顶，下有底”或仍是基准情形，关注6月中旬陆家嘴论坛、FOMC会议对市场的后续指引 [2] - 风格上，近期微盘股成交额占比接近2023年11月水位，目前参与小盘行情的赔率偏低 [2] - 成交额未放量下，行业轮动速度或仍偏快，创新药、新消费等主题轮动演绎或相对充分，可关注成交额占比回落且具备产业催化的低位科技方向 [2] - 配置上把握赔率思维，关注科技中拥挤度相对低位的AI算力芯片、存储芯片、光纤光缆及智能驾驶等，中期关注以A50、消费、金融为代表的核心资产 [2] 市场或仍偏震荡运行 - 短期市场缺乏明确向上动力，关键点位附近多空分歧增加，但“类平准基金”下市场底部有强支撑，短期或以震荡为主 [3] - 宏观经济结构性承压，制造业和内需表现待提振，基本面趋势性改善契机或在下半年 [3] - 关税存在一定不确定性，中美双方结构性分歧仍存 [3] - 资金视角下存量博弈是基准态势，融资余额稳定在1.8万亿左右，基金仓位高位震荡 [3] - 6月中旬或迎来海内外政策窗口期，关注陆家嘴论坛、6月FOMC会议、美丽大法案审议结果 [3] 关注仓位再平衡的演绎机会 - 4月中旬以来市场成交额中枢稳定未显著放量，行业主题快速轮动是市场基准情形 [4] - 当前创新药、新消费方向内部轮动相对充分，性价比回落，存量博弈下警惕短期调整 [4] - 本轮行情中交易型资金活跃度未显著提升，资金承接动能偏弱 [4] - TMT成交额占比回落至2023年以来低位、但估值及仓位分位仍偏高，具备产业催化的科技低位方向或存在超额收益机会 [4] 多空力量失衡推升小微盘股持续新高 - 本次小微盘股创新高或受市场多空力量失衡催化，“小微盘现货+中小盘股指期货”的空头对冲结构放大了股指贴水幅度及小微盘资金流入规模 [5] - 中证2000/沪深300、Wind微盘股成交额占比位于2023年以来高位，接近2023年11月水位，目前参与小盘行情的赔率偏低，但资金面尾部风险相对可控 [5] 配置把握赔率思维，中长期视角关注核心资产 - 创新药、新消费等主题演绎相对充分，资金承接动能偏弱，短期适当调整仓位，关注6月相关大会对AI产业的催化，关注科技中相对低位的AI算力芯片等方向 [6] - 中长期视角下，“去美元化”形成人民币升值动力，关注以A50、消费、金融为代表的核心资产 [6] 市场结构 - 六月第一周，主要风险资产中创业板指、纳斯达克涨幅居前，不同股票、债券、汇率、大宗商品等有不同涨跌幅表现 [10] - 六月第一周，A股震荡回暖，行业层面通信、有色金属、电子等板块强势 [11] 国内流动性 - 上周银行间资金价格回落至1.50%，10年期国债收益率下行至1.65% [16] - 上周绝对信用利差扩大，相对信用利差持平，中美利差走阔至2.85% [14] - 上周隐含通胀预期回落至2.31%，美债期限利差缩窄至0.47% [21]

量化模型与构建方式 1. **模型名称：赔率+胜率策略** - 模型构建思路：结合各资产的赔率与胜率策略的风险预算，构建综合配置策略[3] - 模型具体构建过程： 1. 赔率增强型策略：根据资产赔率指标（如A股AIAE指标、债券赔率指标），在目标波动率约束下超配高赔率资产，低配低赔率资产[38] 2. 胜率增强型策略：基于货币、信用、增长、通胀和海外五因子构建宏观胜率评分卡，分配风险预算[41] 3. 综合策略：将赔率策略和胜率策略的风险预算简单相加，生成最终配置权重[44] - 模型评价：综合策略在历史回测中表现稳健，兼顾赔率与胜率的动态平衡 2. **模型名称：行业轮动策略** - 模型构建思路：基于行业景气度、趋势和拥挤度三维框架进行行业配置[33] - 模型具体构建过程： 1. 趋势指标：行业过去12个月信息比率（IR）[33] 2. 拥挤度指标：行业换手率比率、波动率比率和beta比率[33] 3. 景气度判断：通过基本面数据划分高/低景气行业（实心/空心气泡表示）[36] 4. 综合评分：结合三维指标生成行业配置建议（如银行、农林牧渔等）[37] 3. **模型名称：美联储流动性指数模型** - 模型构建思路：从数量维度和价格维度解构美联储流动性[18] - 模型具体构建过程： 1. 包含净流动性、联储信用支持、预期引导、市场隐含和公告意外等子指标[17] 2. 综合加权生成流动性指数，用于判断美股配置价值[18] --- 量化因子与构建方式 1. **因子名称：AIAE指标（A股估值赔率因子）** - 因子构建思路：衡量A股相对实体债务的估值吸引力[10] - 因子具体构建过程： $$ \text{AIAE} = \frac{\text{中证全指总流通市值}}{\text{中证全指总流通市值} + \text{实体总债务}} $$ 截至5月底该指标为16%，位于2010年以来35%分位数[10] 2. **因子名称：质量因子（EPS稳定性等）** - 因子构建思路：综合赔率、趋势和拥挤度三标尺评估质量风格[19] - 因子具体构建过程： 1. 赔率：1.3倍标准差（高赔率） 2. 趋势：-0.3倍标准差（中等趋势） 3. 拥挤度：-0.8倍标准差（低拥挤）[19] - 因子评价：当前上升空间较大，建议长期关注[32] 3. **因子名称：成长因子** - 因子构建思路：通过估值、趋势和拥挤度评估成长风格[21] - 因子具体构建过程： 1. 赔率：-1.9倍标准差（低赔率） 2. 趋势：0.4倍标准差（中等趋势） 3. 拥挤度：0.3倍标准差（中等拥挤）[21] - 因子评价：整体配置价值较低[32] 4. **因子名称：小盘因子** - 因子构建思路：横截面分析小盘风格的风险收益特征[26] - 因子具体构建过程： 1. 赔率：-0.3倍标准差（中性） 2. 趋势：0.4倍标准差（中高水平） 3. 拥挤度：0.5倍标准差（中高水平）[26] --- 模型的回测效果 1. **赔率+胜率策略** - 2011年以来年化收益6.9%，最大回撤2.8%，夏普比率3.04[46] - 2014年以来年化收益7.6%，最大回撤2.6%[46] - 当前配置：泛权益类11.0%、黄金2.4%、债券86.6%[44] 2. **行业轮动策略** - 2011年以来年化超额收益12.3%，信息比率（IR）1.13[34] - 2019年以来年化超额收益9.5%，最大回撤12.3%[34] 3. **赔率增强型策略** - 2011年以来年化收益6.8%，最大回撤3.0%[40] --- 因子的回测效果 1. **质量因子** - 综合得分2.4（三标尺加权），超额收益稳定性较高[19] 2. **成长因子** - 综合得分-1.6，近期趋势和赔率同步下滑[21] 3. **小盘因子** - 综合得分0，拥挤度持续处于中高风险区间[26]

市场表现 - 信用债ETF博时(159396)最新报价100.73元，盘中换手13.81%，成交10.52亿元，市场交投活跃 [3] - 近1周日均成交35.75亿元 [3] - 最新规模达77.26亿元，创成立以来新高，位居可比基金1/4 [3] - 最新份额达7675.71万份，创近3月新高，位居可比基金1/4 [3] - 最新资金净流入1.11亿元，近4个交易日内有3日资金净流入，合计"吸金"3.87亿元，日均净流入达9673.04万元 [3] - 连续11天获杠杆资金净买入，最新融资余额达55.00元 [3] 投资策略 - 债券市场长期赔率空间仍未打开，关税扰动或为破局点，可保持中性偏多的乐观态度 [3] - 建议继续采取赔率交易策略，高位后不盲目追涨，低位时敢于进场做多，积极于脉冲行情中把握右侧交易机会 [3] 产品特性 - 紧密跟踪深证基准做市信用债指数，反映深市基准做市信用债市场运行特征 [3] - 管理费率为0.15%，托管费率为0.05%，费率在可比基金中最低 [4] - 今年以来跟踪误差为0.009%，在可比基金中跟踪精度最高 [4] 收益与风险 - 自成立以来最长连涨月数为3个月，涨跌月数比为3/1，月盈利百分比为75.00%，月盈利概率为64.79%，历史持有3个月盈利概率为100.00% [4] - 成立以来最大回撤0.89%，相对基准回撤0.10%，回撤后修复天数为26天 [4]

报告核心观点 - 报告提出基于赔率和胜率的投资期望结合方式，为价值成长风格切换问题提供定量模型解决方案，最新一期风格轮动模型推荐价值风格，2013 年至今该模型策略年化收益率 26.61%，夏普比率 0.98 [1][4] 各部分总结 前言 - 报告创新性提出基于赔率和胜率的投资期望结合方式，后续将持续在样本外跟踪并定期汇报 [1][8] - 借用个股因子合成刻画成长和价值风格，价值用账面市值比、净利润市值比，成长用单季度净利润同比增速等，对因子做市值中性化和标准化处理后等权复合，选风格暴露前 20%个股为代表组合，风格收益周度换仓计算 [8] - 上周全市场成长风格组合收益 1.22%，价值风格组合收益 1.26% [1][8] 赔率 - 赔率指亏损为 1 时盈利的数值，一段收益率序列的赔率等于平均正收益/平均负收益的绝对值 [9] - 关注市场风格相对估值水平，用估值差的历史分位数法刻画并修正，计算风格暴露前 20%和后 20%股票组合账面市值比平均数之差为初始估值差，除以全市场估值平均数，再计算其历史排位次序百分比 [11] - 根据最新估值差分位数，当下成长风格赔率估计为 1.10，价值风格赔率估计为 1.07 [2][14] 胜率 - 梳理五个宏观指标和三个微观指标判断胜率，包括十年中债国债到期收益率、美国 6 个月国债收益率、PMI 等 [16] - 七个胜率指标中 4 个指向成长，3 个指向价值，当下成长风格胜率为 46.13%，价值风格胜率为 53.87% [16] 投资期望及策略收益 - 根据公式投资期望=胜率*赔率-（1 - 胜率），计算得成长风格投资期望为 -0.35，价值风格投资期望为 0.43，推荐价值风格 [4][18] - 2013 年至今，基于投资期望的风格轮动模型策略年化收益率 26.61%，夏普比率 0.98，总收益 1772.43%，年化波动 27.14%，最大回撤 50.48% [4][19]

球队状态分析 - 通过近期比赛胜负情况评估球队竞技水平 例如通德拉对战吉维森特可通过胜负平统计反映当下状态 [1] - 球队在最近几场比赛中的胜负情况能直观体现近期状态 [5] 伤病情况 - 主要球员的健康状况和参赛情况对球队实力产生重大影响 [1] - 主要球员的伤病情况和个人表现直接影响球队实力和比赛走势 [5] 历史交锋 - 查看两支球队过去的交锋记录可了解心理因素 如特定对手可能存在心理优势或劣势 [1] - 了解两队过往在相同场地的成绩可使玩家对比赛结果更有把握 [5] 战术风格 - 基于教练战术及球员特性分析球队潜在表现 不同战术风格面对不同对手效果不同 [1] - 不同球队有不同战术风格 如快速进攻型或稳健防守型 了解战术可帮助预测比分差异 [5] 赔率变化 - 赔率反映各方对比赛结果的看法及预测 经验丰富者常通过赔率高低流动把握比赛风向 [3] 近期比赛信息 - 关注球队近期比赛情况 包括对手强弱和比赛过程中的表现 有助于准确判断球队状态 [3] 主客场表现 - 球队在主场和客场的表现差异较大 是分析比赛结果时不可忽视的因素 [5] 现场观察 - 比赛前热身阶段观察球员状态 球队气氛和战术调整变化 有助于直观了解比赛趋势 [5] 心态控制 - 竞彩结果充满变数 需保持冷静与理智 做好资金管理和心理调适 避免情绪化投注 [7] 综合判断 - 软件预测结果并非百分之百准确 需结合多种信息形成独立判断 不能依赖单一分析方法 [7]