报告行业投资评级 未提及 报告的核心观点 借助ETF可将量化模型或主观观点转化为可实操配置的投资策略 报告给出几个借助ETF构建的策略指数 并以周度为频率对指数的绩效和持仓进行跟踪[11] 各策略指数总结 华宝研究大小盘轮动ETF策略指数 - 利用多维度技术指标因子 采用机器学习模型预测申万大盘和小盘指数收益差 周度输出信号决定持仓获取超额回报[3][13] - 截至2026/3/20 2024年以来超额收益27.36% 近一月0.86% 近一周1.06%[3][13] - 近一周收益-2.18% 近一月-3.73% 2024年以来63.11% 持仓为沪深300ETF华泰柏瑞 权重100%[14][17] 华宝研究SmartBeta增强ETF策略指数 - 用量价类指标对自建barra因子择时 依据ETF在9大barra因子暴露度映射择时信号 涵盖主流宽基及风格、策略ETF获取超越市场收益[3][17] - 截至2026/3/20 2024年以来超额收益22.21% 近一月3.51% 近一周0.06%[3][17] - 近一周收益-3.18% 近一月-1.08% 2024年以来57.96% 持仓包括红利低波100ETF、高股息ETF等[18][21] 华宝研究量化风火轮ETF策略指数 - 从多因子角度出发 把握中长期基本面、跟踪短期趋势、分析参与者行为 用估值与拥挤度信号提示风险 挖掘潜力板块获超额收益[4][21] - 截至2026/3/20 2024年以来超额收益48.36% 近一月-0.14% 近一周-2.25%[4][21] - 近一周收益-5.49% 近一月-4.73% 2024年以来84.10% 持仓有石油ETF、电子ETF等[24][25] 华宝研究量化平衡术ETF策略指数 - 采用多因子体系 构建量化择时系统研判权益市场趋势 建立大小盘风格预测模型调整仓位分布 综合择时和轮动获超额收益[4][25] - 截至2026/3/20 2024年以来超额收益-8.00% 近一月1.25% 近一周0.83%[4][25] - 近一周收益-1.36% 近一月-1.98% 2024年以来25.10% 持仓包括十年国债ETF国泰、增强500ETF等[26][28] 华宝研究热点跟踪ETF策略指数 - 根据市场情绪、行业事件、投资者情绪、政策法规等跟踪挖掘热点指数标的 构建ETF组合 提供短期趋势参考[5][28] - 截至2026/3/20 近一月超额收益-3.41% 近一周-1.15%[5][28] - 近一周收益-5.24% 近一月-8.72% 持仓有有色ETF汇添富、港股红利ETF博时等[31][32] 华宝研究债券ETF久期策略指数 - 采用债券市场流动性和量价指标筛选择时因子 用机器学习预测债券收益率 低于阈值减少长久期仓位 提升长期收益和回撤控制能力[5][32] - 截至2026/3/20 近一月超额收益0.24% 近一周0.05%[5][32] - 近一周收益0.05% 近一月-0.10% 2024年以来9.88% 成立以来24.09% 持仓包括十年国债ETF国泰、政金债ETF富国等[33][35]

核心观点 - 2026年2月，中证1000指数领涨国内大类资产，涨幅达3.71%[7]，而黄金、商品与恒生指数出现回调[7] - 报告跟踪的四大类国内资产配置策略在2026年均实现正收益，其中Black-Litterman（BL）策略1表现最佳，年初至今收益达2.05%[4] - 基于对当前“弱复苏、低通胀”宏观图景的判断，报告将2026年3月的宏观六因子暴露偏离值调整为“-1, 0, 0, -1, +1, +1”，反映了对增长与通胀的谨慎态度以及对汇率和流动性的相对乐观[4] 大类资产走势回顾 - **2月资产表现**：2026年2月，中证1000领涨（3.71%），其次是中证转债（0.89%）、中债-企业债总财富指数（0.22%）、中债-国债总财富指数（0.17%）和沪深300（0.09%）；下跌资产包括恒生指数（-3.61%）、南华商品指数（-1.32%）和SHFE黄金（-1.16%）[7] - **2026年至今资产表现**：年初至今（截至2月底），表现最好的资产是SHFE黄金（17.10%）和中证1000（12.71%），南华商品指数上涨7.18%，中证转债上涨6.77%，沪深300和恒生指数分别上涨1.74%和1.79%，债券指数涨幅相对较小[8] - **资产相关性**：近一个月，中证1000与中债-企业债总财富指数的相关性绝对值较低，仅为3.01%[14]。近一年，沪深300与中债-国债总财富指数的相关性为-33.02%，中债-国债总财富指数与南华商品指数的相关性为50.95%，沪深300与南华商品指数的相关性为-17.76%[4] 大类资产配置策略跟踪 - **国内资产配置策略表现汇总**： - BL策略1：2026年收益2.05%，2月收益0.50%，最大回撤1.20%，年化波动率4.21%[4] - BL策略2：2026年收益2.00%，2月收益0.34%，最大回撤1.27%，年化波动率4.04%[4] - 风险平价策略：2026年收益1.12%，2月收益0.18%，最大回撤0.50%，年化波动率1.56%[4] - 基于宏观因子的策略：2026年收益1.63%，2月收益0.22%，最大回撤1.18%，年化波动率3.32%[4] - **全球资产配置策略表现汇总**： - 全球BL策略1：2026年收益0.94%，2月收益-0.32%，最大回撤1.09%，年化波动率3.46%[50] - 全球BL策略2：2026年收益0.76%，2月收益-0.08%，最大回撤0.70%，年化波动率2.37%[50] - 全球风险平价策略：2026年收益0.88%，2月收益0.17%，最大回撤0.39%，年化波动率1.31%[50] - **策略持仓与调整**：报告提供了下月（2026年3月）各策略的持仓汇总及本月持仓变动详情[22][23]。例如，国内资产BL策略1下月持仓集中于中债-企业债总财富指数（85.00%）和中证1000（10.00%）[22] 宏观观点与因子配置 - **宏观现状判断**：2026年2月底，中国经济呈现“弱复苏、低通胀”特征[4]。具体表现为：2月制造业PMI回落至49.0%，服务业PMI微升至49.7%但仍处收缩区间；物价维持低位；货币政策“量增价稳”，LPR连续9个月持平；人民币汇率强势站稳6.93一线[44][45][46] - **因子暴露调整**：基于上述宏观判断，报告将2026年3月的增长、通胀、利率、信用、汇率和流动性六大宏观因子暴露主观偏离值分别调整为-1、0、0、-1、+1、+1[47]。这体现了对增长与信用因子的谨慎（下调），以及对汇率和流动性因子的相对乐观（上调）[4]

文章核心观点 - 文章将投资赚钱类比为经营餐厅，认为持续成功的关键在于不依赖特定个人（厨师/基金经理）且扎根于稳定的市场环境（规律）[3][4] - 提出评估私募策略是否“硬核”的两大标准：**人才**上不依赖单一决策者，**环境**上策略逻辑基于长期稳定的市场规律或人性特点[10][16] - 根据上述标准，文章指出**量化多头**和**配置型宏观对冲（如全天候策略）** 是两类经典的“硬核”策略，其内部产品分化小，预期收益相对稳定[20][28][37][39] 根据相关目录分别进行总结 投资赚钱的通用逻辑 - 投资赚钱的逻辑与经营餐厅相似，持续成功依赖两方面：不依赖特定个人，以及扎根于稳定的市场环境或规律[3][4] 私募策略选择的关键维度 - **人才维度**：硬核策略应不依赖某一个人做决策，因为投资中“人”是最大的变量，个人风格难复制且状态会起伏[10][12] - **环境维度**：硬核策略应扎根于长期存在、难以被消除的稳定市场规律或人性特点，而非追逐短暂风口或依赖极致市场环境[16][18] 量化多头策略分析 - 量化多头是经典硬核策略之一，其不依赖个人，而是依靠模型持续捕捉由市场情绪驱动产生的价格偏差[20] - 该策略偏好情绪化、交易活跃的市场环境，与A股散户占比高的特点完全匹配，其依赖的人性弱点（如对亏损的恐惧、对盈利的贪婪）是长期存在的[22][26] - 例如在去年，若在年初买入量化多头产品，到年底收益普遍不错，这得益于市场情绪充分释放为量化模型提供了肥沃土壤[24] 配置型宏观对冲策略分析 - 宏观对冲策略分为**轮动型**和**配置型**，其中轮动型依赖基金经理对经济风向的精准预判和择时[29][30] - **配置型宏观对冲**（如全天候策略）更符合硬核特征，它不作人为判断和择时，而是通过提前配置股、债、商品等资产，确保在任何经济环境下都有不错表现[32][34] - 该策略依赖的市场环境在于：不同资产的涨跌原因不同，因此它们之间的相关性较低；只要经济周期存在，资产走势就不会完全同步，策略总能实现“东方不亮西方亮”的平衡效果[34][35] 硬核策略的总结与选择建议 - 真正“硬核”的私募策略共同点是：不依赖明星管理人、不绑定完美市场环境、不赌单一方向[37] - 硬核策略意味着其内部不同产品间的收益分化更小，预期收益相对更稳定，但这不代表策略有绝对好坏，投资者选择时仍需根据自身偏好和诉求[39][40]

中证1000增强ETF招商(SZ159680)的投资价值分析 - 文章核心观点在于探讨中证1000增强策略的长期价值，认为其超额收益具有持续性，是把握中小盘结构性行情的有效工具，可定义为“进攻中的底仓”[10] 基金业绩与超额收益表现 - 截至2月25日，中证1000增强ETF招商近一年回报41.96%，近两年回报94.57%，在宽基ETF中表现突出[2] - 该基金成立以来累计超额回报达47.61%，即便在近一个月也实现了1.21%的超额收益[2] - 该基金在多个时间维度跑赢业绩基准，近3月涨幅20.01%对比基准16.23%，近1年涨幅41.96%对比基准30.94%，近2年涨幅94.57%对比基准61.25%[3] - 该基金在近3月、近2年、近3年及今年以来等多个周期的同类排名均为“优秀”[3] 增强策略有效性的市场与结构原因 - 中证1000指数成分股结构（1000只股票、市值分布散、行业覆盖广、研究员覆盖度低）为量化模型提供了获取“预期差”的空间[3] - 基金重仓股如欧菲光、震裕科技、移远通信等并非千亿市值巨头，但具备流动性好、波动率够、有故事可讲的特点，便于多因子模型选股[3] - 当前市场成交额维持在2万亿上方但未达前期峰值，缩量环境天然利好中小盘，因资金更易向弹性更高的方向切换[10] - 春节后至两会前的时间窗口，中证1000历史胜率高达90%以上，逻辑在于资金回补、政策预期和数据真空期三重因素共振[10] 资金流向与市场认可度 - 中证1000增强ETF招商近五日资金净流入接近7800万元，且已连续多日处于净申购状态[6] - 全市场中证1000类ETF近期整体呈现“吸金”态势，近20日资金净流入在宽基ETF中排在前列[6] 模型策略的稳健性与适应性 - 该基金模型经历了2023年震荡、2024年初微盘股危机及2024年下半年修复等极端市场环境的压力测试，超额收益曲线依然稳健，证明了其风控和调仓能力[8] - 该基金在近期全市场成交未回到3万亿的背景下净值创新高，表明其增强策略在结构性行情中即可跑出超额收益，无需依赖全面牛市[10]

核心观点 - 2026年1月，国内大类资产中黄金再度领涨，商品与权益资产均录得正收益，其中SHFE黄金月度涨幅高达18.48% [4][7] - 报告跟踪了多种量化资产配置策略在2026年1月的表现，其中国内资产BL策略2收益最高，为1.65%，基于宏观因子的策略收益为1.4%，风险平价策略收益为0.94% [1][4][20] - 宏观观点方面，报告认为经济弱复苏态势延续，通胀预计在春节效应下小幅上行，政策重心转向“适度宽松”，人民币汇率表现强势，并据此将六大宏观因子的暴露偏离值调整为：增长0、通胀+1、利率-1、信用0、汇率+1、流动性+1 [4][43][46] 大类资产走势回顾 - **资产收益表现**：2026年1月，SHFE黄金上涨18.48%，中证1000上涨8.68%，南华商品指数上涨8.61%，中证转债上涨5.82%，恒生指数上涨5.6%，沪深300上涨1.65%，中债-国债总财富指数上涨0.39%，中债-企业债总财富指数上涨0.29% [4][7][8] - **资产相关性**：近一个月内，中债-国债总财富指数与南华商品指数的相关性绝对值较低，仅为3.49% [13][15] - **长期相关性趋势**：过去一年，沪深300与中债-国债总财富指数的走势相关性为-32.28%，中债-国债总财富指数与南华商品指数的相关性为47.08%，沪深300与南华商品指数的相关性为-18.12% [4][15] 大类资产配置策略跟踪 - **策略表现汇总**：截至2026年1月，国内资产BL策略1收益1.55%，最大回撤0.23%，年化波动2.54%；国内资产BL策略2收益1.65%，最大回撤0.35%，年化波动2.64%；国内资产风险平价策略收益0.94%，最大回撤0.24%，年化波动1.43%；基于宏观因子的资产配置策略收益1.4%，最大回撤0.5%，年化波动2.73% [4][20][30][39][47] - **策略持仓配置**：报告提供了下月（2026年2月）各策略的持仓权重，例如国内资产BL策略1配置为：中证1000（10.00%）、中债-企业债总财富指数（85.00%）、SHFE黄金（5.00%）；国内资产风险平价策略则相对均衡地配置了八大类国内资产 [21] - **全球资产策略**：全球资产BL策略1的1月收益为1.26%，全球资产BL策略2收益为0.84%，全球资产风险平价策略收益为0.7% [20][49][51] 模型策略详解与对比 - **BL模型策略**：该模型是传统均值-方差模型的改进，通过贝叶斯理论将主观观点与量化模型结合 [27][33]。作为对比的固定权重均衡配置策略（股:债:转债:商品:黄金=10:80:5:2.5:2.5）在2026年以来收益为1.77%，高于BL策略但波动和回撤也更大 [29][30] - **风险平价模型**：该模型核心是使每类资产对投资组合的整体风险贡献相等 [35]。2026年以来，国内资产风险平价策略的收益（0.94%）低于均衡配置策略（1.77%），但其年化波动（1.43%）和最大回撤（0.24%）显著更低，风险调整后收益更优 [39][40] - **基于宏观因子的策略**：该策略通过增长、通胀、利率、信用、汇率、流动性六大宏观因子构建配置框架，将宏观主观观点落地为资产配置权重 [40][41]。最新一期（2026年1月底）对各类资产（如沪深300、中证1000、黄金等）的因子暴露水平进行了测算 [41][45] 历史表现附录 - **国内资产策略历史表现**：国内资产BL策略1自2013年至2026年1月的累计年化收益为6.73%，最大回撤4.82% [58]。国内资产风险平价策略同期累计年化收益为5.54%，最大回撤4.21% [60] - **全球资产策略历史表现**：全球资产BL策略1自2011年至2026年1月的累计年化收益为6.42%，最大回撤3.18% [66]。全球资产风险平价策略同期累计年化收益为5.91%，最大回撤3.91% [68]

基金业绩表现 - 截至2025年2月6日，兴银中证500指数增强A最新净值为1.3146元 [1] - 该基金近六个月收益为27.88%，在同类757只基金中排名第127位 [1] - 截至2025年12月31日，基金近一年收益为34.82%，超越基准收益率6.01%；近三年收益为32.63%，超越基准收益率6.38% [1] 基金产品定位与策略 - 该基金定位为指数增强型股票基金，在紧密跟踪中证500指数的基础上，通过量化模型进行成分股权重优化与适度增强 [2] - 基金经理在四季度通过严格控制风格暴露、依托Barra多因子模型进行组合优化，在控制跟踪误差的同时实现了稳定的超额收益 [5] - 策略构建注重控制超额收益的波动、提升夏普比率，以实现在不同市场周期中表现更为持续与稳健 [5] - 展望2026年，基金将继续发挥量化模型在风险控制与阿尔法创造方面的双重优势 [5] 资产配置与行业分布 - 截至2025年四季度末，基金股票仓位占比为92.18%，债券持仓为0.71%，现金类资产占6.53% [2] - 行业配置以制造业为主导，占净值比例为60.39%；信息技术和金融业占比分别为4.53%和4.34% [2] - 前十大重仓股均为中证500指数成分股，合计占基金资产净值约7.24%，整体持股分散 [2] - 前十大重仓股覆盖信息技术、高端制造、航空航天及电子等多个成长领域 [2] 前十大重仓股详情 - 前十大重仓股按公允价值排序依次为：巨人网络 (606,060.00元)、金风科技 (605,880.00元)、先导智能 (569,772.00元)、中国卫星 (531,720.00元)、景旺电子 (518,939.00元)、兴森科技 (499,612.00元)、国瓷材料 (487,898.00元)、高德红外 (482,643.00元)、水晶光电 (482,304.00元)、航天电子 (458,380.00元) [3] 积极投资部分 - 积极投资部分前五名股票依次为新光光电、拉卡拉、盛路通信、中信证券、华鑫股份，合计占净值约1.55% [2] - 这体现了基金通过量化模型在控制整体风格暴露基础上进行的增强布局 [2] 基金经理与基金背景 - 基金经理为翁子晨，为硕士研究生、FRM持证人，具有5年证券从业经验，于2023年3月加入兴银基金 [5] - 翁子晨现任指数与量化投资部基金经理，主要负责指数增强与量化策略的管理与优化 [5] - 兴银中证500指数增强A成立于2021年3月1日 [5]

量化模型与构建方式 1. **模型名称：黄金交易拥挤度仓位管理策略**[19] * **模型构建思路**：在长期看多黄金的前提下，通过监测交易拥挤度指标来规避短期过热风险，进行动态仓位调整以提升风险调整后收益[19]。 * **模型具体构建过程**： 1. 计算黄金价格40日乖离率：$$乖离率 = \frac{当前价格 - 40日移动平均价格}{40日移动平均价格} \times 100\%$$[19] 2. 获取沪金主力平值隐含波动率（IV）[19]。 3. 设置交易信号触发条件：当黄金价格40日乖离率超过9%，且沪金主力平值IV超过30%时，发出拥挤信号[21]。 4. 仓位管理规则：当触发拥挤信号时，将组合仓位降低至40%；否则，保持全仓持有黄金[21]。 2. **模型名称：10Y国债利率预测模型（结构化静态因子模型）**[44] * **模型构建思路**：利率由资金供需决定，通过结构化静态因子模型从宏观指标中抽象出四大驱动因子，共同刻画利率的变动方向[44]。 * **模型具体构建过程**： 1. 从精选的宏观指标中抽象出四大核心因子：经济增长、通货膨胀、债务杠杆、短期利率[44]。 2. 采用结构化静态因子模型（Structured Static Factor Model）整合四大因子，预测下月10Y国债利率的变动方向[44][47]。 3. 通过累加或累减实际利率变动来评估模型的择时效果[49]。 3. **模型名称：黄金择时模型（四因子模型）**[54] * **模型构建思路**：黄金走势主要对标美元信用，从反映美元信用的宏观指标中抽象出四大因子，采用结构化静态因子模型判断黄金价格方向[54]。 * **模型具体构建过程**： 1. 从精选的宏观指标中抽象出四大核心因子：美国经济、美国就业、美国财政、美国对外负债[54]。 2. 采用结构化静态因子模型整合四大因子，进行月度黄金走势的择时判断[54]。 4. **模型名称：房地产行业压力指数**[61] * **模型构建思路**：采用扩散指数法，通过房地产市场供给与需求各链路中的关键指标，从绝对水平和边际变动两个维度打分，加总标准化后衡量房地产市场的整体承压状态[61]。 * **模型具体构建过程**： 1. 选取房地产市场供给与需求链路中的关键指标（如土地成交量价、商品房销售面积、房价指数、新开工面积、开发贷款、个人住房贷款等）[61][64]。 2. 对每个指标从绝对水平和边际变动两个维度进行评分[61]。 3. 将所有指标的评分加总并进行标准化处理，得到房地产行业压力指数，指数值越大表示市场压力越大[61]。 5. **模型名称：A股景气度指数2.0**[27] * **模型构建思路**：考虑到A股净利润主要由金融业和工业构成，通过分别构建两者的高频景气度指数，加和得到整体A股利润的同步预测指数[27]。 * **模型具体构建过程**： 1. 分别构建金融业和工业的高频景气度指数[27]。 2. 将金融业景气度指数与工业景气度指数加和，得到整体的A股景气度指数2.0，用于同步预测万得全A净利润同比变化[27]。 6. **模型名称：三维择时体系（分歧度-流动性-景气度）**[38][41] * **模型构建思路**：从市场分歧度、流动性、景气度三个维度综合判断市场大势[38][41]。 * **模型具体构建过程**： 1. 分别构建或监测市场分歧度、流动性、景气度三个指标的变化趋势[41]。 2. 根据三个指标的状态（上升、下降、高位、低位等）进行综合判断，形成对市场整体走势的观点[38]。 7. **模型名称：印度权益市场二维择时框架（分歧度-流动性）**[71][75] * **模型构建思路**：从量价维度，通过市场分歧度和流动性两个指标的状态组合，对印度权益市场进行择时判断[71][75]。 * **模型具体构建过程**： 1. 分别计算印度权益市场的分歧度指标和流动性指标[71]。 2. 根据两个指标的上行/下行状态，将其划分为不同区域，对应不同的市场行情判断（如震荡、放量下跌等）[71][75]。 8. **模型名称：量化大势研判框架**[80][81] * **模型构建思路**：通过跟踪多类风格资产的优势差（Δgf, Δg, ΔROE等）变化，判断市场风格扩张或收缩状态，从而推荐占优风格[80][81]。 * **模型具体构建过程**： 1. 计算预期增速资产优势差（Δgf）、实际增速资产优势差（Δg）、ROE优势差（ΔROE）等指标[80]。 2. 根据这些优势差指标的变动方向（扩张或收缩），结合风格拥挤度，综合判断并推荐当期占优的市场风格（如预期成长、实际成长、盈利能力等）[80][81][85]。 9. **模型名称：国联民生金工多维行业配置策略**[99] * **模型构建思路**：采取“恒星+卫星”模式，将胜率赔率策略和出清反转策略以4:1的权重组合，策略内部行业等权持有，构建行业配置组合[99]。 * **模型具体构建过程**： 1. **胜率赔率策略**：从胜率（短周期超额收益概率，由行业景气度决定）和赔率（长周期绝对收益空间，由估值、股息率等决定）两个维度筛选行业[100][102]。 2. **出清反转策略**：从行业需求、供给、竞争格局三个维度划分行业状态，筛选处于“出清结束反转状态”的行业[106][111]。 3. 将两个子策略以4:1的权重合并，构成最终的多维行业配置策略组合[99]。 10. **因子名称：黄金价格乖离率**[19] * **因子构建思路**：衡量黄金价格相对于其移动平均线的偏离程度，乖离率越高意味着获利盘越大，短期回调风险越高[19]。 * **因子具体构建过程**：计算当前价格与40日移动平均价格的偏离百分比，公式为：$$乖离率 = \frac{当前价格 - 40日移动平均价格}{40日移动平均价格} \times 100\%$$[19] 11. **因子名称：沪金主力平值隐含波动率（IV）**[19] * **因子构建思路**：反映市场对未来黄金价格波动水平的预期，IV越高则预示价格大幅波动的风险越大[19]。 12. **因子名称：市值因子拥挤度**[93][95] * **因子构建思路**：用于观察小盘/大盘风格的交易拥挤程度，拥挤度越高意味着该风格存在过热和反转的可能[93]。 模型的回测效果 1. **黄金交易拥挤度仓位管理策略**，年化收益24.3%，年化波动15.0%，夏普比率1.62，最终净值3.57[21]。 2. **始终全仓持有黄金（基准）**，年化收益20.9%，年化波动16.6%，夏普比率1.26，最终净值3.04[21]。 3. **10Y国债利率预测模型**，2006年以来样本内外胜率约70%，2023年以来样本外胜率68%[47]。 4. **黄金择时模型（四因子模型）**，2008年以来胜率约65%，2023年以来样本外胜率78%[54]。 5. **国联民生金工多维行业配置策略**，2023年绝对收益2.36%，超额收益（相对中信一级行业等权）7.26%；2024年绝对收益15.23%，超额收益4.83%；2025年绝对收益31.35%，超额收益6.47%；2026年截至1月底绝对收益8.41%，超额收益3.34%[99]。 6. **胜率赔率策略**，2024年以来绝对收益70.68%，相较于中信一级行业等权基准超额收益19.61%[105]。 量化因子与构建方式 1. **因子名称：黄金价格乖离率**[19] * **因子构建思路**：衡量黄金价格相对于其移动平均线的偏离程度，乖离率越高意味着获利盘越大，短期回调风险越高[19]。 * **因子具体构建过程**：计算当前价格与40日移动平均价格的偏离百分比，公式为：$$乖离率 = \frac{当前价格 - 40日移动平均价格}{40日移动平均价格} \times 100\%$$[19] 2. **因子名称：沪金主力平值隐含波动率（IV）**[19] * **因子构建思路**：反映市场对未来黄金价格波动水平的预期，IV越高则预示价格大幅波动的风险越大[19]。 3. **因子名称：市值因子拥挤度**[93][95] * **因子构建思路**：用于观察小盘/大盘风格的交易拥挤程度，拥挤度越高意味着该风格存在过热和反转的可能[93]。 因子的回测效果 *(注：报告中未提供单个因子的独立回测指标值，如IC、IR等，故本部分略过)*

报告行业投资评级 未提及 报告的核心观点 - 2026年2月5日30y国债模型单日输出概率10.57%，MA5为39.29%，模型观点由震荡转为看多，是自2025年10月30日以来首次MA5看多信号，前期30y国债新券收益率高致中债估值收益率上行或影响模型 [4][7] - 3年AAA中短票模型自2025年12月8日以来持续43个交易日看多 [4][7] - 10年国债模型于2月4日MA5从震荡转为看多，结束2025年12月以来震荡调整区间，前期虽处调整区间但输出概率不高且偶有单日看多信号，还增加大行对7 - 10年国债买卖因子丰富因子集 [4][7] - 2年国债模型近期波动大，因波段小无明显趋势，2026年2月4日单日输出概率翻多，MA5步入震荡区间 [4][7] - 黄金模型自2025年10月29日MA5看多持续近3个月，2026年1月25日出现单日调整信号，1月28日起震荡调整，近3个交易日输出概率上行，总体处震荡调整区间边缘 [4][8] - 原油模型近期总体看多，2月2日回撤使输出概率下行，但仍处看多区间 [4][8] 各目录总结 1 模型最近新结果展示 - 30y国债模型：2月5日单日输出概率10.57%，MA5为39.29%，观点转看多，前期新券收益率影响或致模型变化 [7] - 3年AAA中短票模型：自2025年12月8日起持续43个交易日看多 [7] - 10年国债模型：2月4日MA5从震荡转看多，结束震荡区间，前期输出概率不高且偶有单日看多信号，增加相关买卖因子 [7] - 2年国债模型：近期波动大，因波段小无趋势，2月4日单日输出概率翻多，MA5入震荡区间 [7] - 黄金模型：自看多后持续近3个月，现处震荡调整区间边缘，近3日输出概率上行 [8] - 原油模型：近期总体看多，2月2日回撤使输出概率下行但仍看多 [8] 图1：30Y国债及3YAAA中短票历史择时效果 - 展示了30Y国债及3YAAA中短票历史择时效果 [6][10] 图2：30年国债最近20交易日输出结果 - 呈现30年国债最近20交易日的日期、30vYTM、单日输出概率、原始标签、MA5等输出结果 [6][13] 图3：3YAAA中短票最近20交易日输出结果 - 给出3YAAA中短票最近20交易日的日期、收益率、单日输出概率、原始标签、MA5等数据 [6][14] 图4：10Y国债及2Y国债历史择时结果 - 展示10Y国债及2Y国债历史择时结果 [6][15] 图5：10年期国债最近20交易日输出结果 - 呈现10年期国债最近20交易日的日期、10yYTM、单日输出概率、原始标签、MA5等输出结果 [6][18] 图6：2年期国债最近20交易日输出结果 - 给出2年期国债最近20交易日的日期、收益率、单日输出概率、原始标签、MA5等数据 [6][19] 图7：黄金及原油历史择时结果 - 展示黄金及原油历史择时结果 [6][20] 图8：黄金模型最近20交易日输出结果 - 呈现黄金模型最近20交易日的日期、COMEX黄金、单日输出概率、原始标签、MA5等输出结果 [6][23] 图9：原油模型最近20交易日输出结果 - 给出原油模型最近20交易日的日期、布伦特原油价格、单日输出概率、原始标签、MA5等数据 [6][24]

核心观点 - 报告认为当前资产表现由风险偏好主导，A股市场应关注风格切换，整体震荡但存在结构性机会，重点看好中盘蓝筹及上游涨价板块[2][7][57] - 2月大类资产配置观点为：A股关注风格切换，境内债券和美股持中性看法，黄金短期谨慎但中期看好，商品短期适当谨慎，美债维持谨慎[7][57] 大类资产观点 - **境内股票（A股）**：分子端盈利预期和科技成长预期相对平稳，分母端无风险利率下行缺乏新驱动，风险偏好从两端向中间回归，结构上重点关注中盘蓝筹[7][10] - **境内股票（A股）**：两融新规后融资买入仍在高位，市场情绪整体乐观，预计板块轮动加快，1月市场呈现量缩价涨，在涨价逻辑下优先关注上游，重点是有色、化工和农业板块[7][10] - **境内债券**：1月风险资产调整和经济偏弱预期对债市形成支撑，但供给压力仍在，预期整体平稳，交易层面中期不确定性略有上行，整体看法为中性[7][13] - **黄金**：金价历史上由货币属性和投资属性交替主导，2023年以来进入二者共振时期，当前逻辑未变，1月底冲高回落主因交易结构恶化，短期波动加大但中期仍然看好[7][12] - **黄金**：报告判断本次金价下跌不会类似1980和2012年的深度调整，因前两次是货币属性转向投资属性且美国进入债务收缩，而当前美国债务压力仍大且降息周期尚未结束[7][12] - **商品**：重点关注有色金属，预期层面铜近期补库较快与铜矿减产预期共同作用，需求端有支撑，电解铝库存相对更低，美联储降息周期及传统经济、新经济需求继续提供支撑，短期波动受全球流动性影响，交易不确定性上行较快，整体短期适当谨慎[7][17] - **美股**：估值较高，但在K型经济下科技产业发展引领基本面预期，形成一定支撑，后续需进一步催化或业绩兑现，交易风险整体平稳，历史上与黄金对冲效果较好，整体看法为中性[7][19] - **美债**：预期层面美国就业市场疲软形成支撑，但沃什提名可能带来“降息+缩表”预期导致曲线陡峭化，同时若北欧卖美债进一步传导可能给长债带来更大压力，叠加人民币处于升值周期，配置美债性价比有限，整体适当谨慎[7][22] 量化策略业绩表现 - **资产配置策略**：自2025年以来，低波动策略年化收益**6.0%**，中低波动策略年化**11.8%**，中高波动策略年化**18.1%**[7][58] - **行业轮动策略**：自2025年以来，样本外年化收益达**45.3%**，跑赢偏股混合型基金指数**12.3%**[7][41][42] - **ETF策略**：资产配置ETF策略自2025年以来，低波年化**6.3%**，中低波年化**11.9%**，中高波年化**18.0%**；行业轮动ETF策略自2025年以来年化**44.8%**[7][48][54][58] 二月具体配置建议 - **资产配置策略**：继续看好A股，低波动策略小幅加仓A股和美股，中波动策略加仓A股、境内债券和美股，并减持黄金[7][56][58] - **行业轮动策略**：2月推荐有色金属、基础化工、电力设备（电新）、国防军工、通信、电子等板块[7][45][58] - **ETF策略**：资产配置ETF建议加仓A股、中债、美股等ETF，行业ETF策略推荐有色金属、化工、新能源、军工、通信、信息技术等ETF[7][51][58] - **板块逻辑**：从风险偏好和涨价逻辑出发，重点看好有色、化工、农业等板块[7][58] 策略方法论摘要 - **动态全天候策略**：基于对宏观风险因子（如高通胀、汇率贬值、事件冲击）的判断，将因子与对应资产挂钩，当因子不显著时从组合中剔除相应资产，以此实现充分分散化并降低不确定性[26][27] - **动态全天候策略表现**：2025年以来年化收益**6.0%**，卡玛比率**4.2**，其表现优于传统全天候策略[27][28] - **中波增强策略**：以动态全天候策略打底，并用主动型资产配置增强，自2025年以来，中低波策略年化**11.8%**，中高波策略年化**18.1%**，在分散风险的同时增强了收益弹性[34][35] - **行业轮动框架**：基于增长预期和利率预期划分的股债四象限框架（股强债弱、股弱债强、股债双强、股债双弱），根据不同市场环境下资金行为差异进行行业轮动[39][40] - **ETF映射方法**：通过相关性、跟踪误差、规模、成分股重合度等多个维度为申万一级行业指数筛选最接近的ETF，多数行业与对应ETF的相关性在**90%**以上[46][48]

文章核心观点 - 基于量化模型信号，报告对2026年2月的市场风格配置提出建议：超配小盘风格，均衡配置价值与成长风格 [1] - 中长期（未来一年）观点继续看好小盘风格和成长风格 [1] 大小盘风格轮动月度策略 - **月度观点（2026年2月）**：1月底量化模型最新信号为0.5，指向小盘风格，结合历史2月小盘占优的日历效应，建议2月超配小盘风格 [1] - **中长期观点**：当前市值因子估值价差为0.88，距离历史顶部区域1.7~2.6仍有距离，显示中长期并不拥挤，未来一年继续看好小盘风格 [1] - **策略表现**：截至1月底，该模型本年收益为8.16%，相对等权基准（4.91%）的超额收益为3.26% [1] 价值成长风格轮动月度策略 - **月度观点（2026年2月）**：1月底量化模型信号为0，建议2月等权配置成长和价值风格 [2] - **中长期观点**：未来一年更看好成长风格 [2] - **策略表现**：截至1月底，该模型收益为4.01%，相对等权基准（4.01%）的超额收益为0% [2] 风格因子表现跟踪 - **大类因子表现（1月及本年）**：在8个大类因子中，1月及本年价值、波动率因子正向收益较高；大市值、质量因子负向收益较高 [2] - **细分风格因子表现（1月及本年）**：在24个风格因子中，1月及本年贝塔、长期反转、中市值因子正向收益较高；大市值、残差波动、行业动量因子负向收益较高 [2] 因子协方差矩阵更新 - 报告更新了截至2025年12月31日的最新一期因子协方差矩阵，该矩阵是股票组合风险预测的核心组成部分 [3]