金 融 工 程 黄金继续上涨，国内资产 BL 策略 2 本周 上涨 0.1% 大类资产配置模型周报第 41 期 证 券 研 究 报 告 金 融 本报告导读： 国内资产 BL 模型 2、国内资产 BL 模型 1、基于宏观因子的资产配置模型、国内资 产风险平价模型和全球资产风险平价模型分录涨幅 0.1%、0.1%、0.07%、0.04%和 0.02%；全球资产 BL 模型 1 和全球资产 BL 模型 2 分录跌幅 0.14%和 0.01%。 投资要点： | [Table_Authors] | 郑雅斌(分析师) | | --- | --- | | | 021-23219395 | | | zhengyabin@gtht.com | | 登记编号 | S0880525040105 | | | 张雪杰(分析师) | | | 0755-23976751 | | | zhangxuejie@gtht.com | | 登记编号 | S0880522040001 | | | 朱惠东(分析师) | | | 0755-23976176 | | | zhuhuidong@gtht.com | [Table_Report] 相关报告 ...

微盘股，通常指市值较小、流动性相对偏低的上市公司股票。它们并非简单的"小盘股"，而是"小盘股 中的小盘股"。从过往实践来看，其投资标的往往具备以下鲜明特征： 近年来，微盘股投资策略备受市场瞩目，以其独特的波动性和高弹性吸引了众多目光。然而，对于大多 数投资者而言，微盘股投资仍笼罩着一层神秘面纱。它究竟是价值发现的沃土，还是一场高风险的博 弈？今天让我们来探讨下投资微盘股，到底投资的是什么？ 微盘股：一个怎样的"小众江湖"？ 策略如何落地：量化模型与严格风控 机构参与率低：大型机构资金鲜少涉足，使得股价不易被大额调仓所冲击，市场情绪相对独立。 筹码结构稳定：股价跌至低位后，现有股东抛售意愿降低，甚至核心股东有较强的做高股价动机，形成 天然的"安全垫"。 交投清淡，换手率低：日常成交金额小（多为千万级别），股价长期处于低估或无人问津的状态，便于 量化模型通过批量指标识别逆向投资标的。 估值修复弹性大：由于抛压轻，通常来说一旦获得市场关注，即使少量增量资金也能驱动股价快速、显 著地上涨。 投资的本质：一场"关注度"的博弈 与传统价值投资聚焦公司基本面（盈利能力、行业前景）不同，也区别于成长投资追逐高景气板块，微 盘 ...

人工智能与计算机行业 - DeepSeek-V3.2系列模型在公开推理基准测试中表现已对标GPT-5，其长思考增强版V3.2-Speciale在国际数学奥林匹克等顶级赛事中达到人类顶尖水平[4] - DeepSeek-V3.2通过在大规模Agent训练数据上进行强化学习，在涵盖1800余个环境的85,000余条复杂指令上训练，使其在工具调用评测中达到开源模型最高水平[5] - 豆包大模型日均tokens使用量已从2024年5月的1200亿增长253倍至2025年9月的超30万亿[10] - 豆包大模型1.6版本的综合成本较豆包1.5深度思考与DeepSeek R1下降63%[10] 公司研究与市场策略 - 首次覆盖富维股份，给予“增持”评级，预测2025/26/27年营业收入为208.72/220.62/231.65亿元，归母净利润为6.30/6.99/7.75亿元[13] - 2025年11月行业主题ETF规模前三板块为证券（13.0%）、芯片（12.0%）与医药（7.3%），合计占比32.3%[18] - 截至2025年11月28日，全市场固收+基金规模为21824.28亿元，产品数量1148只[20] - 本年中证2000指数增强策略超额收益为28.08%[30] 金融工程与量化策略 - 综合量化模型信号和日历效应，建议12月超配大盘风格和价值风格[24] - 本年以来大小盘轮动量化模型收益24.71%，相对等权基准的超额收益为1.5%[24] - 2025年11月下旬，日本国债市场经历剧烈抛售，40年期收益率飙至3.747%历史峰值，核心驱动因素包括21.3万亿日元财政刺激计划及日本央行削减长端购债规模[44] 债券市场与货币政策 - 截至2025年三季度末，摊余成本法债基的基金资产净值合计约1.47万亿元，债券投资市值规模为1.95万亿元[41] - 预计2025年末至2026年全年OMO利率仍有1-2次、累计10-20BP的降息空间[36] - 易受年末费率新规影响的债基持有信用债规模约占全市场托管余额的9.13%，规模约2.65万亿元[42]

根据提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：Black-Litterman模型（BL模型）**[12] * **模型构建思路**：BL模型是对传统均值-方差模型的改进，采用贝叶斯理论将投资者对市场的主观观点与量化配置模型相结合，以优化资产配置权重，解决均值-方差模型对预期收益过于敏感的问题[12] * **模型具体构建过程**：该模型通过投资者对市场的分析预测资产收益，进而优化资产配置权重，具体构建过程可参考系列报告之二《手把手教你实现 Black-Litterman 模型》[13] 2. **模型名称：风险平价模型**[17][18] * **模型构建思路**：风险平价模型的核心思想是使投资组合中每类资产对整体风险的贡献相等，从而改进传统的均值-方差模型[17][18] * **模型具体构建过程**：构建过程分为三步：第一步，选择合适的底层资产；第二步，计算各资产对组合的风险贡献；第三步，通过求解优化问题，使各资产的实际风险贡献与预期风险贡献的偏离度最小，从而计算得到最终的持仓权重[19] 3. **模型名称：基于宏观因子的资产配置模型**[21] * **模型构建思路**：该模型构建了一个涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，旨在建立宏观研究与资产配置研究的桥梁，将宏观主观观点落地到资产配置层面[21] * **模型具体构建过程**：构建过程分为四步：第一步，每月末计算资产池中各类资产对宏观因子的暴露水平；第二步，以资产的风险平价组合作为基准，计算基准因子暴露；第三步，结合投资者对宏观未来一个月的主观判断（给定主观因子偏离值）和基准因子暴露，得到资产组合的因子暴露目标；第四步，通过模型反解得到下个月的各个资产配置权重[22] 模型的回测效果 1. **国内资产BL模型1**，上周收益-0.32%，11月份收益0.05%，2025年收益4.0%，年化波动2.18%，最大回撤1.31%[14] 2. **国内资产BL模型2**，上周收益-0.15%，11月份收益0.08%，2025年收益3.77%，年化波动1.95%，最大回撤1.06%[14] 3. **全球资产BL模型1**，上周收益-0.17%，11月份收益-0.26%，2025年收益0.78%，年化波动2.0%，最大回撤1.64%[14] 4. **全球资产BL模型2**，上周收益0.01%，11月份收益0.08%，2025年收益2.7%，年化波动1.59%，最大回撤1.28%[14] 5. **国内资产风险平价模型**，上周收益-0.27%，11月份收益-0.09%，2025年收益3.6%，年化波动1.32%，最大回撤0.76%[20] 6. **全球资产风险平价模型**，上周收益-0.2%，11月份收益-0.07%，2025年收益3.04%，年化波动1.42%，最大回撤1.2%[20] 7. **基于宏观因子的资产配置模型**，上周收益-0.31%，11月份收益-0.01%，2025年收益4.43%，年化波动1.55%，最大回撤0.64%[27] 量化因子与构建方式 1. **因子名称：宏观因子（增长、通胀、利率、信用、汇率、流动性）**[21] * **因子的构建思路**：构建一个涵盖六大宏观风险的因子体系，用于宏观因子资产配置框架[21] * **因子具体构建过程**：通过Factor Mimicking Portfolio方法构造了增长、通胀等六大宏观风险的高频宏观因子[22] 因子的回测效果 （报告中未提供宏观因子的独立测试结果指标）

投资文化与行为变迁 - 上海广东路西藏中路存在一个历史悠久的自发“马路股市沙龙”，成为股民周末交流投资心得的重要场所，承载着深厚的上海证券文化底蕴[1] - 股民的投资学习方法正从过去单纯依赖经验和听消息，转向系统性地研究经济大势、板块轮动和技术分析，讨论主题更具计划性和深度[4] - 投资分析呈现从传统技术图形分析向依赖数据验证的量化模型发展的趋势，年轻投资者强调“炒股不能凭感觉，得看数据说话”[2][4] 投资工具的需求与演变 - 面对海量的市场信息和复杂技术指标，投资者普遍存在如何找到更有效分析方法的困惑，凸显了对高效学习工具和智能辅助的迫切需求[4] - 市场变化加速导致个人精力有限，投资工具的创新正深刻改变学习炒股的方式，从单纯经验分享转向寻求智能工具辅助成为关键转折点[4] - 九方智投AI股票机在沙龙中悄然流行，被股民用于验证投资思路和提升分析能力，设备集成智能投研系统并提供行情分析及资讯[5] 智能投资工具的功能特点 - 九方智投AI股票机集成了趋势研判、量价分析等多维度专业工具，旨在帮助投资者构建完整的市场分析框架，为系统化投资学习提供新路径[6] - 设备核心亮点是智能助手“小九”，其创新性地搭载了DeepSeek与九章证券两大AI模型，形成“双引擎”决策大脑[8] - “小九”能提供复杂的个股诊断、宏观市场洞察、金融知识百科与策略生成，实现全天候、专业级的智能答疑，尤其在帮助理解技术指标应用、识别趋势转折和洞察资金流向方面起到关键作用[8] 投资者群体与市场发展 - 中国投资者总数达2.4亿，投资者学习方式正从单一经验交流转向系统性学习，学习工具更加多元和智能，反映了资本市场的持续发展[8]

产品发布核心 - THPX信号源团队正式推出WTIBTC智能趋势捕捉系统，旨在通过先进算法与大数据分析，为关注WTI原油与比特币关联性资产组合的投资者提供精准、实时的市场趋势识别与交易信号 [1] - 该产品代表了公司在量化交易与智能分析领域持续深耕的重要成果，致力于在复杂多变的市场环境中辅助用户捕捉潜在机遇，优化投资决策流程 [1] 产品核心优势 - 系统构建了一套科学的指标融合分析框架，持续跟踪包括资产价格变动速率、关键成交量变化、市场情绪指标及宏观经济关联因子等多维度数据，通过精密算法整合解析后生成易于理解的交易信号 [3] - 系统融入了自适应学习内核，能够根据历史信号验证结果与最新市场数据，不断优化其分析模型和参数配置，使其成为能持续进化、提升判断准确性的智能工具 [5] - 系统在信号产生逻辑中内置了风险提示机制，当市场条件出现高度不确定性时会明确发出提示，帮助用户权衡风险与机遇，但始终定位于辅助决策的“智能参谋”而非市场预言者 [5] 目标用户与价值 - 系统对致力于优化原油-加密货币资产组合配置的中长期投资者，以及专注于捕捉WTI-BTC联动短期波段交易机会的交易者，都能提供及时的行情扫描与趋势分析输出 [7] - 对于时间精力有限或缺乏深度技术分析能力的投资者，该系统能有效弥补信息处理能力上的不足；对于经验丰富的交易者，其信号输出可作为辅助验证判断的有效补充 [7] - 产品的核心价值在于显著降低了在高波动市场中捕捉有效信息的难度，提升了对复杂行情理解的清晰度，并有效提升了投资者的整体决策效率与判断维度 [8]

交易理念与策略 - 核心交易理念为“战略上的定力+战术上的灵活性”，战略上坚持“先防后攻”以及对波动率周期的前瞻判断和择时执行的果断 [1] - 策略以“趋势跟踪+板块轮动”为主，系统性地运用期权进行对冲交易，例如在市场快速上涨阶段通过备兑开仓增强收益，在市场震荡或回调中买入看跌期权或构建价差策略保护头寸 [1] - 坚持“基本面定方向，技术面定时机”的入场原则，特别关注市场情绪与波动率位置，不做预测型交易，只做逻辑验证后的跟随与保护 [3] 风险管理与仓位控制 - 采用“硬止损+逻辑止损”双轨制风险控制，“硬止损”设在技术关键位下方，“逻辑止损”基于基本面或市场环境的根本变化而设 [3] - 期权在风控体系中不仅是止损工具，更是风险转移的工具，例如在预期市场震荡加大时通过买入虚值看跌期权或构建熊市价差来对冲下行风险 [3] - 坚持分散布局、分批建仓、不押单边的仓位管理原则，期权仓位通常控制在总资产的一定范围以内，主要作为对冲与收益增强工具，绝不重仓做单向投机 [3] - 实行盈利出金机制，当某一个头寸实现收益翻倍后撤出本金，让利润继续奔跑，以保持交易心态健康 [3] 市场观点与机会识别 - 认为当前市场特点是方向不确定、事件驱动增强、波动率周期反复，专注于波动定价和风险暴露管理比盲目预测方向更能带来稳健收益 [2] - 识别交易机会依托量化模型与宏观判断结合的体系，模型部分以波动率结构、量价行为、资金流因子为核心识别市场潜在波动拐点，宏观方面跟踪政策预期、国际经济周期及市场风险偏好判断波动的方向与持续性 [3] 交易品种与标的筛选 - 主要聚焦科创50、有色金属、黄金、原油、农产品及恒生科技等相关标的，期权方面重点布局中证1000、科创50等指数期权，偶尔配合商品期权做互补 [2] - 选择品种基于基本面的中长期逻辑，例如有色金属受益于全球补库与绿色转型，科创50受益于自主创新政策，同时看重品种的流动性与波动特征以确保期权策略有较好的定价与成交效率 [2] - 筛选标的的核心标准是隐含波动率处于低位、受宏观影响较大，以及受“反内卷”逻辑影响明显 [2]

市场前景预测 - 城堡证券预测标普500指数在健康回调后将强劲反弹 年底目标点位可能达到7000点 [1] - 市场增长动力来自市场布局与有利季节性因素的共同作用 [1] - 历史数据显示从当前至年底标普500指数通常上涨约4% 凸显有利季节性趋势 [1] 市场参与者行为分析 - 散户交易员持续需求强劲 过去四周资金流动明显倾向于买方 [1][2] - 机构投资者在感恩节前持仓量减少 为重新调整持仓提供空间 [1] - 系统化投资者已进入风险规避阶段 近期减少股票持仓 其自动化资金外流可能持续数天后消退 [2] 潜在市场催化剂 - 英伟达强劲业绩可能促使交易员在年底平掉对冲头寸并重新建仓 [1] - 投资者正从集中投资转向多元化策略 市场领导地位向医疗保健 能源和必需消费品等板块转移 [2]

市场波动与投资者行为 - 全球市场出现抛售，从美股到加密货币均下跌，比特币出现腰斩式下跌 [1][3] - 当前抛售程度不及历史均值的一半，市场波动率处于历史百分位的65%，未达到90%的极端值 [3][5] - 牛市是散户亏钱的主要原因，投资者易将运气误判为能力，将波动误判为趋势，例如某股票在三个月上涨50%的过程中出现5次深度调整，90%的散户在第三次震荡时被洗出局 [6] 市场结构变化与机构策略 - 专业机构交易占比超过50%，其操作包括游资点火、机构反手镇压、量化基金建仓等多维度策略 [8] - 机构利用资金优势进行降维打击，某典型博弈股的K线图显示，游资突袭导致股价脉冲上涨10%，随后机构连续砸盘使价格回归原点，并通过拉高诱多和暴力洗盘等心理战策略，最终在散户离场后跳空高开13%直接封板 [10][11][13] - 量化系统能标记出关键节点，帮助理解主力意图，例如当游资抢筹与机构震仓同时出现时，次日上涨概率达73% [13][14] 投资工具与策略建议 - 建议投资者摒弃KDJ、RSI等过时技术指标，转向监测订单流数据的工具，以识别主力是真金白银买入还是挂假单钓鱼 [14] - 建立量化锚点是对抗市场噪音的武器，需警惕财经大V集体唱多时可能出现的阶段性顶部，此时应参考期权市场的隐含波动率 [14] - 当华尔街开始讨论“这次真的不一样”时往往意味着市场转机临近，例如2009年、2016年、2020年的情况 [13]

电力设备行业资金流向 - 电力设备行业出现单日融资净买入40亿元的情况 [1] - 天孚通信单日融资额达到14.91亿元 [1] - 电力设备行业近三个月机构持仓离散度下降23%，表明大资金正形成共识 [13] 市场参与者行为分析 - 多数散户投资者在股价调整时反应过度，例如在某光伏组件股的36个交易日中，80%的散户在第三根阴线时卖出 [4] - 机构资金行为与散户相反，在股价下跌期间机构持仓可能增加，例如某周股价下跌最凶时机构持仓反而增加12% [10] - 市场存在机构长期布局与游资短期博弈的区别，需要加以分辨 [13] 量化数据与市场信号 - 量化系统可监测机构资金动向，例如在某消费电子股五连阳后崩盘前两周，系统已监测到机构库存归零 [10] - 机构资金数据（机构库存）在股价震荡期间可能保持稳定，与散户的恐慌情绪形成对比 [7] - 机构持仓离散度下降等量化信号比技术图形更值得关注 [13] 历史行情对比 - 当前电力设备板块的活跃度与2019年半导体行情启动前形成对比，当时半导体板块日均成交不足现在的五分之一 [14] - 市场场景具有重复性，例如当前电力设备行业融资活跃度与2015年创业板锂电概念行情有相似之处 [1]