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]

核心观点 - 根据量化模型信号和日历效应，报告建议2026年2月超配小盘风格，均衡配置价值与成长风格 [1][2][5] - 中长期观点（未来一年）继续看好小盘风格和成长风格 [1][2][5] 大小盘风格轮动观点 月度观点 - 截至2026年1月30日，量化模型最新信号为0.5，指向小盘风格占优 [5][9] - 历史日历效应显示，2月份小盘风格相对占优，建议2月超配小盘风格 [5][9] - 1月份复盘：超配小盘的观点判断正确，等权配置价值与成长的观点判断错误 [9] - 截至1月底，大小盘轮动模型本年收益为8.16%，相对等权基准（4.91%）的超额收益为3.26% [5][9] - 当前量化模型6个维度中，宏观、基本面、情绪、量价4个维度指向小盘，仅资金维度指向大盘 [10][11] 中长期观点 - 当前市值因子估值价差（小市值组PB中位数/大市值组PB中位数）为0.88，近期有所下降 [5][9] - 该估值价差距离历史顶部区域（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 [5][9][19] - 估值价差的历史高点对于判断大小盘风格切换有较强的指示作用，当前价差或许仍有60%以上的提升空间 [19][23] 日历效应分析 - 基于1995年以来的历史数据，小市值组（市值最小10%）在2、3、5、8月明显跑赢大盘，月度平均超额收益分别为3.25%、4.28%、3.67%、3.31% [15][16] - 大盘风格则在1、4、12月明显占优 [15] - 2月份小盘风格的历史胜率高达84% [16] 价值成长风格轮动观点 月度观点 - 截至2026年1月30日，量化模型信号为0，建议2月等权配置成长和价值风格 [5][26] - 当前模型宏观维度指向成长，估值维度指向价值 [29][32] - 截至1月底，价值成长轮动模型收益为4.01%，与等权基准收益持平，超额收益为0% [5][26] 中长期观点 - 未来一年更看好成长风格 [5][26] 风格因子表现跟踪 大类因子表现（1月及本年迄今） - **正向收益较高因子**：价值因子（1.37%）、波动率因子（1.17%）、成长因子（0.69%）[34][35] - **负向收益较高因子**：大市值因子（-1.37%）、质量因子（-0.40%）、红利因子（-0.35%）、动量因子（-0.20%）、流动性因子（-0.01%）[34][35] 风格因子表现（1月及本年迄今） - **正向收益较高因子**：贝塔因子（0.98%）、长期反转因子（0.80%）、中市值因子（0.78%）、盈利收益因子（0.76%）、动量因子（0.60%）[39][40] - **负向收益较高因子**：大市值因子（-1.44%）、残差波动因子（-1.32%）、行业动量因子（-1.08%）、投资质量因子（-1.03%）、股息率因子（-0.45%）[39][40] 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 [5][44] - 利用多因子模型将股票协方差矩阵拆解为因子协方差矩阵和股票特质风险矩阵的结合，以完成准确估计 [5][44] 策略模型方法论 大小盘轮动策略模型 - 策略从宏观、估值、基本面、资金、情绪、量价6个维度构建量化模型，共使用16个因子 [48][49] - 宏观维度因子包括期限利差、货币活化、信用利差；估值维度使用大小盘估值溢价因子；基本面维度使用分析师预期因子；资金维度包含大单资金、外资流入压力、ETF份额、龙虎榜、融资买入等因子；情绪维度包含换手率、创新高新低、上行趋势、超买超卖等因子；量价维度包含动量和拥挤度因子 [49] - 结合量化模型打分与主观分析（如政策维度、月度效应）生成最终观点 [48][50] 价值成长轮动策略模型 - 月度模型从宏观、估值、基本面3个维度选取因子构建打分模型 [51][53] - 宏观维度因子包括国内流动性、海外流动性、信用因子、通胀因子；估值维度使用相对估值因子；基本面维度使用分析师预期和深度学习因子 [53] - 此外，还构建了纯量价维度的周度模型（包含动量和拥挤度因子），用于在月内对月度观点进行调整 [51][53]

文章核心观点 - 传统量价因子（如低波、反转、市值、低流动性）在2026年以来集体失效，其背后逻辑偏反转，在指数快速上涨行情中产生反向作用 [1][5][6] - 行业轮动模型具有强动量特征，其稳健的超额收益特性恰好符合选股因子的需求，为解决量价因子失效问题提供了场景，可将其改造为选股因子加入多因子框架以对冲风险 [1][8][17] - 改造后的行业轮动因子表现优异，月度IC达5.3%，ICIR达4.0，具备强进攻性和动量属性，加入传统多因子框架能有效提升超额收益并增强稳定性 [1][26][33] - 行业轮动因子与指数增强框架中严格的行业偏离约束存在冲突，最佳使用方案是在保持个股偏离约束0.5%的同时，将行业偏离约束从2%适度放松至4%或5%，可在提升超额的同时控制回撤和跟踪误差 [2][3][50] 1. 量价因子失效与行业轮动模型的引入 - 2026年1月底，中证500指增产品全部跑输指数，平均跑输3.46%，主动量化产品平均跑输1.96% [5] - 失效因子主要为流动性、反转、低波、市值等量价因子，其共同逻辑是偏反转，在指数快速上涨、热门板块连续驱动的行情中发生反向 [6] - 行业轮动模型（如申万金工模型）大量基于动量因子，其多头组合相对于全行业平均收益具有稳健的超额，但这种稳健性因基准（全行业平均）缺乏关注而缺少使用场景 [8][13] - 行业轮动模型在行业内部具有稳定的排序能力，这种特性更符合选股因子的需求，为将其因子化并引入多因子选股框架提供了基础 [17] 2. 行业轮动模型的因子化与特性 - 将行业轮动模型改造为选股因子的方法是将每只股票与其所属行业的模型得分进行拼接 [19] - 原始行业轮动因子与成长因子的月度IC相关性达0.44，经正交化处理后，因子表现单调性良好 [21] - 正交后的行业轮动因子在2017年至2026年1月期间，月均IC为5.3%，强于其他传统因子（成长因子3.75%，长期动量因子4.98%），ICIR为0.40，表现优异 [26][27] - 该因子的累计IC和多空表现良好，尤其在尾端快速上行，体现出牛市的强进攻特征和动量属性，能与偏反转的量价因子形成互补 [1][23] 3. 行业轮动因子在多因子框架中的应用与优化 - 在由成长、动量、低波、股息率构成的四因子等权模型中，加入行业轮动因子构成五因子模型，能大幅提升超额收益，并止住2024年下半年以来超额收益下滑的势头 [28][30][33] - 在无约束条件下，五因子等权组合在各年份均取得正超额收益，平均超额达10.52%，表现优于四因子等权（5.55%）及ICIR加权方式 [35][36] - 当加入指增框架常用的行业偏离约束（2%）和个股偏离约束（0.5%）后，五因子模型的超额收益出现下滑，2025年超额收益转负，表明行业轮动因子与严格的行业中性约束存在冲突 [2][37][38] - 尝试用行业轮动模型的打分来控制行业偏离排序，或将其作为卫星组合与主策略“拼盘”，效果均不及直接将因子加入选股模型并优化约束的方案 [40][42][44][47][49] 4. 使用行业轮动因子的最佳方案 - 最佳方案是保持个股偏离约束0.5%不变，适度放松行业偏离约束 [3] - 将行业偏离约束从2%放松至4%或5%时，组合的平均超额收益从6.97%分别提升至7.54%和7.73%，且各年份超额收益均转正 [50] - 放松行业约束后，超额收益的最大回撤在某些关键年份（如2024年）反而下降，例如行业偏离2%时2024年最大回撤为-5.52%，放松至4%时降至-4.56% [50] - 放松行业偏离约束对跟踪误差影响很小，从2%约束下的5.01%仅微升至5%约束下的5.25%，表明该方案能较好地兼顾收益与风险控制 [50][52]

文章核心观点 - 在居民财富配置需求多元化和稳健增值的背景下，“固收+”基金正在向依托量化模型的系统化、纪律化投资方式升级换代 [1] - 量化多资产策略通过模型在资产配置、组合调整及风险管理等关键环节进行决策，旨在提升投资的可重复性与稳定性，并控制下行风险 [2][3] - 该策略的收益核心来源于交易策略而非静态债券收益，且因其投资标的（大中盘股、利率债）和月度再平衡的频率，产品规模上限可达百亿元以上，规模增长对收益影响微乎其微 [5] - 对2026年市场持乐观基调，认为债市存在结构性机会，A股估值具备吸引力，且AI、消费、有色金属等板块将呈现结构性行情 [5][6] 量化多资产策略的运作逻辑与特点 - 策略强调以系统化、纪律化的量化模型作为资产配置、组合调整及风险管理的重要决策依据，辅以少量专家解读 [2] - 以贝莱德富元金利基金为例，其权益部分采用基于价值、成长、价格动量等多信号维度的行业轮动模型，结合风险模型和交易成本进行行业配置 [2] - 债券部分采用久期、信用轮动策略，综合利率期限结构、价格动量、信用利差动量等信号，动态调整利率债与高等级信用债配比，且不做信用下沉 [2][3] - 专门设置下行风险控制模块，包括硬性止损线和基于波动率管理的事前预警，调仓主要基于风险控制需求而非择时博取收益 [3] - 基金经理每日核验模型建议，在常规情况下严格执行风控指令，目标是确保组合运行在安全边界内 [3] 策略的收益来源与规模适应性 - 收益核心来源于交易策略，而非依赖静态债券收益 [5] - 策略标的以大中盘股票和利率债为主，主要股债策略再平衡频率为月度 [5] - “固收+”产品整体规模上限可达百亿元以上，规模增长对收益的影响微乎其微 [5] - 利率债市场定价透明，容量达万亿元级，不存在资产稀缺问题；策略不涉及非标资产，且不依赖高频交易，因此规模扩张不会给策略运作带来压力 [5] 对2026年市场的投资展望 - 若没有过多“黑天鹅”事件，国内债市机会将集中在短端高等级信用债与利率债曲线上的相对价值和轮动交易，后者尤其需要借助量化模型进行多维度判断 [5] - 在方向不明的市场里，久期轮动策略可能更具优势 [5] - 仍然看好2026年的A股，预计未来12个月至18个月沪深300指数或有较好表现 [5] - 目前沪深300指数市净率约为1.5倍，基于2025年盈利预估的市盈率约为13.6倍，估值具备吸引力 [5] - 结构性行情仍将延续：AI主线有望从硬件基础设施逐步向更多应用领域扩散；消费板块在积极因素助力下或迎来修复；有色金属等板块可能呈现波动性机会 [6] 贝莱德基金量化策略的本土化实践与特色 - 作为全球资管巨头试水中国市场的缩影，其展业历程是观察外资机构本土化进程的直观参照 [4] - 其成熟的行业轮动模型经过多年打磨与跨市场验证，与美股、欧股市场的同源策略一脉相承，采用中低频（月度再平衡）量化策略 [4] - 模型核心是基于宏观和基本面数据筛选行业，而非个股博弈；选定行业后，从行业到个股采用“翻译”式策略，基本不做个股选择 [4] - 这造就了公司目前“固收+”产品的一大特色：股票持仓覆盖行业分散，个股数量较多，通过高分散度进一步摊薄风险，基金经理仅在极个别情况下进行小幅干预 [4]

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] 根据相关目录分别进行总结 ETF策略指数跟踪 - 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小盘指数收益差，周度输出信号决定持仓获取超额回报，截至2026/1/23，2024年以来超额收益32.84%，近一月7.61%，近一周2.81%，持仓为中证500ETF和中证1000ETF各50% [13][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ETF在9大barra因子暴露度映射择时信号，选取主流宽基及风格、策略ETF，截至2026/1/23，2024年以来超额收益24.95%，近一月1.03%，近一周0.85%，持仓包括科创综指ETF（富国、华夏）、创业板200ETF、科创100ETF [15][17] - 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，截至2026/1/23，2024年以来超额收益46.85%，近一月4.96%，近一周3.98%，持仓有有色金属ETF、化工ETF等 [20][23] - 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，截至2026/1/23，2024年以来超额收益 -9.77%，近一月1.04%，近一周1.10%，持仓含十年国债ETF、500ETF增强等 [23][24] - 华宝研究热点跟踪ETF策略指数通过市场情绪分析等策略跟踪挖掘热点指数标的产品，构建ETF组合捕捉市场热点，为投资者提供短期趋势参考，截至2026/1/23，近一月超额收益2.44%，近一周 -0.10%，持仓有有色50ETF、港股红利ETF等 [27][29] - 华宝研究债券ETF久期策略指数用债券市场流动性和量价指标筛选择时因子，机器学习预测债券收益率，低于阈值减少长久期仓位提升收益和回撤控制能力，截至2026/1/23，近一月超额收益0.31%，近一周 -0.04%，持仓为十年国债ETF、政金债券ETF等 [30][31]