文章核心观点 - 基于宏观量化模型，当前宏观环境被判断为经济偏弱、流动性略偏松、信用收缩，在此环境下，投资风格趋于均衡，成长因子得分下降，低波动率及小市值因子有所回归 [1][6] - 大类资产配置观点相应调整，黄金仓位因动量回落而下降，美股和债券（尤其是企业债）仓位有所上升 [1][23] - 经济前瞻指标显示，2026年3月处于自2025年12月开始的下降周期末期，预计未来三个月小幅震荡后，于7月再次进入下降周期 [1][11] - 市场关注点自2025年10月末以来，PPI（反映需求）的关注度已超越经济和流动性，成为最受关注的宏观变量 [2][24] 宏观环境判断 - **经济前瞻指标**：模型预测2026年3月处于2025年12月以来的下降周期末期，未来3个月（至6月）将小幅震荡，随后于7月再次进入下降周期 [11] - **流动性**：维持略偏松判断，2月短端利率平稳，长端利率略有回落，货币投放量回升到1以上（标准差倍数），信号转为宽松，但超储率（1.12%）仍低于历史同月，总体信号综合为1（偏松）[1][17][18][20] - **信用**：综合信用指标进一步回落至负值，主要因信用总量两项指标（新增社融累计同比、社融存量同比）均明显走弱，信号为-1，而信用价格和结构指标保持平稳 [2][21][22] 市场风格与因子选择 - **整体风格**：成长因子得分普遍下降，市场整体风格偏向均衡 [1][3] - **因子配置变化**：在主要指数中，中证500和中证1000的低波动率因子有所回归，小市值因子也获得增配 [1][8] - **具体指数表现**：2月，沪深300中低波动率和估值因子继续回归，成长和盈利因子有所回撤；中证500中多数因子表现偏弱，仅估值因子略有好转 [8] 大类资产配置 - **配置权重调整**：黄金仓位下降至12.25%，美股仓位上升至9.04%，债券仓位合计上升至27.31%（其中国债10%，企业债17.31%），A股维持中性观点，权重为51.4%，商品维持0%配置 [23] - **配置逻辑**：基于经济偏弱、流动性偏松、信用收缩的环境，债券观点好转，黄金动量回落 [1][23] 市场关注点 - **关注度演变**：2024年市场关注通胀（通缩），2024年9月后流动性持续为最受关注变量，2025年10月末PPI关注度小幅超越经济，目前已成为最受关注的变量，表明市场对后续需求回升的关注度突出，流动性关注度在1月提升后重新回落 [2][24] 行业选择视角 - **选择逻辑**：倾向于配置对经济不敏感、对流动性敏感、对信用不敏感的行业 [26] - **得分靠前行业**：对经济最敏感的行业包括电子、计算机、通信；对流动性最敏感的行业包括综合、商贸零售、电子；对信用最敏感的行业包括商贸零售、银行、钢铁；综合得分最高的行业包括计算机、商贸零售、电子 [27] - **本期结论**：行业选择与上期保持一致 [2][28]

核心观点 - 报告核心观点为成长因子得分降低，整体投资风格偏向均衡，同时大类资产配置中黄金仓位略有下降，债券观点好转，美股仓位上升 [3] - 根据定量指标，当前宏观环境为经济偏弱、流动性略偏松、信用收缩，与上期一致 [9] - 经济前瞻指标显示2026年3月处于自2025年12月开始的下降周期末期，预计未来3个月小幅震荡，于7月再次进入下降周期 [3][12] 宏观指标与因子选择 - 宏观各维度修正后方向为：经济偏弱（-）、流动性偏松（+）、信用收缩（-）[9] - 本期因子选择逻辑为：对经济不敏感、对流动性敏感、对信用不敏感 [3][9] - 具体因子表现：成长因子得分普遍下降；中证500和中证1000指数的低波动率因子有所回归；小市值因子获得增配 [3][9] - 2026年3月各宽基指数综合因子选择为：沪深300（成长、红利）、中证500（低波动率、长期动量、小市值、红利）、中证1000（成长、低波动率、小市值）[10] - 2月市场表现：沪深300中低波动率和估值因子继续回归，成长和盈利因子有所回撤；中证500中多数因子表现偏弱，估值因子略有好转 [10] 经济前瞻指标分析 - 2026年3月经济前瞻综合指标预计处于2025年12月以来的下降周期末期 [12] - 多个领先指标处于下降周期：M2同比预计持续下降至2026年8月见底；OECD中国综合领先指标预计下降至2026年12月；贸易差额当月同比预计于2026年6月见底；社会消费品零售总额当月同比预计下降至2026年9月见底 [12][18][20] - 部分指标处于上升周期末期或平台期：PMI新订单处于上升初期，预计2026年6月达峰；粗钢产量当月同比处于小幅上升周期末尾，预计进入平台期；居民户短期新增人民币贷款处于上升周期末期，预计2026年4月达峰后下降 [17][19][20] 流动性环境 - 2026年2月流动性环境维持“略偏松”的综合信号（综合信号值为1）[22] - 利率信号偏松（信号值为-1）：短端利率平稳，长端利率略有回落、与均线靠拢 [22][24] - 货币量信号：货币投放量回升到1.13（标准差倍数），信号转为宽松；但超储率为1.12%，低于历史同期水平，信号偏紧 [22][23] 信用环境 - 2026年2月综合信用指标进一步回落至负值 [3][26] - 信用价格和结构指标保持平稳（汇总信号均为0.33），但信用总量指标明显走弱（汇总信号为-1）[26] - 信用总量走弱体现在：新增社融累计12个月同比及社融存量同比两项指标信号均为-1 [26] 大类资产配置 - 大类资产配置观点基于经济偏弱、流动性偏松、信用收缩的环境作出调整 [3][27] - 具体配置权重（激进型）：A股（51.4%，中性）、黄金（12.25%，中性，仓位较前期下降）、商品（0%，偏空）、债券（国债10%+企业债17.31%，中性偏多）、美股（9.04%，中性，仓位对应上升）[27] - 债券观点好转，黄金因动量回落而仓位下降 [3][27] 市场关注点 - 根据Factor Mimicking模型，PPI（生产者价格指数）的关注度在2025年10月末小幅超越经济，目前已成为市场最受关注的变量 [3][30] - 这提示市场对后续需求回升的关注度突出 [3][30] - 流动性的关注度在2026年1月提升后重新回落 [3][30] 行业选择 - 宏观视角下的行业选择标准为：对经济不敏感、对流动性敏感、对信用不敏感 [32] - 综合得分最高的行业包括：计算机、商贸零售、电子、通信、房地产、医药生物 [32] - 本期行业选择与上期保持一致 [3][33]

文章核心观点 - 当前宏观环境为经济偏弱、流动性略偏松、信用收缩，该判断与上期一致 [1][5] - 在此宏观环境下，因子投资策略显示低波动率因子表现回归，并在沪深300、中证500及中证1000指数中均与其他选股方法形成共振 [1][6] - 大类资产配置建议小幅配置美股，对A股持中性观点，对黄金维持偏多配置，债券观点好转 [1][21] - 经济前瞻指标模型判断经济处于2025年12月以来的下降周期初期，预计未来将持续下行 [1][9] - 市场对PPI（工业生产者出厂价格指数）的关注度最高，显示市场对后续需求回升的关注突出 [2][22] 宏观环境判断 - **经济维度**：定量指标显示经济出现转弱，微观映射中的盈利预期为中等，修正后方向为经济偏弱 [1][5] - **流动性维度**：定量指标显示流动性略偏松，1月短端利率回落，长端利率略高于均线但利率信号保持宽松，货币投放量回升但未突破1倍标准差，超储率走低，综合信号维持略偏松 [1][2][16][17][19] - **信用维度**：定量指标显示信用指标略好，但微观映射修正为偏弱，1月信用利差走扩、信用价格指标转弱，结构也偏弱，综合信用指标回落，修正后方向为信用收缩 [1][2][5][20] 因子投资策略与共振 - **方法论**：将宏观量化给出的因子选择观点与因子动量观点结合，选择产生共振的因子 [3] - **沪深300指数**：由于低波动率因子回归，当前成为宏观、动量选中的共振因子 [1][6] - **中证500指数**：去除反转因子，增配小市值，低波动率因子同样形成共振 [1][6] - **中证1000指数**：维持成长、低波动率因子的共振 [1][6] - **历史表现**：2026年1月，沪深300中的低波、估值因子回归明显，盈利因子表现也较好；中证500中多数因子表现仍偏弱，反转呈现反向特征 [7] 经济前瞻指标分析 - **综合判断**：2026年2月处于2025年12月以来下降周期的初期，预计未来将持续下行 [1][9] - **具体指标**： - 2026年1月PMI为49.30，PMI新订单为49.20，相比上月有所下降 [9] - M2同比、工业企业利润总额累计同比、社会消费品零售总额当月同比均位于下降周期中，预计分别在2026年9月、7月和9月到达底部拐点 [9] - 产量:粗钢:当月同比指标位于2025年12月以来小幅上升周期末尾，预计2026年4月达到顶部后开启下降周期 [12] - 金融机构:新增人民币贷款:居民户:短期:当月值指标位于2025年12月以来上升周期的中部，预计2026年5月达到顶部 [12] - 社会消费品零售总额:当月同比指标位于2025年5月以来下降周期的中期，预计持续下降至2026年9月达到底部 [13] 大类资产配置观点 - **A股**：中性观点，在激进型组合中权重为57.3% [21] - **黄金**：偏多观点，基于动量维持配置，在激进型组合中权重为20% [1][21] - **债券**：观点好转，国债与企业债在激进型组合中权重合计为21.25% [1][21] - **美股**：中性观点，建议小幅配置，在激进型组合中权重为1.45% [1][21] - **商品**：偏空观点，在激进型组合中权重为0% [21] 市场关注点 - **核心变量**：根据Factor Mimicking模型，PPI关注度在2025年10月末小幅超越经济，目前已成为最受市场关注的变量 [2][22] - **历史变化**：2024年通胀（通缩）关注度较高，2024年9月后流动性持续为最受关注变量，2025年10月末PPI关注度超越经济，2026年1月流动性关注度又出现明显提升 [2][22] 宏观视角下的行业选择 - **选择逻辑**：倾向于选择对经济不敏感、对流动性敏感、对信用不敏感的行业 [24] - **具体行业**： - 对经济最敏感的行业包括电子、计算机、通信 [25] - 对流动性最敏感的行业包括商贸零售、综合、计算机 [25] - 对信用最敏感的行业包括商贸零售、钢铁、银行 [25] - 综合得分最高的行业包括计算机、商贸零售、通信 [25] - **配置倾向**：本期行业选择继续偏向TMT（科技、媒体、通信）和消费 [2][25]

核心观点 - 报告核心观点为“低波因子表现回归、形成共振”，即低波动率因子在主要宽基指数中成为宏观量化与因子动量共同看好的共振因子，同时基于对宏观环境（经济偏弱、流动性略偏松、信用收缩）的判断，给出了大类资产配置及行业选择的建议 [1][2] 各宏观指标方向与资产配置观点 - 经济前瞻指标模型提示，2026年2月处于2025年12月以来下降周期的初期，预计未来将持续下行 [2][11] - 2026年1月PMI和PMI新订单指标分别为49.30和49.20，相比上月有所下降 [11] - 多项领先指标处于下降周期：M2同比预计持续下降至2026年9月见底；工业企业利润总额累计同比预计持续下降至2026年7月见底；社会消费品零售总额当月同比预计持续下降至2026年9月见底 [11][13][16] - 流动性维持略偏松：1月短端利率进一步回落，利率信号保持宽松；货币投放量回升但未突破1倍标准差，信号维持中性；超储率仍走低，综合信号维持略偏松 [2][18][23] - 综合信用指标回落：本月信用利差走扩、信用价格指标转弱，结构也偏弱 [2][24] - 大类资产配置观点：小幅配置美股（权重1.45%），对A股持中性观点（权重57.3%），对黄金基于动量维持偏多配置（权重20%），对债券观点好转但仓位偏低（国债10%，企业债11.25%） [2][26] 低波因子表现回归、形成共振 - 宏观各维度修正后方向为：经济偏弱、流动性偏松、信用收缩，与上期一致 [2][8] - 本期因子选择标准为对经济不敏感、对流动性敏感、对信用不敏感 [2][8] - 沪深300指数中，低波动率因子回归，成为宏观与动量选中的共振因子 [2][8] - 中证500指数中，去除反转因子，增配小市值，低波因子同样形成共振 [2][8] - 中证1000指数中，维持成长因子与低波因子的共振 [2][8] - 1月沪深300中的低波、估值因子回归明显，盈利因子表现也较好；中证500中多数因子表现仍偏弱，反转呈现反向特征 [9][10] 市场关注点 - 根据Factor Mimicking模型，PPI（生产者价格指数）的关注度在2025年10月末小幅超越经济，目前已成为市场最受关注的变量，提示市场对后续需求回升的关注度突出 [2][28] - 流动性的关注度在2026年1月又出现明显提升 [2][28] 宏观视角下的行业选择 - 行业选择倾向于对经济不敏感、对流动性敏感、对信用不敏感的行业 [29] - 综合得分最高的行业包括：计算机、商贸零售、电子、通信、房地产、医药生物 [29] - 本期行业选择继续偏向TMT（科技、媒体、通信）和消费行业 [2][29]

核心观点 - 报告核心观点认为当前宏观经济出现转弱迹象，流动性环境略偏宽松，信用呈现收缩态势，在此宏观背景下，资产配置应提升对红利和低波动因子的关注，并维持对黄金的高比例配置 [2] - 市场对PPI（工业生产者出厂价格指数）的关注度已超越其他宏观变量，成为最受关注的焦点，这提示市场对后续需求回升的关注度突出 [2][29] 宏观指标方向与因子配置 - 根据定量指标与微观映射修正后的宏观方向为：经济偏弱、流动性偏松、信用收缩 [2][8] - 在因子选择上，本期主要依据对经济不敏感、对信用不敏感的原则，宏观部分选择以盈利和红利因子为主，其中红利因子得分明显提高 [2][8] - 在不同宽基指数中，共振因子存在差异：沪深300中盈利为共振因子，中证500和中证1000中低波动成为共振因子 [2][8] - 2026年1月的综合因子选择显示，沪深300侧重成长、盈利、红利；中证500侧重成长、低波动、短期反转、红利；中证1000侧重成长、低波动 [9] 经济前瞻指标分析 - 经济前瞻指标模型提示，2026年1月进入自2025年12月以来的下降周期初期，预计未来将持续下行 [2][14] - 具体来看，2025年12月PMI为50.1，PMI新订单为50.8，虽较上月上升，但综合趋势仍处于下降周期中 [14] - 多项领先指标处于下降周期：狭义乘用车零售销量当月同比、M2同比、工业企业利润总额累计同比、社会消费品零售总额当月同比均位于下降周期，预计拐点将分别在2026年6月、4月、5月和8月出现 [14] - 根据ARIMA模型外推，前瞻综合指标与GDP同比周期项均显示下行趋势 [17] 流动性环境 - 2025年12月流动性信号重回略偏宽松，综合信号为1（范围-3至3，数值越大越宽松）[21][22] - 利率信号转为宽松：短端利率回落至均线以下，利率信号为-1 [22] - 货币量信号存在冲突：货币净投放量回落至0值以下但未突破-1倍标准差，信号转为中性；超储率降至1.15%，低于历史同期水平，信号偏紧；在价量冲突时遵循货币价格信号，总体判断为略偏松 [2][22][24] 信用状况 - 2025年以来信用指标有所回升，2026年1月社融存量同比略有好转，但结构项中居民和企事业单位贷款占比出现回落 [2][25] - 综合信用指标构成显示：信用价格信号为宽松（1），信用总量信号中性偏松（0.5），信用结构信号偏紧（-0.33）[26] 大类资产配置观点 - 结合宏观指标，大类资产配置对债券观点好转，但受动量影响仓位仍偏低；黄金因动量维持，配置比例达到上限20% [2][26] - 具体配置权重（激进型）：A股60%，黄金20%，国债10%，企业债10%，商品及美股为0% [27] 市场关注点 - 根据Factor Mimicking模型监测，市场关注点自2024年9月以来持续聚焦流动性，但近期经济与PPI关注度持续回升 [2][28] - 至2024年10月末，PPI关注度已小幅超越经济，目前已成为最受市场关注的宏观变量 [2][29] 行业选择建议 - 宏观视角下的行业选择偏向对经济不敏感、对信用不敏感的弱周期行业 [2][30] - 综合得分最高的行业包括：计算机、食品饮料、商贸零售、电子、医药生物、房地产 [30] - 其中，计算机和食品饮料得分靠前 [2][30]

核心观点 - 大股票池配置继续偏向价值风格，成长因子在沪深300和中证500中得分偏低，但在中证1000中仍保持靠前[3][9] - 大类资产配置中黄金配置比例提高至上限20%，A股配置相应下降，债券观点偏弱[3][27] - 市场关注点从流动性转向PPI，PPI关注度在10月末超越经济成为最受关注变量[3][29][30] - 行业选择倾向于对经济敏感但对信用不敏感的偏价值行业，如钢铁、煤炭、建筑装饰等[3][31] 各宏观指标方向与资产配置观点 经济前瞻指标 - 2025年12月处于9月以来上升周期末期，预计未来将持续下行，模型提示下期可能提前进入下行趋势[15] - 2025年11月PMI和PMI新订单指标均为49.2，相比上月有所上升[15] - 固定资产投资完成额累计同比、产量挖掘机当月同比、贸易差额当月同比均位于上升周期中，预计分别在2026年4月、4月和3月到达顶部拐点[15] 流动性指标 - 11月利率整体维持平稳，长短期利率都略高于均线，短端利率与均线位置相对更接近[23] - 货币净投放为0.26（与均值偏差的标准差倍数），信号偏松；超储率1.24%，低于历史同期，信号偏紧[23] - 综合流动性指标指向略偏紧，综合信号为-1[23] 综合信用指标 - 社融存量同比连续2个月下行，信号为-1；居民和企事业单位贷款占比有所好转，信号为1[27] - 信用综合指标本身指向偏好，信用价格类指标信号均为1[27] 大类资产配置 - 黄金配置比例因动量回升重新提高至上限20%[3][27] - A股配置权重为60%，观点中性偏多；债券配置权重为20%（国债10%、企业债10%），观点偏空[27] 市场关注点 - 2024年通胀（通缩）关注度较高，2024年9月后流动性持续为最受关注变量[29] - 经济、PPI相关关注度近期持续回升，10月末PPI关注度小幅超越经济，成为最受关注变量[29][30] - 市场对后续需求回升的关注度突出[30] 宏观视角下的行业选择 - 行业配置倾向于选择对经济敏感、对信用不敏感的行业[3][31] - 对经济最敏感的行业包括公用事业、煤炭、建筑装饰、钢铁、综合、银行[31] - 综合得分最高的行业包括钢铁、煤炭、建筑装饰、银行、商贸零售、交通运输[31]

核心观点 - 大股票池配置整体偏向价值风格，成长因子得分偏低，沪深300和中证500中价值因子均为共振因子，中证500不再配置成长因子[3][9] - 大类资产配置中黄金配置比例提高至20%上限，A股配置相应下降，债券观点偏弱[3][28] - 市场关注点出现变化，PPI关注度在10月末超越经济因素，成为当前最受关注的变量[3][29][30] - 经济前瞻指标显示2025年12月处于上升周期末期，预计未来将开始下行[3][15] 大股票池配置分析 - 当前宏观各维度修正后方向为经济好转、流动性偏弱和信用收缩，与上期一致[9] - 因子选择策略主要按照对经济敏感、对信用不敏感的标准选择得分前三的因子[3][9] - 沪深300配置成长、价值、红利因子；中证500配置价值、低波动率、短期反转、小市值因子；中证1000配置成长、低波动率、小市值因子[10] - 11月沪深300中的成长因子IC转弱，价值、红利因子维持强势表现；中证500中价值因子出现反弹[10] 宏观指标方向与资产配置 经济前瞻指标 - 2025年12月处于9月以来上升周期的末期，预计未来将持续下行[15] - 2025年11月PMI和PMI新订单指标均为49.2，相比上月有所上升[15] - 固定资产投资完成额累计同比、挖掘机产量当月同比、贸易差额当月同比均位于上升周期中，预计分别在2026年4月、4月和3月到达顶部拐点[15] 流动性状况 - 11月综合流动性指标指向略偏紧，综合信号为-1[24] - 利率整体维持平稳，长短期利率都略高于均线，短端利率与均线位置相对更接近[24] - 货币净投放为0.26，信号维持宽松；超储率为1.24%，低于历史同期水平[24] 信用指标 - 信用综合指标本身指向偏好，信用价格类指标信号为1（宽松）[27] - 社融存量同比连续2个月下行，信号为-1；信用结构指标汇总信号为0.33[27] - 结构项中居民和企事业单位贷款占比有所好转[27] 大类资产配置 - 黄金配置比例提高至20%上限，A股配置下降至60%[28] - 债券配置权重为20%（国债10%、企业债10%），商品和美股配置权重为0%[28] - 配置调整基于经济上行、流动性偏紧、信用收缩的环境判断[28] 市场关注点变化 - 根据Factor Mimicking模型计算，PPI关注度在10月末小幅超越经济因素[29][30] - 2024年通胀（通缩）关注度较高，2024年9月后流动性持续为最受关注变量[29] - PPI成为最受关注变量提示市场对后续需求回升的关注度突出[30] 行业选择视角 - 行业配置倾向于选择对经济敏感、对信用不敏感的行业，整体仍偏价值[3][32] - 对经济最敏感的行业包括公用事业、煤炭、建筑装饰、钢铁、综合、银行[32] - 综合得分最高的行业包括钢铁、煤炭、建筑装饰、银行、商贸零售、交通运输[32]

量化模型与构建方式 1. 模型名称：基于因子的灵活非决定性资产配置 (FIFAA) **模型构建思路**：将量化方案的学术性/规范性与主观方案的前瞻性/灵活性进行组合，使用基于历史数据得到的量化结果与主观观点转换成资产-因子暴露的预期结果进行叠加[15] **模型具体构建过程**： 1. **构建宏观因子**：选择低相关、数量有限、经济逻辑清晰的宏观因子，要求具有可投资性/简洁性[15][20]。本文选择"经济增长、利率、通胀"三个因子[20][30]。经济增长因子用万得全A指数代表，利率因子用中债国债总财富指数代表，通胀因子用南华工业品/南华农产品/南华能化/南华黑色指数等权复合代表[20][30] 2. **资产向因子映射（计算历史风险载荷）**：使用岭回归计算每个资产相对于宏观多因子的风险载荷（beta）[32]。岭回归在传统回归中加入了对于系数的二范数的惩罚项，回归形式为： $$y\,=\,X W\,=\,w_{1}x_{1}+\cdots+w_{n}x_{n}$$ 其损失函数为： $$L(w)\,=\,\sum_{i=1}^{n}(y_{i}-\sum w_{j}x_{i j})+\lambda\sum w_{j}^{2}$$ 其中y为资产收益，X为因子收益，w为待求系数，λ为惩罚项系数，本文λ选择1.0[32][34]。使用12个月的日频数据，月度滚动计算[32] 3. **资产向因子映射（计算主观风险载荷）**：将主观观点转化为"资产-因子"数值关系[35]。对于单资产单因子的有偏beta*，有如下关系： $$\beta_{f}^{*}\,=\,(1\quad F_{f})\,{\binom{\beta_{f}}{\beta_{!f}}}$$ 其中Ff为风格f相对于所有其他风格的单因子回归系数向量，βf为资产相对于风格f的多因子回归无偏系数，β!f为资产相对于除f外其他风格的多因子回归无偏系数[35][36]。向量化得到： $$\beta^{*}\,=\,F\beta^{*}$$ 其中F为m*m矩阵，其ij元素为风格i相对于风格j的回归系数，且对角线为1；β为资产相对于所有风格的多因子回归无偏系数[38]。则可推导出基于主观观点的无偏beta估计： $$\beta=F^{-1}\beta^{*}$$ 本文简化处理，利用资产价格走势的相对反转特性，对比资产近期动量变化与对应因子的动量变化来调整风险暴露[40]。具体地，对比资产近两个月的历史12个月涨跌幅变动值与对应因子近两个月的历史12个月涨跌幅变动值大小，当资产变动值大于风格变动值，则beta降低，调整系数设为0.8，反之设为1.2[40]。调整系数矩阵A示例为： | 资产/因子 | 万得全A | 标普500 | 中债国债 | 商品指数复合 | |---|---|---|---|---| | 中证红利全收益 | 0.80 | 0.00 | 0.00 | 0.00 | | 国证成长全收益 | 1.20 | 0.00 | 0.00 | 0.00 | | 国信价值全收益 | 1.20 | 0.00 | 0.00 | 0.00 | | 恒生指数 | 0.80 | 0.00 | 0.00 | 0.00 | | 纳斯达克100 | 0.00 | 1.20 | 0.00 | 0.00 | | 中债新综合 | 0.00 | 0.00 | 0.80 | 0.00 | | 黄金 | 0.00 | 0.00 | 0.00 | 0.80 | [40] 调整后主观风险载荷矩阵计算为： $$\tilde{B}\;=\;(A\cdot B)(F^{-1})^{T}$$ 最终采用历史风险载荷矩阵和主观风险载荷矩阵等权结合[43] 4. **组合优化**：对风格敞口无偏好，优化目标为在风格敞口差异尽量小的条件下最大化预期收益[44]。优化目标和约束条件为： $$m a x(w^{T}r)$$ $$s.\,t.\,w^{T}I\;=\;1$$ $$a b s(w^{T}\beta_{i}-w^{T}\beta_{j})<0.1*m a x(a b s(w^{T}\beta_{i}),a b s(w^{T}\beta_{j}))$$ 其中r为资产预期收益，w为待求最优权重，β为风险载荷[44]。预期收益设置：对于国内权益和港股使用"乐观-中性-悲观"预期三档，中性预期下年化收益设置为10%，当前价格高于历史95%分位数时预期收益为-15%，低于历史5%分位数时预期收益为25%；其他资产使用历史三年年化收益作为预期收益[44] 5. **再平衡**：允许一定程度的因子敞口偏离，以降低调仓频率和费用，本文采用月度再平衡[18][45] **模型评价**：该方法将量化和主观优点结合，提供了新的资产配置思路，即使在模型构建时做了较多简化，优化结果相对于多资产等权提供了更高的收益和风险收益比[2][26] 模型的回测效果 1. FIFAA模型（历史载荷优化组合） 年化收益13.63%，年化波动11.47%，最大回撤-18.97%[49][50] 2. FIFAA模型（调整载荷优化组合） 年化收益15.43%，年化波动16.46%，最大回撤-33.86%[49][50] 3. 资产等权组合（基准） 年化收益10.32%，年化波动11.91%，最大回撤-25.27%[49][50] 4. 不同风险载荷调整系数结果对比 - 系数=0.1：年化收益15.16%，年化波动16.42%，最大回撤-37.50%[57] - 系数=0.2：年化收益15.43%，年化波动16.46%，最大回撤-33.86%[57] - 系数=0.3：年化收益15.29%，年化波动16.29%，最大回撤-32.58%[57] - 系数=0.4：年化收益15.39%，年化波动15.95%，最大回撤-31.50%[57] - 系数=0.5：年化收益15.30%，年化波动15.73%，最大回撤-30.51%[57] 5. 不同预期收益设置结果对比 - 基准组合（历史3年年化收益）：历史载荷组合年化收益13.96%，调整载荷组合年化收益15.00%[69] - 中性预期=5%：历史载荷组合年化收益15.27%，调整载荷组合年化收益15.90%[70] - 中性预期=10%：历史载荷组合年化收益13.63%，调整载荷组合年化收益15.26%[71] - 中性预期=15%：历史载荷组合年化收益13.96%，调整载荷组合年化收益14.93%[72]

核心观点 - 报告基于Nelson-Siegel模型构建收益率曲线，将曲线变动预测转化为对水平、斜率、曲率三个因子的预测 [3] - 通过引入政策利率、市场基准利率、斜率因子和曲率因子，有效提升了水平因子方向预测的胜率 [4] - 基于收益率曲线预测构建的久期轮动策略回测表现良好，能长期跑赢比较基准，获得显著且稳健的超额收益 [5] - 截至2025年10月31日，久期轮动策略生成的最新信号为10，表明模型当前看好长久期利率债，建议配置 [6] 债券久期轮动现象与策略框架 - 不同期限债券品种呈现“收益-风险-流动性”的权衡特征，短期债券（1-3年）久期低、波动低但再投资风险显著，长期债券（10-30年）票息保护高但暴露于利率风险与流动性折价 [10] - 资金在利率周期中呈现“逐利迁移”，市场预期利率下行时长债因久期杠杆效应成为进攻工具，利率风险攀升时短债凭借抗跌性成为防御工具 [10] - 2009年1月4日至2025年10月31日回测区间内，10年以上期限国债总收益最高达152.82%，年化收益5.67%，但年化波动4.75%和最大回撤14.52%也最高 [12] - 短债收益来源于相对可控的骑乘收益，长债收益以对利率变动高度敏感的资本利得为主导，通过定量预测利率曲线变动在长短债间轮动配置有望实现收益增强 [14] 利率曲线的建立与Nelson-Siegel模型应用 - 使用2006年3月1日至2025年10月31日中债国债即期收益率日频数据，期限从0.25年至10年，即期利率随期限增加均值增大、波动减小，平均利率曲线单调向上 [21] - 对历史即期利率进行主成分分析，提取的前三个主成分分别代表利率曲线的平移、斜率变化和曲率变化 [26] - Nelson-Siegel模型利用水平、斜率、曲率三个因子描述收益率曲线动态变化，模型在固定参数后可用最小二乘法估计三因子，能较好拟合正常、反向、峰型、水平等不同类型期限结构 [29][31][37] - 水平因子与10年期即期利率高度相关，负斜率因子与期限利差（10Y-3M）相关，曲率因子与“子弹策略（2*2Y）-杠铃策略(3M+10Y)”利差相关，三因子具有明确的经济解释意义 [41][42][43][45] - 研究聚焦3个月至10年期限结构，符合学术与市场惯例，且10年期国债是对利率方向变化最敏感、流动性最好的标的，超长期限可能干扰信号提取 [47] 即期收益率的预测与模型改进 - 斜率因子和曲率因子序列平稳，可直接使用一阶自回归模型建模；水平因子非平稳，利用其一月差分序列的平稳性构建AR模型预测未来三个月水平因子 [52][53] - 原始AR模型对斜率因子、曲率因子的方向预测胜率分别为61.62%和63.13%，但对水平因子的方向预测胜率仅为53% [54][55] - 模型改进一：引入政策利率（MLF、SLF、OMO）和市场基准利率（R007、DR007），发现水平因子围绕MLF波动具备均值回复特性，使用OMO可将水平因子方向预测胜率提升至53.85% [56][57][59][65] - 模型改进二：引入斜率因子和曲率因子，在利率倒挂期间，改进模型二（OMO结合斜率曲率因子）将水平因子方向预测胜率从AR模型的58.62%进一步提升至62.07% [71][75][77] 基于收益率曲线的国债久期轮动策略 - 策略步骤：选定预测模型预测未来三个月三因子值，代入N-S模型计算预测即期利率，进而计算各期限零息债券的预期持有期收益率，选择预期收益率最高的期限配置相应久期债券 [83] - 信号小于3配置1-3年指数，3至5之间配置3-5年指数，5至7之间配置5-7年指数，大于等于7配置7-10年指数，月频调仓不考虑成本 [83] - 回测表明各模型绝对收益均超过各期限指数和等权指数，改进模型表现优于原始模型，其中引入OMO结合斜率曲率因子的改进模型二效果最佳 [84][87] - 最佳久期轮动策略（OMO+斜率因子+曲率因子）在2009年6月1日至2025年10月31日回测区间内总收益率达110.37%，最大回撤为5.36%，显著优于7-10年指数的最大回撤7.23% [92] - 策略在多数年份均实现正超额收益，如2011年超额1.96%，2015年超额2.52%，2018年超额2.08%，2024年超额2.67%，展现出长期稳健的超额收益能力 [95]

根据研报内容，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）**[26] * **模型构建思路**：BL模型是对传统均值-方差模型（MVO）的改进，采用贝叶斯理论将投资者的主观观点与量化配置模型结合起来，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[26] * **模型具体构建过程**：报告跟踪了两种国内资产BL策略[27] * **BL策略1**：认为市场均衡权重未知，每月末使用各资产过去五年的历史收益作为市场均衡收益率Π，并指定风险厌恶系数δ的值（例如δ=10）由于风险厌恶系数和目标波动率存在对应关系，指定δ便相当于指定了目标波动率[33] * **BL策略2**：对市场均衡权重进行人为指定（股:债:转债:商品:黄金=10:80:5:2.5:2.5），使用各资产过去五年的历史收益作为市场均衡收益率Π，反解市场风险厌恶系数δ此时每一期的δ是动态变化的，相当于每一期的目标波动率也在变化[33] 2. **模型名称：风险平价模型**[32][35] * **模型构建思路**：风险平价模型的核心思想是把投资组合的整体风险分摊到每类资产（因子）中去，使得每类资产（因子）对投资组合整体风险的贡献相等该模型从各资产（因子）的预期波动率及预期相关性出发，计算得到初始资产配置权重下各资产（因子）对投资组合的风险贡献，然后对各资产（因子）实际风险贡献与预期风险贡献间的偏离度进行优化，从而得到最终资产配置权重[35] * **模型具体构建过程**：构建过程分三步第一步，选择合适的底层资产（报告中使用8类国内资产）第二步，计算资产对组合的风险贡献第三步，求解优化问题计算持仓权重同时，采用过去五年的日度收益率估计协方差矩阵，用于提升协方差矩阵的估计稳定性[35] 3. **模型名称：基于宏观因子的资产配置策略**[40][41] * **模型构建思路**：该框架建立了一个宏观研究与资产配置研究的桥梁，通过构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将对于宏观的主观观点进行资产方面的落地[40] * **模型具体构建过程**：按以下四步构建策略第一步，每月末计算资产的因子暴露水平第二步，以资产的风险平价组合作为基准，计算出基准因子暴露第三步，根据对宏观未来一个月的判断，给定一个主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标第四步，带入模型反解得到下个月的各个资产配置权重在计算因子暴露时，使用基于先验信息的Lasso回归，并采用滚动重采样（Bootstrap）的方式提高稳健性，即在每月末以过去10年为滚动窗口期，随机挑选起始日期并取长度为2年的时间序列作为输入变量，重复采样3000次，最终取回归结果的中位数作为因子暴露值[41] 模型的回测效果 1. **国内资产BL策略1**，2025年收益3.58%[4][31]，9月收益0.19%[4]，最大回撤1.31%[4][31]，年化波动2.19%[4][31]，夏普比率1.177[19]，卡玛比率2.732[19] 2. **国内资产BL策略2**，2025年收益3.18%[4][31]，9月收益0.20%[4]，最大回撤1.06%[4][31]，年化波动1.99%[4][31]，夏普比率1.096[19]，卡玛比率2.992[19] 3. **国内资产风险平价策略**，2025年收益3.12%[4][39]，9月收益0.18%[4]，最大回撤0.76%[4][39]，年化波动1.34%[4][39]，夏普比率1.582[19]，卡玛比率4.098[19] 4. **基于宏观因子的资产配置策略**，2025年收益3.42%[4][46]，9月收益0.48%[4]，最大回撤0.65%[4][46]，年化波动1.32%[4][46]，夏普比率1.837[19]，卡玛比率5.235[19] 5. **全球资产BL策略1**，2025年收益0.99%[50]，9月收益0.26%[50]，最大回撤1.64%[50]，年化波动1.98%[50]，夏普比率-0.005[19]，卡玛比率0.604[19] 6. **全球资产BL策略2**，2025年收益2.07%[50]，9月收益0.25%[50]，最大回撤1.28%[50]，年化波动1.63%[50]，夏普比率0.656[19]，卡玛比率1.616[19] 7. **全球资产风险平价策略**，2025年收益2.58%[50]，9月收益0.21%[50]，最大回撤1.20%[50]，年化波动1.47%[50]，夏普比率1.075[19]，卡玛比率2.160[19] 量化因子与构建方式 1. **因子名称：宏观因子体系**[40][41] * **因子的构建思路**：构造了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系[40] * **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[41] 因子的回测效果 （报告中未提供宏观因子本身的独立测试结果，如IC值、IR等）