报告投资评级 * 报告未明确给出对整体ETF市场或具体行业的投资评级 [1][2][4][7][44][46] 报告核心观点 * 报告核心观点为：行业主题ETF出现大规模资金净流出，同时部分行业拥挤度发生显著变化，提示了市场结构性的资金腾挪与情绪波动 [1][2][37] * 具体表现为：截至统计周期，行业主题ETF单周净流出达156.40亿元，为股票类ETF中流出规模最大的类别 [2][32] * 在行业拥挤度方面，医药和有色金属行业本周变动幅度较大，值得关注 [2][37] 按报告目录总结 一、 ETF市场概况 * 截至2026年3月27日，内地上市ETF总数达1459只，总规模为5.04万亿元 [2][7] * 从数量和规模看，股票型ETF均占据主导地位：数量1141只，占比78.20%；规模2.90万亿元，占比57.61% [2][7] * 股票型ETF内部，宽基ETF、行业主题ETF、风格策略ETF的数量分别为372只、641只、128只，规模分别为1.42万亿元、1.27万亿元、0.21万亿元 [7] 二、 海内外权益市场指数表现 * **A股市场**：本周主要指数普遍下跌，上证指数跌1.09%，创业板指跌1.68%，中证2000指数微涨0.35%，北证50指数跌幅最大为3.40% [2][14] * **A股风格**：小盘成长风格领涨，涨幅为1.70%；大盘价值风格领跌，跌幅为2.01% [15] * **A股行业**：有色金属（+2.78%）和公用事业（+2.50%）涨幅居前；非银金融（-3.98%）和计算机（-3.44%）跌幅居前 [2][15] * **港股市场**：主要指数悉数下跌，恒生指数跌1.29%，恒生科技指数跌1.94% [2][15] * **港股行业**：医疗保健业上涨2.90%，资讯科技业下跌3.03% [15] * **美股及其他市场**：美股三大指数下跌，纳斯达克指数跌幅最大为3.23%；欧洲及日本市场涨跌互现 [2][16] 三、 股票类ETF资金流向 * **宽基ETF**：本周整体净流出11.64亿元，资金流入集中于沪深300、科创50相关产品，流出集中于中证500、中证1000、上证50相关产品 [2][32] * **行业主题ETF**：本周整体净流出156.40亿元，为资金流出主力，储能电池、电力、煤炭相关ETF获资金流入，而有色金属、化工相关ETF遭大幅流出 [1][2][32] * **风格策略ETF**：本周整体净流入47.55亿元，资金主要流入自由现金流、红利主题ETF [2][32] * **跨境ETF**：本周整体净流出28.88亿元，资金流入恒生科技主题ETF，流出港股通互联网、非银及创新药主题ETF [2][33] 四、 行业拥挤度监测 * 根据拥挤度模型监测，前一交易日公用事业、电力设备行业拥挤度水平较高，而计算机、传媒行业拥挤度水平较低，建议关注 [2][37] * 医药生物和有色金属行业本周拥挤度变动幅度较大 [2][37] * 从主力资金流向看，前一交易日资金流入有色金属、基础化工，流出通信、公用事业；本周整体资金减配电子、计算机，增配有色的趋势明显 [37] 五、 ETF产品关注信号 * 报告提及根据溢价率Z-score模型搭建了ETF产品筛选信号模型，用于滚动测算并提供存在潜在套利机会的标的，但未列出具体标的 [44][45]

报告行业投资评级 - 中信五风格-稳定★☆☆，一颗星代表偏多，判断趋势有上涨驱动，但盘面可操作性不强 [4] 报告的核心观点 - 截至2026/03/27当周，通联全A（沪深京）、中证综合债与南华商品指数周度涨跌幅分别为 -0.76%、0.06%、 -0.25% [4] - 近一周转债策略收益表现较优，周度收益率为0.60%，权益多头策略指数延续回撤，中性策略产品涨多跌少；纯债策略指数收涨，中长期收益强于短期纯债；商品方面，近一周能化ETF上涨3.35%，贵金属ETF净值继续下探，有色金属ETF收益小幅反弹 [4] - 近一周稳定与周期风格收涨，其余风格收跌；风格轮动图显示近期周期风格相对强弱升幅明显，消费风格相对强弱动量边际回落 [4] - 近一周成长与金融风格基金指数跑赢基准，周度超额收益率分别为0.89%、0.64%；从基金风格系数走势来看市场对成长与金融风格偏移度有所提高；本周市场拥挤度指标回升，当前金融风格拥挤度位于近一年以来中高等分位区间 [4] - 近一周短期动量因子表现偏强，盈利因子收益回调，胜率方面流动性因子持续走低，估值与规模因子边际回升；本周因子截面轮动速度环比上行，当前位于近一年以来中等分位区间 [4] - 根据风格择时模型最新评分结果，本周金融风格边际回升，当前信号延续稳定风格；上周风格择时策略收益率为0.56%，对比基准均衡配置超额收益率为1.13% [4] 各部分总结 近期市场收益 - 展示了通联全A（沪深京）、中证综合债（净）、南华商品的周度、月度、季度、半年度收益率 [6] - 展示了公募基金主要策略指数周度收益率、近年公募基金产品成立规模、公募基金主要策略指数近三月最大回撤 [6] 中信风格指数 - 展示了中信风格指数净值走势 [7] - 展示了中信风格指数相对轮动图，包含金融、周期、消费、成长、稳定风格近一周、上一周、近一月、近三月、近六月、近一年的相对强弱和相对强弱动量 [9][10] - 展示了基金风格指数超额收益表现，包含金融、周期、消费、成长风格近一周、上一周、近一月、近三月、近六月、近一年的超额收益率 [11] - 展示了基金风格拥挤度 [12] Barra因子 - 展示了本周Barra单因子风格偏好 [13] - 展示了Barra单因子风格策略超额收益表现 [14] - 展示了近一年Barra单因子风格超额净值走势 [16]

报告行业投资评级 - 股指操作评级为三颗星，国债操作评级为三颗星，三颗星代表更加明晰的多/空趋势，且当前仍具备相对恰当的投资机会 [1] 报告的核心观点 - 截至3月27日当周，IH2604下降1.37%，IF2604下降0.46%，IC2603上升1.38%，IM2603上升0.92%，市场小盘风格有所修复，市场降温特征显现，风险偏好处于低位 [1] - 从高频宏观基本面因子评分来看，期指方面，通胀指标7分，流动性指标9分，估值指标11分，市场情绪指标8分；期债方面，通胀指标5分，流动性指标9分，市场情绪指标6分 [1] - 期限结构方面，IF、IC、IM和IH当季合约的年化基差率 -1.05%、-4.62%、-7.08%、-10.08%，各品种对冲成本相较于上周均有所扩大 [1] - 金融衍生品量化CTA策略上周净值没有变化，长周期方面，工业企业利润超预期，对于IC和IF长周期有一定提升作用，但长周期因子贡献占比近期有所下降；短周期方面，地缘政治对于市场流动性冲击扩大，中高频地产小幅回升，期指短周期因子已经分化收窄，总体呈现持续下降 [1] - 持仓量方面，风险偏好相对上周边际回升至中性区间，当前整体综合信号为中性震荡；期债方面，资金面仍旧保持宽松，但机构配置对于长端相对偏谨慎，股债跷跷板效应不显著，债市对于地缘引发的通胀预期的定价较为显著，T持仓量因子强度相对较低，TF相对支撑较强，综合信号中性震荡 [1] 根据相关目录分别进行总结 宏观基本面中高频因子评分 - 高炉开工率等多项指标有不同程度涨跌，期指评分为6分，期债评分为7分 [2] 通胀指标 - 菜篮子产品批发价格200指数等多项指标有不同程度涨跌，期指评分为7分，期债评分为5分 [3] 流动性 - DR007等多项指标有不同程度涨跌，期指评分为9分 [4] 指数估值 - 市盈率PE等多项指标有不同程度涨跌，期指评分为10分 [5] 市场情绪 - 股指方面，融资余额等多项指标有不同程度涨跌，期指评分为8分；债券方面，国开债到期收益率等多项指标有不同程度涨跌，期债评分为6分 [6][7] 策略介绍 - 品种池为股指期货和国债期货，运用多策略模型择优配置合约，短周期模型聚焦市场风格等高频金融数据板块，长周期模型关注市场预期等低频指标，持仓量考虑机构多空单持仓量进行合成 [16] 预测信号 - 截止上周五，IF主力等合约的短周期模型、持仓量指标、长周期模型和综合信号有相应数值，综合信号强度由3个独立模型的信号加权合成，原则上取综合信号强度前2位且数值大于等于0.6的合约做多，取后2位且数值小于等于0.4的合约做空，屏蔽交割日前7日的信号，日内跌超1%视为止损点，等权重分配资金仓位，连续两个交易日同方向信号将被屏蔽 [17][18] 上周情况 - 3月23 - 27日，IF主力等合约数据均为0 [19] 国债期货跨品种套利策略 - 基于基本面三因子模型与趋势回归模型产生的信号共振，基本面因子采用Nelson和Siegel提出的瞬时远期利率函数，运用PCA主成分分析等构建三因子模型，信号分为三类，运用趋势回归模型过滤信号，产生共振时交易，实际操作中采用久期中性配比调整10 - 5Y价差，比例为1:1.8 [20] 市场行情与交易信号 - TF和T主力合约在3月23 - 27日，N - S模型信号和趋势回归模型信号有相应数值 [23]

财报表现与市场反应的背离 - 公司2024年第四季度及全年财报表现强劲：营收同比增长8%，净利润同比大增30%以上，游戏、广告、金融科技三大核心板块均超预期，现金流充沛[6] - 然而财报发布当天市场反应负面：股价盘中一度暴跌近6%，收盘仍跌超4%，全天蒸发市值超过1500亿港元[7] - 市场反应与财报数据脱节的核心原因被归结为“叙事不一致”，导致股东集体陷入认知断层[8] 公司过去的旧叙事逻辑 - 旧叙事核心是“金融工程+护城河”，包含三个关键点：游戏和社交是永恒的现金奶牛，拥有难以复制的网络效应和用户心智壁垒[13]；AI战略强调“后发制人”，依靠海量场景数据和用户触达能力，专注做最懂用户的AI，而非在通用大模型上争第一[13]；通过大规模分红和回购的金融工程最大化股东价值，例如2024年全年回购金额超过500亿港元[13] - 这套叙事吸引了巴菲特式长期股东、海外对冲基金等价值投资者，他们相信公司无需成为AI领跑者，只需高效地将利润返还股东即可创造超额回报[14][15] - 在此叙事下，公司估值从2022年低谷回升，市盈率稳定在15-18倍，成为港股“优质核心资产”的代表[16] 新信号与叙事断裂 - 在发布财报的同时，管理层宣布两项关键调整：2025年回购规模将较2024年大幅减少；2025年资本开支将大幅增加，主要投向AI基础设施、算力、数据中心及大模型研发[18] - 此举被解读为战略方向的180度转向：从“AI是辅助，金融工程是核心”的旧叙事，转变为“AI是生死之战，必须重仓押注”的新信号[20][21] - 管理层在电话会上直言“看到AI在某些领域的机会窗口正在关闭，必须加快步伐”，进一步加剧了叙事转变的冲击[22] 旧股东的逻辑与预期破灭 - 旧股东多为价值投资者，其投资逻辑基于公司强大的自由现金流（每年超过2000亿人民币）和稳定的股东回报（通过30%-40%的分红+回购比例，每年回报约1500-2000亿港元，相当于5-6%的股息收益率）[24] - 他们预期在估值扩张的配合下，长期年化回报可达12%-15%[24] - 管理层宣布将资金转向AI投资，直接打破了旧股东对稳定现金回报的预期，导致其估值逻辑崩塌[25][32] AI赛道竞争格局与公司的尴尬处境 - 在AI领域，公司面临激烈竞争且被认为已落后：字节跳动凭借短视频和搜索数据构建了To C场景闭环；阿里依托云业务和电商数据在企业级应用快速落地；DeepSeek和MiniMax等技术派黑马在开源模型排行榜上表现突出[28] - 大模型赛道正快速走向“寡头化”，预计2026年后全球仅剩3-5家具备前沿能力的玩家，后入者差距会以指数级拉大[29] - 市场认为公司在AI布局上“真金白银的决心”不够果断，节奏更像“试水+跟随”，能力代差已经形成，此时宣布重仓为时已晚[30] 新旧股东的认知断层与预期错位 - **旧股东**（持有公司股票尤其是2022-2024年高位接盘的机构）要的是“现金牛+高分红”的确定性，最怕管理层“烧钱转型”[32] - **潜在的新股东**（如AI赛道增量资金）要的是“AI第一梯队”的确定性溢价，他们认为公司已落后太多，估值应打折[32] - 管理层战略转向试图两边讨好，结果却导致两拨预期完全错位的股东均感到失望：旧股东的现金流预期被打破，而新股东则因公司缺乏可信的领先证据而不愿买入[31][32] 叙事一致性的重要性及历史教训 - 资本市场最怕的不是坏消息，而是预期混乱[37] - 历史上多家公司曾因叙事与现实脱节而经历股价大跌：例如2018年的阿里因“新零售”战略放弃电商核心利润率导致股价腰斩；2021年美团因“社区团购”烧钱大战估值从高点跌去70%；2022年腾讯自身因“游戏版号寒冬+反垄断”市值蒸发3万亿港元[35] - 这些大跌本质都是叙事脱节后的“价格发现”过程[36] 当前问题的核心与管理层沟通缺失 - 本次财报的最大问题并非具体财务数字，而是管理层未能提供一个连贯、可信的新故事[38] - 市场亟待管理层回答三个关键问题：腾讯AI的差异化护城河到底在哪里？为进入大模型前三愿意承受多少年的亏损和投入？股东回报政策如何与长期的AI战略匹配[39] - 在缺乏清晰答案的情况下，市场只能以抛售作为回应[39] 对公司未来的建议与出路 - 公司依然是中国最强大的互联网公司之一，拥有罕见的现金流、用户基数和产品能力[41] - 在AI赛道，公司凭借“场景+数据+分发”的组合拳理论上仍有翻盘可能[42] - 但管理层必须尽快完成“叙事重启”：明确给出腾讯AI未来三年的具体路线图和胜率假设；就AI资本开支与股东回报给出分阶段的明确承诺；正面承认与竞争对手的差距，并通过具体的产品落地案例（如微信AI Agent、游戏AI NPC等）来证明“后发优势”[43] - 只有建立一致的新叙事，公司估值才能从当前的认知断层中修复，否则股价可能在“旧股东出逃、新股东观望”中持续震荡[44]

公司股价与市场表现 - SoFi Technologies股票在周一早盘交易中上涨约2%，突破17美元[4] - 此次上涨前，公司股价年内已下跌35%[2][4] - 当日标普500指数上涨约2%，为SOFI等超跌股票提供了普遍的市场助力[6] 做空报告指控 - Muddy Waters Research于3月17日发布做空报告，指控公司存在至少3.12亿美元未记录的债务以及会计违规[2][7] - 报告称公司使用“GE Capital式的贷款标记和安然式的表外结构”将借款粉饰为收入[7] - 报告还指控个人贷款核销率高于公司报告水平，并认为股东面临持续的股权稀释[7] - 报告发布后，公司股价一度下跌6.5%[8] 公司回应与内部人交易 - 公司于报告发布当日强烈反驳，称该报告“不准确且具有误导性”，并宣布将探索对Muddy Waters采取法律行动[8][21] - 首席执行官Anthony Noto于3月17日以约17美元的加权平均价格购买了28,900股公司股票[9] - 此前在3月2日，Noto以约18美元的价格购买了56,000股公司股票[2][10] - 内部人士在遭受做空攻击期间购买股票，通常表明其认为股价未能反映公司实际价值[10] 公司基本面与财务表现 - 2025年第四季度，公司营收达10.25亿美元，首次实现单季度收入超10亿美元，每股收益为0.13美元，超过0.11美元的预期[11] - 2025年全年营收为36.13亿美元，同比增长38%[11] - 公司会员数量达到1370万，同比增长35%，其中仅第四季度就新增103万会员，创下纪录[12] 业务风险与估值争议 - 2025年第四季度，公司个人贷款年化核销率为2.8%，较上一季度的2.6%有所上升，公司将此归因于贷款组合的账龄增长[13] - 2025年第三季度，信用卡核销率仍为6.55%，若组合账龄增长而无改善，可能成为问题[14] - 基于2026年调整后每股收益0.60美元的指引，公司股票当前远期市盈率为32倍，对于在波动宏观环境中运营的金融科技公司而言估值并不便宜[14] 分析师观点与未来展望 - 华尔街分析师对SoFi Technologies股票的平均目标价约为26美元[15] - 在覆盖该股的22位分析师中，共识评级为“持有”，其中10位给予持有评级，2位给予卖出评级，2位给予强烈卖出评级[15] - 下一个关键数据点是4月28日发布的2026年第一季度财报，公司指引第一季度调整后净营收约为10.4亿美元，调整后每股收益为0.12美元[17] - 一份清晰透明的一季度财报将有助于消除Muddy Waters报告带来的负面影响[17]

报告行业投资评级 - 股指操作评级为三颗星，国债操作评级为三颗星，三颗星代表更加明晰的多/空趋势，且当前仍具备相对恰当的投资机会 [1][24] 报告的核心观点 - 截至3月13日当周，IH2603、IF2603、IC2603、IM2603下降，市场大盘风格占优，市场降温特征显现，风险偏好继续回落，风格维度上市场轮动节奏加快，大盘风格边际回升，短期流动性冲击的风险上升 [1] - 从高频宏观基本面因子评分来看，期指方面通胀指标7分、流动性指标9分、估值指标10分、市场情绪指标9分，期债方面通胀指标5分、流动性指标9分、市场情绪指标6分 [1][3][4][5][6][7] - 期限结构方面，IF、IC、IM和IH当季合约的年化基差率分别为0.52%、-7.05%、-9.90%、-12.45%，各品种贴水相较于上周均有所扩大 [1] - 金融衍生品量化CTA策略上周净值无变化，长周期上社融和信贷数据高于季节性水平对IC和IM长周期有提升作用但长周期因子贡献占比近期下降，短周期上地缘政治对市场流动性冲击扩大，中高频地产小幅回升，期指短周期因子分化收窄总体小幅下降，持仓量方面风险偏好相对上周边际回落至中性以下区间，当前整体综合信号为中性震荡；期债方面年初资金面保持宽松但机构配置行为偏慢，叠加会议预期使得股债跷跷板效应显著，债市对基本面通胀预期定价显著，T持仓量因子降幅较大，TF相对支撑较强，综合信号中性震荡 [1] 根据相关目录分别进行总结 宏观基本面中高频因子评分 - 高炉开工率、开工率PTA国内、炼油厂开工率山东地炼、开工率汽车轮胎全钢胎周涨跌分别为5.09%、5.09%、1.83%、5.54%，开工率涤纶长丝下游织机江浙地区周涨跌为 -0.12%；期指评分为6分，期债评分为7分 [2] 通胀指标 - 菜篮子产品批发价格200指数、市场价1电解铜标准阴极铜周涨跌分别为 -0.71%、 -0.88%，中信行业指数炼焦煤、南华苯乙烯指数、中信行业指数复合肥、结算价活跃合约天然橡胶周涨跌分别为5.08%、2.61%、4.60%、0.50%，到岸价液化天然气中国周涨跌为0.00%；期指评分为7分，期债评分为5分 [3] 流动性 - DR007、DR001周涨跌分别为3.30%、0.17%，GC001加权平均、GC007加权平均周涨跌分别为 -5.14%、1.07%，SHIBOR隔夜、SHIBOR 1周周涨跌分别为0.15%、3.19%，美元指数周涨跌为1.56%，同业存单收益率AAA 1个月周涨跌为0.00%；期指评分为9分 [4] 指数估值 - 市盈率PE TTM、市销率PS TTM周涨跌分别为0.09%、0.12%，股息率近12个月周涨跌为 -0.32%，市现率PCF经营现金流TTM周涨跌为0.28%；期指评分为10分 [5] 市场情绪 - **股指**：融资余额、融券余额周涨跌分别为0.21%、3.13%，上证所A股成交金额周涨跌为9.45%，陆股通当日买入成交净额、陆股通当日卖出成交金额周涨跌为0.00%；期指评分为9分 [6] - **债券**：国开债到期收益率10年、美国标准普尔500波动率指数周涨跌分别为0.35%、 -7.80%，上证国债指数成交量周涨跌为 -19.18%，信用利差中位数全体产业周涨跌为0.00%；期债评分为6分 [7] 策略介绍 - 品种池为股指期货和国债期货，目的是在金融期货盘面内运用多策略模型择优配置合约实现净值稳定增长，短周期模型聚焦市场风格、外部因素、资金面三大高频金融数据板块，长周期模型关注市场预期聚焦宏观经济数据等低频指标，持仓量主要考虑机构多空单持仓量进行合成 [15] 预测信号 - 截止上周五，IF主力、IH主力、IC主力、IM主力、T主力、TF主力的短周期模型信号分别为0.51、0.5、0.51、0.49、0.53、0.52，持仓量指标均为0，长周期模型信号分别为0.53、0.51、0.54、0.54、0.49、0.5，综合信号分别为0.52、0.51、0.51、0.5、0.47、0.5 [16] 上周情况 - 2026年3月9 - 13日，IF主力、IH主力、IM主力、T主力多数时间信号为0，IC主力在3月12日信号为1，TF主力在3月9日信号为1 [18] 国债期货跨品种套利策略 - 该跨品种套利策略基于基本面三因子模型与趋势回归模型产生的信号共振，基本面因子采用Nelson和Siegel提出的瞬时远期利率函数，将利率期限结构分解为水平、斜率和曲率三个部分，用PCA主成分分析、最大方差化因子旋转法结合logistic回归构建三因子模型，信号分为'1'利差较大可能降低、'0'利差变动趋势不确定或维持振荡、'-1'利差较大可能上升，运用趋势回归模型过滤信号，产生共振时交易，实际操作采用久期中性配比调整10 - 5Y价差，比例为1:1.8 [19] 市场行情与交易信号 - 2026年3月9 - 13日，TF和T主力合约的N - S模型信号分别在3月9、10、13日为0，3月11、12日为1，趋势回归模型信号在该时间段均为0 [22]

报告行业投资评级 * 本报告为周度择时模型跟踪报告，未对行业或股票给出明确的投资评级 [1][4] 报告的核心观点 * 上周（2026年03月09日至2026年03月13日）红利风格择时模型综合因子值为-0.39，保持为负值，相对前一周（2026年03月02日至2026年03月06日）的-0.38基本持平，模型未发出看多红利风格的信号 [1][4][6] 根据相关目录分别进行总结 模型最新结果 * 截至2026年03月13日，红利风格择时模型综合因子值为-0.39，维持负值，未发出看多信号 [6] * 从因子分项看，近期红利表现较好，动量因子（红利相对净值自身）做出了正贡献，其因子值从一周前的0.76上升至1.59 [4][7][12] * 除动量因子外，其余变量变化不大且均为负贡献，具体包括：中国服务业PMI（因子值0.14）、中国M2同比（因子值0.31）、美国10年期国债收益率（因子值-0.81）、中证红利股息率与10年期国债收益率之差（因子值-0.22）、融资净买入（因子值0.74）以及行业平均景气度（因子值0.91） [7][12] * 存量方面，美债利率的下行和行业景气度的回暖对红利风格产生了负贡献 [4][7] * 在多因素共同作用下，模型综合打分维持负值 [4][7]

量化模型与构建方式 1. **模型名称：卷积神经网络趋势观察模型**[80] * **模型构建思路**：使用卷积神经网络（CNN）对个股历史价量数据构建的标准化图表进行建模，学习图表特征与未来价格走势之间的关系，并将学习到的有效特征映射到行业主题板块，以识别具有趋势性机会的行业主题[80]。 * **模型具体构建过程**： 1. **数据准备**：为每只个股选取一个窗口期内的价量数据（如价格、成交量等）[80]。 2. **图表生成**：将标准化处理后的价量数据构建成标准化的图表[80][81]。 3. **模型训练**：使用卷积神经网络对生成的图表与对应的未来价格（如未来涨跌）进行建模训练，以识别图表中的有效预测特征[80]。 4. **特征映射**：将训练好的模型学习到的特征，应用于行业主题板块的指数或成分股，以判断哪些行业主题板块在未来具有更高的上涨概率[80]。 5. **输出配置**：模型最终输出当前时点看好的行业主题板块及对应的具体指数[82]。 2. **模型名称：宏观因子事件模型**[56][57] * **模型构建思路**：通过跟踪一系列国内外宏观指标，定义其特定的走势事件（如短期高低点、连续涨跌等），并从历史数据中筛选出对未来资产收益率有显著影响的“有效因子事件”，以此作为判断未来市场或资产走势的依据[56][57]。 * **模型具体构建过程**： 1. **因子选择**：跟踪约25个国内外宏观指标，涵盖货币政策、财政政策、流动性、通胀水平及其他经济指标[56][57]。 2. **事件定义**：为每个宏观因子定义四类走势事件：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转[57]。 3. **有效性检验**：从历史数据中寻找“有效因子事件”，即那些对资产未来收益率影响较为显著的因子事件[57]。 4. **趋势判断**：采用历史均线（如1月、3月、12月均线）将宏观因子走势分为趋势上行或下行[59]。 5. **信号生成**：统计历史上在特定宏观因子处于不同趋势下，各类资产（如股票、债券）的未来平均收益，筛选出收益存在显著差异的资产，生成当前宏观因子趋势下的市场观点[59][60]。 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[50] * **模型构建思路**：通过监测上证50ETF期权成交量的看涨看跌比率（CPR）与其布林通道的相对位置，来判断蓝筹股市场的短期超买或超卖风险[50]。 * **模型具体构建过程**： 1. **计算CPR**：计算上证50ETF期权成交量的看涨看跌比率[50]。 2. **计算通道**：计算CPR的60日布林通道（通常包含上轨和下轨）[50]。 3. **信号判断**：当最近20个交易日的CPR高于60日布林通道上轨时，模型认为蓝筹股短期存在超卖风险[50]。 4. **模型名称：GFTD模型与LLT模型**[84] * **模型评价**：报告提及GFTD模型和LLT模型的历史择时成功率约为80%，但未详细描述其构建思路和具体过程[84]。 模型的回测效果 1. 卷积神经网络趋势观察模型，最新配置主题为电力、电网、公用事业等，具体推荐指数包括：国证绿色电力指数 (399438.SZ)、中证绿色电力指数 (931897.CSI)、中证全指电力公用事业指数 (h30199.CSI)、中证全指公用事业指数 (000995.CSI)、中证电网设备主题指数 (931994.CSI)[82]。 2. 宏观因子事件模型，当前（截至报告期）对权益市场的观点为：PMI（3月均线趋势）发出看多信号；社融存量同比（1月均线趋势）、10年期国债收益率（12月均线趋势）、美元指数（1月均线趋势）均显示震荡信号[60]。 3. 期权成交量看涨看跌比（CPR）模型，当前信号显示：最近20个交易日CPR高于60日布林通道上轨，表明蓝筹股短期存在超卖风险[50]。 4. GFTD模型与LLT模型，历史择时成功率约为80%[84]。 量化因子与构建方式 1. **因子名称：新高新低比例因子**[35] * **因子构建思路**：通过统计市场中创近期新高与新低的个股数量占比，来度量市场的整体强度与广度情绪[35]。 * **因子具体构建过程**：计算创近60日新高的个股数占总股票数的比例（新高比例），以及创近60日新低的个股数占总股票数的比例（新低比例）[35]。 2. **因子名称：个股均线结构因子**[39] * **因子构建思路**：通过计算呈现多头排列与空头排列的个股数量差值占比，来反映市场整体的技术趋势强弱[39]。 * **因子具体构建过程**：计算呈现多头排列的个股数量减去呈现空头排列的个股数量，再除以总股票数，得到“均线强弱指标”[39][40]。 3. **因子名称：长期均线以上比例因子**[42] * **因子构建思路**：统计股价位于长期均线（如200日）之上的个股比例，用以衡量市场长期趋势的强弱和广度[42]。 * **因子具体构建过程**：计算股价位于200日长期均线之上的个股数量占总股票数的比例[42]。 4. **因子名称：风险溢价因子**[68] * **因子构建思路**：通过计算股票市场隐含收益率（盈利收益率）与无风险利率（十年期国债收益率）的差值，来衡量股票资产相对于债券资产的吸引力[68][83]。 * **因子具体构建过程**：风险溢价 = 中证全指静态市盈率（PE_TTM）的倒数（即盈利收益率EP） - 十年期国债收益率[83]。 5. **因子名称：指数超买超卖因子**[70] * **因子构建思路**：通过特定方法计算各主要宽基指数和行业指数的超跌或超买程度，以识别市场或板块的极端状态[70][74]。 * **因子具体构建过程**：报告未详细说明具体计算公式，但展示了截至报告期（NEW）和2018年底（20181228）两个时点，各指数在该因子上的取值情况，数值越高可能代表超跌越严重或超买越严重[71][72][75][76]。 6. **因子名称：融资余额因子**[77] * **因子构建思路**：跟踪市场融资余额的绝对规模及其占流通市值的比例，作为衡量市场杠杆情绪和资金面的指标[77]。 * **因子具体构建过程**：直接获取市场融资余额的总规模（亿元），并计算融资余额占A股流通市值的百分比[79]。 因子的回测效果 1. 新高新低比例因子，截至本期，创近60日新高个股数占比为15.7%，创近60日新低个股数占比为7.2%[35]。 2. 个股均线结构因子，截至本期，多头排列减空头排列个股占比为19%[39]。 3. 长期均线以上比例因子，报告展示了该因子的历史走势图，但未给出本期具体数值[42]。 4. 风险溢价因子，截至2026年3月6日，中证全指风险溢价为2.47%，其两倍标准差上边界为4.64%[83]。 5. 指数超买超卖因子，截至2026年3月6日（NEW），主要宽基指数中，中证1000、国证2000、小盘成长、小盘价值等指数的因子取值较高（接近或超过80）；行业指数中，有色金属、电子、汽车等行业的因子取值较高（超过80）[71][72][75][76]。 6. 融资余额因子，报告展示了该因子的历史走势图，但未给出本期具体数值[79]。

报告行业投资评级 * 本报告为金融工程周报，未对特定行业给出投资评级 [4] 报告的核心观点 * 上周（20260224 至 20260227）红利风格择时模型综合因子值为 **-0.10**，在连续两周为正值后转为轻微负向信号，前一周（20260209 至 20260213）因子值为 **0.09** [1][4][6] * 因子值在0轴上下轻微波动是正常现象，这可能意味着当前位于风格切换的关键节点，需要持续跟踪观察是否切换成功 [4][6] * 导致模型打分小幅下降至负值的主要边际变化是：**美债利率近期下行，其对红利的压制作用增强**；同时市场情绪有所回暖，红利超额表现减弱 [4][7] * 从存量因素看，较低的市场情绪和总体较强的红利动量对红利风格产生正贡献；而美债利率的下行和行业景气度的回暖对红利产生负贡献 [4][7] 根据相关目录分别进行总结 模型最新结果 * 上周（20260224至20260227）红利风格择时模型综合因子值为 **-0.10**，前一周（20260209至20260213）因子值为 **0.09**，信号由正转负 [6] * 根据模型各因素观点表（20260227），对红利风格持正面观点（观点为“1”）的因子包括：中国非制造业PMI服务业、红利相对净值自身、中证红利股息率-10年期中债收益率、融资净买入 [11] * 对红利风格持负面或中性观点（观点为“0”）的因子包括：中国M2同比、美国国债收益率10年、行业平均景气度 [11] * 具体因子数值变化显示，**美国10年期国债收益率因子**对红利的负向影响显著增强，其因子值从2026年2月13日的 **-0.23** 变为2月27日的 **-0.49** [11] * 红利相对净值自身因子值从2月13日的 **0.89** 下降至2月27日的 **0.54**，显示红利动量有所减弱但仍为正贡献 [11] * 行业平均景气度因子值从1月30日的 **0.77** 持续上升至2月27日的 **1.12**，其回暖对红利风格构成负贡献 [11]

量化模型与构建方式 1. **模型名称：宏观指标趋势模型**[11][17] * **模型构建思路**：通过分析宏观指标的趋势（上行或下行）与各类资产未来一个月收益率之间的关系，筛选出对资产表现有显著影响的宏观指标，并据此对资产进行月度打分[11][17]。 * **模型具体构建过程**： 1. **指标趋势判断**：采用月度均线方法判断单个宏观指标的趋势，分为趋势上行和趋势下行两种情况[18]。 2. **显著性检验**：利用T检验判断在宏观指标趋势上行和下行两种情况下，某类资产未来一个月月度收益率的分布是否存在显著差异[17]。 3. **T检验公式**： $$t={\frac{{\overline{{R_{1}}}}-{\overline{{R_{2}}}}}{\sqrt{\frac{(n_{1}-1){S_{1}}^{2}+(n_{2}-1){S_{2}}^{2}}{n_{1}+n_{2}-2}}({\frac{1}{n_{1}}}+{\frac{1}{n_{2}}})}}\sim t_{n_{1}+n_{2}-2}$$ 其中，$\overline{R_{1}}$ 和 $\overline{R_{2}}$ 分别代表宏观指标趋势上行和下行情况下，资产未来一个月的平均月度收益率；$S_{1}$ 和 $S_{2}$ 是对应收益率的标准差；$n_{1}$ 和 $n_{2}$ 是宏观指标处于趋势上行或下行的月份数量[17]。 4. **打分规则**：对于通过检验的宏观指标，根据其最新趋势方向（正向影响记+1分，负向影响记-1分）及资产在该指标下的历史表现方向，给出该指标对资产的得分[31][54]。综合各指标得分得到宏观视角总分。 2. **模型名称：技术视角打分模型**[22][26] * **模型构建思路**：从趋势、估值（仅权益资产）、资金流（主要权益资产）三个技术维度构建指标，对大类资产和权益风格进行月度打分[22][26]。 * **模型具体构建过程**： * **趋势指标**： * **构建**：基于资产收盘价或LLT指标，计算特定窗口期（如2个月、6个月）的平均月度涨跌幅。若最新值大于历史同期（如T-12至T-2月）平均值，则判断趋势向上，记+1分；反之记-1分[22][33][55]。 * **估值指标（仅权益）**： * **构建**：计算股权风险溢价：ERP = 1 / 中证800指数PE(TTM) - 10年期国债到期收益率[23]。 * **分位数计算**：计算当前ERP在过去5年历史数据中的分位数[23]。 * **打分规则**：根据分位数高低判断估值水平并打分：高于90%（+2分），70%-90%（+1分），30%-70%（0分），10%-30%（-1分），低于10%（-2分）[25][26]。 * **资金流指标（主要权益）**： * **构建**：以日度频率计算个股主动净流入额，加总得到指数月度主动净流入额。计算该数据的边际变化（如当月值与过去6个月平均值比较）[26]。 * **打分规则**：若资金流指标为正，认为资金面边际改善，记+1分；为负则记-1分[26][55]。 3. **模型名称：大类资产配置组合模型**[35][46] * **模型构建思路**：在固定比例、控制波动率或风险平价等基准配置权重的基础上，根据宏观指标和技术指标的月度信号，动态调整各类资产的权重[35][46]。 * **模型具体构建过程**： 1. **设定基准组合**： * **固定比例基准**：权益20%，债券60%，商品（黄金10%+工业品5%），货币5%[36]。 * **控制年化波动率基准**：控制年化波动率不超过6%[46]。 * **风险平价基准**：采用风险平价模型确定权重[46]。 2. **权重调整规则**：根据宏观视角和技术视角对每类资产的最新观点（看好、看平、看空），在基准权重上进行增减调整。例如，固定比例组合中，每类非货币资产有固定的“调整权重”（如权益±5%），根据信号调增或调减其权重，并相应调整货币资产比例[35][36]。 4. **模型名称：权益风格轮动组合模型**[57] * **模型构建思路**：对于大盘/小盘、成长/价值两类风格，在等权基准配置的基础上，根据宏观指标和技术指标的月度信号，动态超配看好的风格，低配不看好的风格[57]。 * **模型具体构建过程**： 1. **设定基准组合**：大盘与小盘指数各占50%，成长与价值指数各占50%[58]。 2. **权重调整规则**：根据宏观视角和技术视角对风格的最新观点，在基准权重上进行增减调整。例如，每类风格有固定的“调整权重”（如±25%），根据信号调增或调减其权重[57][58]。 模型的回测效果 1. **固定比例+宏观指标+技术指标组合**，年化收益率10.18%，最大回撤9.27%，年化波动率6.17%[40][41]。2026年以来（截至2026.2.28）收益率3.95%[36][44]。 2. **固定比例+宏观指标组合**，年化收益率9.29%，最大回撤11.21%，年化波动率6.06%[40]。 3. **固定比例+技术指标组合**，年化收益率8.50%，最大回撤12.56%，年化波动率6.10%[40]。 4. **固定比例基准组合**，年化收益率6.35%，最大回撤18.51%，年化波动率5.84%[40]。 5. **控制年化波动率6%+宏观指标+技术指标组合**，年化收益率10.44%，最大回撤7.37%，年化波动率5.57%[50]。2026年以来（截至2026.2.28）收益率5.90%[46][51]。 6. **风险平价+宏观指标+技术指标组合**，年化收益率8.28%，最大回撤4.58%，年化波动率3.40%[50]。2026年以来（截至2026.2.28）收益率2.21%[46][51]。 7. **大小盘轮动组合**，年化收益率14.42%，最大回撤49.10%，年化波动率22.30%[59]。相对于基准组合（巨潮大盘50%+巨潮小盘50%）的年化超额收益率为5.71%（2013年至今）[58]。2026年以来（截至2026.2.28）超额收益率3.59%[58][61]。 8. **成长价值轮动组合**，年化收益率14.47%，最大回撤45.18%，年化波动率21.56%[66]。相对于基准组合（国证成长50%+国证价值50%）的年化超额收益率为6.00%（2013年至今）[63]。2026年以来（截至2026.2.28）超额收益率1.53%[63][66]。 量化因子与构建方式 1. **因子名称：趋势因子**[22][33] * **因子构建思路**：通过比较资产近期价格走势与历史同期走势，判断其当前趋势方向[22]。 * **因子具体构建过程**：计算资产在最近N个月（如2个月、6个月）的平均月度涨跌幅，与历史（T-12至T-2个月）的平均月度涨跌幅进行比较。若近期均值大于历史均值，则因子值为正（趋势向上）；反之为负（趋势向下）[33][55]。 2. **因子名称：估值因子（股权风险溢价ERP）**[23][26] * **因子构建思路**：用权益资产的盈利收益率与无风险利率的差值来衡量其相对估值吸引力和风险补偿[23]。 * **因子具体构建过程**： 1. 计算权益资产盈利收益率：E/P = 1 / PE(TTM)（以中证800指数为例）[23]。 2. 计算股权风险溢价：ERP = E/P - 10年期国债到期收益率[23]。 3. 计算ERP的历史分位数（过去5年）进行标准化[23]。 3. **因子名称：资金流因子**[26][55] * **因子构建思路**：通过计算指数成分股的资金主动净流入情况，衡量市场资金面的边际变化[26]。 * **因子具体构建过程**： 1. 日度计算每只股票的主动净流入额[26]。 2. 加总得到指数的月度主动净流入额[26]。 3. 计算资金流的边际变化，例如：当月主动净流入额 - 过去6个月平均月度主动净流入额[26][55]。对于风格轮动，则计算两个风格指数该值的差值[55]。