量化模型与构建方式 1. **模型名称**：红利风格择时模型[1][4][6] **模型构建思路**：构建一个综合因子来对红利风格进行择时判断，当综合因子值为正时发出正向信号[1][6] **模型具体构建过程**：模型由多个分项因子构成，每周计算各分项因子的数值，并通过一定方式（报告中未明确具体加权或合成公式）合成为一个综合因子值[6][7][11]。综合因子值大于0代表看多红利风格，小于0则未发出正向信号[1][6]。 **模型评价**：该模型旨在捕捉影响红利风格表现的多维度信息，包括宏观经济、利率环境、市场情绪和基本面等[7][11]。 量化因子与构建方式 1. **因子名称**：中国:非制造业PMI:服务业因子[11] **因子构建思路**：使用中国非制造业PMI中的服务业指数作为反映经济景气度的指标，用于判断对红利风格的影响[11]。 **因子具体构建过程**：直接采用“中国:非制造业PMI:服务业”的原始或处理后的时间序列数据作为因子值[11]。最新（2025.12.26）因子值为-0.80[11]。 2. **因子名称**：中国:M2:同比因子[11] **因子构建思路**：使用中国M2货币供应量的同比增速作为反映流动性环境的指标，用于判断对红利风格的影响[11]。 **因子具体构建过程**：直接采用“中国:M2:同比”的原始或处理后的时间序列数据作为因子值[11]。最新（2025.12.26）因子值为0.58[11]。 3. **因子名称**：美国:国债收益率:10年因子[7][11] **因子构建思路**：使用美国10年期国债收益率作为反映全球无风险利率和资金成本的指标，其变化会对红利资产的吸引力产生影响[7][11]。 **因子具体构建过程**：直接采用“美国:国债收益率:10年”的原始或处理后的时间序列数据作为因子值[11]。最新（2025.12.26）因子值为-0.91[11]。 4. **因子名称**：红利相对净值自身因子[11] **因子构建思路**：使用红利指数自身的相对净值表现（可能指其相对于自身均值的偏离或动量）作为技术面或趋势指标[11]。 **因子具体构建过程**：报告未详述具体计算方法，但给出了该因子的时间序列值[11]。最新（2025.12.26）因子值为-0.70[11]。 5. **因子名称**：中证红利股息率-10年期中债收益率因子[4][7][11] **因子构建思路**：计算中证红利指数的股息率与10年期中国国债收益率的利差，该利差反映了红利资产相对于债券的性价比，利差扩大对红利风格有利[4][7][11]。 **因子具体构建过程**：因子值 = 中证红利股息率 - 10年期中债收益率[11]。最新（2025.12.26）因子值为0.72[11]。 6. **因子名称**：融资净买入因子[11] **因子构建思路**：使用市场的融资净买入数据作为反映场内杠杆资金情绪和动向的指标[11]。 **因子具体构建过程**：报告未详述具体计算方法，但给出了该因子的时间序列值[11]。最新（2025.12.26）因子值为0.45[11]。 7. **因子名称**：行业平均景气度因子[7][11] **因子构建思路**：使用分析师对行业的景气度判断平均值，作为反映上市公司基本面预期的指标[7][11]。 **因子具体构建过程**：报告未详述具体计算方法，但给出了该因子的时间序列值[11]。最新（2025.12.26）因子值为1.65[11]。 模型的回测效果 *报告为周报，主要展示模型及因子最新时点的状态和观点，未提供历史回测的绩效指标（如年化收益率、夏普比率、最大回撤等）[1][6][11]。* 因子的回测效果 *报告为周报，主要展示各因子最新时点的数值及观点，未提供因子历史表现的测试结果（如IC值、IR、多空收益等）[11]。* 模型及因子最新状态与取值 (截至2025年12月26日) 1. **红利风格择时模型**，综合因子值: -0.55[1][4][6] 2. **中国:非制造业PMI:服务业因子**，因子值: -0.80，最新观点: 看多(1)[11] 3. **中国:M2:同比因子**，因子值: 0.58，最新观点: 中性(0)[11] 4. **美国:国债收益率:10年因子**，因子值: -0.91，最新观点: 中性(0)[11] 5. **红利相对净值自身因子**，因子值: -0.70，最新观点: 中性(0)[11] 6. **中证红利股息率-10年期中债收益率因子**，因子值: 0.72，最新观点: 看多(1)[11] 7. **融资净买入因子**，因子值: 0.45，最新观点: 中性(0)[11] 8. **行业平均景气度因子**，因子值: 1.65，最新观点: 中性(0)[11] *注：“最新观点”列中，“1”代表该因子发出看多红利风格的信号，“0”代表中性信号[11]。*

报告行业投资评级 - 股指 ☆☆☆ [1] - 国债 ☆☆☆ [1] 报告核心观点 - 截至12月26日当周，期指分化，IH2601、IF2601、IC2601、IM2601分别上升1.45%、2.79%、4.86%、4.97%，科技与反内卷主线活跃，卫星通信、新能源等板块表现强势，市场在资金情绪推动下持续修复，主要宽基指数接近前期高位 [1] - 金融衍生品量化CTA策略上周净值上升0.92%，收益源于周四开多IC并平仓；长周期上生产端工业企业利润超季节性下降，IF和IH下降幅度大，期债相对变化小；短周期中高频地产和消费偏弱，人民币兑美元升值，资金面宽松但升幅有限；持仓量方面风险偏好高位但边际下降，IF和IH维持中性，整体综合信号中性以上；期债资金面宽松，短期冲高后持仓量回落，股债跷跷板效应未显现，债市对基本面反馈钝化，TF持仓量因子回落，机构配置行为不显著，综合信号中性震荡 [1] 各部分总结 宏观基本面中高频因子评分 - 高炉开工率、开工率:PTA:国内、开工率:汽车轮胎:全钢胎、开工率:涤纶长丝:下游织机:江浙地区周涨跌分别为 -3.11%、 -3.11%、 -0.56%、 -7.49%，炼油厂开工率:山东地炼(常减压装置)周涨跌为4.98% [2] - 期指和期债评分均为8分 [2] 通胀指标 - 菜篮子产品批发价格200指数、中信行业指数:炼焦煤周涨跌分别为 -0.64%、 -0.34%，市场价:1电解铜:标准阴极铜、南华苯乙烯指数等周涨跌分别为4.61%、4.15%等 [3] - 期指和期债评分均为8分 [3] 流动性 - DR007、DR001、GC001:加权平均等周涨跌分别为5.72%、 -1.18%、14.27%等 [4] - 期指评分9分 [4] 指数估值 - 市盈率PE(TTM)、市销率PS(TTM)、市现率PCF(经营现金流TTM)周涨跌分别为1.37%、1.38%、1.38%，股息率(近12个月)周涨跌为 -1.15% [5] - 期指评分10分 [5] 市场情绪 - 股指方面，融资余额、融券余额、上证所:A股成交金额周涨跌分别为1.58%、1.04%、18.45%，陆股通当日相关数据周涨跌为0.00%，期债评分9分 [6] - 债券方面，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0.74%、 -8.79%，上证国债指数:成交量周涨跌为 -27.76%，信用利差(中位数):全体产业周涨跌为0.00%，期债评分5分 [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实现净值稳定增长，短周期模型聚焦市场风格等高频数据板块，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合成 [15] 截止上周五预测信号 - 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0.52、0.51、0.52、0.53、0.51、0.52，持仓量指标均为0，长周期模型信号分别为0.52、0.49、0.48、0.5、0.51、0.53，综合信号分别为0.52、0.51、0.53、0.51、0.51、0.5 [16] 上周情况 - 2025年12月22 - 26日，各主力合约部分日期有交易信号，如23日T主力有信号1，25日IC主力有信号1 [18] 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，信号分三类，运用趋势回归模型过滤信号，共振时交易，采用久期中性配比调整10 - 5Y价差，比例1:1.8 [19] TF和T主力合约交易信号 - 2025年12月22 - 26日，N - S模型信号和趋势回归模型信号多为0，25日N - S模型信号为 -1 [22]

报告行业投资评级 - 中信五风格-消费★☆☆，一颗星代表偏多/空，判断趋势有上涨/下跌的驱动，但盘面可操作性不强 [2] 报告的核心观点 - 截至2025/12/26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2.73%、0.07%、4.00%；近一周权益策略收益反弹，商品类ETF走强，白银ETF净值大幅上行，周度收益率为17.43%；成长与周期风格表现偏强，消费风格小幅收跌；金融与成长基金超额表现较优；股指基差周内延续回升态势；中长期动量因子收益走强，估值因子超额回落；本周成长风格边际回落，当前信号偏向消费风格，上周风格择时策略收益率为4.41%，对比基准均衡配置超额收益率为2.61% [3] 根据相关目录分别进行总结 近期市场收益 - 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2.73%、0.07%、4.00% [3] - 近一周权益策略收益反弹，增强指数策略上涨2.82%；纯债策略收益分化，中长期纯债收益优于短期纯债；商品类ETF走强，白银ETF净值大幅上行，周度收益率为17.43% [3] 中信风格指数 - 上周成长与周期风格表现偏强，消费风格小幅收跌；风格轮动图显示近期稳定风格相对强弱边际回落，消费风格相对强弱动量环比上升 [3] - 近一周金融与成长基金超额表现较优，从基金风格系数走势来看市场对成长与消费风格偏移度小幅回升；本周拥挤度指标相比上周环比提高，周期风格基金拥挤度回落至历史低分位区间，成长风格升至历史中高分位区间 [3] 中性策略 - 从当季合约基差（期货 - 现货）来看，截至上周五股指基差周内延续回升态势，IC与IM合约基差升至近三月均值上方3倍标准差以上水平 [3] - 500与1000ETF平均溢价率指数环比回落，当前位于近三月中低分位区间 [3] Barra因子 - 近一周中长期动量因子收益走强，估值因子超额回落，胜率方面杠杆因子边际走强，分红因子转弱，本周因子截面轮动速度小幅回落，当前位于近一年以来中等分位区间 [3] 风格择时模型 - 根据风格择时模型最新评分结果，本周成长风格边际回落，当前信号偏向消费风格 [3] - 上周风格择时策略收益率为4.41%，对比基准均衡配置超额收益率为2.61% [3]

量化因子总结 量化因子与构建方式 1. **因子名称**：价格稳定大类因子[13] * **因子构建思路**：衡量股票价格相对于市场系统性风险的稳定程度，通常价格越稳定，未来表现可能越好[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **残差波动率**：Fama-French三因子模型回归残差的标准差[13]。 * **特异率**：1减去Fama-French三因子模型回归的拟合优度（R²）[13]。公式为：$$特异率 = 1 - R^2$$ * **残差峰度**：Fama-French三因子模型回归残差的峰度[13]。 * **高价振幅**：价格处于最高20%区间的平均振幅[13]。 2. **因子名称**：成交稳定大类因子[13] * **因子构建思路**：衡量股票成交的稳定性和有序程度，成交越稳定，可能预示未来表现越好[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **换手率变异系数**：换手率的标准差除以平均值[13]。 * **成交占比熵**：以成交量占比作为概率p，代入熵公式计算[13]。 * **量大单买入强度**：过去n个交易日，大买单成交额的标准差除以平均值[13]。 * **波峰**：使用日内1分钟成交量K线数据，以均值加1倍标准差为阈值筛选，计算局部峰值K线数量的20日移动平均[13]。 3. **因子名称**：流动性大类因子[13] * **因子构建思路**：衡量股票的流动性，流动性过高或过低可能对未来收益有不同影响[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **换手率**：成交量除以总股本[13]。 * **非流动性**：收益率绝对值除以总成交额[13]。 * **一致买入占比**：一致买入区间内的买入成交额除以总成交额[13]。 4. **因子名称**：拥挤度大类因子[13] * **因子构建思路**：衡量交易行为的拥挤程度，过度拥挤可能预示反转风险[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **量价相关性**：成交量和复权收盘价的秩相关系数[13]。 * **加权偏度**：以成交量加权的收盘价偏度[13]。 * **时量价比**：时间加权价格除以成交量加权价格[13]。 * **高量交易成本**：价格处于最高20%区间的成交量除以全区间总成交量[13]。 5. **因子名称**：成交笔数大类因子[13] * **因子构建思路**：从每笔成交的微观结构角度挖掘信息，例如大单行为或反转信号[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **每笔成交额**：总成交额除以成交笔数[13]。 * **高量每笔成交**：以5分钟成交量为划分，筛选成交量最高的20%数据计算每笔成交额，再除以全时间段每笔成交额[13]。 * **每笔流出额占比**：以成交量为划分，计算每笔流出额占全区间每笔流出额的比例[13]。 * **短期反转**：以5分钟成交量除以成交笔数为划分，筛选该比值最低的20%数据，计算其对数收益率之和[13]。 6. **因子名称**：反转大类因子[13] * **因子构建思路**：捕捉价格的短期反转效应[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **收益偏度**：收益率的偏度[13]。 * **半衰残差动量**：过去240个交易日，使用Fama-French三因子模型计算的日度残差收益率，从第240日到第20日进行累积[13]。 * **长期动量**：过去240个交易日（剔除最近20个交易日）的收益率[13]。 * **排序动量**：对日度收益率做截面排序，对过去240个交易日（剔除最近20日）的排序值求和[13]。 7. **因子名称**：成长大类因子[13] * **因子构建思路**：衡量公司的成长性，成长性高的公司可能获得溢价[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **ROE增长**：过去8个季度的ROE对时间进行线性回归的斜率项[13]。 * **总资产周转率增长**：过去8个季度的总资产周转率对时间进行线性回归的斜率项[13]。 * **归母净利润同比**：(本期季度归母净利润 - 去年同期季度归母净利润) / |去年同期季度归母净利润|[13]。 * **营业收入同比**：(本期季度营业收入 - 去年同期季度营业收入) / |去年同期季度营业收入|[13]。 * **ROE同比**：本期季度ROE减去去年同期季度ROE[13]。 * **总资产周转率同比**：本期季度总资产周转率减去去年同期季度总资产周转率[13]。 8. **因子名称**：SUE（标准化意外盈余）大类因子[13] * **因子构建思路**：衡量公司盈利超出市场预期的程度[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **ROE 2年SUE**：单季度扣非净利润归一化后对时间进行回归的斜率[13]。 * **总资产周转率2年SUE**：单季度扣非净利润对时间回归的斜率除以平均净资产[13]。 * **净利率2年SUE**：(归母净利润 - 过去8个季度均值) / 过去8个季度标准差[13]。 * **现金总资产比率2年SUE**：(GPOA - 过去8个季度均值) / 过去8个季度标准差[13]。 * **现金营业收入比率2年SUE**：(销售毛利率 - 过去8个季度均值) / 过去8个季度标准差[13]。 9. **因子名称**：质量大类因子[13] * **因子构建思路**：衡量公司的盈利质量和财务稳健性[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **ROE**：净利润除以净资产[13]。 * **总资产周转率**：营业收入除以总资产[13]。 * **净利率**：净利润除以营业收入[13]。 * **现金总资产比率**：经营活动现金流净额除以总资产[13]。 * **现金营业收入比率**：经营活动现金流净额除以营业收入[13]。 10. **因子名称**：价值大类因子[13] * **因子构建思路**：衡量股票的估值水平，估值越低可能未来收益越高[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **BP**：净资产除以总市值[13]。 * **SALES2EV**：营业收入除以企业价值[13]。 * **DP**：近12个月分红除以总市值[13]。 * **EP**：归母净利润TTM除以总市值[13]。 11. **因子名称**：分析师大类因子[13] * **因子构建思路**：基于分析师预期数据，捕捉市场一致预期的变化[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。子类因子包括： * **预期增长**：分析师一致预期EPS近两个月的平均值除以较远两个月的平均值[13]。 12. **因子名称**：动量大类因子[13] * **因子构建思路**：捕捉价格的趋势延续效应[13]。 * **因子具体构建过程**：由多个子类因子等权合成。首先对每个子类因子进行市值行业中性化、去异常值、标准化处理，然后等权相加得到大类因子[13]。 因子的回测效果 *测试时间段：2025年1月2日至2025年12月12日[16]* 大类因子表现 1. **成交笔数因子**，IC 9.15%， ICIR 1.08， 超额收益 5.48%， 超额最大回撤 3.59%， 信息比 0.90， 多空收益 20.03%， 多空最大回撤 9.46%， 多空夏普比 1.32[16] 2. **流动性因子**，IC 9.72%， ICIR 1.08， 超额收益 23.67%， 超额最大回撤 3.80%， 信息比 3.43， 多空收益 43.64%， 多空最大回撤 5.42%， 多空夏普比 2.84[16] 3. **成交稳定因子**，IC 8.55%， ICIR 1.18， 超额收益 1.33%， 超额最大回撤 6.59%， 信息比 0.18， 多空收益 21.20%， 多空最大回撤 3.85%， 多空夏普比 1.78[16] 4. **拥挤度因子**，IC 7.53%， ICIR 1.19， 超额收益 10.36%， 超额最大回撤 2.07%， 信息比 2.23， 多空收益 21.02%， 多空最大回撤 3.31%， 多空夏普比 2.26[16] 5. **价格稳定因子**，IC 9.41%， ICIR 1.23， 超额收益 6.86%， 超额最大回撤 5.47%， 信息比 1.25， 多空收益 15.26%， 多空最大回撤 7.43%， 多空夏普比 1.07[16] 6. **反转因子**，IC 7.13%， ICIR 1.39， 超额收益 7.00%， 超额最大回撤 3.03%， 信息比 1.67， 多空收益 17.58%， 多空最大回撤 5.60%， 多空夏普比 1.20[16] 7. **SUE因子**，IC 2.47%， ICIR 0.54， 超额收益 4.83%， 超额最大回撤 3.92%， 信息比 1.07， 多空收益 11.64%， 多空最大回撤 4.32%， 多空夏普比 1.84[16] 8. **成长因子**，IC 2.85%， ICIR 0.36， 超额收益 6.90%， 超额最大回撤 5.45%， 信息比 1.19， 多空收益 16.12%， 多空最大回撤 7.52%， 多空夏普比 1.76[16] 9. **分析师因子**，IC 0.65%， ICIR 0.14， 超额收益 7.23%， 超额最大回撤 5.95%， 信息比 0.86， 多空收益 6.38%， 多空最大回撤 6.42%， 多空夏普比 0.78[16] 10. **质量因子**，IC 2.47%， ICIR 0.23， 超额收益 -1.15%， 超额最大回撤 4.77%， 信息比 -0.35， 多空收益 2.38%， 多空最大回撤 8.99%， 多空夏普比 0.12[16] 11. **价值因子**，IC 4.38%， ICIR 0.42， 超额收益 -9.47%， 超额最大回撤 12.46%， 信息比 -1.07， 多空收益 -6.17%， 多空最大回撤 12.64%， 多空夏普比 -0.70[16] 12. **动量因子**，IC 0.02%， ICIR 0.00， 超额收益 -2.61%， 超额最大回撤 9.08%， 信息比 -0.17， 多空收益 -1.55%， 多空最大回撤 11.65%， 多空夏普比 0.00[16] 有效子类因子表现 1. **短期反转因子**，IC 6.27%， ICIR 1.21， 超额收益 4.86%， 超额最大回撤 4.04%， 信息比 1.04， 多空收益 21.09%， 多空最大回撤 4.61%， 多空夏普比 1.77[17] 2. **短期动量因子**，IC 3.18%， ICIR 1.10， 超额收益 6.68%， 超额最大回撤 5.81%， 信息比 1.22， 多空收益 16.08%， 多空最大回撤 3.02%， 多空夏普比 1.80[17] 3. **残差波动率因子**，IC 9.42%， ICIR 1.22， 超额收益 1.53%， 超额最大回撤 6.78%， 信息比 0.33， 多空收益 11.18%， 多空最大回撤 8.61%， 多空夏普比 0.68[17] 4. **特异率因子**，IC 7.18%， ICIR 1.26， 超额收益 6.94%， 超额最大回撤 3.91%， 信息比 1.17， 多空收益 15.81%， 多空最大回撤 5.09%， 多空夏普比 1.76[17] 5. **量价相关性因子**，IC 6.50%， ICIR 1.51， 超额收益 9.55%， 超额最大回撤 2.59%， 信息比 1.64， 多空收益 13.23%， 多空最大回撤 4.73%， 多空夏普比 1.53[17] 6. **时量价比因子**，IC 8.26%， ICIR 1.30， 超额收益 14.69%， 超额最大回撤 2.66%， 信息比 2.74， 多空收益 16.58%， 多空最大回撤 4.28%， 多空夏普比 1.67[17] 7. **换手率因子**，IC 10.75%， ICIR 1.29， 超额收益 17.46%， 超额最大回撤 5.21%， 信息比 2.75， 多空收益 35.69%， 多空最大回撤 7.72%， 多空夏普比 2.13[17] 8. **非流动性因子**，IC 7.38%， ICIR 0.93， 超额收益 28.21%， 超额最大回撤 4.10%， 信息比 3.68， 多空收益 37.47%， 多空最大回撤 3.52%， 多空夏普比 3.31[17] 9. **每笔流出额占比因子**，IC 6.71%， ICIR 1.43， 超额收益 -2.51%， 超额最大回撤 7.21%， 信息比 -0.43， 多空收益 5.43%， 多空最大回撤 6.51%， 多空夏普比 0.39[17] 10. **高量每笔成交因子**，IC 9.76%， ICIR 1.22， 超额收益 13.99%， 超额最大回撤 2.40%， 信息比 2.62， 多空收益 51.79%， 多空最大回撤 5.23%， 多空夏普比 3.45[17]

报告行业投资评级 - 股指操作评级为三颗星，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；国债操作评级为三颗星，含义相同 [1] 报告的核心观点 - 截至12月12日当周，A股呈结构化震荡走势，全市场日均成交额为195万亿元，较上周增加近2600亿元，市场成交活跃度小幅回升，三大指数涨跌不一，上证指数下跌0.34%，短期增量政策与经济数据信息有限，市场结构性特征显现 [1] - 期指方面，通胀、流动性、估值、市场情绪指标评分分别为8分、9分、11分、9分；期债方面，通胀、流动性、市场情绪指标评分分别为8分、10分、6分。IH、IF、IC、IM期末持仓量加权年化基差率（分红调整）分别为0.33%、 -2.32%、 -4.16%、 -9.95%，远月合约贴水再度扩大 [1] - 金融衍生品量化CTA策略上周净值无变化。长周期上，社融数据小幅超预期，但信贷数据M1和M2等超季节性回落且低于预期，信用因子使期指承压，IC降幅较大；短周期上，中高频地产和消费偏弱，人民币兑美元升值，资金面宽松但升幅有限。持仓量方面，风险偏好较上周显著回升，IF和IH相对中性，IC和IM降幅较大，整体综合信号处于中性区间。期债资金面宽松，短期冲高后持仓量回落，股债跷跷板效应收缩，债市对基本面反馈钝化，TF持仓量因子小幅回落，机构年底配置谨慎，综合信号位于中性震荡 [1] 根据相关目录分别总结 宏观基本面中高频因子评分 - 高炉开工率（163家：全国）周涨跌 -5.83%，当周数值55.90，历史分位数0.12，与股指、国债移动相关性分别为 -0.60、 -0.90；PTA国内开工率周涨跌 -5.83%，当周数值73.81，历史分位数0.12，与股指、国债移动相关性分别为 -0.23、 -0.61等多个指标数据展示，期指、期债评分均为8分 [2] 通胀指标 - 菜篮子产品批发价格200指数周涨跌1.02%，当周数值133.26，历史分位数0.90，与股指、国债移动相关性分别为 -0.16、 -0.38等多个指标数据，期指、期债评分均为8分 [3] 流动性 - DR007周涨跌1.60%，当周数值1.47，历史分位数0.08，与股指、国债移动相关性分别为 -0.45、 -0.63等多个指标数据，期指评分9分 [4] 指数估值 - 市盈率PE（TTM）周涨跌 -0.97%，当周数值21.74，历史分位数0.91，与股指移动相关性0.97等多个指标数据，期指评分10分 [5] 市场情绪 - 股指方面，融资余额周涨跌0.80%，当周数值24837.13，历史分位数0.99，与股指移动相关性0.87等多个指标数据，期债评分9分；债券方面，国开债到期收益率：10年周涨跌 -1.24%，当周数值1.98，历史分位数0.30，与国债移动相关性 -0.97等多个指标数据，期债评分6分 [6][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、0.51、0.52、0.53、0.51、0.52；持仓量指标均为0；长周期模型信号分别为0.52、0.5、0.49、0.5、0.51、0.52；综合信号分别为0.52、0.51、0.53、0.52、0.51、0.5 [16] 上周情况 - 12月8 - 12日，IF主力、IH主力、IC主力、IM主力、T主力、TF主力每日数据均为0 [18] 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，将利率期限结构分解为水平、斜率和曲率三部分，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，信号分三类。运用趋势回归模型过滤信号，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 - 2025年12月8 - 12日，TF和T主力合约N - S模型信号分别为0、0、 -1、0、0；趋势回归模型信号分别为0、0、0、0、0 [22]

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**[83] * **模型构建思路**：使用卷积神经网络（CNN）对个股历史价量数据形成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板块[83]。 * **模型具体构建过程**： 1. **数据准备**：为每个个股在特定窗口期内的价量数据构建标准化的图表[83][84]。 2. **模型训练**：使用卷积神经网络对上述图表化的价量数据与未来价格进行建模，学习能够预测未来价格走势的图表特征[83]。 3. **特征映射**：将训练好的模型学习到的特征映射到行业主题板块中，识别出模型认为未来具有上涨潜力的主题板块[83]。 4. **输出配置**：模型最终输出为看好的具体行业主题指数列表，作为配置建议[85]。 2. **模型名称：宏观因子事件模型**[58] * **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），并从历史数据中回测寻找对资产未来收益率有显著影响的“有效因子事件”，以此作为判断未来资产趋势的依据[58]。 * **模型具体构建过程**： 1. **因子选择**：跟踪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等多个维度[58]。 2. **事件定义**：定义四类宏观因子走势事件：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转[58]。 3. **有效性检验**：从历史数据中回测，筛选出对资产未来收益率影响较为显著的“有效因子事件”[58]。 4. **趋势分析**：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和趋势下行，统计在不同趋势下资产未来一个月收益率的显著差异，形成观点[60][61]。 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[51] * **模型构建思路**：通过监测上证50ETF期权成交量看涨看跌比率（CPR）与其布林通道的相对位置，来判断蓝筹股是否存在短期超卖风险[51]。 * **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[51]。 2. **构建通道**：计算CPR的60日布林通道（通常包含上轨、中轨、下轨）[51]。 3. **信号生成**：当最近20个交易日的CPR低于其60日布林通道上轨时，模型认为蓝筹股短期不存在超卖风险[51]。 量化因子与构建方式 1. **因子名称：新高新低比例因子**[37] * **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，来度量市场的极端情绪和趋势强度[37]。 * **因子具体构建过程**： * **新高比例**：计算创近60日新高的个股数量占全部个股总数的比例[3][37]。 * **新低比例**：计算创近60日新低的个股数量占全部个股总数的比例[3][37]。 2. **因子名称：个股均线结构因子**[41] * **因子构建思路**：通过计算均线呈多头排列与空头排列的个股数量之差占全体个股的比例，来反映市场整体的技术趋势强弱[41]。 * **因子具体构建过程**： * **均线强弱指标**：计算（多头排列个股数量 - 空头排列个股数量） / 全体个股数量[41]。该指标值上升表明市场整体技术面走强，下降则表明走弱[3][4]。 3. **因子名称：长期均线以上比例因子**[44] * **因子构建思路**：通过统计股价位于长期均线（如200日）之上的个股比例，来评估市场整体的长期趋势强弱和广度[44]。 * **因子具体构建过程**：计算当前价格位于200日长期移动平均线之上的个股数量占全体个股数量的比例[44]。 4. **因子名称：风险溢价因子**[70] * **因子构建思路**：通过计算股票市场收益率（市盈率倒数）与无风险收益率（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[86]。 * **因子具体构建过程**： 1. 计算中证全指的静态市盈率（PE_TTM）的倒数，即盈利收益率（EP）[86]。 2. 从EP中减去十年期国债收益率，得到风险溢价[86]。 $$风险溢价 = \frac{1}{PE\_{TTM}} - 十年期国债收益率$$ * **因子评价**：该指标是衡量股债性价比的核心指标，值越高通常表示股票相对债券越有吸引力[86]。 5. **因子名称：指数超买超卖因子**[73] * **因子构建思路**：通过特定算法计算主要指数和行业指数的超跌或超买状态，以识别市场或板块的极端位置[73]。 * **因子具体构建过程**：报告未详细说明具体计算算法，但展示了截至特定日期（2025年12月12日）各主要宽基指数和行业指数的“超跌指标”统计值[73][74][77][78]。 模型的回测效果 （报告中未提供具体模型的量化回测指标结果，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 （报告中未提供具体因子的IC值、IR、多空收益等量化测试结果。报告主要展示了部分因子在最新一期的状态取值。） 1. **新高新低比例因子**：截至2025年12月12日当周，创近60日新高个股数占比从前一期的8.4%升至8.5%；创近60日新低个股数占比从前一期的6.9%升至20%[3][4]。 2. **个股均线结构因子**：截至2025年12月12日当周，多头排列减空头排列个股占比从前一期的-6.9%降至-15%[3][4]。 3. **风险溢价因子**：截至2025年12月12日，中证全指风险溢价为2.82%，其历史均值加减两倍标准差边界分别为4.71%和未知下限[86]。 4. **宏观因子事件模型当前观点**：根据截至2025年12月12日的宏观因子趋势分析，对权益市场未来一个月的观点为：PMI、CPI同比、社融存量同比趋势显示市场可能“震荡”；10年期国债收益率和美元指数趋势显示“看多”[61]。

文章核心观点 - 人工智能行业正通过复杂、相互关联且高杠杆的金融安排进行大规模融资，其模式与2008年金融危机前的金融工程有相似之处，若行业增长不及预期，可能引发系统性金融风险 [1][5][7] 人工智能行业融资模式与规模 - 人工智能基础设施成本极高，保守估计今年数据中心支出将超过4000亿美元，麦肯锡预计到2030年将达近7万亿美元 [8] - 为支付巨额投资，行业采用创意融资手段，包括债务、股权互换及复杂金融工程 [8] - 人工智能公司整体面临巨大收支缺口，预计今年行业总收入600亿美元，但支出高达4000亿美元 [9][10] - 摩根士丹利预计，人工智能公司债务到2028年将升至1.5万亿美元 [11] 核心公司案例：CoreWeave - CoreWeave是一家从加密货币挖矿转型的数据中心运营商，是今年表现最佳的科技企业之一，股价自3月IPO后翻了一倍以上 [5] - 公司商业模式是采购高端芯片并建造/租赁数据中心，然后将算力出租给人工智能公司 [6] - 公司财务状况堪忧，预计今年收入50亿美元，支出约200亿美元，为填补缺口已举债140亿美元，其中一半以上将在一年内到期 [6] - 公司面临总额达340亿美元的租赁付款义务，款项在现在至2028年间陆续到期 [6] - 收入来源高度集中，仅微软一家客户就贡献其70%的收入，英伟达和OpenAI可能占另外20% [7] - 公司与多家巨头达成巨额协议，包括与OpenAI的220亿美元合作、与Meta的140亿美元协议、与英伟达的60亿美元安排 [5] - 英伟达和OpenAI同时也是CoreWeave的重要投资者，形成了复杂的财务互锁关系 [7] 行业巨头间的复杂财务互锁关系 - 英伟达处于行动核心，已达成50多笔交易，通过向人工智能公司投资（如对OpenAI的1000亿美元投资）来换取其购买芯片，资金最终回流至英伟达 [8] - OpenAI自身也达成一系列巨额采购协议，包括从甲骨文购买3000亿美元算力、从亚马逊购买380亿美元、从CoreWeave购买220亿美元 [9] - OpenAI同时是多家云服务商和芯片制造商的收入来源、投资方及财务合作伙伴，但其自身预计今年仅创造100亿美元收入，亏损至少150亿美元，且2029年前不指望盈利 [9] - 目前，唯一从人工智能热潮中赚取大量利润的公司是英伟达，其利润源于其他公司为博取未来利润而购买其芯片 [10] 令人担忧的金融工程手段 - 公司利用**特殊目的载体**进行表外融资，例如Meta通过与私募股权公司Blue Owl合作设立SPV，为耗资270亿美元的数据中心项目借款并回租，使债务不出现在资产负债表上 [12] - 总额达数十亿美元的数据中心债务被切割成**资产支持证券**并打包出售给投资者，在投机时期可能导致债务价值与基础资产脱钩 [13] - 出现**GPU抵押贷款**，数据中心运营商将现有芯片作为抵押品贷款购买新芯片，但芯片价值可能因新型号发布而下跌，存在引发贬值和贷款违约恶性循环的风险 [13] - 这些复杂的金融安排被专家视为危险信号，类似手段在2008年金融危机前被广泛使用 [13] 私人信贷的崛起与潜在风险 - 私募股权公司深度介入科技行业放贷，截至今年初已提供约4500亿美元**私人信贷**，预计未来两年还将再提供8000亿美元 [14] - 私人信贷市场是一个黑箱，这些实体无需披露贷款细节，使得监管机构无法评估系统风险 [14] - 私人信贷与其他金融体系联系紧密，美联储研究显示，目前非银行金融机构从银行获得的贷款中最多有四分之一流向了私人信贷公司，大型人寿保险公司已有近1万亿美元资金投入私人信贷 [15] - 这些联系意味着，大规模人工智能崩盘可能引发私人信贷违约潮，进而拖累大型银行和保险公司 [15] 政府监管与政策动向 - 联邦政府未加强监管，反而在放松，今年8月的一项行政命令指示机构放松监管，允许普通401(k)账户持有人直接投资于包括私人信贷在内的“另类资产”，可能使更广泛的公众暴露在人工智能贷款违约风险中 [15]

宏观与资产表现 - 截至12月5日当周，商品表现优于权益，韩国综指领涨全球股市，涨幅为4.4%[4][5] - 中国债券市场呈“熊陡”格局，收益率曲线上移；美国债券市场呈“牛陡”格局，CME FedWatch显示美联储12月降息25个基点的概率升至87.2%[6] - 年初至报告期，COMEX白银价格累计上涨101.9%，美元指数累计贬值8.8%[7] 行业景气与动态 - AI产业维持高景气，高端存储器DRAM DDR4现货均价达46.5美元，周环比上涨9.4%[9][11] - 服务消费同比表现强劲，11月以来上海迪士尼乐园拥挤度指数同比+75.0%，电影票房同比+227.7%[9][10] - 电子布行业因AI需求与产能“挤出效应”供应紧张，12月初厚布7628价格环比+0.2元/平，薄布价格环比+0.3-0.5元/平[21] - 造纸业中，11月白卡纸市场均价为4194元/吨，环比上涨3.30%；瓦楞纸市场均价为3164元/吨，环比上涨6.35%[15][16] 金融市场与资金 - 2025年11月，全市场公募基金资产净值合计36万亿元，新发基金份额945.67亿份，环比增长30.81%[24] - 12月首周，国有大行资金融出规模环比增加2966亿元至46935亿元；全市场杠杆率环比增加1.2%至109.0%[65][66] - 截至2025年12月7日，全国地方政府新增专项债年内累计发行额达44958.2亿元，同比上升[28] 公司业绩与展望 - 交通银行2025年第三季度单季营收及归母净利润同比增速分别为3.9%、2.5%，不良率较Q2末下降2bp至1.26%[35][36] - 滴滴出行2025年第三季度国际业务EBITA亏损16.83亿元，同比增亏13.87亿元，主要因巴西市场竞争加剧[40][42] - 合盛硅业预测2026年EPS为2.1元，增速达1701.5%，公司工业硅与有机硅单体产能行业占比分别为19%和30%[45]

招聘岗位与职责 - 公司招聘金融工程组实习生，工作地点为深圳、上海、北京，要求线下实习 [1] - 实习时间要求每周至少3天，总时长不少于3个月，实习考核优秀者有留用机会 [1] - 岗位职责包括数据处理、分析、统计，协助完成量化投资课题研究 [2] - 岗位职责包括协助进行金融工程策略模型的开发与跟踪 [2] 候选人基本要求 - 专业要求为数学、统计、物理、计算机、信息工程等理工科或金融工程相关专业 [3] - 学历要求为硕士或博士在读，特别优秀的大四保研生亦可，要求非应届（2027年及之后毕业） [3] - 技能要求熟练掌握Python等编程语言，熟悉SQL数据库，具备优秀编程能力与规范 [3] - 能力要求包括责任心强、自我驱动，并具备良好的信息搜集、逻辑思维、分析判断及沟通表达能力 [3] 候选人优先考虑项 - 具备扎实的金融市场基础知识，熟悉股票、债券、期货、指数及基金等核心概念 [4] - 数学基础好，有科研项目经历及SCI或EI收录的学术论文 [4] - 熟悉Wind、Bloomberg、天软等金融终端 [4] - 熟悉机器学习、深度学习，熟悉PyTorch、Linux，有GPU服务器使用及项目开发经验 [4] - 有其他机构量化投研相关实习经历 [4] 申请流程与方式 - 简历投递截止日期为2025年12月31日 [1] - 简历需投递至指定邮箱，邮件标题需按“【金融工程组】-【姓名】-【毕业学校】-【专业】”格式命名 [5] - 简历需以PDF格式发送，未按要求命名的邮件将被视作垃圾邮件处理 [5] - 简历收集截止后，公司将尽快为合格候选人安排笔试和面试 [5]

核心观点 - 报告对2026年宏观经济持积极看法，认为将走向供需新均衡，政策将更加积极，大类资产方面看多权益市场，债券利率预计小幅上行 [5][9][12] - 2025年11月制造业PMI环比小幅回升0.2个百分点至49.2%，经济预期修正下债券收益率有望趋势性上行 [14][15][19] - 港股市场11月价值板块占优，南下资金持续流入，量化组合维持高股息配置策略，超额收益创新高 [21][22][28][29][30] 宏观经济展望 - “十五五”规划三大要点为承前启后、科技强国、扩大内需，推测2026年实际GDP目标为5%左右 [5] - 供给端将通过做加法（如高质量服务供给）和做减法（如“反内卷”）推动平衡，2024年服务贸易限制性指数为0.225，高于OECD国家均值的0.19 [6] - 需求端外需预计保持稳定，2026年出口同比或在+2%左右；内需投资有限回升，消费潜力在于服务消费 [7] - 预计2026年CPI同比0.7%左右，PPI同比在乐观和悲观假设下分别为0.5%和-0.7%左右 [8] - 宏观政策将更加积极，货币政策适度宽松，适时降准降息；财政政策广义赤字规模可能增加1.7万亿，赤字率或提升至4.2% [9][10][11] 固定收益市场 - 2025年11月制造业PMI为49.2%，环比提升0.2个百分点，非制造业PMI为49.5%，环比下降0.6个百分点 [14] - 制造业景气水平小幅回升，生产活动有所修复，新出口订单环比提升1.7个百分点，生产指数环比提升0.3个百分点 [15] - 服务业PMI环比下降0.7个百分点至49.5%，2025年以来首次落入收缩区间，建筑业PMI环比提升0.5个百分点至49.6% [16][18] - 高技术制造业PMI为50.1%，连续10个月位于扩张区间，价格分类指数均有所改善，主要原材料购进价格指数环比提升1.1个百分点 [17] 港股市场与量化策略 - 2025年11月港股市场整体承压，恒生指数微跌0.2%，恒生科技指数跌5.2%，价值板块如农林牧渔、石油石化表现更优 [21] - 南下资金单月净流入1219亿港元，全年累计净流入额达13819亿港元，是2024年全年的171% [22] - 港股CCASS优选20组合11月收益率0.13%，超额收益率0.32%，全区间（2020.1~2025.11）超额年化收益率达19.7% [28][29] - 2025年12月组合持仓维持高股息配置，变化不大 [30]