债市调整态势 - 7月23日银行间主要利率债收益率集体上行 国债期货全线下跌 30年期主力合约跌0.21% 10年期跌0.11% 5年期跌0.09% 2年期跌0.03% [1] - 场内2只30年国债ETF近5日跌幅近1% 抹去年内大部分涨幅 [1] - 多数债券ETF年内收益缩窄至不足1% 多只科创债ETF交易价格跌破100元 [1] 股债跷跷板效应 - A股市场持续反弹导致市场风险偏好回升 利空长债 [1] - 招商证券分析股市波动对债市影响力度大 若股市继续走强将对长债持续施压 [1] - 华泰固收指出高拥挤度是债市风险因素 债券基金规模提速与高波动并行 [3] 债券基金规模变化 - 二季度末公募债券型基金规模达10.93万亿元 创历史新高 较一季度增长8600亿元 [3] - 三季度以来债券ETF获资金净流入近千亿元 规模持续攀升 [3] 科创债ETF风险 - 中证鹏元指出投资者集中抢配成份券导致信用利差大幅压缩 价格大幅溢价 [2] - 成份券换手率提升反映抢跑策略拥挤 若市场回调溢价过高成份券将面临调整 [2] - 晨星(中国)表示市场情绪反转或价格回调可能导致追高投资者损失 信用债市场存在结构失衡和流动性风险隐患 [2] 投资逻辑转变 - 摩根士丹利基金指出静态收益率进入"1字头"区间 配置型资金收益想象力弱化 [3] - 信用利差收窄至低位导致信用资质挖掘失效 债券市场投资逻辑从"配置为王"转向"交易为王" [3]

机构持仓 - 基金重仓跑赢北向重仓，基金重仓 50 指数本周收益 3.01%领涨，北向重仓系列年初至今均跑输长江全 A[11][15] - 2025 年初至今，非基金重仓、量化基金重仓领涨基金重仓系列指数[8] 市场动速 - 行业、风格轮动速度窄幅震荡，均维持在较高位[4][17][18] 行业板块 - 医疗、通讯业务板块涨幅居前，医疗板块超额全 A 逾 2%，金融、地产板块回调[5][8][19] 风格跟踪 - 小微盘、高波、高估值、高贝塔、动量风格占优，“成长 +”系列领涨，如长江创业板成长指数本周收益 5.24%[6][21][23] 主题热点 - 川渝区域发展、东数西算领涨主题，长江川渝区域发展指数本周收益 5.90%，长江东数西算指数本周收益 4.81%[7][25]

货币政策分歧 - 日本央行审议委员高田创指出需密切关注美国与日本货币政策立场分歧可能带来的风险 [1] - 关税政策可能导致美国经济放缓 进而加剧两国货币政策差异 [1] 市场影响 - 货币政策分歧可能引发市场高波动性 特别是在外汇市场领域 [1]

1 海外量化动态 1.1 关税事件影响下量化对冲基金普遍有明显回撤 - 2025年4月关税事件导致量化对冲基金普遍回撤 文艺复兴 Institutional Equities Fund 规模200亿美元 2024年上涨22.7% 但4月上半月回撤8% 为疫情以来最大冲击 [1] - Man Group趋势跟踪策略回撤超10% 公司要求研究员恢复现场办公以增加人工干预 [1] - Systematica Investments采用趋势跟踪策略 4月上半月回撤20% 管理资产200亿美元 [1] - 法国兴业银行编制的趋势跟踪策略指数显示 截至4月10日此类策略跌幅超10% 美国量化对冲基金在突发事件中表现波动较大 [2] 1.2 AQR开始"拥抱AI" - AQR创始人Cliff Asness承认已"投降"AI 在投资决策中增加AI算法使用 虽存在解释难题但多数时间提供更高回报 [3] - 境内私募量化机构如倍漾量化(Baiont Quant)已全面采用AI算法 构建分钟至小时级别收益预测 团队完全计算机背景 [3] 1.3 德州教师退休基金量化团队集体加入独立资管机构 - 德州教师退休基金TRS量化团队负责人Mohan Balachandran携4名员工加入独立资管机构NISA 此前管理超160亿美元量化策略 [4] 2 海外量化观点 2.1 量化如何应对宏观不确定性冲击 - 贝莱德认为当前不确定性包括目标、政策规模和时间轴三方面 策略中更多使用对冲思想 保持大类资产、股票风格和债券久期中性 [6] - 贝莱德风险因子数量已达上千个 如日本出口因子、内需股因子等 因子构建方式随宏观环境动态调整 在高不确定性环境下收紧多数因子敞口 [7] - 贝莱德信号观察周期从月度升级至小时/分钟级 疫情期间表现证明广数据维度和精确风控比复杂模型更重要 [7] - 贝莱德主打策略为在市场密集交易中捕捉短期反转机会 建议增配宏观对冲类基金 因其与其他策略相关性低(HFRI macro相关性0.51) [8][9] 2.2 桥水："现代重商主义"的影响 - 桥水认为现代重商主义导致美联储应对经济放缓难度加大 美国资产面临特殊风险 但当前资产价格尚未实质性调整 后续变化蕴含重大机会 [10] - AI可抵消现代重商主义对生产力的抑制 市场预期已极高但实际可能超预期 桥水建议关注潜在资本流动并配置黄金 [11] 2.3 AQR：关注高波动因子、新兴市场小盘投资机会 - AQR研究发现高波动因子(如债务、应收项目、盈利类)长期夏普率更高 方差比率中位数1.4-1.8 建议量化管理人接受并分散化 [12][13] - AQR最看好新兴市场小盘股 因其估值低(本土收入占比72%)、分析师覆盖率低(平均1.3份研报) 能抵御全球政策风险 [16][19] 3 主要量化产品与因子表现跟踪 3.1 因子轮动类产品 - 贝莱德因子轮动ETF和景顺动态多因子ETF今年均跑赢指数 景顺因低波因子暴露表现更优 但超额收益集中在1-4月 [21][24] - 贝莱德因子轮动框架含宏观、因子动量、估值三维度 成长因子择时信号信息比率1.06 2024年下半年转向中等波动 [31][33] 3.2 综合量化产品 - 贝莱德Advantage系列和富达指数增强系列跟踪误差小 贝莱德产品4月表现突出 富达产品3-5月有增强 [34][37] 3.3 机器学习选股 - QRFT在1、4月表现突出 AIEQ回撤较大 [39] 3.4 全天候策略 - 桥水全天候ETF 3月成立后4月回撤但已修复 规模升至2亿美元 [40] 3.5 因子表现跟踪 - 2-4月美国选股因子表现反转 低波因子持续强势 成长因子5月反弹成为最强势因子 [43]

量化模型与构建方式 1 模型名称：贝莱德因子轮动模型 模型构建思路：通过宏观经济周期、因子动量、因子估值等多维度信号动态调整因子暴露，以应对不确定性环境[15] 模型具体构建过程： - 经济周期信号：根据GDP、通胀等宏观指标划分经济阶段，对应不同因子偏好（如复苏期侧重价值因子）[40] - 因子动量信号：计算各因子过去12个月滚动收益，超配持续强势因子 - 因子估值信号：采用因子Z-score衡量历史分位数，低估值因子优先配置 - 成长因子择时子模型：额外引入企业盈利指标（如ROE变化率）作为辅助信号 模型评价：在2024年市场集中度提升时通过质量/成长因子暴露获得超额收益，2025年转向中性配置后有效控制回撤[40] 2 模型名称：AQR高波动因子筛选模型 模型构建思路：通过方差比率指标识别长期波动性显著的因子，结合夏普率优选高波动高收益因子[23] 模型具体构建过程： - 计算因子方差比率：$$ VR = \frac{\sigma_{annual}^2}{12 \times \sigma_{monthly}^2} $$ 其中VR>1.5定义为高波动因子（如债务因子VR中位数1.8）[24] - 构建因子夏普率回归方程：验证高VR因子与夏普率正相关性（R²=0.32）[25] - 组合优化：在财务类因子（债务/应收/盈利）上超配，通过多因子分散降低组合波动[24] 量化因子与构建方式 1 因子名称：财务高波动因子组 因子构建思路：筛选财务报表中波动性显著且具备超额收益的指标[23] 因子具体构建过程： - 债务因子：净债务发行额/总资产滚动3年标准差 - 应收因子：应收账款周转率行业偏离值 - 盈利因子：ROIC波动率与同业差值[24] 2 因子名称：新兴市场小盘因子 因子构建思路：捕捉新兴市场小盘股估值洼地与本土化优势[28] 因子具体构建过程： - 市值筛选：选择MSCI新兴市场指数后30%成分股 - 本土化指标：计算公司收入国内占比（新兴小盘股平均72%） - 分析师覆盖调整：剔除近6个月有2份以上研报覆盖的股票[28] 模型的回测效果 1 贝莱德因子轮动模型：年化超额收益8.2%，IR 1.83，最大回撤1.9%（2013年）[40] 2 AQR高波动因子模型：年化夏普率0.7，月度胜率58%[24] 因子的回测效果 1 财务高波动因子组：年度波动率18.6%，5年累计收益142%[24] 2 新兴市场小盘因子：2025年1-5月超额收益9.8%，相对大盘股Beta 0.6[28]

韩国财政部政策动向 - 韩国财政部宣布将采取措施应对市场高波动性 [1]

韩国财政部市场应对措施 - 韩国财政部表示将在市场出现高度波动时采取相应措施以稳定市场 [1]

资本市场夏季策略会概况 - 申万宏源2025资本市场夏季策略会在北京举办 近500家上市公司高管与2200余名投资者参会 会议期间将进行700余场线下交流 [1] 债券市场展望 - 2025年债券市场进入"低利率+利差+高波动"状态 需告别单边牛市思维 [3] - 下半年流动性重点关注央行买债恢复时间 买债节奏可能与供给节奏相匹配 [3] - 下半年国债净供给高峰通常高于上半年 央行买入国债效力强于降准 因既减少供给又增加流动性 [3] - 国债买入恢复或已渐行渐近 年内第二波净供给高峰时买债力度可能较为可观 [3] 债券投资机会 - 6-8月份是不错的做多窗口 实体融资需求回落叠加央行可能恢复国债买入 [3] - 全年需以高波动的震荡市角度看待市场 中长端已转为正Carry 短债空间仍待打开 [3] - 现券方面关注品种利差压缩机会 包括地方债-国债、政金债-国债及新老券利差 [3] - 期货方面可把握地方债与TL"正套"波段机会 7月后关注短久期信用债、中久期二永债、长久期地方债与相应期限国债期货的"正套"机会 [3]

报告行业投资评级 未提及 报告核心观点 本周波动、估值、流动性因子多空表现强势，非线性市值、市值、成长因子空头表现较强；不同股池因子表现有差异，整体上短期业绩不强但增速稳定、高波动和高动量、低估值高成长、低动量高波动等特征股票表现较优；GRU 因子多空收益多数为负；GRU 多头组合表现强势，多因子组合也有超额收益 [2][3][4][5][6][7] 各目录总结 风格因子跟踪 - Barra 风格因子介绍了 Beta、市值、动量等多种因子含义 [14] - 风格因子近期表现显示波动、估值、流动性因子多空表现强势，非线性市值、市值、成长因子空头表现较强 [15] 因子表现跟踪 - 全市场因子表现：基本面因子多空收益分化，静态财务因子多空收益为负，增长类和超预期增长类为正；技术类因子表现正向，高波动和高动量股票占优；GRU 因子多空收益多数为负，仅 open1d 模型为正 [3][17][18] - 沪深 300 成分股因子表现：基本面因子多空收益多数为正，估值类为负，成长类为正，低估值高成长股票强势；技术面因子多空收益分化，动量为负，波动为正，低动量高波动股票占优；GRU 因子多空收益表现较弱，各模型均有回撤 [4][20] - 中证 500 成分股因子表现：基本面因子多空收益方向分化，超预期增长类因子表现好，静态财务因子多数为负；技术面因子多空方向分化，动量类为负，波动类为正，低动量高波动股票占优；GRU 因子多空收益表现分化，close1d 和 open1d 为正，barra1d 模型回撤 [5][22] - 中证 1000 成分股因子表现：基本面因子多空收益表现分化，静态财务因子为负，超预期增长类为正，短期业绩不理想但增速稳定股票占优；技术因子表现为负，低动量和低波动股票占优；GRU 因子多空收益表现较差，各模型均有回撤，barra1d 和 barra5d 模型回撤较大 [6][24][25] 策略组合表现跟踪 - 多头组合：本周 GRU 多头组合表现强势，相对中证 1000 指数超额收益 0.84%-1.89%，open1d 模型今年以来超额 6.08%；多因子组合本周相对中证 1000 指数超额 0.72% [7][29]

量化模型与构建方式 1. **模型名称：GRU模型** - 模型构建思路：基于门控循环单元（GRU）神经网络构建的量化预测模型，用于捕捉股票价格的时间序列特征[15][18][20][22][25] - 模型具体构建过程： 1. 输入数据为股票的历史价格序列（如open1d、close1d、barra1d等不同时间窗口的收盘价或开盘价） 2. 通过GRU网络学习价格序列的时序依赖关系 3. 输出未来收益率的预测值 4. 模型训练时采用行业中性化处理和标准化预处理[16] - 模型评价：能够有效捕捉短期市场波动特征，但对不同市场环境适应性存在差异[18][22][25] 2. **模型名称：多因子组合模型** - 模型构建思路：综合基本面和技术面因子构建的线性加权选股模型[29] - 模型具体构建过程： 1. 因子池包含Barra风格因子（如估值、动量、波动等）和财务因子（如ROE、营收增长率等）[14] 2. 因子权重通过历史ICIR动态调整 3. 组合优化时约束行业偏离≤0.01、风格偏离≤0.5标准差[28] 模型的回测效果 1. **GRU模型** - open1d模型：近一周超额1.22%，今年以来累计超额6.08%[30] - close1d模型：近一周超额1.89%，近六月超额5.35%[30] - barra1d模型：近三月超额2.10%，今年以来超额3.48%[30] - barra5d模型：近六月超额8.00%，今年以来超额5.59%[30] 2. **多因子组合模型** - 近一周超额0.72%，近六月超额6.02%[30] 量化因子与构建方式 1. **因子名称：Barra风格因子** - 因子构建思路：基于MSCI Barra结构化风险模型框架构建的多维度风格因子[14] - 因子具体构建过程： - **Beta因子**：历史beta值 - **市值因子**：总市值自然对数 $$ \ln(MarketCap) $$ - **动量因子**：历史超额收益率序列均值 - **波动因子**： $$ 0.74 \times \sigma_{excess} + 0.16 \times \Delta_{cumulative} + 0.1 \times \sigma_{residual} $$ - **非线性市值**：市值风格的三次方 - **估值因子**：市净率倒数 $$ 1/PB $$ - **流动性因子**： $$ 0.35 \times Turnover_{month} + 0.35 \times Turnover_{quarter} + 0.3 \times Turnover_{year} $$ - **盈利因子**： $$ 0.68 \times EP_{forward} + 0.21 \times 1/PCF + 0.11 \times 1/PE_{ttm} $$ - **成长因子**： $$ 0.18 \times LT_{growth} + 0.11 \times ST_{growth} + 0.24 \times Earnings_{growth} + 0.47 \times Revenue_{growth} $$ - **杠杆因子**： $$ 0.38 \times Leverage_{market} + 0.35 \times Leverage_{book} + 0.27 \times D/A $$ - 因子评价：系统性风险解释能力强，但部分因子（如市值）存在周期性失效[15][17] 2. **因子名称：技术类因子** - 因子构建思路：基于价格和交易量数据构建的短期市场行为因子[17][20][23][26] - 因子具体构建过程： - **动量因子**：20日/60日/120日收益率 - **波动因子**：60日/120日收益率标准差 - **中位数离差因子**：价格与移动中位数的偏离度 3. **因子名称：财务因子** - 因子构建思路：基于财务报表数据的质量与增长因子[19][21][24][26] - 因子具体构建过程： - **静态财务因子**：ROE、ROA、营业利润率 - **增长类因子**：营业利润增长率、ROE增长率 - **超预期增长因子**：净利润超预期增长、营收超预期增长 因子的回测效果 1. **Barra风格因子** - 波动因子：本周多空收益显著正向[15] - 市值因子：本周空头表现强势[15] - 估值因子：全市场多空收益0.73%（近一月）[19] 2. **技术类因子** - 中证1000股池：20日动量因子近一周多空收益-1.81%[27] - 沪深300股池：波动因子多空收益正向[20] 3. **财务因子** - 超预期增长类因子：中证500股池多空收益正向[23] - 静态财务因子：全市场多空收益负向（ROE近一周-1.45%）[19]