报告行业投资评级 - 增持（维持）[1] 报告的核心观点 - 报告介绍了一套名为“C-REITs跟踪分析模块”的智能分析系统，该系统旨在通过“全样本覆盖+一站式智能分析平台”为公募REITs投资提供支持[4] - 该系统采用“五层漏斗+Top 5优选”策略，构建以分红稳健性和风险控制为核心的REITs筛选框架，并创新性地采用“三模型协同+多场景融合”的联合决策机制以提升AI决策的稳健性与可解释性[4] - 系统通过“回测验证+闭环迭代”机制，追踪推荐标的在T+22日（1个月）、T+66日（3个月）、T+132日（6个月）的实际收益表现，以强化策略的实战价值[4] - 报告认为，随着中国REITs市场的持续扩容和投资者认知度提升，此类系统化的筛选工具将成为机构和个人投资者的刚需[9] 根据相关目录分别进行总结 模块概述与战略定位 - C-REITs跟踪分析模块是专门面向中国公募基础设施REITs市场的智能分析系统，覆盖截至2026年4月10日中国市场已上市的全部82只公募REITs产品，横跨8大资产类型[9] - 该系统提供四大核心功能：自选池管理、智能筛选推荐、回测评价以及三模型联合决策[4] - 系统采用前后端分离的现代化架构，通过并发优化技术将数据获取性能提升约6倍[4] 五层漏斗筛选策略详解 - 第一层分红率筛选：设定硬性范围3%-10%，优选5%-8%区间，新上市无分红记录品种默认保留[24][25] - 第二层收入趋势分析：分析最近4个季度收入变化趋势，若75%（即至少3个季度）收入环比下降则予以剔除[26] - 第三层流动性排查：检查最近10个交易日成交量，仅当全部为零时才予以剔除[27] - 第四层AI舆情风险识别：并行调用MiniMax M2.7、GLM-5和Kimi K2.5三大模型进行研判，采用投票制，超过50%判定负面才剔除[4][33] - 第五层AI综合评选Top 5：基于量化数据输入和五维评选标准（分红率稳健性30%、类型多元化25%、流动性15%、近期走势15%、底层资产质量15%），采用加权评分制（模型评分权重75%，排名因素25%）并引入共识加分机制选出最终5只推荐标的[35][36] 回测评价机制 - 回测评价模块通过追踪T+22日（1个月）、T+66日（3个月）、T+132日（6个月）三个持有期的实际收益率表现来验证策略有效性[4][40] - 收益率计算采用真实交易日收盘价，非交易日自动顺延至下一交易日取价[41] - 在回测评价环节，三个AI模型的观点并行展示，从整体收益表现、收益稳定性、持有期特征及改进建议等多维度提供独立评价，不进行分数融合[42][45] 三模型联合决策机制 - 系统采用三模型（MiniMax M2.7、GLM-5、Kimi K2.5）联合决策机制以降低单一模型偏差[4] - 根据不同场景采用三种融合算法：舆情筛选采用投票制、综合评选采用加权评分制、回测评价采用并行展示制[56] - 设计了完善的模型调用容错与降级机制，当模型调用失败时，系统可自动切换至基于“分红率+类型多元化”量化规则的降级策略（两轮选择法），确保服务可用性[38][60] 策略有效性验证 - 策略的5层漏斗筛选设计每一层均有明确的金融逻辑支撑，其核心思想是“高分红+低风险+AI增强”[66][67] - 策略适用于中长期持有、稳健配置需求及分散化投资等场景，其核心优势包括基本面驱动、多层风控、AI增强选股、共识机制可靠及降级保障[66][68] - 报告也指出了系统的已知局限性，如分红率数据时效性、AI模型知识时效性、REITs品种有限（当前仅82只）以及REITs作为低波动资产的特性[69] 未来扩展规划 - 短期优化方向包括引入动态分红率快照、扩大类型覆盖权重、引入动量因子等[69] - 中期扩展方向包括引入风控止损机制、优化调仓频率（如改为双周调仓）、引入组合优化模型（如马科维茨均值-方差模型）以优化配置权重[70]