大类资产配置 - 8月风险资产延续相对优势，商品资产配置比例边际上调，美股配置比例提升，美债、美元配置比例边际下行[2][3][5] - 国内资产配置中避险资产仓位持续下调，商品资产仓位提升，股票资产小幅调降[2][5] - 基于周期嵌套的改良版BL模型显示，8月A股或呈现进二退一的走势，股票资产仓位在不同约束目标下出现分化（最小化波动目标下仓位下调，最大化效用目标下仓位提升）[3][5] - 未来一个季度内外弱补库有望延续，海外补库动能韧性来自美消费支出平稳及PMI未明显走弱，国内政策支撑提供稳定预期[4] A股市场风格 - 7月市场风格表现为小市值、高估值、高盈利、强动量，与前期预判一致，盈利因子修复受"反内卷"政策及雅下水电站增量带动[9][10] - 8月市场风格或回归杠铃结构，低估值、弱盈利、小市值或成占优方向，盈利因子因计价预期偏高面临阶段性修整，低估值因子或有表现[14][15] - 宽基指数建议重点关注北证50和上证指数，因其符合低估值、弱盈利、小市值的主线特征[16][17] - 当前主要宽基指数风格属性显示，北证50具小市值特征（0.47），上证指数在市值因子（0.32）和估值因子（0.26）上表现均衡[17][19]

报告核心观点 - 风险资产有望延续优势，盈利因子有望修复 [1] - 大类资产配置方面，风险资产有望延续相对优势，2025年三季度国内股票配置比例持续提升、债券维持高位，海外美股配置略降、美债略升 [2] - A股市场风格方面，盈利因子有望修复，小市值优势有望延续，未来一个月占优风格为高盈利、小市值、高估值 [2] 大类资产配置 BL模型简介 - Black - Litterman（BL）模型融合市场共识与主动观点，以市场均衡收益率为基准，结合主观观点与先验预期收益率，用贝叶斯方法修正预期收益分布，生成组合权重，解决传统均值 - 方差模型问题，可基于不同目标得到最优配置比例 [3] - 报告使用的是基于周期嵌套理论改良版BL模型，基于不同周期定位下大类资产表现修正市场均衡观点，输出最优资产组合，提升组合夏普比率 [3] 未来1个季度内外弱补库延续 - 基于库存周期理论和中期策略，未来一个季度内外弱补库有望延续 [4] - 海外补库动能有韧性，美消费支出平稳，投资领先指标PMI未显著走弱，企业补库动能有保障 [4] - 国内政策有支撑，虽内生增长动力待夯实，但政策确定性增强，为市场注入稳定预期，修正中长期结构性担忧，弱补库韧性短期有望延续 [4] 模型历史表现回测 - BL模型历史回测显示，基于其输出的资产配置比例可提升组合年度胜率、降低最大回撤风险 [5] - 国内资产方面，BL模型输出的组合仅在2013及2017年小幅回撤，其余多数年份年化收益率超3%，组合年度收益率均值4.8% [5][7] - 海外资产方面，基于BL模型输出的组合相较等权重组合，回撤降低，收益率与胜率大幅提升，最大化效用条件下可提升夏普比例 [5][8] 未来一个季度风险资产依旧相对占优 - 基于股债商汇四资产的BL模型限制条件为各类资产不得做空、货币资产配置上限不超10%，优化目标为最大化效用 [10] - 国内资产方面，2025年三季度A股配置比例持续提升，债券资产配置比例维持相对高位，与A股估值强支撑、基本面弱复苏的假设相符 [10] - 海外资产方面，三季度美股配置比例略有降低，美债配置比例略有抬升，反映海外风险资产波动增加、点位偏高，基本面韧性或受考验，下半年联储降息预期或提升 [10] A股市场风格 二季度小市值、低估值因子表现强势 - 2025年6月6日报告构建了市值、估值、盈利、动量四大关键维度的风格因子模型 [13] - 截至2025年6月30日，二季度市场风格为小市值、低估值、弱盈利、弱反转，5月以来小市值因子突出，6月高盈利因子有所表现 [13] - 这反映市场剩余流动性充裕、盈利预期偏弱、外部因素冲击致市场情绪偏弱 [13] 盈利因子有望修复，小市值优势有望延续 - 未来一个月市场占优风格为高盈利、小市值、高估值，小市值趋势确定性高，盈利因子短期有望修复 [17] - 模型假设货币环境维持相对宽松合意水平，信用环境磨底弱修复，存量社融增速或自5月高点边际放缓 [17] - 基本面角度，三季度价格端有望止跌小幅修复，未来一个月呈现量平价弱修复格局 [17] - 风险偏好角度，6月下旬市场风偏加速修复，未来一段时间或自当前水位小幅调整，节奏先下后上 [17] - 进入7月中报交易窗口，盈利因子修复确定性提升，高盈利组合有望跑赢，小市值风格是下半年最确定的风格方向 [17] 主要宽基指数推荐 - 未来一个月可重点关注创业板指、中证A500以及中证2000 [20] - 梳理主要宽基指数近3年风格属性，中证2000、北证50小市值属性强，沪深300、创业板指、中证A500有不同程度大市值属性 [20][21] - 创业板指、中证1000、中证500高估值属性强，创业板指、中证A500等高盈利属性强 [20][21]

报告核心观点 - 2025年下半年，基于周期理论的改进BL模型，可适度提升股票资产配置比例，下调商品资产配置比例，债券资产维持上限配置比例；维持A股盈利弱修复、估值强支撑预判，风格上小市值、强反转、高估值、高盈利占优，科技行业是指数突围高概率选择；科技、必选消费、金融等风格或占优；需警惕四季度地缘政治风险及美债危机潜在可能 [2] 周期定位及大类资产 基于周期理论的改进BL模型 - 大类资产配置模型是基于周期嵌套理论改良版BL模型，以市场均衡收益率为基准，结合投资者主观观点与市场先验预期收益率，用贝叶斯方法修正预期收益分布，生成组合权重，可解决传统均值 - 方差模型问题，提升组合夏普比率 [9] - 模型输入为各类资产历史日度收益率、当前市场各类资产仓位、未来各资产收益率主观观点，限制条件为债券资产仓位上限不得超过95% [9][10] 周期定位 - 中美补库分别始于2023年末及2024年初，当前进入中后期，企业大规模补库动能减弱，领先指标显示或有1 - 2Q持续性，年末及明年初或面临去库拐点 [11] - 美国基本面有韧性，但特朗普关税及减税政策增添不确定性；国内经济修复程度偏弱，但政策方向确定，外需韧性对经济有提振作用 [11] 大类资产预判 - 中长期去美元进程已开启，美元中期走弱源于产业链重构下增长差收窄、债务驱动的信用裂痕、政策不确定性的信任崩塌；去美元化大趋势下，黄金中长期走强，白银、欧日货币可能阶段性替代美元 [21] - 风险资产内部，A股确定性更强，美国基本面政策不确定性高且中长期走弱担忧升温，国内基本面政策方向确定且内需担忧缓和；资金面上，全球去美元化使美元资产资金流出，A股资金面积极 [24] - 下半年补库周期下，风险资产>避险资产，去美元大逻辑下，贵金属有望走强；国内资产中，内需止跌弱修复假设下，A股相对占优；需警惕四季度地缘政治风险及美债危机 [25] A股大势及风格 上半年行情回顾 - 2025年上半年A股呈现“科技资产重估 - 关税冲击 - 政策修复 - 震荡蓄势”四阶段行情，科技、出口链、高股息、创新药、新消费等板块先后表现 [29] - 行业轮动从“老双翼”（AI/机器人）向“新双翼”（创新药/新消费）转变，“杠铃策略”向小微盘及银行股“缩圈”，原因包括新兴产业发展、指数增强及私募量化产品发行加速、“类平准”资金呵护 [32] 大势 - 2025年A股盈利弱复苏、估值强支撑，上半年行情由估值主导，预计全年盈利增速0 - 5%，估值贡献0 - 7%，全A涨幅中值约7% [39] - 下半年市场风险偏好有望小幅修复至接近Q1高点，呈季度间波动，维持区间震荡格局，节奏上或前高后低，可结合情绪指数波段操作 [39][40] - A股估值端有较强支撑，资金面有国内剩余流动性充裕、类平准基金与险资增量、弱美元环境三重积极支撑，在“去美元化 + 估值洼地”共振下迎来资金面改善与结构性重估行情 [40] 风格 - 开年以来市场风格小市值最优，高估值、强反转、弱盈利次之，小市值风格强势延续，盈利因子与经济周期、剩余流动性与市值因子、估值因子与市场情绪高度相关 [46] - 下半年市场占优风格为小市值、强反转、高估值、高盈利，小市值与强反转确定性最高，高估值因子有季度间波动，科技主线有望跑赢，可关注中证500及中证2000 [47] 科技行业是指数突围的高概率选择 行业配置情景假设一 - 震荡市情景下，科技行业是指数突围高概率选择，历史上全A指数依靠红利或内需顺周期行业带动向上仅在宏观强复苏环境或场内流动性充沛时出现，2025年下半年这两种条件出现概率低 [55][56][57] 行业配置情景假设二 - 若考虑潜在上行风险，内需或红利资源品行业指数向上需更大力度逆周期或供给侧政策配合，可能形成“权重搭台，成长唱戏”上行格局；当前已观察到内需和周期资源品行业积极信号 [60][61] 2025年下半年大类行业比较 - 科技与高端制造是本轮中周期主导产业，AI、人型机器人产业趋势催化明确，行业兼具高成长弹性且景气趋势向好；必选消费行业有防御属性和稳定性溢价，部分行业有成长属性；券商、金融科技等有望受益于公募基金增配与“稳定币”概念 [2][64] - 2025年下半年AI行业配置模型输出Top10行业为通信、非银金融、医药生物、传媒、国防军工、电子、计算机、电力设备、社会服务、商贸零售，集中在成长和消费风格 [69] 中观景气跟踪与景气预期展望 科技产业趋势延续 - 国内算力基础设施悲观预期扭转，产业链景气上行，海外算力需求旺盛，北美四大云厂商资本开支维持高增速，英伟达业绩亮眼；国内云厂商资本开支受供应链影响但趋势向好，国产算力芯片厂商存货及订单逐季修复 [76][78] - AI眼镜、AI手机等端侧产品加速落地，产业链有望受拉动；AI应用端具备海外映射催化与渗透率提升催化，智能体作为下一代交互与生产力核心形态正加速落地 [80][82] 消费新逻辑演绎 - 创新药价值重估，基本面上海外授权交易增加、国内政策环境改善，交易层面港股映射带动A股创新药；新消费产业趋势下，性价比消费、娱乐经济、户外运动消费等赛道景气向好，A股新消费赛道有望受港股映射带动 [85][90] 高端制造 - 人形机器人产业迈入量产元年，政策发力加速产业化，应用场景多元化，从特种场景向工业、民用场景渗透；我国相关产业链为人形机器人硬件发展奠定基础 [92] - 投资关注增量零部件环节及具备技术卡位优势企业，软件生态构建是第二增长曲线，重点关注具身智能大模型与运控系统环节 [93] 策略专题 中美关系 - 中美贸易争端源于美国贸易逆差、制造业问题及“美国优先”政策，美国采取关税壁垒和技术封锁措施，中国采取反制措施；2025年5月日内瓦谈判达成阶段性协议，部分关税取消 [96][97][98] - 乐观情景下，中美谈判顺利推进将加深全球经济合作，带动出口和出海链修复，改善全球投资环境，吸引外资流入，利好A股市场 [100][101][102] - 悲观情景下，谈判受阻将使A股面临多重压力，科技行业创新步伐或放缓，稀土供应链调整影响相关行业，影响A股市场稳定性 [103][104] 港股的配置机遇 - 南向资金持续净流入港股市场，2025年以来流入规模大、速度快，提升了港股市场活跃度和影响力，港股市场国际化程度高，具备流动性和多元化投资机会 [110][112][117] - 港股估值修复，恒生指数动态PE修复至历史均值附近，恒生科技动态PE位于历史均值以下；恒生AH股溢价指数创下5年来新低 [120][122] - 中概股回流为港股带来优质资金流入，优化行业结构，吸引更多投资者关注，活跃港股市场 [130] - 港股牛市有望为A股带来信心回升机会，历史上港股在沪深港通开通、MSCI指数扩容、全球流动性宽松时对A股有引领作用，当前港股行情占优，重估效应可外溢至A股 [132][133][135]

纪要涉及的行业 固收+投资行业 纪要提到的核心观点和论据 - **BL 模型核心作用**：解决传统资产配置模型对输入数据敏感性过高问题，结合市场真实情况与投资者主观判断生成后验收益率，使收益率预期更平稳，涵盖历史数据与当前主观判断[3] - **BL 模型综合市场与投资者观点方式**：先根据市场真实情况计算先验收益率，加入投资者对细分资产预期，综合生成后验收益率，再与资产协方差组合实现优化处置，类似贝叶斯估计加权处理[4] - **计算市场隐含资产收益率步骤**：构建市场组合；利用 CAPM 计算细分资产预期收益率；假设无 Arrow 部分计算市场组合超额收益率，得到细分资产隐含收益率[5] - **BL 模型计算市场风险偏好及收益率补偿方式**：通过计算市场组合反映市场风险偏好，即单位风险敞口下市场要求的收益率补偿，假设资产复原排名统一，将其转化为细分资产预期收益率[6] - **投资者观点结合到 BL 模型的方式**：投资者观点分绝对和相对观点，考虑资产相关性和置信区间，调整后验收益率使其更稳定，如绝对观点预期沪深 300 未来一年收益率达 30%，相对观点中证转债未来一年相较于中债综合有 3%超额等[8] - **BL 模型在中国应用注意点**：用基准组合替代市场组合并保留市场风险厌恶系数；考虑合同对固定收益组合约束；控制换仓频率和换手率；低波动组合可通过杠杆调整使资金效用最大化，如目标波动 5%，实际 3%，可杠杆放大至 4.2%[9][10] - **BL 模型组合优化方法**：基于不同目标，通常以最大化目标波动为主，考虑用基准组合替代市场组合并保留市场风险厌恶系数、考虑合同持仓上下线约束、控制换仓频率和幅度、引入杠杆因素调节资金效用[11][12][13][14] - **固收+智能体观点实现系统性作用方式**：通过细分资产模型或量化模型替代，如用 GBR 模型，以量价数据为自变量预测未来 21 天收益率，单个资产准确率平均不到 50%，组合中波动有所衰减[15][16] - **引入置信区间提高 BL 模型预测准确性方法**：将前段时间训练集中准确率作为置信区间输入，加入细分资产指标，如转债百元溢价率、股票市场情绪、纯债 10 年国债和 2007 年利差，显著提高整体模型准确性[17] - **未来固收+策略发展观点**：对细分资产有更强、更准确观点，模型效果更好，主动固收+仍有很大运用空间，对细分资产和策略认识更全面，组合效果更好，能显著跑赢被动指数型产品[18] - **BL 模型在中国化应用措施**：介绍 BL 模型，说明中国化调整，用小示例说明对单个资产认识更全面组合效果更好，提供科学自然配置方法[19] 其他重要但是可能被忽略的内容 - **固收+智能体构成**：分为对客端和研究部分，对客端通过大模型辅助或情景模拟形象化表达投资者收益率、风险和行为预期，研究部分分筛选挖掘资产和策略、理解资产和策略表现、预测收益率及风险、选择组合方式、止损或交易增强五个部分，各部分可有智能体或小模型辅助[2] - **利用现有资源研究和应用 BL 模型方式**：网上有许多 Python 库可直接导入，也提供已成型代码供参考，可交流探讨代码及应用[20]