量化模型与构建方式 1. 目标波动率配置模型 1. **模型名称**：目标波动率3%配置策略[84][85][86] * **模型构建思路**：构建一个以控制组合整体波动率为核心目标的资产配置策略，将年化波动率目标设定为3%[84][87]。 * **模型具体构建过程**：模型基于风险预算框架进行资产配置。具体过程未在提供内容中详细描述，但核心是通过动态调整各类资产（如股票、债券等ETF）的权重，使得整个投资组合的预期年化波动率稳定在3%左右[84][86]。 2. **模型名称**：目标波动率5%配置策略[89][90][91] * **模型构建思路**：构建一个以控制组合整体波动率为核心目标的资产配置策略，将年化波动率目标设定为5%[89][92]。 * **模型具体构建过程**：模型基于风险预算框架进行资产配置。具体过程未在提供内容中详细描述，但核心是通过动态调整各类资产（如股票、债券等ETF）的权重，使得整个投资组合的预期年化波动率稳定在5%左右[89][91]。 2. 宏观打分资产配置模型 1. **模型名称**：境内股债宏观打分配置策略[99][100][101] * **模型构建思路**：以获取绝对收益为目标，通过宏观指标对境内股债两类资产进行打分，动态调整配置比例，实现多元资产配置[101]。 * **模型具体构建过程**：每月末根据经济增长、通货膨胀、货币政策、估值、情绪等五大类宏观指标对股票和债券资产进行打分。根据打分结果决定下个月的资产配置比例。例如，当股票得分高时超配股票ETF（如沪深300、中证1000 ETF），低配债券ETF；反之则超配债券ETF，低配股票ETF[101][102]。 2. **模型名称**：全球资产宏观打分配置策略[104][105][106] * **模型构建思路**：以获取绝对收益为目标，通过宏观指标对全球范围内的多类资产（包括A股、港股、美股、德股、日股、黄金等）进行打分，动态调整配置比例，实现全球多元资产配置[106]。 * **模型具体构建过程**：每月末根据各类资产的宏观指标进行打分。根据打分结果决定下个月的资产配置比例。可配置的资产包括代表A股的沪深300ETF、中证1000ETF，代表港股的恒生指数ETF，代表美股的标普500ETF，代表德股的DAX指数ETF，代表日股的日经225指数ETF，以及黄金ETF等[106][107]。 3. 风格轮动配置模型 1. **模型名称**：大盘 vs 小盘风格轮动策略（基于中证800成分）[110][111] * **模型构建思路**：在中证800指数成分股范围内，通过多维度打分模型，动态判断并轮动配置大盘风格（沪深300）与小盘风格（中证500）的ETF[110]。 * **模型具体构建过程**：每月末进行调仓。首先，计算沪深300指数与中证500指数的风格得分，得分维度包括估值、盈利、成长、分析师预期、动量、波动率等。然后，比较两者得分，选择得分更高的一类风格进行超配，同时低配另一类风格。具体表现为：全仓持有得分高风格对应的ETF（如300ETF或500ETF）[110][112]。 2. **模型名称**：价值 vs 成长风格轮动策略[117][118] * **模型构建思路**：通过多维度打分模型，动态判断并轮动配置价值风格与成长风格的ETF[118]。 * **模型具体构建过程**：每月末进行调仓。选取代表价值风格的ETF（如上证红利ETF，510880.SH）和代表成长风格的ETF（如创业板ETF，159915.SZ）。通过多维度指标对价值和成长风格进行打分，比较两者得分，选择得分更高的一类风格进行超配，同时低配另一类风格[118][119]。 3. **模型名称**：300增强 vs 300ETF轮动策略[125][126][127] * **模型构建思路**：在沪深300指数范围内，通过多维度打分模型，动态选择是持有被动跟踪的300ETF，还是持有具备增强效应的主动管理型300增强基金[125][127]。 * **模型具体构建过程**：每月末进行调仓。对300增强基金（作为备选池）和基准300ETF进行多维度打分。如果300增强基金的综合得分超过300ETF，则配置300增强基金；否则，配置300ETF[127][128]。 4. 行业轮动配置模型 1. **模型名称**：四维度行业轮动策略（基本面+市场面）[130][131] * **模型构建思路**：从基本面、市场面、事件驱动、资金流向四个维度对行业进行打分，筛选出高景气度行业，构建ETF投资组合[131]。 * **模型具体构建过程**：每月末进行调仓。具体四个维度包括：1）基本面（如盈利增速、ROE变化）；2）市场面（如动量、波动率）；3）事件驱动（如政策、产业新闻）；4）资金流向（如北向资金、公募基金持仓）。对中证800的各二级行业进行打分，选取综合得分最高的若干个行业，等权配置其对应的行业ETF[131][132]。 2. **模型名称**：四象限月度行业轮动策略[133] * **模型构建思路**：根据行业的“景气度趋势”和“拥挤度”两个核心指标，将行业划分为四个象限，并据此进行行业轮动配置[133]。 * **模型具体构建过程**：每月末进行调仓。首先，计算每个行业的景气度趋势得分（反映基本面变化方向）和拥挤度得分（反映交易过热程度）。然后，将行业划分到“高景气-低拥挤”、“高景气-高拥挤”、“低景气-低拥挤”、“低景气-高拥挤”四个象限中。策略核心是超配“高景气-低拥挤”象限的行业，低配或规避“低景气-高拥挤”象限的行业，并配置对应的行业ETF[133]。 模型的回测效果 1. **目标波动率3%配置策略**，年化收益率6.74%，年化波动率3.37%，最大回撤-3.72%，夏普比率1.38，卡玛比率1.81，索提诺比率1.89[86] 2. **目标波动率5%配置策略**，年化收益率8.04%，年化波动率4.48%，最大回撤-4.41%，夏普比率1.33，卡玛比率1.82，索提诺比率1.79[91] 3. **权益增强资产配置策略**，年化收益率11.66%，年化波动率5.72%，最大回撤-8.64%，夏普比率1.67，卡玛比率1.35，索提诺比率2.28[96] 4. **境内股债宏观打分配置策略**，年化收益率6.98%，年化波动率3.74%，最大回撤-4.21%，夏普比率1.77，卡玛比率1.66，索提诺比率3.32[101] 5. **全球资产宏观打分配置策略**，年化收益率11.15%，年化波动率3.91%，最大回撤-3.40%，夏普比率2.76，卡玛比率3.28，索提诺比率5.24[106] 6. **大盘 vs 小盘风格轮动策略（基于中证800成分）**，年化收益率26.65%，年化波动率29.45%，最大回撤-56.91%，信息比率(IR)1.19，月度胜率63.89%[110] 7. **大盘 vs 小盘风格轮动策略（基于300ETF vs 1000ETF）**，年化收益率11.53%，年化波动率21.07%，最大回撤-35.19%，信息比率(IR)0.85，月度胜率61.11%[114] 8. **价值 vs 成长风格轮动策略**，年化收益率22.64%，年化波动率26.03%，最大回撤-56.48%，信息比率(IR)1.05，月度胜率53.85%[118] 9. **价值 vs 成长风格轮动策略（基于300ETF vs 创业板ETF）**，年化收益率25.58%，年化波动率23.75%，最大回撤-50.98%，信息比率(IR)1.51，月度胜率66.67%[122] 10. **300增强 vs 300ETF轮动策略**，年化收益率16.64%，年化波动率18.05%，最大回撤-29.93%，信息比率(IR)1.17，月度胜率56.67%[127] 11. **四维度行业轮动策略（基本面+市场面）**，年化收益率20.17%，年化波动率22.94%，最大回撤-35.59%，信息比率(IR)1.42，月度胜率66.67%[131] 12. **四象限月度行业轮动策略**，年化收益率16.22%，年化波动率26.14%，最大回撤-44.33%，信息比率(IR)1.02，月度胜率56.77%[133] 量化因子与构建方式 *（注：提供的报告内容主要侧重于资产配置模型和策略的构建与回测，未详细阐述底层个股层面的量化因子（如价值、动量、质量等因子）的构建方法。报告中的“风格轮动”和“行业轮动”是基于对风格指数或行业指数的综合打分，而非从个股因子合成到组合的传统量化因子模型。因此，本部分无具体量化因子构建内容。）* 因子的回测效果 *（注：同“量化因子与构建方式”部分说明，报告未提供底层量化因子的独立测试结果。）*

文章核心观点 - 文章介绍了一种基于四象限（景气度、情绪面、技术面、宏观）的月度行业轮动策略，该策略自2018年起进行样本外跟踪，历史回测显示能持续获得超额收益，2025年策略组合绝对收益达36%至38.1%，超额收益显著 [2] - 策略因子表现与市场环境高度相关，在上涨市中宏观、景气度和情绪面因子是主要驱动力，而技术面因子在下行市场中更具防御作用 [3] - 策略已构建以ETF为持仓品种的组合，自2014年以来相对中证800指数获得了11.4%的年化超额收益，信息比为1.01 [3] 策略历史与近期表现 - 策略自2018年开始样本外跟踪，截至2025年12月，单因子多策略年化超额收益为13.85%，复合因子策略年化超额收益为7.28% [2] - 2025年，行业轮动组合中，单因子多策略组合绝对收益为36%，相对于等权基准的超额收益为12.29%，复合因子策略组合绝对收益为38.1%，超额收益为14.38%，两个组合的超额收益月度胜率均为58.3% [2] 2025年因子表现分析 - 2025年因子有效性呈现较大分化，宏观因子表现极为突出，年化超额收益达23.8%，月度胜率为67% [2] - 景气度因子和情绪因子在2025年的超额收益贡献相对平淡，分别为4.1%和7.1% [2] - 技术面因子在2025年表现较差，超额收益为-1.1%，这与历史上市场上行环境中技术面因子表现相对较差的规律一致 [2] 因子与市场环境联动性 - 将市场按年度涨幅是否大于零分为上涨市与下跌市，四大维度因子的表现与市场环境存在强关联性 [3] - 在上涨市中，宏观、景气度和情绪面是驱动行业上行的主要动力 [3] - 技术面因子主要在下行市场环境中起到防御作用 [3] - 未来研究计划将市场环境的预判与划分引入策略因子的使用，以期望获得更稳定的超额收益 [3]

行业轮动四象限策略框架 - 策略从宏观、技术、景气、情绪四个维度构建因子，以驱动行业轮动 [1] - 策略自2018年开始样本外跟踪，截至2025年12月，单因子多策略年化超额收益为13.85%，复合因子策略年化超额收益为7.28% [2] 2025年策略表现 - 2025年，单因子多策略组合绝对收益为36%，相对于等权基准超额收益为12.29% [2] - 2025年，复合因子策略组合绝对收益为38.1%，超额收益为14.38%，两个组合的超额收益月度胜率均为58.3% [2] 2025年因子表现分化 - 2025年因子有效性呈现较大分化，结构表现接近2021年 [2] - 宏观因子表现极为突出，年化超额收益达23.8%，月度胜率为67% [2] - 景气度因子和情绪因子超额收益贡献相对平淡，分别为4.1%和7.1% [2] - 技术面因子表现较差，超额收益为-1.1%，这与历史上行市场中技术面因子表现较差的规律一致 [2] 因子表现与市场环境联动性 - 将市场按年度涨幅是否大于零分为上涨市与下跌市，四大维度因子的超额收益与市场环境存在较强关系 [3] - 上涨市中，宏观、景气度和情绪面是驱动行业上行的主要动力 [3] - 技术面因子主要在下行市场环境中起到防御作用 [3] - 未来研究将尝试将市场环境的预判与划分引入策略因子使用，以期望获得更稳定的超额收益 [3] ETF策略组合历史回溯表现 - 构建以ETF为持仓品种的策略组合，自2014年以来（未发行ETF时段采用产品跟踪指数价格回溯），相对中证800指数获得11.4%的年化超额收益，信息比为1.01 [3]

核心观点 本报告构建了一个基于宏观、技术、景气、情绪四个维度的月度行业轮动策略，并以此构建ETF组合。策略长期表现优异，单因子多策略表现优于复合因子策略，且2025年策略超额收益持续性显著改善。因子表现与市场环境高度相关，宏观因子在2025年表现极为突出[4][36]。 策略框架与构建方法 - 策略从宏观、技术、景气、情绪四个象限构建因子，驱动行业轮动[1][4] - 宏观因子：基于PMI、PPI、汇率、M1-M2剪刀差等指标，反映行业对宏观的敏感性[8] - 技术面因子：基于动量、换手率、波动率等指标的加权和[8] - 景气度因子：基于行业内个股一致预期ROE的市值加权平均及其历史分位点，反映未来业绩[8] - 情绪面因子：基于分析师上调评级的数量或市值占比，反映市场关注度和情绪[8] - 组合构建采用两种方式[9] - 单因子多策略：根据每个维度因子得分单独推荐头部行业，取并集汇总后等权配置 - 复合因子策略：对每个行业进行多维度因子等权打分，根据综合得分选取头部5个行业等权配置 策略长期与近期绩效 - **长期表现（2011-2025）**：单因子多策略表现略优，其多头年化超额收益为12.73%，信息比1.13，最大回撤-10.02%；复合因子策略多头年化超额收益为10.76%，信息比1.01，最大回撤-14.88%[11] - **样本外跟踪期表现（2018-2025）**：单因子多策略年化超额收益为13.85%，复合因子策略为7.28%[4][15] - **2025年年度表现**：单因子多策略组合绝对收益36%，相对等权基准超额收益12.29%；复合因子策略组合绝对收益38.1%，超额收益14.38%；两个组合的超额收益月度胜率均为58.3%[4][15] - **2025年周度表现**：月内超额衰减现象基本消失，持仓周期胜率均维持在50%以上。行业推荐后第一周超额表现较差，随后三周稳定贡献正向超额[29][31][33] 四维度因子表现分析 - **因子长期绩效（2011-2025）**：宏观、景气度、情绪面因子的多空收益表现较优。宏观因子多头年化超额为10.40%，景气度为9.78%，情绪面为7.46%，技术面为4.87%[19] - **因子与市场环境的关系**：上涨市中，宏观、景气度和情绪面是驱动行业上行的主要动力；技术面因子主要在下行市场环境中起到防御作用[4][24][27] - **2025年因子表现**：因子有效性分化显著，结构类似2021年 - 宏观因子表现极为突出，年化超额收益23.8%，月度胜率67%[4][21][30] - 景气度因子和情绪因子贡献相对平淡，超额收益分别为4.1%和7.1%[4][30] - 技术面因子表现较差，超额收益为-1.1%，与历史上行市场环境中的表现一致[4][21][30] ETF组合策略表现 - 将行业轮动策略持仓对应到宽基行业ETF，构建ETF组合策略[34] - ETF组合自2014年以来，相对中证800指数获得11.4%的年化超额收益，信息比为1.01[4][34][35] - 2025年，ETF组合绝对收益为26.83%，相对中证800的超额收益为5.94%[35]

文章核心观点 - 文章旨在构建一个基于四个维度的行业轮动模型，以筛选高景气度行业并构建ETF投资组合，目标是获取超额收益 [1] - 综合行业轮动模型在历史回测中表现稳定且有效，特别是在2024年9月市场反弹后有效性显著提升 [2] - 基于该模型，构建了三种不同模式的ETF行业轮动投资组合，其中收益弹性优先模式的历史回测表现最佳 [2] 行业轮动模型构建 - 模型从基本面景气度、超预期水平、量价水平和资金流强度四个维度出发，分别构建行业轮动模型，并最终构建综合行业轮动模型 [1] - 各单一视角复合因子的样本内和样本外表现均较为稳定，全区间内各模型高景气组均积累了显著的超额收益 [1] 综合行业轮动因子表现 - 综合行业轮动因子以各单一视角复合因子为基础，采用等权方式构建 [2] - 全区间内，综合行业轮动模型的IC均值为12.54%、ICIR为50.92% [2] - 高景气组年化收益为17.84%，相对中证800指数的多空组合累计年化超额收益为14.44% [2] - 2024年9月市场开启反弹行情后，综合行业轮动因子的有效性得到显著提升 [2] - 2026年3月，综合行业轮动模型最新推荐行业为有色金属、机械设备、钢铁、国防军工、基础化工和通信行业 [2] ETF行业轮动投资组合构建与表现 - 在综合考虑产品规模、流动性、相关性、收益弹性、每日仓位动态调整、交易费用等因素后，构建了三种模式的ETF投资组合 [2] - **收益弹性优先模式**：年化收益为21.20%，更能够捕捉短期高景气细分赛道，历史回测表现好于另外两种模式 [2] - **流动性优先模式**：年化收益为18.57%，同样包含部分市场交易热点信息 [2] - **相关性优先模式**：年化收益为18.78%，凭借对行业暴露纯度的严格把控，整体业绩稳定性更高 [2]

文章核心观点 - 2026年是“十五五”规划开局之年，是布局中国经济高质量发展红利的关键窗口期 [1] - 嘉实基金通过构建“主动+被动”双轮驱动的全链条产品生态，为不同风险偏好和投资目标的投资者提供全面覆盖的投资工具，以把握市场结构性机会 [2] - 公司ETF产品线已实现全赛道布局，规模行业领先，多只产品业绩表现突出，同时主动权益产品在多个核心赛道也取得了显著的超额收益 [2][3][4][5][6][7][8] 宏观背景与市场环境 - 2026年作为“十五五”规划开局之年，成为布局中国经济高质量发展红利的关键窗口期 [1] - 面对结构化市场挑战，资产配置穿越周期是投资者的核心诉求，推动了ETF的快速发展 [3] 公司整体战略与产品生态 - 公司以投资者利益为核心，依托全链条投研体系构建主被动协同的产品生态 [2] - 通过“主动+被动”双轮驱动的产品布局，实现了对不同风险偏好、投资周期和配置目标投资者的全面覆盖 [2] - 旨在以产品多样性适配市场结构性机会，以业绩稳健性夯实投资获得感 [2] 被动投资（ETF）布局与业绩 - 截至去年年底，全市场ETF总规模已突破6万亿元 [3] - 公司ETF管理规模约3300亿元，共有61只产品，在全市场公募基金中名列前茅 [3] - 已构建覆盖宽基、行业、主题及Smart Beta等多个领域的全赛道ETF产品矩阵 [3] - **宽基ETF业绩**：嘉实沪深300ETF近1年、近3年、成立以来净值增长率分别为20.77%、28.18%、124.58%；嘉实中证500ETF近3年净值增长率为35%；嘉实中证A500ETF过去一年增长25.06% [3] - **行业与主题ETF业绩与规模**： - 嘉实上证科创板芯片ETF最新规模已超过500亿元 [4] - 新能源ETF嘉实过去一年净值增长率为44.08% [4] - 稀土ETF嘉实与稀有金属ETF过去一年净值增长率分别达到77.40%和90.46% [4] - 截至2026年1月25日，公司有25只ETF在跟踪同标的产品中规模排名第一 [5] 主动权益投资布局与业绩 - 公司在主动权益领域形成了覆盖各细分赛道的产品矩阵，旨在创造超额收益 [6] - **科技AI领域**： - 嘉实科技创新混合基金过去一年、三年、成立以来涨幅分别为47.73%、73.04%和238.82% [7] - 嘉实智能汽车股票基金过去一年上涨50.82% [7] - **周期与制造领域**： - 嘉实资源精选过去一年、过去三年净值增长率分别为93.46%、110.22% [7] - 嘉实先进制造股票基金过去一年回报为42.32% [7] - 嘉实周期优选混合基金近1年、近5年净值增长率分别为35.57%、38.25% [7] - **海外投资领域**： - 嘉实全球产业升级近1年净值增长率为53.99% [8] - 嘉实港股互联网产业核心资产基金过去一年增长近30% [8] 投研方法与服务体系 - 主动权益投资的核心在于深刻理解产业发展趋势、深耕细分方向，研究方法为“大胆假设，小心求证” [8] - 公司从产品和服务两个维度进行探索，推出了系统化的服务体系，例如为零售客户提供“超级嘉贝”小程序 [5]

报告行业投资评级 未提及 报告的核心观点 - 永赢基金管理的黄金股ETF（517520.SH）跟踪中证沪深港黄金产业股票指数（931238.CSI），2025年9月11日至12月12日期间，其最佳趋同股为赤峰黄金(600988.SH) [3][10] - 赤峰黄金2024年基于预期EPS的底部估值接近16倍PE，2024 - 2025年（2025年截至12月12日）股价波动大部分未超越基本面价值区间，2025 - 2027年预期每股基本面价值分别为26.02、33.01和38.65元，收盘价31.2元/股，低于2026年每股基本面价值 [3][10] - 2025年12月12日收盘仓位为58.97% [3][11] - 2025年10月至12月12日，基于赤峰黄金动态仓位配置黄金股ETF的夏普比率和收益回撤比均好于买入持有，配置策略获4.99%期末收益，最大回撤5.52%，买入持有获 - 0.1%期末收益，最大回撤14.93% [4][11] 根据相关目录分别进行总结 黄金股ETF配置价值分析 - 黄金股ETF（517520.SH）跟踪SSH黄金股票指数，2025年9月11日至12月12日最佳趋同股为赤峰黄金 [3][10] - 赤峰黄金2024年底部估值近16倍PE，2024 - 2025年股价波动多在基本面价值区间内，2025 - 2027年预期每股基本面价值及收盘价情况 [3][10] - 2025年12月12日收盘仓位为58.97% [3][11] - 2025年10月至12月12日，动态仓位配置策略与买入持有策略的收益和回撤情况 [4][11]

东莞证券2026年投资策略报告会（下） - 会议主题为“金秋万象启 风起新程远” 核心看点包括探讨政策与事件将引爆的新主线 在“慢牛”行情下ETF如何成为配置利器 以及资金如何布局政策风口和工具化投资如何提升胜率 [2] 医药行业2026年投资策略 - 2025年创新药板块强势上涨是政策、产业、需求与全球化共振的结果 从创新药、创新器械到医疗AI 医药“新”资产依然是长期投资方向 [4] - 看好2026年医药行业投资机会 近期震荡调整后估值已回落至相对低位 有望在2026年重启升势 [4] - 投资思路上寻找医药硬科技和细分赛道α 推荐关注创新药（BIC和FIC管线龙头）、创新器械（影像、高值耗材、消费器械等）、医疗AI方向 同时关注医药消费复苏及独立第三方ICL [4] 2026年宏观与资产配置展望 - 以“清晰度”为思考切入点 重点思考五方面内容：供需矛盾、物价研判、金融条件、中长期的经济转型、海外股债配置经验 前三者聚焦“低头走好脚下的路” 后两者聚焦“抬头看准远方的路” [7] - 结合“清晰度”与“阻力最小的方向”找寻2026年投资中胜率较高的判断 这些判断基于国内历史经验规律总结、当下约束或支撑力量是否能延续的分析以及海外发展规律的总结 [7][8] 途牛2025年第三季度业绩交流会 - 会议核心看点包括探讨途牛如何破局出境游复苏 产品升级与渠道优化能否点燃增长新引擎 以及私域运营与目的地布局将如何重塑竞争力 [11]

行业投资评级 - 银行理财行业投资评级为“优于大市” [1] 核心观点 - 继9月规模收缩后，10月银行理财规模进入四季度恢复增长阶段，月末存量规模达31.6万亿元，环比增加0.8万亿元，估计实际规模已恢复至近33万亿元高位 [1] - 银行理财面临规模增长与业务合规创新的权衡，存在通过平滑信托、理财壳产品“打榜”等方式绕开“资管新规”的不正当竞争现象 [1] - 在居民存款利率持续下行的宏观背景下，银行理财规模有望保持稳定增长，预计2026年规模将提升至35-36万亿元 [1] 当前市场表现总结 - 2025年10月银行理财规模加权平均年化收益率为2.88%，较上月回升120个基点 [10] - 分产品类型看，现金管理类产品年化收益率为1.33%，纯债类产品为3.09%，“固收+”产品为2.97% [10] - 10月新发产品初始募集规模为2727亿元，新发产品业绩平均比较基准为2.36% [18] - 10月到期的封闭式银行理财产品共计1510只，大部分产品达到了业绩比较基准 [28] 2026年银行理财转型十大判断 - 判断一：低利率环境推动居民资产从传统储蓄向净值化理财产品迁移，预计2026年规模将提升至35-36万亿元 [1] - 判断二：行业将更注重场景化产品布局，短期优化现金管理类产品，中长期拓展教育储备、养老规划等场景 [2] - 判断三：随着监管规范存款手工补息，企业客户对标准化理财产品的需求显现，可开发专属产品开辟新增长点 [2] - 判断四：纯债型理财产品继续扮演压舱石角色，产品策略将保持一定比例存款配置以控制波动，并适度增加定开型产品架构 [2] - 判断五：多资产策略将成为重要增量方向，通过在固收基础上配置权益、衍生品等资产拓宽收益来源 [2] - 判断六：理财资金对ETF品类的配置意愿将持续增强，重点覆盖信用债ETF、股债混合型ETF等工具化产品 [2] - 判断七：理财资金将进一步拓展多元化投资边界，逐步纳入跨境资产、可转债、公募REITs、贵金属及商品等另类资产 [3] - 判断八：理财机构将加大与公募基金等机构的合作，通过委外、投顾等形式引入主动管理能力以弥补自身投研短板 [3] - 判断九：理财子公司牌照准入有望进一步放宽，尤其是中西部地区符合条件的城商行、农商行将迎来设立机会 [5] - 判断十：部分理财子公司将继续新设专业子公司（即“理财孙公司”），聚焦多资产配置、财富投顾等专业领域以探索差异化发展 [5]

评选活动概况 - 第八届新财富最佳投资顾问评选是国内最大的投顾竞技平台，汇聚了来自90家证券公司的39,893名投顾参评，覆盖全国31个地区、325座城市，堪称投顾界的“奥林匹克”[1] - 评选首阶段为“投资管理能力评价”，时间范围为2025年5月1日至10月31日，其“ETF组”获奖名单正式发布，展现投顾在工具化投资时代的专业配置能力[1] - 获奖投顾在满足换手率不低于200%、最大回撤控制在15%以内且评选期仓位占比不低于50%的严格条件下，按累计收益率排名，前200名荣获“新财富最佳ETF投资收益奖”[10] 获奖投顾业绩表现 - 冠军为国泰海通证券上海分公司的周恒毅，累计收益率达216.58%，是本届ETF组唯一收益率突破200%的选手，并以远超40%的领先优势稳居榜首[11] - 前十名投顾平均收益率高达136%，前200名平均收益率为76.33%，第200名收益率也达到60.79%[11] - 获奖投顾业绩显著超越同期主流指数，同期上证综指上涨20.61%，深证成指上涨35.14%，沪深300上涨23.08%，创业板指上涨63.63%，科创50上涨39.82%[11] 行业背景与市场发展 - 2025年以来权益市场稳步上行，中国ETF市场实现跨越式发展，截至2025年10月31日国内ETF总规模突破5.6万亿元，正式超越日本成为亚洲最大的ETF市场[12] - ETF产品凭借高透明度、高便捷性、低费率的特点，在买方投顾转型背景下强化了与证券公司及投资者之间的联接，日益成为投顾资产配置工具箱中的核心工具[12] - 评选活动致力于发掘中国最优秀投资顾问，推动证券行业从“以产品销售为导向”向“以客户需求为中心”深度转型，持续助力机构提升财富管理专业水平与服务能力[15]