地缘政治关系转变 - 德国对华贸易政策发生显著转变，从跟随美国“去风险”转向寻求与中国加强合作[2][4] - 德国财长访华将获得中国稀土和关键原材料供应承诺视为“最大成就”，显示出战略务实态度[3][6] 贸易数据变化 - 今年前三季度德国与中国贸易总额逆势增长0.6%，达到1859亿欧元，中国重新成为德国最大贸易伙伴[3] - 同期德国对美贸易额下降3.9%，此数据反转发生在特朗普对欧盟实施15%基准关税的背景下[3] 产业依赖现实 - 德国在化工、计算机、太阳能等关键领域对华依赖度超过50%，脱钩被视为不现实[6] - 中国掌控全球70%的稀土产量，德国工业严重依赖中国的稀土和关键原材料供应[6][8] 市场格局调整 - 美国关税政策直接打击德国汽车、机械出口，促使德国重新评估中国市场的重要性[4] - 德国认识到没有美国市场只是盈利减少，但没有中国稀土将导致工厂停产[6] 供应链战略价值 - 中国稳定的供应链成为德国工业的“避风港”，特别是在特朗普关税政策压力下[2][10] - 德国从质疑“中国制造”到重视中国物美价廉的原材料，体现出务实商业态度[6][12]

根据提供的金融工程市场跟踪周报，以下是报告中涉及的量化模型与因子的总结。报告主要描述市场状况和跟踪指标，并未详细阐述复杂的多因子模型或具体的因子构建公式，但包含了一些用于市场情绪跟踪和择时的量化指标。以下是基于报告内容的梳理： 量化模型与构建方式 1. **模型/指标名称：量能择时模型**[24][25] * **模型构建思路**：通过分析市场交易量能的变化来判断市场趋势，生成择时信号[24][25] * **模型具体构建过程**：报告未提供该模型具体的构建公式和详细步骤，仅提及其为一种择时方法并给出了当前观点[25] * **模型评价**：报告未提供对该模型的定性评价 2. **模型/指标名称：沪深300上涨家数占比情绪指标**[25][26] * **因子构建思路**：通过计算指数成分股中上涨股票的数量占比来捕捉市场情绪的变化，认为上涨家数增多可能预示市场底部，而大部分股票上涨则可能预示情绪过热[25] * **因子具体构建过程**： * 计算沪深300指数成分股在过去N日收益大于0的个股数量 * 计算该数量占成分股总数的比例 * 公式为：沪深300指数N日上涨家数占比 = (过去N日收益大于0的个股数) / (沪深300指数成分股总数) [25] * **因子评价**：该指标可以较快捕捉上涨机会，但在市场过热阶段会提前离场而错失后续收益，且难以有效规避下跌风险[26] 3. **模型/指标名称：动量情绪指标（基于上涨家数占比）**[27][29] * **模型构建思路**：对上述“沪深300上涨家数占比”指标进行平滑处理，通过比较短期和长期移动平均线来生成交易信号[27][29] * **模型具体构建过程**： * 计算沪深300指数N日上涨家数占比（报告中示例参数N=230）[27] * 对该占比序列分别计算窗口期为N1（长窗口，示例为50）和N2（短窗口，示例为35）的移动平均线，得到慢线和快线[27][29] * 当快线 > 慢线时，看多沪深300指数；当快线 < 慢线时，对市场持谨慎或中性态度[29] * **模型评价**：报告未提供对该模型的定性评价 4. **模型/指标名称：均线情绪指标**[33][37] * **模型构建思路**：通过计算当前价格与一组均线的相对位置来判断指数的趋势状态[33][37] * **模型具体构建过程**： * 计算沪深300收盘价的八条均线，参数为8, 13, 21, 34, 55, 89, 144, 233[33] * 统计当日沪深300指数收盘价大于这八条均线数值的数量[37] * 当该数量超过5时，看多沪深300指数[37] * （报告亦提及另一种赋值方式：将八均线区间值映射为-1, 0, 1来表征情绪，但当前信号生成基于数量判断）[33][37] * **模型评价**：报告未提供对该模型的定性评价 5. **因子名称：横截面波动率**[38][39] * **因子构建思路**：衡量同一时间点，不同股票收益率之间的差异程度，用于评估选股获取Alpha的难易环境，波动率高通常意味着Alpha机会更多[38][39] * **因子具体构建过程**：报告未提供具体的计算公式，但明确指出其用于衡量指数成分股间的收益率差异[38][39] * **因子评价**：报告未提供对该因子的定性评价 6. **因子名称：时间序列波动率**[39][42] * **因子构建思路**：衡量指数或个股收益率随时间变化的波动程度，也用于评估Alpha环境[39][42] * **因子具体构建过程**：报告未提供具体的计算公式，但提及其为指数成分股加权的时序波动率[39][42] * **因子评价**：报告未提供对该因子的定性评价 7. **因子名称：抱团基金分离度**[83][86] * **因子构建思路**：通过计算抱团基金组合截面收益率的标准差，来衡量基金抱团的程度，标准差小表示抱团程度高，反之则表示抱团瓦解[83][86] * **因子具体构建过程**： * 构建抱团基金组合 * 计算该组合在某个周期内（如一周）各基金收益率的截面标准差 * 这个标准差即为分离度指标[83][86] * **因子评价**：报告未提供对该因子的定性评价 模型的回测效果 （报告未提供上述量化模型的具体回测绩效指标，如年化收益率、夏普比率、最大回撤等） 量化因子与构建方式 （已合并至“量化模型与构建方式”章节，因报告中的内容更多是以指标形式用于描述市场或作为模型输入，而非独立的因子测试） 因子的回测效果 （报告未提供上述因子的具体IC值、IR值、多空收益等传统因子测试结果） 模型/因子的指标取值（跟踪状态） 1. **量能择时信号**[25] * 信号观点（截至2025/11/21）：对所有跟踪的宽基指数（上证指数、上证50、沪深300、中证500、中证1000、创业板指、北证50）均为“空”或“谨慎”观点[25] 2. **沪深300上涨家数占比情绪指标**[26] * 当前数值（截至2025/11/21）：最近一周下降，数值略高于50%[26] 3. **动量情绪指标**[27] * 信号观点（截至2025/11/21）：快线、慢线均下行，快线处于慢线下方，维持谨慎观点[27] 4. **均线情绪指标**[33] * 信号观点（截至2025/11/21）：沪深300指数处于情绪非景气区间[33] 5. **横截面波动率**[38][39][40] * **沪深300**：最近一周环比下降；近一季度平均值2.28%，处于近半年83.44%分位、近一年80.54%分位、近半年78.26%分位[39][40] * **中证500**：最近一周环比下降；近一季度平均值2.44%，处于近半年78.57%分位、近一年76.19%分位、近半年79.37%分位[39][40] * **中证1000**：最近一周环比上升；近一季度平均值2.60%，处于近半年83.67%分位、近一年78.09%分位、近半年73.71%分位[39][40] 6. **时间序列波动率**[39][42] * **沪深300**：最近一周环比下降；近一季度平均值0.73%，处于近半年77.23%分位、近一年75.78%分位、近半年69.15%分位[42] * **中证500**：最近一周环比上升；近一季度平均值0.53%，处于近半年80.16%分位、近一年76.19%分位、近半年78.57%分位[42] * **中证1000**：最近一周环比上升；近一季度平均值0.27%，处于近半年82.07%分位、近一年77.69%分位、近半年72.51%分位[42] 7. **抱团基金分离度**[83][86] * 当前状态（截至2025/11/21）：环比前一周小幅上升[83]

全球风险资产调整与缓和 - 11月以来，受联储降息预期回落和“AI泡沫”言论影响，全球风险资产跟随美股同步调整，A股与港股波动加剧 [1] - 联储主席威廉姆斯发表鸽派言论后，市场对美联储12月降息概率由此前的30%大幅上升至71%，压制全球风险偏好的关键因素正在缓和 [2] 中国资产修复逻辑 - 海外冲击影响下中国资产已调整出性价比，随着海外风险释放带来的情绪冲击逐步消化，中国资产有望凭借自身独立逻辑迎来修复 [1][5] - 当前全A已调整至60日均线以下，历史经验显示后续进一步回落空间有限，短期消化后市场将重回涨势 [5] - 2019-2021年牛市期间，全A跌破60日均线共10次，后续T+5、T+10、T+30、T+60的上涨胜率分别为60%、60%、70%、100%，涨跌幅中位数分别为0.5%、0.9%、2.5%、3.9% [6] 港股布局性价比 - 港股本轮调整更早、跌幅更深、对外部敏感度更高，多项指标显示当前位置已具备布局性价比 [1][6] - 当前港股沽空比例隐含较悲观市场预期，恒生科技估值基本回落至“对等关税”时的水平，海外压制缓和孕育新一轮上涨机会 [1][6] AI泡沫担忧缓解 - 美联储降息概率提升和流动性预期缓和，有望缓解市场对科技股的估值担忧 [5] - Google Gemini 3、Nano-banana Pro等AI应用落地，表明科技巨头资本开支能有效转化为AI生产力，回应市场对“AI泡沫”的疑虑 [5] 中国资产独立逻辑 - 中国资产上涨具备自身独立逻辑，包括大国竞争力增强、新动能景气释放、政策转型思路明朗、经济基本面平稳，这些内部确定性不随海外扰动变化 [8] 高景气行业布局线索 - 明年高景气行业（2026年预测净利润增速>30%）可概括为AI产业趋势、优势制造业、“反内卷”、内需结构性复苏四条线索 [9] - AI产业趋势包括硬件（通信设备、元件、半导体产业链、消费电子）和软件应用（IT服务、软件开发、游戏、广告营销） [9][14] - 优势制造业包括新能源产业链（锂电池、锂矿、风电设备、新能车）、军工（地面兵装、航空航天装备、军工电子）、机械（机器人、机床）、医药（创新药） [10][14] - “反内卷”包括钢铁、建材（水泥、玻璃玻纤、装修建材、塑料）、化工（化学原料、化学纤维、橡胶）、新能源（光伏、硅料硅片）、航空机场 [11][18] - 内需结构性复苏包括服务消费（影视院线、教育、零售、电商、酒店餐饮、旅游景区、医院）、新消费（休闲食品、文娱用品）、服装家纺 [12][18]

核心观点 - 市场调整符合“震荡整固注意防守”预判，风险释放后可在指数重要支撑位分段布局受益于明年景气边际改善的板块[7] - 全球风险资产呈现“内稳外荡”格局，资金从科技板块流向估值较低的资源品、消费、周期、制造等板块[7] - 投资者风险偏好向中间收敛，重点关注消费、周期、制造等领域的中盘蓝筹[7] 市场策略 - 11月以来全球股市经历明显“再平衡”，资金从前期涨幅较大的科技板块流出，转向估值相对较低的资源品、消费、周期、制造等板块[7] - 各大指数半年线支撑较为强劲，可考虑逢指数重要支撑位分段布局上述受益于明年景气边际改善的板块[7] - 相关ETF包括中证500ETF（159922）和中证1000ETF（512100）[7] 风格策略 - 科技成长散而后擒，周期制造消费微澜蓄浪[4] - 结合上市公司三季报，非银金融、钢铁、基础化工、机械、部分消费品等行业资本回报出现明显改善[7] - 随着消费、周期、制造等领域景气度恢复以及市场风险评价下行，风险偏好向中间收敛[7] - 相关ETF包括消费ETF(159928)、基建50ETF（516970/159635）、工程机械ETF（159542）等[7] 行业策略（机械） - 《机械行业稳增长工作方案（2025-2026年）》从供需两侧发力，重点培育优质企业与细分产业集群，中盘蓝筹企业直接受益[7] - 行业呈现内需稳健、外需强劲态势，2025年1-10月叉车行业销量同比增长14.2%，其中出口同比增长15.5%[7] - 中美关税趋于稳定，机械装备出口需求有望持续释放，经营稳健的中盘蓝筹企业出海弹性更大[7] - “十五五”规划强调科技自立自强，在液压件、五轴机床等细分领域具备技术优势的企业有望把握传统设备更新机遇并切入新兴赛道[7] - 相关标的包括中集车辆(301039)和杭叉集团(603298)，相关ETF包括机床ETF(159663)和专精特新ETF（563210）[7] 主题策略（AI应用） - Nano banana2正式发布，核心突破在于引入类LLM思考链路，从扩散式生成跃迁到推理驱动的视觉智能生成[7] - 底模能力为应用第一生产力，具有硬件-研究-模型-应用场景全栈AI路径的科技大厂更受益[7] - 相关ETF包括传媒ETF（512980/159805）、中概互联ETF（513220/159605）、恒生互联网ETF（513330/159688）[7]

量化模型与构建方式 1. 普林格周期模型 **模型名称**：普林格周期模型[13][14][16] **模型构建思路**：通过观察股票、债券和大宗商品的轮动表现，将经济与市场划分为六个阶段，帮助投资者应对不同的经济环境[14][16] **模型具体构建过程**： - 将经济周期划分为六个阶段，每个阶段对应不同的资产表现： 1. 第一阶段（经济复苏初期）：股票小幅上涨，债券表现最佳，大宗商品持平 2. 第二阶段（经济复苏加速）：股票领涨，债券转弱，大宗商品持平 3. 第三阶段（经济扩张高峰）：股票上涨放缓，债券进一步减弱，大宗商品开始上涨 4. 第四阶段（经济过热）：股票下跌，债券持平或小幅下跌，大宗商品表现最佳 5. 第五阶段（经济增长放缓）：股票继续下跌，债券逐步改善，大宗商品下跌 6. 第六阶段（经济衰退）：股票触底或小幅反弹，债券表现最佳，大宗商品表现最差[16] - 通过市场价格与风格轮动特征反向刻画宏观周期状态[3] **模型评价**：普林格周期本身具有一定的前瞻性，能够从价格、利率、商品等市场变量中提取出"隐含的经济预期"，提前反映经济处于复苏、过热或衰退的大方向[47] 2. 宏观趋势信号（TS）模型 **模型名称**：宏观趋势信号（Trend Score, TS）[4][31] **模型构建思路**：从多项宏观经济指标中筛选出最具解释力的变量，综合构建为一个新的宏观趋势信号，用于识别宏观环境的"积极"与"谨慎"状态[4] **模型具体构建过程**： 1. **因子选取与权重**：从月度宏观数据中提取核心因子，包括PMI新订单（权重2）、PPI YoY（权重1）、PPI MoM（权重1）、M1 YoY（权重2）、M2 YoY（权重1）[29] 2. **标准化处理**：对每个因子做12个月滚动Z-score，得到可比的月度z分数矩阵[33] $$ Z_{i,t} = \frac{X_{i,t} - \mu_{i,t-11:t}}{\sigma_{i,t-11:t}} $$ 其中$Z_{i,t}$为因子i在t月的Z-score，$X_{i,t}$为因子原始值，$\mu_{i,t-11:t}$和$\sigma_{i,t-11:t}$为过去12个月的均值和标准差 3. **加权合成**：将各因子的z分数按归一化权重加总，得到月度原始Trend Score[33] $$ TS_t = \sum_{i=1}^{5} w_i \cdot Z_{i,t} $$ 4. **EWMA平滑**：对原始TS做EWMA（α=0.5），得到更稳定、段落更清晰的趋势曲线[33] $$ TS_{smooth,t} = α \cdot TS_t + (1-α) \cdot TS_{smooth,t-1} $$ 5. **防跳跃规则**：使用60期滚动分位+双阈值迟滞（35/65外层+45/55内层），将Trend Score划分为"谨慎/中性/积极"三类宏观状态[33][34] - 初始/上期为中性时：x ≤ 下外层（35%）→进入谨慎；x ≥ 上外层（65%）→进入积极；否则→保持中性 - 上期为谨慎时：x仍低于下内层（45%）→继续谨慎；x介于下内层和上外层之间（45%~65%）→回到中性；x ≥ 上外层（65%）→反向进入积极 - 上期为积极时：x仍高于上内层（55%）→继续积极；x介于下外层和上内层之间（35%~55%）→回到中性；x ≤ 下外层（35%）→反向进入谨慎[34] 6. **频率扩展与滞后**：将月度TS与状态扩展至日频，并整体滞后15天用于实盘使用[33] **模型评价**：宏观趋势信号（TS）基于月度宏观数据构建，反映真实经济活动、企业利润与流动性的中期趋势，具有更强的稳定性和跨行业一致性[47] 3. 复合宏观配置模型 **模型名称**：双源驱动宏观配置模型[47][51] **模型构建思路**：结合普林格周期和宏观趋势信号TS，构建"市场预期+宏观数据"的双源驱动框架，在不同宏观状态下选择不同宽基指数和行业配置[47][51] **模型具体构建过程**： - **状态划分**：将普林格周期的复苏、过热、衰退状态与TS的谨慎、中性、积极状态进行组合，形成9种宏观情景[53] - **宽基配置逻辑**： - 偏乐观情景（谨慎-复苏、中性-复苏、积极-复苏、积极-衰退、积极-过热）：配置中证2000、创业板指等成长性指数[53] - 偏谨慎情景（谨慎-衰退、谨慎-过热、中性-衰退、中性-过热）：配置沪深300、低波红利等防御性指数[53] - **行业轮动逻辑**： - 防守思路：在悲观/谨慎情境下增配银行、公用事业、食品饮料等抗跌行业[53] - 进攻思路：在复苏/积极情境下重点增配非银行金融（券商）、电子等进攻性行业[53] - 牛市中后段（过热阶段）：逐步加入化工、有色金属、煤炭等顺周期行业[55] **模型评价**：两者结合能够互补，普林格提供趋势的早期提示，TS提供趋势的确认与过滤，当两者方向一致时，其正向收益的确定性在回测中最强、跨行业一致性最高[47] 模型的回测效果 1. 宏观状态组合表现 **普林格复苏+TS积极组合**： - 沪深300平均收益率：2.74%[41] - 中证2000平均收益率：3.14%[42] - 创业板指平均收益率：4.31%[43] - 低波红利平均收益率：1.51%[44] **普林格复苏+TS中性组合**： - 沪深300平均收益率：0.23%[41] - 中证2000平均收益率：2.85%[42] - 创业板指平均收益率：-0.97%[43] - 低波红利平均收益率：-0.69%[44] **普林格复苏+TS谨慎组合**： - 沪深300平均收益率：-0.24%[41] - 中证2000平均收益率：4.42%[42] - 创业板指平均收益率：3.69%[43] - 低波红利平均收益率：2.13%[44] 2. 行业板块在特定状态下的表现 **积极-复苏状态下表现最佳的行业**： - 电力设备及新能源：5.63%[62] - 有色金属：5.51%[62] - 消费者服务：4.87%[62] - 基础化工：4.49%[62] - 创业板指：4.31%[62] **积极-过热状态下表现最佳的行业**： - 电子：2.26%[62] - 基础化工：2.09%[62] - 电力设备及新能源：2.02%[62] - 家用电器：1.98%[62] - 食品饮料：1.96%[62] 3. 综合配置策略年度表现 **策略年度收益率与超额收益**： - 2011年：策略-15.7%，基准-25.0%，超额12.4%[58] - 2012年：策略5.7%，基准7.6%，超额-1.7%[58] - 2013年：策略24.4%，基准-7.6%，超额34.7%[58] - 2014年：策略64.8%，基准51.7%，超额8.7%[58] - 2015年：策略27.3%，基准5.6%，超额20.5%[58] - 2016年：策略-10.9%，基准-11.3%，超额0.5%[58] - 2017年：策略13.5%，基准21.8%，超额-6.8%[58] - 2018年：策略-20.5%，基准-25.3%，超额6.5%[58] - 2019年：策略40.1%，基准36.1%，超额3.0%[58] - 2020年：策略31.5%，基准27.2%，超额3.4%[58] - 2021年：策略17.8%，基准-5.2%，超额24.2%[58] - 2022年：策略-18.0%，基准-21.6%，超额4.6%[58] - 2023年：策略-0.6%，基准-11.4%，超额12.2%[58] - 2024年：策略27.5%，基准14.7%，超额11.2%[58] - 2025年（至11月14日）：策略43.9%，基准17.6%，超额22.3%[58] 4. 风险调整后收益表现 **收益波动比表现最佳的行业（积极-复苏状态）**： - 基础化工：87.72%[66] - 汽车：77.97%[66] - 电力设备及新能源：77.86%[66] - 机械：75.08%[66] - 有色金属：74.93%[66] **收益波动比表现最佳的行业（积极-过热状态）**： - 食品饮料：23.89%[66] - 银行：23.36%[66] - 低波红利：22.63%[66] - 煤炭：22.55%[66] - 中证2000：19.51%[66]

中国制造业的竞争优势 - 中国对欧洲的机械出口规模在过去六年里近乎翻倍，2024年有望突破500亿欧元 [7] - 中国企业凭借价格、质量、速度的组合优势与德国企业竞争，例如浙江企业提供的线材加工机报价仅为2.8万欧元，比瑞士供应商的13万欧元低四倍多 [7] - 中国产品在性能参数上与德国产品几乎无差别，但拥有30%甚至更低的成本优势 [9] - 中国制造商在核心技术、原材料应用和生产工艺上迭代迅速，产品可在高端市场与德国产品正面竞争 [9] - 中国企业将创新想法转化为实际产品的周期仅为德国企业的一半，具备更短的产品迭代周期和更快的技术试错能力 [11] 德国工业的困境与挑战 - 德国工业产值长期徘徊在2005年的水平，相当于二十年经济停滞 [3] - 2025年初，德国在资本货物（机器设备、发动机等）这一核心领域对华贸易首次出现逆差，为2008年有统计以来头一回 [5] - 德国汽车行业受到冲击，奥迪、保时捷、奔驰等豪华品牌在中国市场的销量被本土品牌压制 [7] - 外部压力包括美国贸易壁垒导致德国今年前九个月对美出口额暴跌7.4%，以及乌克兰危机后能源成本一度暴涨300% [13] - 内部问题包括高昂人力成本、繁琐行政流程、高福利制度负担，以及创新体系僵化，仅17%的德国企业实现全面数字化转型 [15] 德国企业的应对与行业反应 - 德国工业巨头通快依靠其中国子公司在欧洲推出高性价比产品，以应对来自亚洲的成本冲击，并将中国市场视为高强度竞争训练营 [11] - 欧盟试图对中国电动汽车征收关税时，德国汽车制造商率先反对，因担心失去重要的中国市场利润来源 [17] - 德国政府推出的万亿欧元投资计划多数资金被挪用于填补福利预算窟窿，而非工业升级和创新 [19] - 德国总理默茨政府专注于国防、对乌援助和价值观外交，经济发展被忽视，导致2026年GDP增长预期仅0.9% [19] 全球制造业格局转变 - 中国制造业通过学习和超越德国制造的高品质、高技术精髓，结合自身在生产速度与成本控制上的优势，形成碾压性竞争壁垒 [21] - 德国工业因守成心态错过了制造业升级、人工智能与新能源革命的黄金窗口期，反应迟缓和创新能力不足导致其竞争力下滑 [21] - 德国弗赖贝格尔复合材料公司的稀土回收计划因中国企业全球高价收购含稀土工业废料而失败，欧洲稀土自主供应链建设受阻 [15][17]

公司股权与质押情况 - 浙江金鹰集团有限公司持有公司股份约1.83亿股，占公司总股本的50.25%，为控股股东 [1] - 本次股份质押后，金鹰集团累计质押股份约7179万股，占其持有公司股份数的39.17%，占公司总股本的19.68% [1] - 公司于2025年11月21日获悉控股股东部分股份被质押 [1] 公司财务与业务构成 - 截至发稿，金鹰股份市值为24亿元 [2] - 2025年1至6月份，公司营业收入构成为：纺织行业占比58.15%，机械行业占比36.7%，服装占比2.81%，新能源行业占比1.46%，其他业务占比0.67% [1] 公司基本信息 - 公司股票代码SH 600232，收盘价为6.7元 [1]

产品定位与特点 - 标普红利ETF被定位为一种稀缺的进攻型红利产品，具备“红利+小盘+行业分散”的特点 [4] - 该产品兼具小盘股的成长弹性与高股息资产的防御性，能攻善守 [4] - 产品旨在通过投资稳定分红的优质企业，为投资组合提供持续现金流，并借助长期复利实现资产稳健增值 [3] 指数表现与优势 - 标普中国A股红利机会指数今年以来涨幅为14.95%，在A股主流红利指数中排名第一 [8][9] - 该指数凭借半年调仓的灵活机制，注重分红稳定性与盈利持续性，最新股息率达5.18%，领先主流红利指数 [7][9] - 指数的年化夏普比为1.91，优于红利质量指数的1.44、中证央企红利指数的1.39等其他主流红利指数 [9][10] 指数成分与结构 - 指数成分股市值中位数为210亿元，属于小盘风格 [5] - 行业分布较为分散，前三大行业分别为银行（16.58%）、机械（11.02%）和轻工制造（8.68%） [5] - 小盘风格在成长主题市场里具备持续获益能力，市场回暖时更具进攻锐度 [8]

市场新高趋势追踪 - 截至2025年11月21日，主要指数距离其250日新高均有一定空间，其中科创50指数距离新高最远，为16.45%，上证指数距离新高最近，为4.83% [1][5] - 行业层面，石油石化、纺织服装、基础化工、家电、钢铁行业指数距离250日新高较近，其中家电行业距离仅为2.85% [1][8] - 概念指数中，石油天然气、锂矿、林木、锂电池、HJT电池、万得微盘股日频等权、操作系统等指数表现强势，距离其250日新高较近 [1][10] 创新高个股市场监测 - 截至2025年11月21日，共有1127只股票在过去20个交易日创出250日新高 [2][13] - 基础化工、机械、电力设备及新能源行业的创新高个股数量最多，分别有165只、128只和111只 [2][13] - 从创新高个股占比看，纺织服装、煤炭、有色金属行业领先，占比分别为41.41%、38.89%和38.71% [2][13] - 按板块划分，周期和制造板块创新高股票数量最多，分别有364只和315只，占板块内股票数量的32.44%和20.23% [2][15] - 主要宽基指数中，沪深300指数成分股创新高比例最高，为23.00%，科创50指数成分股创新高比例最低，为14.00% [2][15] 平稳创新高股票筛选 - 基于分析师关注度、股价相对强弱、趋势延续性等指标，筛选出和而泰、斯瑞新材、藏格矿业等15只平稳创新高股票 [3][20] - 制造板块和周期板块各有5只股票入选，是平稳创新高股票最集中的板块 [3][20] - 在细分行业中，建筑行业和有色金属行业表现突出，是制造板块和周期板块中创新高股票最多的行业 [3][20] - 具体个股数据显示，和而泰过去250日涨幅达206.10%，斯瑞新材涨幅为111.69%，藏格矿业涨幅为96.59% [22]

公司荣誉与ESG表现 - 公司获得中国上市公司协会"2025年上市公司可持续发展优秀实践案例"认证，其ESG实践与长期价值获得肯定 [1] - 公司当前WindESG评级为"A级"，在机械行业561家公司中排名第66位，ESG能力持续进阶 [1] - 此次入选是公司发展历程中的一个重要里程碑，其结合商业成功、社会价值与环境效益的发展模式成为上市公司新标杆 [1] 业务与行业定位 - 公司是汽车先进制造领域的核心供应商，业务聚焦于智能装备整体解决方案及新能源汽车电机电控零部件产品 [1] - 在"双碳"目标背景下，公司的实践路径为更多企业提供了可资借鉴的宝贵经验 [1]