发展战略 - 公司确立"11445"战略体系，以"产融结合国际知名、国内一流金融服务企业"为愿景 [1] - 战略方向为"能源金融服务专家及引领者" [1] - 实施"创新、市场、服务、绿色"四大战略 [1] - 履行"金融资产监管、金融业务整合、金融股权投资、金融风险管控"四大平台功能 [1] - 重点发展"银行、财务公司、信托、金租、保险"五大业务 [1] 分红政策 - 自2017年重组上市以来，每年现金分红比例不低于归母净利润的30% [2] - 2024年度首次实施中期分红，分红比例提升至31.8% [2] - 截至2024年度累计现金分红达150.44亿元 [2] 业务发展 - 公司目前暂不涉及稳定币业务 [2] - 正在组织对相关领域政策进行研究 [2] - 将依法合规、审慎稳健开展各项业务 [2]

行业投资评级 - 股票市场评级中性 商品市场评级乐观 债券市场评级谨慎 [1] - 宽基指数显示股市有支撑 未来可能上行 [1][3] 核心观点 - 8月行业轮动模型推荐综合、综合金融、传媒、农林牧渔、通信、轻工制造 综合行业动量和流动性领先 综合金融调研和动量有优势 传媒与农林牧渔流动性得分高 [1][4] - 四象限风格轮动模型分析显示小盘成长风格预计延续 大小盘维度小盘强势 成长价值维度成长强势 中国波指、新增投资者数量等数据支持 M2与M1增速差及期限利差利好成长 [1][5][6] - 7月次新股策略收益率达11.3% 显著优于中证2000和国证2000 跑赢偏股混合型基金指数 景气成长策略中成长趋势共振选股策略收益率7.9% XG Boost成长优选策略单月收益率5.8% 年初至今收益率接近30% [1][8][9] - 稳定型价值股策略表现较弱 略跑赢中证红利指数 但整体收益不及次新股和景气成长策略 [10] - 8月推荐关注小盘组合配置 次优选择红利优选组合 不推荐景气成长组合 [11][12] 量化模型表现 - 深度学习模型在中证1000指数范围内选股跑赢等权股票池2.6个百分点 今年累计跑赢基准24.3个百分点 [2][14] - 强化序轮动周度行业配置模型7月涨幅2.4% 但跑输基准等权1.4个百分点 今年整体组合收益16.7% 超额-3.2个百分点 [14]

报告行业投资评级 未提及 报告的核心观点 - 短期宏观预期兑现后有调整压力，但中长期政策指引仍偏向利多；国内经济维持弱现实，关注扭转通缩的周期性行业改善机会；国内流动性总体宽松，海外流动性趋于宽松，金融条件延续改善，国内股市将获增量资金，但IPO等股权融资和解禁压力边际增大；各指数短期大幅上涨后估值进入历史中性偏高水平，国内外股债溢价率偏低，配置资金吸引力一般；当前宽基指数市场估值不便宜，未来仍有回调风险，但中期来看流动性为主要逻辑点，市场总体易涨难跌，建议8月股指短期反弹减多或波段空IC和IM，急跌多IF和IH，或通过虚值看跌期权保护防范调整风险，风格上谨防趋势下跌后量化触发平仓导致IC和IM大幅补跌 [4] 根据相关目录分别进行总结 行情回顾 - 过去一月全球股市表现A股领涨，纳斯达克领跌，创业板指涨幅8.14%居首；行业表现钢铁领涨，综合金融领跌 [8][9][12] - 过去一月四大股指期货（IH、IF、IC和IM）基差率分别变化0.7%、0.45%、0.12%、0.35%，各期指贴水显著收窄；跨期价差率（当月和下月）分别变化0.16%、0.01%、 -0.15%和 -0.13%，IH跨期贴水有所收敛，IC和IM的跨期贴水小幅扩大；跨期价差率（下季和当月）分别变化0.23%、 -0.6%、 -1.78%和 -1.76%，IH和远期贴水小幅收敛，IF、IC和IM远期贴水大幅扩大 [20] 资金流向 两融和稳市资金 - 7月两融资金流入1343.5亿元至1.98万亿，两融余额占沪深两市流通市值比例上升0.07%至2.33%；被动性股票ETF资金规模30925.9亿元，突破3万亿，较上月增加781.3亿元，份额19815.4亿份，较上月赎回116.5亿份 [23] 产业资本 - 7月股权融资464.9亿元，数量7家，其中IPO融资215.4亿，定向增发292.1亿，可转债融资88.1亿，股权融资规模边际大幅回落至低位；7月解禁市值2883.9亿，环比上月增加698.9亿，边际持续增加，为年内第二高减持月份 [26] 流动性 货币投放 - 7月央行OMO逆回购到期64885亿元，逆回购投放61242亿，货币净回笼3643亿元，公开业务市场流动性季初边际收紧；MLF在7月份投放4000亿，到期3000亿，净投放1000亿，MLF连续五个月净投放，流动性供给总体中性偏松 [28] 货币需求 - 7月国债发行14029.1亿，到期7807.3亿，货币净需求6221.8亿；地方债发行12680.4亿，到期4336.5亿，货币净需求8343.8亿；其他债发行55124.7亿，到期48851.6亿，货币净需求6273亿；债市总发行81834.2亿，到期60995.5亿，货币净需求20838.6亿，货币债务融资需求维持高位 [31] 资金价格 - 7月DR007、R001、SHIBOR隔夜分别变化 -49.1bp、 -73.1bp、 -10.7bp至1.42%、1.56%、1.32%；同业存单发行利率下降4.6bp，股份制银行发行的CD利率回落4.4bp至1.63%，资金利率大幅低于MLF 1年期利率水平2%，小幅高于政策利率DR007的1.42%，资金供给宽松，债务融资需求强劲，资金价格总体低位小幅反弹 [34] 期限结构 - 7月10年期国债收益率较前一月变化6.4bp，5年期国债收益率变化7.5bp，2年期国债收益率变化7bp；10年期国开债收益率较前一月变化7.8bp，5年期国开债收益率变化10.2bp，2年期国开债收益率变化5.6bp，7月收益率期限结构小幅走平，国债和国开债之间的信用利差长端有所扩大 [38] 中美利差 - 7月美国十债利率变化 -1.0bp至4.23%，通胀预期变化4.0bp至2.33%，实际利率变化 -5.00bp至1.90%，风险资产价格受金融条件提振总体上涨；美债10 - 2Y价差变化2.00bp至54.00bp；中美利差倒挂程度缩窄6.82bp至 -252.36bp，离岸人民币价格贬值0.5%，美元兑人民币位于近三年区间中枢水平震荡 [41] 宏观基本面 地产需求 - 截止7月31日，30大中城市商品房周成交面积为196.5万平方米，环比上周季节性回升，位于同期偏低水平，与2019年同期相比下降49.9%；二手房销售季节性下降，环比小幅回落，位于近七年偏低水平，地产市场销售重心重回低位，但刚需支撑下限，关注更多增量政策出台提振 [44] 服务业活动 - 截止8月1日，全国28大中城市地铁客运量维持高位，周度日均8345万人次，较去年同期增长3%，较2021年同期增长41%，服务业经济活动维持高位；百城交通拥堵延时指数较上周有所下降，位于近三年中性水平，服务业经济活动趋于自然增长平稳水平，月度变化不显著 [48] 制造业跟踪 - 7月制造业产能利用率涨跌分化，钢厂产能利用率变化 -0.59%，沥青产能利用率变化1.6%，水泥熟料企业产能利用率变化 -5.27%，焦企产能利用率变化0.34%，外需相关的化工产业链平均开工率较上月变化 -0.47%，制造业内外需走势仍然承压 [52] 货物流 - 货物流和人流维持在相对高位水平，电商为主导的邮政快递和旅游消费为主导的民航保障班数领域增长强劲，周度边际降温；高速公路和铁路运输相对疲软，增速有限，抢出口尾声后8月开始再次季节性下滑 [57] 进出口 - 出口方面，中美贸易和谈后的抢出口进入尾声，港口货物吞吐量和完成集装箱吞吐量震荡式回落，中美三次谈判结束获90天豁免期延长，二季度出口脉冲后三季度有下行压力，叠加季节性淡季，8 - 9月出口有望承压 [59] 海外 - 美国7月就业市场好坏参半，非农就业人数录得7.3万，大幅低于市场预期值10.4万，但平均每小时工资同比录得3.9%，高于预期3.8%，失业率维持在4.2%；劳动力人数进一步减少3.8万，失业人数增加22.1万，关税政策和高利率抑制美国服务业经济，但职位空缺人数维持在低位水平，就业市场有韧性，给美联储渐进式降息提供数据支撑 [62] - 美国7月ISM制造业PMI跌48，大幅低于市场预期值49.8，为年内最低水平，金融市场修正对美联储利率路径的悲观预期，市场预期2025年降息次数增至3次，降息幅度约75bp，降息时点分布在9、10月和12月，9月降息的概率增至80.3%，年内降息的利率终值介于3.5% - 3.75%区间 [66] 其它分析 估值 - 过去一月股债风险溢价录得3.18%，较上月下降0.22%，位于62.1%分位点；外资风险溢价指数录得4.4%，较上月下降0.05%，位于28%分位点，外资吸引力位于中性偏低水平 [69] - 上证50、沪深300、中证500和中证1000指数估值分别位于近5年77.9%、69.8%、85.6%和70.4%分位数，相对估值水平不低；估值分位数分别较上月变化0.8%、1.1%、8.4%和9.2%，小盘股吸引力边际大幅下降，大盘股吸引力边际小幅下降 [74] 量化诊断 - 根据季节性规律分析，8 - 9月股市处于季节性震荡下跌和结构分化时期，风格上成长先占优后补跌，周期风格总体趋稳；8月股市易于调整，关注IC和IM反弹波段做空、IF和IH急跌后波段做多的机会，风格方面关注空IC和IM、多IF和IH的套利机会 [77]

量化模型与构建方式 1. **模型名称：预期成长策略** - **构建思路**：通过分析师预期增速（gf）筛选高成长性行业，优先配置预期增速最高的资产[5][6] - **具体构建过程**： 1. 计算行业预期净利润增速 $$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，其中 $NI$ 为净利润，$E_t$ 为分析师预期[21][23] 2. 按 $g_{fttm}$ 排序，选取Top组行业（如无烟煤、电力电子等）[14][35] 3. 动态跟踪优势差 $\Delta gf = g_{fttm}^{Top} - g_{fttm}^{Bottom}$，确保头部资产趋势持续[21][23] 2. **模型名称：实际成长策略** - **构建思路**：基于业绩动量（$\Delta g$）筛选超预期行业，聚焦成长期资产[6][25] - **具体构建过程**： 1. 计算行业实际净利润增速 $$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$[25][27] 2. 结合超预期因子（sue、sur、jor）筛选 $\Delta g$ 最高的行业（如聚氨酯、PCB等）[38] 3. 监控优势差 $\Delta g = g_{ttm}^{Top} - g_{ttm}^{Bottom}$[25][27] 3. **模型名称：盈利能力策略** - **构建思路**：在PB-ROE框架下选择估值合理的优质资产[5][40] - **具体构建过程**： 1. 计算行业ROE及PB，回归残差 $$Residual = PB - \alpha \cdot ROE$$，选取低残差行业（如锂电池、啤酒等）[40] 2. 结合ROE优势差（$\Delta ROE$）判断基本面拐点[29] 4. **模型名称：质量红利策略** - **构建思路**：综合股息率（DP）和ROE筛选高分红且盈利稳定的资产[43] - **具体构建过程**： 1. 对行业DP和ROE标准化打分，加权求和 $$Score = w_1 \cdot DP + w_2 \cdot ROE$$[43] 2. 选取高分行业（如公交、玻璃纤维等）[43] 5. **模型名称：价值红利策略** - **构建思路**：结合股息率（DP）和市净率（BP）挖掘低估值高分红资产[47] - **具体构建过程**： 1. 计算行业DP和BP标准化值，加权排序[47] 2. 优选高分行业（如网络接配及塔设、非乳饮料等）[47] 6. **模型名称：破产价值策略** - **构建思路**：筛选低PB和小市值（SIZE）的潜在反转资产[51] - **具体构建过程**： 1. 计算行业PB和SIZE的逆序得分 $$Score = -w_1 \cdot PB - w_2 \cdot SIZE$$[51] 2. 选取最低分行业（如贸易Ⅲ、印染等）[51] --- 模型的回测效果 1. **预期成长策略**：年化收益26.70%，2019年后超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[16][35] 2. **实际成长策略**：长期超额显著，2025年8月Top行业近3月平均收益81.60%（PCB）[38] 3. **盈利能力策略**：2016-2020年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[40] 4. **质量红利策略**：2016-2017年超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[43] 5. **价值红利策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[47] 6. **破产价值策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益17.24%（印染）[51] --- 量化因子与构建方式 1. **因子名称：预期净利润增速（$g_{fttm}$）** - **构建思路**：反映分析师对未来盈利增长的预期[21][23] - **具体构建**：$$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，滚动12个月计算[23] 2. **因子名称：实际净利润增速（$g_{ttm}$）** - **构建思路**：衡量历史业绩动量[25][27] - **具体构建**：$$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$，TTM口径[27] 3. **因子名称：PB-ROE残差** - **构建思路**：识别ROE驱动下被低估的资产[40] - **具体构建**：回归残差 $$Residual = PB - \hat{\alpha} \cdot ROE$$[40] 4. **因子名称：DP+ROE复合因子** - **构建思路**：兼顾分红与盈利质量[43] - **具体构建**：标准化后线性加权 $$Score = Z(DP) + Z(ROE)$$[43] 5. **因子名称：DP+BP复合因子** - **构建思路**：平衡分红与估值[47] - **具体构建**：标准化后加权 $$Score = Z(DP) + Z(BP)$$[47] --- 因子的回测效果 1. **$g_{fttm}$**：优势差（$\Delta gf$）扩张时策略超额显著，2025年8月Top组增速较Bottom组高15%[21][23] 2. **$g_{ttm}$**：优势差（$\Delta g$）缓升，2025年8月头部行业增速差7%[25][27] 3. **PB-ROE残差**：低残差组合在2016-2020年IR达1.2[40] 4. **DP+ROE**：2016年IR峰值1.5，2023年回升至0.8[43] 5. **DP+BP**：2021-2023年IR稳定在1.0以上[47]

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **Beta因子** - 构建思路：衡量个股相对于市场指数的系统性风险[15] - 具体构建： $$BETA = \text{半衰期63日的加权回归系数（个股日收益率 vs 中证全指日收益率）}$$ 使用过去252个交易日数据，半衰指数加权[15] - 评价：近期表现突出，反映市场对高波动性股票的偏好[16] 2. **杠杆因子** - 构建思路：综合评估公司财务杠杆水平[15] - 具体构建： $$MLEV = \frac{\text{非流动负债}}{\text{总市值}}$$ $$DTOA = \frac{\text{总负债}}{\text{总资产}}$$ $$BLEV = \frac{\text{非流动负债}}{\text{归属母公司股东权益}}$$ 最终因子值为三者均值[15] - 评价：近期低杠杆股票表现更优，显示市场风险偏好下降[16] 3. **成长因子** - 构建思路：综合营收与利润增长指标[15] - 具体构建： $$SGRO = \text{过去5年营收回归斜率/均值}$$ $$EGRO = \text{过去5年净利润回归斜率/均值}$$ 最终因子值为二者均值[15] 4. **标准化预期外盈利因子** - 构建思路：捕捉盈利超预期程度[19] - 具体构建： $$\text{标准化值} = \frac{\text{实际盈利}-(\text{去年同期值+8季度增长均值})}{\text{8季度增长标准差}}$$ 5. **240日三因子模型残差波动率** - 构建思路：衡量个股特异性风险[19] - 具体构建： $$\text{Fama-French三因子回归残差的标准差（240日窗口）}$$ 因子回测效果 | 因子名称 | 近一周多空收益 | 近一月多空收益 | 近一年净值 | 近十年净值 | |---------------------------|----------------|----------------|------------|------------| | Beta因子 | 1.86% | 1.64% | - | - | [16] | 杠杆因子 | -3.07% | -1.58% | - | - | [16] | 单季度ROA（沪深300） | 0.98% | 2.61% | 9.49% | 3.69% | [22] | 标准化预期外收入（中证800）| 1.23% | 2.96% | 4.76% | 4.43% | [31] | 对数市值（全市场） | 16.93% Rank IC | 5.24% Rank IC | 7.00% | 2.89% | [45] 中性化组合构建方法 - **核心逻辑**：在行业和风格暴露中性的约束下最大化目标因子暴露[20] - **约束条件**：行业权重与基准一致，控制规模/估值/成长等风格因子暴露[20] - **优化目标函数**： $$\max \ w^T f \quad \text{s.t.} \quad \|w\|_2 \leq \delta, \ w^T X = 0$$ 其中$f$为因子值，$X$为行业和风格暴露矩阵[20] 关键发现 1. 近期小市值因子在全市场表现强劲（Rank IC 16.93%）[45] 2. 质量类因子（如ROA、ROE）在沪深300池中长期稳定有效[22][31] 3. 技术类波动率因子（如20日换手率波动）在全市场Rank IC达11.65%[45] 注：所有测试均采用中证全指成分股，周度调仓，未考虑交易费用[15]

股价表现 - 8月1日盘中下跌2.04%至52.85元/股[1] - 当日成交额达33.64亿元[1] 公司业务概况 - 国内金融牌照最齐全、业务范围最广泛的综合金融集团之一[1] - 主要经营保险、银行、资管等综合金融业务和医疗健康业务[1] - 深化"综合金融+医疗养老"服务体系[1] - 提供包含"金融顾问、家庭医生、养老管家"在内的专业服务[1] 财务数据 - 2025年一季度营业总收入1461.13亿元[1] - 2025年一季度净利润270.16亿元[1] 机构评级 - 交银国际证券7月30日维持买入评级[1] - 目标价上调至73港元[1] 未来事件 - 8月26日将披露2025财年中报[1]

市场情绪与行业关注度 - 沪深300 VIX指数抬升 衍生品市场对权益类资产情绪偏乐观 [1] - 机构近期关注度提升行业包括石油石化 有色金属 钢铁 非银行金融和综合金融 [1] - 煤炭 有色金属 钢铁 基础化工 建筑 建材 机械 银行和交通运输行业触发拥挤指标阈值 涉及流动性和成分股扩散 [1] 投资产品策略 - 300增强ETF（561300）紧跟沪深300指数并叠加量化策略 在优质beta基础上追求超额收益 [1] - 无股票账户投资者可关注国泰沪深300增强策略ETF发起联接A（021847）和C类份额（021848） [1]

股价表现 - 7月31日盘中下跌2 04%至55 15元/股 成交额达5 04亿元 [1] 公司概况 - 国内金融牌照最齐全的综合金融集团 业务涵盖保险 银行 资管及医疗健康 [1] - 深化"综合金融+医疗养老"服务体系 提供金融顾问 家庭医生 养老管家等专业服务 [1] 财务数据 - 2025年一季度营业总收入1461 13亿元 净利润270 16亿元 [1] 机构评级 - 交银国际证券7月30日维持买入评级 目标价上调至73港元 [1] 未来事件 - 2025财年中报将于8月26日披露 [1]

世界500强排名表现 - 公司以1586.27亿美元营业收入位列全球第47位 较去年上升6位 排名全球金融企业第9位 [1] - 中国共有130家公司上榜 数量全球第二 上榜公司营收总额约10.7万亿美元 平均销售收入约820亿美元 [1] - 公司连续16年入选《财富》世界500强榜单 [1] 财务业绩表现 - 2024年归属于母公司股东的营运利润1218.62亿元 同比增长9.1% [2] - 归属于母公司股东的净利润1266.07亿元 同比大幅增长47.8% [2] - 营业收入10289.25亿元 同比增长12.6% [2] - 总资产规模达12.96万亿元 较年初增长11.9% [2] 客户经营数据 - 个人客户数达2.42亿 持有集团内4个及以上合同的客户占比25.6% 留存率达98.0% [2] - 近63%的客户同时享有医疗养老生态圈提供的服务权益 [2] - 平安车险服务覆盖2.36亿平安好车主 提供82项便民服务 [4] 科技赋能成效 - AI坐席服务量约18.4亿次 覆盖80%的客服总量 [3] - 93%的寿险保单实现秒级核保 [3] - 产险反欺诈智能化理赔拦截减损119.4亿元 同比增长10.4% [3] - 累计获得人工智能国内外竞赛冠军30项 专利申请数达55080项 [3] 战略布局实施 - 深入推进"综合金融+医疗养老"双轮并行战略 [1] - 构建"953"护城河实施AI科技筑底 形成五大实验室 九大数据库 三层大模型体系 [3] - 平安居家养老服务覆盖全国75个城市 [4] 社会责任履行 - 支持实体经济发展累计投入近10.14万亿元 [4] - 绿色投资规模1247.12亿元 绿色贷款余额1577.62亿元 [4] - 绿色保险原保险保费收入586.08亿元 [4] - "三村工程"提供乡村产业帮扶资金520.14亿元 [4] - MSCI ESG评级提升至AA级 连续三年位列"综合保险及经纪"亚太区第一 [4] 服务创新举措 - 推进"省心 省时又省钱"的三省服务工程 [4] - 平安银行推出"留学生信用卡"提供多领域优惠折扣 [4] - 坚持金融为民初心 落实十六字经营方针 [5]

人事任命 - 中国平安聘任王晓航出任集团首席技术官兼平安科技总经理[2] - 王晓航此前担任蚂蚁集团副总裁、财富及保险事业群CTO 负责领导数字金融和AI创新[2] 新任高管背景 - 王晓航毕业于新加坡国立大学计算机科学硕士 曾在谷歌(美国)、彭博集团担任高级技术经理[3] - 2015年出任百度首席架构师 推动打造百度钱包和金融业务[3] - 2016年加盟蚂蚁集团 管理财富、保险、消费金融、网商银行和芝麻信用技术团队 曾推出AI金融管家、AI金融业务助手等生成式AI产品[3] 技术战略布局 - 公司通过"953"科技底座构建AI护城河 包括九大数据库为数据基础 五大实验室为技术支撑 三大科技公司服务科技开发与应用[4] - 拥有9大数据库涵盖金融、医疗健康和经营领域 数据规模全球领先[5] - 设有5大全球领先实验室 涉及视觉、听觉、大数据等领域 并在美国硅谷设有实验室[5] 人才与技术储备 - 截至2024年底拥有超2.1万名科技开发人员、超3000名科学家的一流科技人才队伍[6] - 截至2025年3月31日累计获得人工智能国内外竞赛冠军45项 专利申请数累计达55435项 位居国际金融机构前列[6] AI应用方向 - AI创造价值聚焦效率+智慧 提升运营、作业和服务效率 优化成本[5] - 将传统经验式决策转变为数据驱动的智能化决策[5] - 推动自研大模型与大数据开源平台深度融合发展[3] 数字化体系建设 - 加快建设数字化经营、数字化运营、数字化管理、数字化营销、数字化服务五大体系[3] - 深化"综合金融+医疗养老"双轮并行、科技驱动战略[3] - 对内强化业务场景智能应用 对外促进行业数字化转型进程[4]