核心观点 - 报告认为A股市场已尝试走出独立行情，外部扰动因素影响预计减弱，短期内可适当参与持续性较好的热点板块[7] - 报告预计中期市场在4月底前将以宽幅震荡为主，波动可能加大，但A股因监管层稳市机制建设而波动率降低，相对外围市场有较强韧性[7] 国内金融市场表现 - 2026年3月11日，上证指数收盘4133.43点，上涨0.25%；深证成指收盘14465.41点，上涨0.78%；创业板指收盘3349.53点，上涨1.31%[2] - 沪深两市成交额达2.51万亿元，较上一交易日放量1105亿元[7] 宏观与行业动态 - 上交所正在研究储备一批支持科技创新和新质生产力发展的政策措施[4] - 2月汽车产销分别完成167.2万辆和180.5万辆，同比分别下降20.5%和15.2%[4] - 机器人、新能源汽车需求持续提升，有国内机床企业订单已排至9月[5] - 上交所举办6G主题产业沙龙，认为6G商业化应用前景广阔[5] - 个人部署AI智能体的最优选择，AINAS处于向成长期跨越的黄金节点[5] 上市公司聚焦 - 重庆啤酒2025年净利润逆势增长超过10%，通过高端化与场景创新在行业存量竞争中破局[6] - 华锐精密因原材料价格涨势迅猛，上调了公司全系列产品的销售价格[6] - 工业富联2025年营收突破9000亿元，并计划分红派现超过194亿元[6] - 艾森股份的先进制程电镀产品将稳步放量，并推广至存储及其他晶圆厂[6] 市场板块表现与展望 - 3月11日盘面上，化工板块集体反弹，煤化工、盐化工方向领涨，多只个股涨停[7] - 下跌方面，小金属概念回落，部分个股跌幅超过5%[7] - 全市场超过3200只个股下跌，显示黄白线明显分化[7]

再融资新政实施首月市场概况 - 沪深北交易所一揽子优化再融资制度的举措于2月9日推出，旨在提高便利性和灵活性，实施至3月11日已“满月” [2] - 新政实施首月（2月10日至3月11日），市场新增预案披露节奏平稳，共有35家上市公司首次披露再融资预案，其中28家采用定增，7家采用可转债 [2][5] - 从上市板分布看，新增预案中仅1单来自北交所，其余均为沪深上市公司 [5] - 新增预案公司中包括中科曙光（市值上千亿元）、紫光股份、合盛硅业（市值均超500亿元）等大型企业，同时有6家公司曾公告2025年业绩预亏 [5] - 部分上市公司对改革有兴趣但多数仍在观望，期待更多政策信号，市场反应尚需时间 [2][5] - 相对于赴港二次融资，今年上市公司更愿意考虑在A股推进再融资 [5] 新增预案与存量项目调整 - 个别存量项目在新政发布后对原有定增计划进行了调整 [3] - 案例如艾迪药业，于3月3日终止了1月发布的拟募资1.85亿元的“小额快速”定增，同日发布新的定增预案，计划募资12.77亿元，新增“用于新型 HIV 整合酶抑制剂（INSTI）全球临床开发项目” [5] - 另有存量项目调整募资结构，如美利信于3月10日公告，在募资总额12亿元不变的前提下，加大对“半导体装备精密结构件建设项目”的投入（从5亿元增至7亿元），并下调其他项目投入 [7] - 近年来持续有部分再融资项目下调募集资金总额，例如博力威将定增募资从6.5亿元下调至6.11亿元，诚邦股份将募资总额从1.29亿元下调至1亿元 [7][8] 募资投向聚焦科技创新 - 本轮再融资改革突出“扶优、扶科”导向，修订“轻资产、高研发投入”认定标准，支持募集资金用于与主业有协同的新产业、新业态、新技术领域 [6] - 新政首月披露的再融资预案中，约有75%的上市公司将募集资金投向科技创新领域 [6] - 典型案例包括中科曙光计划募集80亿元用于“面向人工智能的先进算力集群系统项目”、“下一代高性能AI训推一体机项目”等 [6] - 自“827新政”确立“扶优限劣”原则后，A股再融资市场迎来提质增效新周期，2025年新能源、半导体、人工智能等硬科技企业积极参与定增市场 [7] - 监管层提倡理性融资，关注募资的可行性与必要性，“松绑”不意味着全面“放水” [7] 审核效率变化 - 近一个月来，再融资项目审核周期明显缩短，效率有所提升 [4] - 审核效率是上市公司客户的重要考量因素之一，有投行人士指出A股再融资审核周期相比港股偏长，客户关心审批包容性和效率提升 [9] - 对于已在推进或准备申报的项目，此次政策有利于加快进度 [9] - 深市方面，2月10日至3月11日审核有进展的19个项目（剔除简易程序），从受理到过会平均用时149天，较新政前（1月1日-2月9日）16个项目的平均212天显著缩短 [10] - 沪市方面，同期9个项目从受理到过会平均用时88天，较新政前16个项目的平均143天明显提速 [10] - 从受理节奏看，新政首月上交所和深交所分别新增受理5单、15单再融资项目，节奏与前期基本不变，北交所截至3月11日尚未新增受理项目 [9]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 报告基于宏观方法和动量指标构建多个 ETF 组合 包括宏观行业组合、宏观 + 动量行业组合、核心 - 卫星组合和三位一体风格轮动 ETF 组合 并介绍各组合构建方法、持仓情况及历史表现 [5] 根据相关目录分别进行总结 1. ETF 组合构建方法 1.1 基于宏观方法的 ETF 组合构建 - 根据经济、流动性、信用三个维度宏观变量 对宽基、行业主题、Smart Beta 三大类 ETF 跟踪指数计算宏观敏感性 依据当期宏观变量状态与指数宏观敏感性选 ETF 还考虑加入动量指标互补 [5] - 传统周期行业适合经济上行期配置 TMT 适合经济偏弱但流动性宽松时配置 消费在信用扩张时受益 国企、ESG 相关主题对流动性和信用低敏感 [5] - 依据宏观敏感性测算方法和动量构建宏观行业组合、宏观 + 动量行业组合、核心 - 卫星行业组合 并每月调仓 [5] 1.2 三位一体风格轮动 ETF 组合构建 - 以宏观流动性为核心构建中长期风格轮动模型 与沪深 300 指数对比 [6] - 综合胜率和赔率表现 筛选宏观因子、基本面因子与市场情绪因子构建成长/价值轮动、市值、质量三类模型 综合结果得最终指向 含 8 个风格偏好结果 [6] - 筛选目标风格暴露多的 ETF 控制行业暴露与风格组合相近 设置 3% - 20% 配置上下限 得 ETF 配置模型 [6] 2. 宏观行业组合 - 选成立 1 年以上、规模 2 亿以上的行业主题 ETF 跟踪指数 计算经济、流动性、信用敏感性得分 按最新指标调整得分方向后加总 若流动性与信用背离则去除流动性得分 取排名前 6 指数对应规模最大 ETF 等权配置 [7][8] - 目前经济前瞻指标回落、流动性偏松、信用指标偏紧 选对经济不敏感、对流动性敏感、对信用不敏感的 ETF 配置 整体偏向 TMT、创新药 [12] - 3 月持仓包括广发中证香港创新药 ETF、华夏中证 5G 通信主题 ETF 等 各占 16.67% [12] - 组合波动较大 2 月超额收益回撤 [13] 3. 宏观 + 动量行业组合 - 结合宏观与动量方法 各自筛选后合并 动量方法先将行业主题分组 每组选过去 6 个月涨幅最高产品等权配置 宏观和动量方法互补 [14] - 3 月持仓包括广发中证香港创新药 ETF、华夏中证 5G 通信主题 ETF 等 各占 8.33% 动量选中行业中周期占比高 [18] - 组合今年表现出色 2 月继续跑赢 [19] 4. 核心 - 卫星组合 - 因行业主题 ETF 波动高、行业轮动快 设计以沪深 300 为底仓的“核心 - 卫星”组合 [21] - 用宏观敏感性测算方法对国内宽基、行业主题和 Smart Beta ETF 指数池测算 构建宽基、行业、Smart Beta 三个股票组合 按 50%、30%、20% 权重加权得最终组合 [21] - 3 月持仓宽基偏向科创、创业板 组合表现稳健 除 12 月外几乎都跑赢 26 年 2 月继续跑赢 [26][28] 5. 三位一体风格轮动 ETF 组合 - 本期模型偏向小盘成长 - 高质量部分 展示模型因子暴露与历史表现 [29] - 3 月持仓包括景顺长城中证港股通科技 ETF、景顺长城中证国新港股通央企红利 ETF 等 [35]

行业投资评级 - 投资评级：看好（维持）[1] 报告核心观点 - OpenClaw的走红验证了Agent AI的落地可行性，并引发了国内互联网巨头的“小龙虾”军备竞赛，这有望驱动AI云IAAS算力持续增长[4][5] - AI算力需求激增驱动算力租赁市场进入涨价周期，高端GPU租金显著上涨，交付周期延长，市场进入“卖方市场”，涨价趋势或持续[6] - 腾讯云智能体开发平台宣布调整计费策略，公测模型从免费转向按量计费，混元系列模型普遍涨价超400%，为AI云IAAS打开了长期涨价空间[6][7] - 报告认为，OpenClaw的发展将大幅提升对AI云IAAS的需求，AIDC、算力租赁、CDN作为其核心组成板块，有望核心受益[7] 行业动态与竞争格局 - OpenClaw推出后，国内互联网巨头迅速展开本土适配和算力支持，例如腾讯轻量云和百度智能云均推出了部署方案[4] - 截至3月9日，OpenClaw来自中国大模型创业公司的基座模型占据了过半席位[4] - 2月底至3月11日期间，阿里、小米、腾讯、火山引擎、智谱、华为等公司相继推出或测试对标OpenClaw的自有AI智能体产品[5] - 智能体驱动下，应用端推理算力需求正进入快速增长阶段[5] 市场数据与价格变化 - 截至2026年2月底，英伟达H200高端GPU时租达7.5-8.0元/卡时，月租6.0-6.6万元，租金环比上涨25%-30%[6] - 截至2026年2月底，英伟达H100高端GPU月租涨至5.5-6.0万元，租金环比上涨15%-20%[6] - H200和H100的交付周期分别延长至2027年第二季度和第一季度[6] - 头部算力租赁厂商如优刻得、森华易腾等已官宣在3月全线涨价20%-30%[6] 核心受益板块与标的 - **AIDC机房**：推荐标的包括光环新网、新意网集团、宝信软件、大位科技、奥飞数据、润泽科技等[7] - **AIDC液冷**：推荐标的为英维克；受益标的包括申菱环境、远东股份等[7] - **AIDC供电**：受益标的包括中恒电气、科泰电源、潍柴重机等[7] - **算力租赁**：受益标的包括宏景科技、协创数据、智微智能、首都在线、润建股份、中贝通信、航锦科技等[7] - **CDN**：受益标的包括网宿科技等[7] - **AIDC计算和网络**：推荐标的包括华工科技、盛科通信、中际旭创、新易盛、亨通光电、中天科技、中兴通讯、紫光股份、欧陆通、天孚通信；受益标的包括寒武纪、海光信息、华勤技术、浪潮信息等[7]

报告行业投资评级 未提及 报告核心观点 - 美伊冲突不确定性仍存，原油价格波动影响市场风险偏好 [2][3] - A股需关注经济数据和业绩报情况，大盘指数在4200点附近有压力，短期指数震荡整固，操作上高抛低吸 [3] 各部分内容总结 重要资讯 - 特朗普称可能有条件与伊朗谈判，但伊朗外长称新任最高领袖不会与美谈判，副总统称未放弃谈判解决问题 [5] - 美防长称周二对伊朗发起“最高强度”打击，驻韩美军萨德系统部分转往中东，美军在霍尔木兹海峡击沉16艘伊朗布雷舰艇 [5] - 美特使称普京否认向伊朗提供美军情报，美媒称伊朗在霍尔木兹海峡布水雷，特朗普要求清除否则面临军事后果 [6] - 美媒称美国要求以色列勿袭伊朗能源设施 [7] - 国家互联网应急中心发布OpenClaw安全应用风险提示 [8] - 国家发展改革委外资司与地中海航运公司、马士基集团会谈 [9] - 2026年全国一般公共预算安排国防支出1.94万亿元，比上年执行数增长6.9% [9] - 伊朗驻华大使称经霍尔木兹海峡通行将被管制，但不等于关闭海峡 [10] - 外媒称腾讯秘密开发微信AI智能体，年内或对全用户开放 [11] 期货市场跟踪 - 各指数期货合约收盘价、结算价、涨跌、涨跌幅、基差、升贴水率、年化升贴水率、合约交割日及剩余时间等数据展示 [13] - 各指数期货品种成交量、成交额、持仓量及前二十大会员持仓等数据及变化情况展示 [14] 现货市场跟踪 - 各指数当前点位、当日涨跌幅、当周涨跌幅、当月涨跌幅、当年涨跌、成交额及估值等数据展示 [37] - 市场风格对上证50、沪深300、中证500、中证1000指数涨跌的影响数据展示 [38][40] - 重要指数估值、申万估值、市场周日均成交量、换手率、两市上涨下跌股票数、指数成交额变化、股债相对回报、港股通、两融余额、两融交易净买额及占A股成交额比例等图表展示 [41][42][46] 流动性跟踪 - 央行公开市场操作（货币投放、回笼、净投放）及Shibor利率水平图表展示 [50]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：融资净买入额** * **因子构建思路：** 衡量特定周期内（如一周）融资买入资金与融资偿还资金的净差额，反映市场或个股的融资资金净流入情况[2][32]。 * **因子具体构建过程：** 对于个股或行业，计算指定周期（T周）的融资净买入额。具体为周期内每日融资买入金额减去每日融资偿还金额后的累计值。 $$融资净买入额_{T} = \sum_{t=1}^{T} (融资买入金额_t - 融资偿还金额_t)$$ 其中，t代表周期内的交易日。报告中对行业和个股均计算了该因子[32][48][50]。 2. **因子名称：融券净卖出额** * **因子构建思路：** 衡量特定周期内（如一周）融券卖出数量与融券偿还数量的净差额，反映市场或个股的融券资金净流出情况[2][33]。 * **因子具体构建过程：** 对于个股或行业，计算指定周期（T周）的融券净卖出额。具体为周期内每日融券卖出金额减去每日融券偿还金额后的累计值。 $$融券净卖出额_{T} = \sum_{t=1}^{T} (融券卖出金额_t - 融券偿还金额_t)$$ 其中，t代表周期内的交易日。报告中对行业和个股均计算了该因子[33][51][52]。 3. **因子名称：融资买入额占成交额比例** * **因子构建思路：** 衡量融资买入交易在总市场成交中的活跃度与占比，用于观察杠杆资金对市场或个股交易的参与程度[2][36]。 * **因子具体构建过程：** 对于行业或个股，计算指定周期（T周）的融资买入额占其同期总成交额的比例。通常取周期内的平均值或期末值。 $$融资买入额占成交额比例_{T} = \frac{融资买入额_{T}}{成交额_{T}} \times 100\%$$ 报告中对申万一级行业和个股均计算并展示了该因子[36][38][49][50]。 4. **因子名称：融资余额占流通市值比例** * **因子构建思路：** 衡量未偿还的融资负债规模相对于公司流通市值的大小，用于评估杠杆资金在个股或行业中的存量占比和潜在风险[36]。 * **因子具体构建过程：** 对于行业或个股，在特定时点（如周末），计算其融资余额占其流通市值的比例。 $$融资余额占流通市值比例_{t} = \frac{融资余额_{t}}{流通市值_{t}} \times 100\%$$ 其中，t代表特定日期。报告中对申万一级行业计算了该因子[36][38]。 5. **因子名称：融券卖出额占成交额比例** * **因子构建思路：** 衡量融券卖出交易在总市场成交中的活跃度与占比，用于观察看空资金对市场或个股交易的参与程度[40]。 * **因子具体构建过程：** 对于行业，计算指定周期（T周）的融券卖出额占其同期总成交额的比例。通常取周期内的平均值或期末值。 $$融券卖出额占成交额比例_{T} = \frac{融券卖出额_{T}}{成交额_{T}} \times 100\%$$ 报告中对申万一级行业计算了该因子[40][41]。 6. **因子名称：融券余额占流通市值比例** * **因子构建思路：** 衡量未偿还的融券负债规模相对于公司流通市值的大小，用于评估看空资金在个股或行业中的存量占比[40]。 * **因子具体构建过程：** 对于行业，在特定时点（如周末），计算其融券余额占其流通市值的比例。 $$融券余额占流通市值比例_{t} = \frac{融券余额_{t}}{流通市值_{t}} \times 100\%$$ 其中，t代表特定日期。报告中对申万一级行业计算了该因子[40][41]。 因子的回测效果 > **注：** 本报告为周度数据统计报告，主要展示各因子在报告期（2026年3月4日至3月10日）内的截面数据排名或具体数值，并未提供基于历史数据的长期回测绩效指标（如年化收益率、夏普比率、信息比率IR等）。以下为报告期内各因子的具体取值或排序情况。 1. **融资净买入额因子** * **行业层面取值（前三位）：** 电力设备、石油石化、电子行业融资净买入额较多[2][32]。 * **个股层面取值（前五名）：** 佰维存储(187,642.87万元)、华工科技(176,271.58万元)、亨通光电(113,595.62万元)、德明利(100,458.71万元)、东山精密(96,975.06万元)[48][50]。 2. **融券净卖出额因子** * **行业层面取值（前三位）：** 电力设备、计算机、医药生物行业融券净卖出额较多[2][33]。 * **个股层面取值（前五名）：** 协创数据(1,842.66万元)、比亚迪(1,760.81万元)、万华化学(1,498.54万元)、格力电器(1,380.74万元)、海光信息(1,352.55万元)[51][52]。 3. **融资买入额占成交额比例因子** * **行业层面取值（前三名）：** 非银金融(11.11%)、通信(10.56%)、电子(9.67%)[36][38]。 * **行业层面取值（后三名）：** 轻工制造(4.01%)、纺织服饰(4.31%)、美容护理(5.57%)[36][38]。 * **个股层面取值（前五名）：** 振德医疗(28.26%)、方正证券(24.92%)、圣诺生物(24.31%)、荣昌生物(23.73%)、吉林敖东(22.01%)[49][50]。 4. **融资余额占流通市值比例因子** * **行业层面取值（前三名）：** 计算机(4.11%)、传媒(3.42%)、非银金融(3.28%)[36][38]。 * **行业层面取值（后三名）：** 石油石化(0.71%)、煤炭(0.82%)、银行(0.83%)[36][38]。 5. **融券卖出额占成交额比例因子** * **行业层面取值（前三名）：** 食品饮料(0.08%)、煤炭(0.08%)、银行(0.06%)[40][41]。 * **行业层面取值（后三名）：** 轻工制造(0.01%)、社会服务(0.02%)、环保(0.02%)[40][42]。 6. **融券余额占流通市值比例因子** * **行业层面取值（前三名）：** 传媒(0.02%)、国防军工(0.01%)、医药生物(0.01%)[40][41]。 * **行业层面取值（后三名）：** 银行(0.00%)、轻工制造(0.00%)、纺织服饰(0.00%)[40][41][42]。

量化模型与构建方式 1. **模型/因子名称：封板率** [16] * **构建思路：** 用于衡量市场涨停股票的“封板”强度，即那些在盘中触及涨停的股票，最终能够维持涨停至收盘的比例 [16]。 * **具体构建过程：** 1. 筛选上市满3个月以上的股票 [13]。 2. 在指定交易日，统计所有股票中“最高价涨停”的股票数量 [16]。 3. 在步骤2的股票中，统计“收盘价也涨停”的股票数量 [16]。 4. 计算封板率，公式为： $$封板率 = \frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$ [16] 2. **模型/因子名称：连板率** [16] * **构建思路：** 用于衡量市场涨停效应的持续性，即前一日涨停的股票，在下一交易日继续涨停的比例 [16]。 * **具体构建过程：** 1. 筛选上市满3个月以上的股票 [16]。 2. 在指定交易日（T日），统计“昨日（T-1日）收盘涨停”的股票数量 [16]。 3. 在步骤2的股票中，统计“今日（T日）收盘也涨停”的股票数量 [16]。 4. 计算连板率，公式为： $$连板率 = \frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$ [16] 3. **模型/因子名称：大宗交易折价率** [25] * **构建思路：** 通过计算大宗交易成交价相对于市场价格的折价幅度，来反映大资金的交易情绪和偏好 [25]。 * **具体构建过程：** 1. 获取指定交易日所有大宗交易的“总成交金额” [25]。 2. 计算这些大宗交易“成交份额”按当日市场价格计算的总市值 [25]。 3. 计算折价率，公式为： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ [25] * **公式说明：** 该值为负表示折价交易，绝对值越大表示折价幅度越大 [25]。 4. **模型/因子名称：股指期货年化贴水率** [28] * **构建思路：** 将股指期货主力合约与现货指数之间的基差进行年化处理，以标准化衡量股指期货的升贴水程度，反映市场对未来走势的预期和对冲成本 [28]。 * **具体构建过程：** 1. 计算基差：股指期货价格 - 现货指数价格 [28]。 2. 计算年化贴水率，公式为： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [28] * **公式说明：** 结果为正表示期货升水，为负表示期货贴水；通过乘以(250/合约剩余交易日数)将日度基差率年化 [28]。 模型的回测效果 *本报告为市场监测日报，未提供量化模型或因子在历史样本外的长期回测绩效指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）。报告主要展示了所构建指标在特定日期的截面或时间序列取值 [2][3][6][7][10][13][16][18][21][22][25][28][30][35][36]。* 量化因子与构建方式 *本报告未涉及用于选股或资产定价的Alpha因子（如价值、动量、质量等）的构建与测试。报告中的“封板率”、“连板率”等更偏向于市场情绪或资金面指标。* 因子的回测效果 *本报告未提供量化因子的IC值、IR、多空收益、分组收益等传统因子测试结果。*

核心观点 - 后市A股市场震荡向上或仍是主基调，择机逢低布局是占优策略，应兼顾分红稳健的防御性资产与具备核心竞争力的科技成长标的 [1][3][10][11] 市场整体表现 - 周二（2026年3月10日）亚太市场全面回暖，A股科技股率先发力引领反弹，而国际油价“过山车”行情导致国内石油石化、煤炭板块大幅回调 [2][4][9][11] - 周二沪深三大指数集体上涨：上证指数收报4123.14点，上涨26.54点，涨幅0.65%；深证成指收报14354.07点，上涨286.57点，涨幅2.04%；创业板指收报3306.14点，上涨97.56点，涨幅3.04%；科创50指数收报1420.54点，上涨30.06点，涨幅2.16% [5] - 市场成交额未有效放大，沪深两市总成交额为23979亿元，显示资金对后续走势心存疑虑 [3][5][10][11] - 行业表现：元件、通信设备、半导体、电子化学品、消费电子等板块涨幅居前；石油石化、煤炭、化学原料等板块跌幅居前 [4] - 概念股表现：CPO、光通信模块、F5G、PCB、铜缆高速链接等概念股涨幅居前；资源开采、油气设服、可燃冰、页岩气等概念股跌幅居前 [4] 油气板块观点 - 地缘冲突（如中东局势）升级通常驱动油气板块短期脉冲式拉升，但此类事件驱动上涨难以持续，冲突缓和后股价大多回落，操作上“不追高”是核心原则 [2][9][10][11] - 中长期看，原油战略价值被广泛认可，且中东局势仍存不确定性，国内优质油气企业分红稳健，具备较强防御属性，在地缘局势不稳、市场震荡背景下，仍有逢低配置价值 [2][10][11] - 具体机会上，可逢低关注分红稳健、业绩确定性强的油气及化工相关优质股 [3][10][11] 科技成长板块观点 - 应布局受油价波动影响较小、具备核心竞争力的科技成长标的，如AI算力、半导体、人形机器人等 [3][10][11] - **光通信模块**：行业仍可能处于高景气周期，核心驱动力为AI算力、数据中心升级、技术革新（硅光/CPO），2026年板块仍可逢低关注，但2025年已大幅上涨，2026年内部可能出现分化，需关注具备业绩亮点或增长预期的个股 [6] - **半导体**：长期向好逻辑不变，全球数字化转型及地缘政治博弈下，半导体已成为战略基础资源，中国基于自主可控逻辑，国产替代在政策扶持下进入不可逆加速通道，国产设备/材料/制造环节将直接受益，2026年板块仍可逢低关注，但内部可能出现分化，需关注有业绩支撑的个股 [7] - **通信板块**：2026年仍可逢低关注，核心逻辑包括：1) AI与算力核心驱动，催生高速光模块、数据中心网络设备等需求；2) 国家“新基建”和自主可控战略支持，5.5G/千兆光网/F5G建设推动基础设施迭代；3) 卫星互联网、物联网发展提供长期增长空间，建议逢低关注AI算力（光模块）、运营商等高景气方向 [8]

量化模型与构建方式 本报告为市场监测日报，未涉及具体的量化选股模型或多因子模型。报告主要定义并计算了多个用于刻画市场情绪、资金流向及折溢价状态的量化指标（因子）[16][21][25][28]。 1. **因子名称：封板率** [16] * **因子构建思路：** 通过计算盘中触及涨停且最终成功封住涨停的股票比例，来度量市场追涨情绪和涨停板的可靠性[16]。 * **因子具体构建过程：** 1. 选定样本：上市满3个月以上的股票[16]。 2. 计算指标：在交易日T，统计所有样本股中，当日最高价曾达到涨停价且收盘价也为涨停价的股票数量，记为A；统计当日最高价曾达到涨停价的股票总数，记为B[16]。 3. 计算公式： $$封板率 = \frac{A}{B}$$ [16] 其中，A代表最高价涨停且收盘涨停的股票数，B代表最高价涨停的股票数[16]。 2. **因子名称：连板率** [16] * **因子构建思路：** 通过计算连续涨停股票的比例，来度量市场投机情绪的强度和持续性[16]。 * **因子具体构建过程：** 1. 选定样本：上市满3个月以上的股票[16]。 2. 计算指标：在交易日T，统计所有样本股中，在T-1日和T日收盘价均涨停的股票数量，记为C；统计在T-1日收盘涨停的股票总数，记为D[16]。 3. 计算公式： $$连板率 = \frac{C}{D}$$ [16] 其中，C代表连续两日收盘涨停的股票数，D代表昨日收盘涨停的股票数[16]。 3. **因子名称：两融余额占比** [21] * **因子构建思路：** 通过计算融资融券余额占市场总流通市值的比重，来度量杠杆资金在市场中的总体规模和参与度[21]。 * **因子具体构建过程：** 1. 获取数据：截至交易日T的两融余额（融资余额+融券余额），以及同日A股市场的总流通市值[21]。 2. 计算公式： $$两融余额占比 = \frac{两融余额}{总流通市值}$$ [21] 4. **因子名称：两融交易占比** [21] * **因子构建思路：** 通过计算融资买入与融券卖出总额占市场总成交额的比例，来度量杠杆资金交易的活跃程度[21]。 * **因子具体构建过程：** 1. 获取数据：交易日T的融资买入额、融券卖出额以及市场总成交额[21]。 2. 计算公式： $$两融交易占比 = \frac{融资买入额 + 融券卖出额}{市场总成交额}$$ [21] 5. **因子名称：大宗交易折价率** [25] * **因子构建思路：** 通过计算大宗交易成交价相对于市价的折价幅度，来观察大资金的交易意愿和情绪，折价率高可能意味着大股东或机构减持意愿强或急于成交[25]。 * **因子具体构建过程：** 1. 获取数据：交易日T发生的所有大宗交易，记录每笔的成交金额和成交数量，以及对应股票当日的收盘价[25]。 2. 计算总成交金额：汇总当日所有大宗交易的成交金额[25]。 3. 计算按市价计的总市值：对每笔大宗交易，用其成交数量乘以当日该股票收盘价，得到该笔交易按市价计算的价值，然后汇总所有交易[25]。 4. 计算公式： $$折价率 = \frac{大宗交易总成交金额}{当日成交份额的总市值} - 1$$ [25] 该值为负表示折价交易，绝对值越大表示折价越深[25]。 6. **因子名称：股指期货年化贴水率** [28] * **因子构建思路：** 通过计算股指期货价格相对现货指数的年化基差，来反映市场对未来走势的预期、对冲成本以及市场情绪。贴水（负基差）通常意味着市场情绪偏谨慎或对冲需求旺盛[28]。 * **因子具体构建过程：** 1. 选定合约：选取各股指期货品种的主力合约[28]。 2. 计算基差：基差 = 股指期货价格 - 现货指数价格[28]。 3. 计算公式： $$年化贴水率 = \frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$ [28] 其中，“基差/指数价格”为实际基差率，乘以“250/合约剩余交易日数”将其年化，以便于不同期限合约间的比较[28]。结果为负表示贴水，为正表示升水[28]。 因子的回测效果 本报告为日度市场数据跟踪，未提供上述因子的历史回测表现（如IC、IR、多空收益等）。报告仅展示了特定日期（2026年3月10日及前后）相关因子的具体取值或状态[13][16][18][21][22][25][28]。 1. **封板率因子**，2026年3月10日取值：**65%** [13][16] 2. **连板率因子**，2026年3月10日取值：**20%** [13][16] 3. **两融余额占比因子**，截至2026年3月9日取值：**2.6%** [21] 4. **两融交易占比因子**，截至2026年3月9日取值：**9.0%** [21] 5. **大宗交易折价率因子**，2026年3月9日取值：**6.75%** [25]；近半年以来平均值：**7.10%** [25] 6. **股指期货年化贴水率因子** * **上证50**，2026年3月10日取值：**0.46%** [28]；近一年中位数：**0.70%** [28] * **沪深300**，2026年3月10日取值：**7.19%** [28]；近一年中位数：**3.96%** [28] * **中证500**，2026年3月10日取值：**6.21%** [28]；近一年中位数：**10.99%** [28] * **中证1000**，2026年3月10日取值：**13.66%** [28]；近一年中位数：**13.37%** [28]

量化模型与构建方式 1. 复合行业轮动因子模型 1.1 基本面景气度复合因子 * **模型名称**：基本面景气度复合行业轮动因子[4][8][14] * **模型构建思路**：从基本面景气度维度，选取资产质量、成长能力、营运能力、盈利水平、议价力等方向的多个有效财务指标，构建复合因子以预测行业未来表现[4][8][14][15]。 * **模型具体构建过程**： 1. **基础数据处理**：以申万一级行业为分类标准，基于行业内个股的财务数据，采用整体法计算行业指标[9][15]。 2. **单因子构建**：构建了12个有效财务指标因子，具体如下[15]： * **TTM应收账款周转率环比增长**：采用近4个季度（TTM）数据计算行业应收账款周转率，再计算环比增长（当季-上季）[17]。 $$行业应收账款周转率 = \frac{\sum 个股营业收入\_TTM}{\sum 个股应收账款\_TTM}$$ * **报告期末流动资产比例同比增长**：采用报告期末数据计算行业流动资产比例，再计算同比增长（当季-上年同季）[18]。 $$行业流动资产比例 = \frac{\sum 个股流动资产\_报告期末}{\sum 个股总资产\_报告期末}$$ * **报告期末速动比率同比增长**：采用报告期末数据计算行业速动比率，再计算同比增长[19]。 $$行业速动比率 = \frac{\sum 个股速动资产\_报告期末}{\sum 个股流动负债\_报告期末}$$ * **TTM存货周转率同比增长**：采用TTM数据计算行业存货周转率，再计算同比增长[20]。 $$行业存货周转率 = \frac{\sum 个股营业成本\_TTM}{\sum 个股库存\_TTM}$$ * **报告期末客户议价力同比增长率**：将应收账款定义为客户议价力，采用报告期末数据计算，再计算同比增长率（当季/上年同季-1）[21]。 * **报告期末供应商议价力环比增长**：将应付账款定义为供应商议价力，采用报告期末数据计算，再计算环比增长[22][23]。 * **TTM营业利润环比增长率**：采用TTM数据计算行业营业利润，再计算环比增长率（当季/上季-1）[24]。 $$行业营业利润 = \sum 个股营业利润\_TTM$$ * **季度营业利润率同比增长**：采用当季数据计算行业营业利润率，再计算同比增长[25]。 * **TTM核心利润环比增长率**：采用TTM数据计算行业核心利润，再计算环比增长率[26]。 * **季度核心利润率同比增长**：采用当季数据计算行业核心利润率，再计算同比增长[27]。 $$行业核心利润率 = \frac{\sum 个股营业收入\_季度 - \sum 个股营业成本\_季度 - \sum 个股其他成本项\_季度}{\sum 个股营业收入\_季度}$$ * **TTM归母扣非净利润环比增长率**：采用TTM数据计算行业归母扣非净利润，再计算环比增长率[28]。 * **TTM净资产收益率（ROE）环比增长**：采用TTM数据计算行业净资产收益率，再计算环比增长[29]。 $$行业净资产收益率 = \frac{\sum 个股扣非归母净利润\_TTM}{\sum 个股净资产\_TTM}$$ * **年内累计销售毛利率同比增长**：采用年内累计数据计算行业销售毛利率，再计算同比增长[30]。 $$行业销售毛利率 = \frac{\sum 个股营业总收入\_年内累计 - \sum 个股营业总成本\_年内累计}{\sum 个股营业总收入\_年内累计}$$ 3. **因子标准化与合成**：对上述有效单因子进行标准化处理，然后以各因子在样本内的IC胜率为权重，加权合成基本面景气度复合因子[13]。 * **模型评价**：该复合因子在全区间内积累了显著的超额收益，但在2024年9月A股反弹后出现短期“低景气反转”特征，随后有效性再次提升[31]。 1.2 超预期水平复合因子 * **模型名称**：超预期水平复合行业轮动因子[4][8][33] * **模型构建思路**：从超预期水平维度，涵盖基于公告的市场预期变化和分析师预期变化两个方面，构建复合因子[4][8][33]。 * **模型具体构建过程**： 1. **基础数据处理**：基于个股公告（正式报告、业绩预告、业绩快报）日期前后的收益变化，以及分析师预期数据，在调仓日按个股流通市值加权得到行业单因子水平[33][35]。 2. **单因子构建**：构建了5个有效因子，具体如下[35]： * **公告前后异常收益**：计算个股盈余公告T日的前n日至后m日的每日超额收益（以中证800为基准）之和。最终选定参数为m=2，n=0，即公告后2日的超额收益之和[36]。 * **净利润预期变动得分**：在个股报告发布日，若未来一年净利润预期较同一分析师上次预期变动超1%计+1分，低于-1%计-1分。在调仓日对个股得分进行60日滚动累计，再以流通市值加权得到行业得分[37]。 * **主营业务收入预期变动得分**：逻辑同净利润预期变动得分，针对主营业务收入预期，滚动累计窗口为20日[38]。 * **报告评级换算**：对行业内所有个股在过去180日内，分析师公开报告的平均评级得分取均值。个股评级得分由研报评级（如买入、卖出）按预设规则换算得出[39]。 * **上调减下调报告评级比例**：计算行业过去180日内，评级上调的研报数量减去评级下调的研报数量，再除以存在前期评级得分的研报总数量[40]。 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成超预期水平复合因子[13]。 * **模型评价**：该复合因子对低景气行业的预判准确性较高。样本外在2022年8月至2023年12月期间有效性降低，但自2024年开始有效性显著提升并持续[41]。 1.3 量价水平复合因子 * **模型名称**：量价水平复合行业轮动因子[4][8][44] * **模型构建思路**：从量价水平维度，基于行业指数的日度数据，构建动量、成交波动和量价背离等因子，侧重行业中长期的动量效应[4][8][44]。 * **模型具体构建过程**： 1. **基础数据**：直接使用申万一级行业指数的日收益、成交量、成交额、换手率等数据[44]。 2. **单因子构建**：构建了7个有效因子，具体如下[44]： * **日内动量**：计算每日收盘价/开盘价作为日内动量指标，对各行业指标值进行10日滚动累计[45]。 * **隔夜动量**：计算每日开盘价/前一日收盘价作为隔夜动量指标，进行40日滚动累计后，对因子值取反（因隔夜涨幅呈反转效应）[46]。 * **移动平均趋势变化**：首先计算行业指数当前收盘价减去过去10日均价，定义为短期动量水平；然后计算该短期动量水平减去其10日前的值[47]。 * **动量期限差**：计算行业指数近10日收益率减去近5日收益率，因子值越高代表长期趋势明确且短期交易不拥挤[48][49]。 * **成交量波动**：计算行业指数过去20日成交量波动率，并取负值。因子值越高代表行业情绪越稳定[50]。 * **成交额波动**：计算行业指数过去20日成交额波动率，并取负值。因子值越高代表行业情绪越稳定[51]。 * **一阶量价背离**：计算成交量一阶变化（今日成交量/昨日成交量-1）与价格一阶变化（日涨跌幅）在40个交易日内Spearman相关系数的负值[52][53]。 $$一阶量价背离因子 = -corr\left(rank\left(\frac{Volume_i}{Volume_{i-1}}-1\right), rank\left(\frac{Close_i}{Open_i}-1\right), 40\right)$$ 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成量价水平复合因子[13]。 * **模型评价**：该复合因子更注重中长期量价延续性。样本外在2024年9月A股反弹后，高景气组上涨弹性不及低景气组，可能与短期动量效应更显著有关[54]。 1.4 资金流强度复合因子 * **模型名称**：资金流强度复合行业轮动因子[4][8][57] * **模型构建思路**：从资金流强度维度，根据行业内个股的资金流入流出数据（按挂单金额分类），汇总得到行业整体资金流强度，以分析不同类型投资者的行为[4][8][57]。 * **模型具体构建过程**： 1. **基础数据**：使用个股资金流向数据，按Wind标准分类（如超大单>100万）[57]。 2. **单因子构建**：构建了3个有效因子，具体如下[57]： * **主动超大单资金流强度**：计算过去10日，行业内所有个股的每日平均主动超大单净流入金额，除以个股平均合计流通市值[58]。 * **主动超大单资金流极端突破**：首先计算行业当日主动超大单净流入金额减去其过去120日均值，再除以其过去120日标准差，得到当日强度；然后计算过去10日该强度的均值[59]。 * **小单资金流稳定性**：首先计算行业当日小单净流入金额减去其过去120日均值，再除以其过去120日标准差，得到当日强度；然后计算过去5日该强度的均值；对所有行业该值进行截面标准化后，取绝对值并取相反数[60][61]。 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成资金流强度复合因子[13]。 * **模型评价**：该因子在2024年9月市场反弹后有效性显著提升，可能与资金流在反弹行情中对行业轮动的主导作用强化有关[62]。 1.5 综合行业轮动因子模型 * **模型名称**：综合行业轮动因子模型[4][13][65] * **模型构建思路**：将上述四个维度的单一视角复合因子（基本面景气度、超预期水平、量价水平、资金流强度）进行等权合成，构建最终的综合行业轮动因子，以提升模型有效性和稳定性[4][13][65]。 * **模型具体构建过程**： 1. **输入因子**：将经过再次标准化处理的四个单一视角复合因子作为输入[13][65]。 2. **合成方法**：对四个输入因子采用等权方式加权，合成最终的综合行业轮动因子[13][65]。 2. ETF行业轮动投资组合模型 * **模型名称**：ETF行业轮动投资组合[4][69] * **模型构建思路**：以前文构建的综合行业轮动模型选出的高景气行业为基础，通过一套ETF产品选定框架，构建可实际交易的ETF投资组合[4][69][70]。 * **模型具体构建过程**： 1. **高景气行业选择**：在每月调仓日，选取综合行业轮动因子排名前6的行业（高景气组）作为下月持仓行业[70][72]。 2. **标的指数筛选**： * 在调仓日，仅纳入存续期满1个月的股票型ETF所跟踪的指数作为备选池[72]。 * 对于每个高景气行业，保留成分股在该行业比例≥50%的指数作为备选指数[70]。 * 计算各备选指数与目标行业过去244个交易日的Spearman相关系数。若存在备选指数，保留相关系数≥80%的指数；若不存在，则保留相关系数排名前5且≥60%的指数[70]。 3. **ETF标的选定**： * 对于每个筛选出的标的指数，保留对应的ETF产品作为备选池[70]。 * 在每个调仓日，计算备选ETF过去1个月的日均成交额和日均流通规模[70]。 * 保留存续≥1个月、日均流通规模≥2亿、且日均成交额最高的ETF产品[70]。 * 若无满足条件的ETF，则用申万一级行业指数替代[71]。 4. **三种选定模式**：针对同一行业可能对应多个ETF的情况，定义了三种产品选定模式[70]： * **相关性优先模式**：选择相关系数最高的标的指数对应的ETF。 * **流动性优先模式**：选择过去1个月日均成交额最高的ETF。 * **收益弹性优先模式**：选择过去1个月收益表现最佳的ETF。 模型的回测效果 1. 单一视角复合因子回测效果（全区间） * **基本面景气度复合因子**：IC均值5.75%， ICIR 24.81%， 高景气组年化收益9.56%， 低景气组年化收益-1.74%[31] * **超预期水平复合因子**：IC均值7.31%， ICIR 28.99%， 高景气组年化收益10.93%， 低景气组年化收益-2.87%[41] * **量价水平复合因子**：IC均值7.16%， ICIR 32.98%， 高景气组年化收益8.65%， 低景气组年化收益-1.22%[54] * **资金流强度复合因子**：IC均值7.18%， ICIR 32.10%， 高景气组年化收益13.79%， 低景气组年化收益1.43%[62] 2. 综合行业轮动因子回测效果（全区间） * **综合行业轮动因子**：IC均值12.54%， ICIR 50.92%， 高景气组年化收益17.84%， 相对中证800指数的多空组合累计年化超额收益14.44%[65] 3. ETF行业轮动投资组合回测效果（2020/01/01 - 2026/02/28） * **ETF轮动组合（相关性优先）**：年化收益率18.78%， 年化波动率22.10%， 最大回撤-39.87%， 夏普比率0.85， 收益回撤比0.47[81] * **ETF轮动组合（流动性优先）**：年化收益率18.57%， 年化波动率23.10%， 最大回撤-40.38%， 夏普比率0.80， 收益回撤比0.46[81] * **ETF轮动组合（收益弹性优先）**：年化收益率21.20%， 年化波动率23.22%， 最大回撤-40.95%， 夏普比率0.91， 收益回撤比0.52[81]