市场表现 - 2026年3月11日，上证指数上涨0.25%，沪深300上涨0.64%，创业板指上涨1.31%，科创50下跌1.37%，中证1000上涨0.16%，恒生指数下跌0.24% [3][4] - 当日表现最好的行业是煤炭（+2.53%）、电力设备（+2.43%）、基础化工（+2.08%）、公用事业（+1.67%）和建筑装饰（+1.63%） [3][4] - 当日表现最差的行业是综合（-1.98%）、国防军工（-1.37%）、传媒（-1.17%）、电子（-0.78%）和社会服务（-0.59%） [3][4] - 2026年3月11日，全A总成交额为25282.94亿元，南下资金净流入34.48亿港元 [3][4] 策略观点 - 报告核心观点认为，未来半年金油比的宏观友好度可能有所回落，金油比价可能进一步向均值回归 [5] - 该观点基于彭博宏观一致预期数据 [5] - 影响金油比宏观友好度的核心因素包括美元指数、美债实际利率和美国制造业PMI [5] - 该分析在传统三因子模型基础上，加入了衡量美元信用的变量，以考量特朗普政策易变性、介入美联储主席任命及美债规模创新高等因素的潜在负面影响 [5]

核心观点 - 报告为一份市场日报，核心内容是对2026年3月11日A股市场表现的回顾，指出当日市场主要指数涨多跌少，但个股分化明显，成交额显著放量，新能源、化工、煤炭等板块表现强势[1][2][10][11] 市场回顾 - **指数表现**：A股主要指数涨多跌少，上证指数涨0.25%，收于4133.43点；深证成指涨0.78%，收于14465.41点；创业板指涨1.31%，收于3349.53点；科创50指数下跌1.37%，收于1401.08点[1][10] - **个股表现**：市场呈现分化，全市场2055只个股上涨，3284只个股下跌，145只个股收平，上涨个股数量少于下跌个股[1] - **市场成交**：沪深两市合计成交额达25084亿元，较前一交易日放量1105亿元[1] - **行业板块**：申万一级行业中，煤炭、电力设备、基础化工、公用事业涨幅居前，分别上涨2.53%、2.43%、2.08%、1.67%；综合、国防军工、传媒跌幅居前，分别下跌1.98%、1.37%、1.17%[1][10] - **概念板块**：涨幅居前的概念板块主要集中在新能源与材料领域，包括光伏逆变器、锂电电解液、化学原料精选、化学纤维精选、动力电池、钠离子电池、储能、锂电负极、固态电池、锂电池等，此外大基建央企、央企煤炭、高送转、培育钻石、煤炭开采精选板块也表现强势[2][11]

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]

五维行业比较框架介绍 - 构建了综合市场风格、基本面、资金面、交易面、估值五个维度的“五维行业比较框架”用于行业比较 [4] - 在非财报季对五个维度进行等权打分 在财报季则给予基本面更高权重并降低市场风格及估值维度的权重 [4] 框架历史回测表现 - 历史回测（2016年至2025年2月）显示 得分越高的行业股价表现往往更好 [5] - 按得分高低分为五组 第1至第5组的年化收益率分别为11.8%、1.3%、-1.4%、-7.5%及-10.5% [5] - 第1至第5组的年化夏普比率分别为0.53、0.06、-0.07、-0.35及-0.51 [5] - 构建做多第1组行业并做空第5组行业的多空组合 该组合年化收益率为23.7% 年化夏普比率为1.69 [5] 三月主观因素判断 - 预计经济预期将出现波动 市场情绪可能震荡抬升 市场风格将在成长及均衡风格间轮动 [6] - 预计公募资金将净流入 未来主导资金或为融资资金 [6] - 预计市场情绪可能走强 高估值行业表现会更好 [6] 三月行业配置观点 - 结合主观判断 预计市场风格或主要偏向成长及均衡 高估值板块相对更值得关注 [7] - 从五维框架打分情况看 电力设备、国防军工、电子、机械设备等行业得分较高 未来或值得重点关注 [7][8]

宏观：2026年1-2月进出口 - 2026年1-2月出口同比增长21.8%，得益于海外需求旺盛、高附加值产品竞争优势显著及多元化市场优势巩固 [5] - 短期扰动因素包括美伊冲突及高基数效应，但长期对出口保持乐观 [5] - 长期乐观因素包括：中国制造业优势凸显、新兴市场需求强劲、“一带一路”国家基础设施投资需求旺盛、特朗普访华或边际缓和中美关系、AI投资需求及欧盟宽财政政策支撑出口 [5] 策略：2026年3月行业配置 - 3月行业配置关注成长及均衡风格，市场风格或偏向成长及均衡，高估值板块相对更值得关注 [5] - 根据五维行业比较框架，电力设备、国防军工、电子、机械设备等行业得分较高，未来值得投资者重点关注 [5] 有色金属：周期品高频数据 - 铝价环比上涨4.5%至2.44万元/吨，钨价环比上涨15.1%至91.9万元/吨 [5][6] - SPDR黄金ETF持仓量本周环比下降 [5] - 基建地产链条方面，1-2月高炉产能利用率处于5年同期最高水平 [5] - 地产竣工链条方面，钛白粉、玻璃价格处于低位水平 [5] - 工业品链条方面，2月全国PMI新订单指数为48.60% [5] - 比价关系方面，热轧与螺纹价差处于5年同期最低水平 [6] - 出口链条方面，2月中国PMI新出口订单为45.00%，环比下降2.8个百分点 [6] 汽车：行业观点更新 - 2026年1月国内乘用车零售销量同比下降13.9%，环比下降31.7%至154.4万辆；批发销量同比下降6.2%，环比下降29.3%至197.3万辆 [7] - 1月新能源车零售销量同比下降20.0%，环比下降55.4%至59.6万辆，对应新能源渗透率为38.6%；批发销量同比下降3.3%，环比下降44.7%至86.4万辆，对应新能源渗透率为43.8% [7] - 财报季应聚焦业绩兑现，并关注由AI缺电驱动的内燃机产业链 [7]

报告行业投资评级 未提及 报告的核心观点 地缘局势或有变化可关注股指反弹机会；近期原油与其他资产间跷跷板效应突出，当前地缘局势或缓和可能推动其他资产价格反弹，但后续仍存在“余震”风险 [2][3] 根据相关目录分别进行总结 市场分析 宏观情况 国内2月CPI同比上涨1.3%为近三年来最高，核心CPI同比上涨1.8%，全国PPI同比下降0.9%且连续3个月降幅收窄；海外特朗普称美国对伊朗战争可能很快结束，霍尔木兹海峡往来船只增多，其考虑接管该海峡 [2] 现货市场 A股三大指数低开高走，上证指数跌0.67%收于4096.6点，创业板指跌0.64%；板块指数跌多涨少，煤炭、计算机、电力设备行业领涨，通信、交通运输、美容护理、国防军工行业跌幅超2%；当日市场成交额约为2.7万亿元；海外美国三大股指全线收涨，纳指涨1.38%报22695.95点 [2] 期货市场 IC、IM所有合约基差回升；期指成交量和持仓量同步增加 [2] 策略 当前地缘局势或缓和推动其他资产价格反弹，但需警惕后续“余震”风险 [3] 宏观经济图表 涉及美元指数和A股走势、美国国债收益率和A股走势、人民币汇率和A股走势、美国国债收益率和A股风格走势等图表，资料来源为同花顺和华泰期货研究院 [6][10] 现货市场跟踪图表 国内主要股票指数日度表现 上证综指4096.60（-0.67%）、深证成指14067.50（-0.74%）、创业板指3208.58（-0.64%）、沪深300指数4615.46（-0.97%）、上证50指数2962.99（-0.99%）、中证500指数8279.48（-0.97%）、中证1000指数8203.87（-0.55%），资料来源为同花顺和华泰期货研究院 [13] 其他图表 沪深两市成交金额、融资余额等图表，资料来源为同花顺和华泰期货研究院 [14] 股指期货跟踪图表 持仓量和成交量 IF持仓量147766（+53708）、成交量290004（+18910）；IH持仓量64688（+21193）、成交量111606（+4497）；IC持仓量203367（+66844）、成交量302124（+18937）；IM持仓量274410（+98751）、成交量399385（+31272），资料来源为同花顺和华泰期货研究院 [17] 基差 IF当月合约基差-16.26（-1.82）、次月合约基差-35.26（-7.62）、当季合约基差-78.46（-1.02）、下季合约基差-150.86（-2.62）；IH当月合约基差-0.59（+2.11）、次月合约基差-4.99（-0.29）、当季合约基差-11.19（+4.11）、下季合约基差-50.39（+3.31）；IC当月合约基差-12.48（+25.25）、次月合约基差-59.48（+17.65）、当季合约基差-197.68（+11.85）、下季合约基差-377.68（+4.85）；IM当月合约基差-12.87（+24.19）、次月合约基差-73.67（+14.59）、当季合约基差-233.07（+13.79）、下季合约基差-438.87（+7.99），资料来源为同花顺和华泰期货研究院 [34] 跨期价差 次月 - 当月：IF -19.00（-5.80）、IH -4.40（-2.40）、IC -47.00（-7.60）、IM -60.80（-9.60）；下季 - 当月：IF -62.20（+0.80）、IH -10.60（+2.00）、IC -185.20（-13.40）、IM -220.20（-10.40）；隔季 - 当月：IF -134.60（-0.80）、IH -49.80（+1.20）、IC -365.20（-20.40）、IM -426.00（-16.20）；下季 - 次月：IF -43.20（+6.60）、IH -6.20（+4.40）、IC -138.20（-5.80）、IM -159.40（-0.80）；隔季 - 次月：IF -115.60（+5.00）、IH -45.40（+3.60）、IC -318.20（-12.80）、IM -365.20（-6.60）；隔季 - 下季：IF -72.40（-1.60）、IH -39.20（-0.80）、IC -180.00（-7.00）、IM -205.80（-5.80），资料来源为同花顺和华泰期货研究院 [39][47]

市场表现综述 - 大类资产方面，本周（2026年3月2日至3月6日）原油价格大涨，国内权益市场指数回调 [4] - 行业方面，本周石油石化、煤炭、公用事业行业涨幅居前，传媒、有色金属、计算机行业跌幅居前 [4] - 基金市场方面，本周纯债型基金净值上涨，股混基金净值回调 [4] 基金产品发行与成立 - **新成立基金**：本周国内市场新成立基金12只，合计发行份额为134.64亿份，其中债券型基金3只、股票型基金6只、混合型基金2只、FOF基金1只 [5] - **新发行基金**：全市场新发行基金45只，其中股票型基金19只、FOF基金9只、债券型基金8只、混合型基金8只、国际(QDII)基金1只 [5] 基金产品表现 - **行业主题基金**：本周（截至2026年3月6日）行业主题基金净值全面下跌，金融地产主题基金业绩相对占优，具体回撤幅度为：金融地产(-1.10%)、周期(-1.66%)、行业轮动(-2.30%)、医药(-2.43%)、消费(-2.59%)、行业均衡(-2.62%)、新能源(-2.72%)、国防军工(-3.54%)、TMT(-4.53%) [6] ETF市场动态 - **整体资金流向**：本周股票型ETF资金净流入14.24亿元，收益中位数为-2.37% [7] - **各类ETF表现**：港股ETF收益中位数为-3.89%，资金净流入30.39亿元；跨境ETF收益中位数为-2.30%，资金净流入10.31亿元；商品型ETF收益中位数为-0.33%，资金净流入131.81亿元 [7] - **宽基ETF**：本周综合主题ETF资金维持净流入，其余各类宽基ETF资金均呈现净流出，中小盘主题ETF资金净流出明显，合计流出172.52亿元 [7] - **行业ETF**：本周周期主题ETF资金净流入明显，合计流入381.2亿元 [7][8] ESG金融产品 - **绿色债券**：本周新发行绿色债券13只，已发行规模合计207.77亿元；截至2026年3月6日，国内绿色债券市场累计发行规模达5.29万亿元，发行数量合计4569只 [9] - **ESG基金**：截至2026年3月6日，国内基金市场存量ESG基金共210只，规模合计1548.46亿元 [9] - **ESG基金表现**：本周主动权益型、股票被动指数型、债券型ESG基金净值涨跌幅中位数分别为-2.46%、-0.69%、+0.10%；清洁能源、低碳环保、绿色电力等主题基金表现占优 [9]

量化模型与构建方式 1. **模型名称**：双低策略指数 **模型构建思路**：通过结合可转债价格和转股溢价率两个维度，构建一个“低价”且“低溢价”的可转债组合，旨在寻找兼具债性保护与股性弹性的标的[25]。 **模型具体构建过程**：该模型以“万得可转债双低指数”为具体表现形式。其构建逻辑是筛选市场上同时满足价格较低和转股溢价率较低的可转债构成指数成分。虽然没有给出具体的筛选阈值和加权公式，但核心思想是计算每只可转债的“双低值”，通常为转债价格与转股溢价率乘以一个系数（如100）之和，即：$$双低值 = 转债价格 + 转股溢价率 \times 系数$$ 然后选取双低值最小的一篮子可转债构成指数[25]。 2. **模型名称**：高价低溢价策略指数 **模型构建思路**：在可转债价格相对较高的群体中，进一步筛选转股溢价率较低的个券，以捕捉正股上涨时转债跟涨的弹性，偏向于进攻性策略[25]。 **模型具体构建过程**：该模型以“万得可转债高价低溢价率指数”为具体表现形式。其构建过程首先界定“高价”可转债的范围，然后在该范围内按照转股溢价率从低到高进行筛选，纳入溢价率最低的一篮子可转债构成指数[25]。 3. **模型名称**：基于价格的分类指数 **模型构建思路**：根据可转债的绝对价格水平，将市场划分为高、中、低价等不同区间，分别构建指数以观察不同价格区间的转债市场表现特征[22]。 **模型具体构建过程**：报告展示了“万得可转债高价指数”、“万得可转债中价指数”和“万得可转债低价指数”。构建过程首先设定价格区间阈值（报告未给出具体数值），然后将所有存续可转债按其价格归入对应区间，并分别计算各区间内转债的指数走势[22]。 4. **模型名称**：基于规模的分类指数 **模型构建思路**：根据可转债的发行或剩余规模大小，将市场划分为大、中、小盘，分别构建指数以分析规模因子在转债市场的影响[23]。 **模型具体构建过程**：报告展示了“万得可转债大盘指数”、“万得可转债中盘指数”和“万得可转债小盘指数”。构建过程是依据可转债的规模（可能是发行规模或剩余规模）设定分位点，将转债划分为大、中、小盘三组，并分别计算各组别的指数表现[23]。 5. **模型名称**：基于信用评级的分类指数 **模型构建思路**：根据可转债的信用评级（如AAA、AA+等）进行分类，构建不同评级群体的指数，以观察信用资质对转债整体表现的影响[20]。 **模型具体构建过程**：报告展示了“万得可转债AAA指数”和“万得可转债AA+指数”。构建过程是将所有存续可转债按其信用评级分类，同一评级内的可转债构成一个指数，用以跟踪该信用等级转债的整体走势[20]。 量化因子与构建方式 1. **因子名称**：转股溢价率 **因子构建思路**：衡量可转债价格相对于其转换为股票价值的溢价程度，是评估可转债估值高低和股性强弱的核心指标[17]。 **因子具体构建过程**：对于单只可转债，其转股溢价率的计算公式为：$$转股溢价率 = \frac{可转债收盘价 - 转股价值}{转股价值}$$[17] 其中，转股价值的计算公式为：$$转股价值 = \frac{100}{转股价格} \times 正股收盘价$$[17] 该因子直接计算了转债价格超出其内在转股价值的百分比。 2. **因子名称**：价格区间分组因子 **因子构建思路**：将可转债按市场价格划分为若干离散区间，作为一个分类变量，用于分析不同价位转债的估值和表现差异[31]。 **因子具体构建过程**：报告中将可转债价格划分为`<100`、`100-110`、`110-120`、`120-130`、`130-140`、`>140`六个区间（单位：元）[31]。每个转债根据其收盘价被归入其中一个区间，形成分类因子。 3. **因子名称**：规模分组因子 **因子构建思路**：将可转债按规模大小划分为离散的组别，作为一个分类变量，用于分析规模效应[23]。 **因子具体构建过程**：报告未给出具体划分阈值，但通过“万得可转债大盘/中盘/小盘指数”可知，该因子将可转债按规模分为大、中、小盘三类[23]。 4. **因子名称**：信用评级分组因子 **因子构建思路**：将可转债按信用评级划分为离散的组别，作为一个分类变量，用于分析信用风险对转债表现的影响[20]。 **因子具体构建过程**：根据第三方评级机构（如中诚信、联合资信等）给出的可转债信用评级，将转债划分为AAA、AA+、AA等不同类别[20]。 模型的回测效果 1. 双低策略指数，近一年累计涨跌幅约40%[25] 2. 高价低溢价策略指数，近一年累计涨跌幅约25%[25] 3. 万得可转债高价指数，近一年累计涨跌幅约40%[22] 4. 万得可转债中价指数，近一年累计涨跌幅约20%[22] 5. 万得可转债低价指数，近一年累计涨跌幅约-5%[22] 6. 万得可转债大盘指数，近一年累计涨跌幅约15%[23] 7. 万得可转债中盘指数，近一年累计涨跌幅约30%[23] 8. 万得可转债小盘指数，近一年累计涨跌幅约5%[23] 9. 万得可转债AAA指数，近一年累计涨跌幅约5%[20] 10. 万得可转债AA+指数，近一年累计涨跌幅约25%[20] 因子的回测效果 1. 价格区间分组因子（截至2026-03-06），各组转股溢价率中位数分别为：`<100`区间0.00%，`100-110`区间40.36%，`110-120`区间39.88%，`120-130`区间71.72%，`130-140`区间36.68%，`>140`区间22.79%[31] 2. 价格区间分组因子（周环比变动），各组转股溢价率中位数变动分别为：`<100`区间0.00%，`100-110`区间-13.16%，`110-120`区间91.06%，`120-130`区间-0.75%，`130-140`区间5.86%，`>140`区间-3.58%[31]

行业投资评级 - 建议维持军工行业高配 [2] 核心观点 - 2026年我国国防费预算约为19096亿元，较2025年增长7.0%，自2022年起连续5年保持不低于7.0%的较快增长，军费落地有望加强行业确定性，促进订单持续改善趋势 [2] - 判断军工行业“十五五”将进入到新一轮提质增量的上升周期，预计2026年上半年行业基本面有望持续改善，订单端及业绩端将逐步修复，交付和确收节奏预期恢复至常态 [2] - 航空航天被定位为新兴支柱产业，商业航天商业化落地加速，政策支持及技术突破有望带动板块维持高关注度，商业航天景气度有望持续上行 [2] - 关注军工行业内需增长带动基本面向上相关投资机会，与技术外延催化的新兴领域主题投资 [2] 市场回顾 - 上周（2026年3月2日至3月6日）申万国防军工指数下跌2.21%，中证军工龙头指数下跌0.15%，同期上证综指下跌0.93%，沪深300下跌1.07%，创业板指下跌2.45% [1][3] - 申万国防军工指数跑赢创业板指，但跑输沪深300、上证综指及军工龙头指数 [1][3] - 从细分板块看，上周国防军工板块2.21%的跌幅在31个申万一级行业涨跌幅中排名第13位 [1][3] - 从构建的军工集团指数看，上周中证民参军指数表现靠后，平均跌幅为6.12% [1][3] - 个股方面，涨幅前五为：中国动力（16.74%）、北化股份（16.7%）、航天彩虹（14.42%）、合众思壮（10.02%）、航发动力（7.07%）[1][3][9] - 个股方面，跌幅前五为：菲利华（-17.89%）、博云新材（-12.73%）、三角防务（-11.04%）、火炬电子（-10.83%）、北方股份（-10.63%）[1][3][10] 板块估值 - 当前申万军工板块PE-TTM为99.97，位于2014年1月至今估值分位的77.25%，位于2019年1月至今估值分位的99.25%，处于历史上游区间 [10] - 细分板块中估值略有分化，航天及航空装备板块PE估值处于2020年以来相对上游位置 [10] 投资机会与重点关注领域 内需驱动 1. 智能化/信息化：军工智能化进入0到1阶段 [2] 2. 无人装备与反无系统：作战体系升级引领装备变革 [2] 3. 两机产业：军发、商发、燃机三重逻辑共振 [2] 4. 消耗类武器：高消耗属性支撑增长韧性 [2] 外延催化 1. 军贸：内外双驱开创军贸新格局 [2] 2. 商业航天：“航天强国”写入国家规划叠加可复用技术革新，深空经济迎高速发展 [2] 3. 大飞机：国之重器，国产替代持续推进 [2] 4. 低空经济：会议指引叠加政策落地，蓄力先进制造新动能 [2] 5. 可控核聚变：中国领航开启聚变元年，招投标加速释放 [2] 6. 深海科技：深海科技战略升级，产业化进程加速 [2] 重点关注标的 - 内需相关：中航沈飞、菲利华、芯动联科、紫光国微、航发动力、华秦科技、七一二、北方导航、国科军工、智明达、成都华微 [2] - 外延相关：睿创微纳、国睿科技、臻镭科技、航天电子、国博电子、海格通信、上海瀚讯、中科星图、西部超导、金天钛业、联创光电 [2]

A股微观资金面汇总 - 3月第1周，资金入市合计净流出493亿元，而前一周为净流入442亿元 [1][8] - 资金流入方面：公募基金发行增加27亿元，ETF净申购16亿元 [1][8] - 资金流出方面：融资余额减少242亿元，北上资金估算净流出92亿元，产业资本净减持72亿元，交易费用为130亿元，IPO融资规模为0亿元 [1][8] A股市场情绪跟踪 - 短期情绪指标处于2005年以来中高位：最近一周年化换手率为564%，处于历史由低到高87%分位；最近一周融资交易占比为9.18%，处于历史由低到高62%分位 [1][14] - 长期情绪指标处于2005年以来中低位：最近一周A股风险溢价为2.49%，处于历史由高到低46%分位；最近一周沪深300指数（除金融）股息率/十年期国债收益率为1.22，处于历史由高到低6%分位 [2][14] 行业情绪与热度分析 - 过去一周成交额占比历史分位数最高的三个行业是：国防军工（99%）、通信（98%）、电力设备（97%） [2][14] - 过去一周成交额占比历史分位数最低的三个行业是：房地产（0%）、食品加工（0%）、医药生物（1%） [2][14] - 过去一周融资交易占比分位数最高的三个行业是：机械设备（89%）、社会服务（79%）、电力设备（75%） [2][14] - 过去一周融资交易占比分位数最低的三个行业是：银行（7%）、综合（8%）、煤炭（14%） [2][14] 市场基础数据 - A股总市值为102.81万亿元，流通市值为94.04万亿元 [3] - 中小板指数为8680.04，月涨跌幅为2.75%；创业板指数为3229.30，月涨跌幅为-0.22% [3] - AH股价差指数为121.26 [3]