小微盘风格与拥挤度 - 中证2000指数成交额占比达32%的高位，显示小微盘交易拥挤度处于历史高位[6] - 2023年以来中证2000指数在成交额占比30%以上时波动性显著加大，后续易受避险情绪或政策表态引发资金负反馈[6] - 当前市场流动性环境优于2024年初，预计回撤幅度可控但短期过热需消化[6] - 居民资金流入放缓，两融余额反弹期间未明显回升，上交所新增开户数较2023年Q4降温，限制小微盘风格持续性[7][8] 红利资产6月日历效应 - 2009年至今中证红利指数6月跑赢沪深300和万得全A概率仅25%和12.5%，上涨概率37.5%[1] - 6-7月为红利资产年报分红密集期，部分资金选择分红前后兑现导致负向日历效应[1] - 历史数据显示中证红利指数6月相对沪深300超额收益多为负值，2024年6月为-2.25%[2] - 长线投资者可关注分红前后情绪低点形成的配置机会，拥挤度底部规律明显[1][10] 科技成长板块配置机会 - TMT板块滚动40日收益差从-10%底部回升，成交占比回落至22%-23%历史低位，低于2023-2024年调整到位水平[3] - 近十年日历效应显示6月科技板块胜率较高，硬件/软件细分方向拥挤度已至性价比区间[3][10] - AI产业链中优先关注上游GPU、光模块、PCB及中游AI Agent/SaaS应用软件[10] 市场风格与行业轮动 - 5月下旬至6月行业轮动收敛，市场主线趋向聚焦，科技成长风格特征强化[3][10] - 二季度小市值与高盈利因子计价充分，若信用环境回暖或引发小市值风格阶段性修整[9] - 港股核心资产定价权南移趋势显现，优质龙头赴港上市或推动A股风格转向大盘蓝筹[9]

报告行业投资评级 - 对Power Finance的3.95% 2030债券维持“Neutral”评级 [1] - 对Lenovo发行人维持“Neutral”评级，对LENOVO '32s债券给予“Overweight”评级 [8] - 对Delhi Airport（DIALIN）和Hyderabad Airport（GMRLIN）的美元债券维持“Neutral”评级 [10] 报告的核心观点 - Power Finance一季度业绩稳健，盈利能力强且不良贷款率持续下降，资产质量改善，但杠杆有所增加 [1][2] - Lenovo 2025年第一季度业绩喜忧参半，营收增长但运营利润增长放缓，现金流为负，资产负债表走弱 [3][7] - 印度机场2025财年第四季度初步盈利强劲，德里机场和海得拉巴机场客运量和收入均有显著增长 [9] 各公司情况总结 Power Finance - 全年净利润同比增长23.7%至1934亿印度卢比，主要受净利息收入近40%增长和净手续费及佣金收入151.6%增长驱动 [2] - 2025财年ROE提高至20.4%，3月不良贷款率降至1.94%，储备覆盖率提高至约80% [2] - 总资本比率较12月下降2个百分点至22.08%，债务/股权比率升至6.15倍 [2] - 贷款组合在3月季度环比增长7.8%，主要驱动因素是私营部门贷款同比增长33.3% [2] Lenovo - 各业务板块营收增速加快，ISG板块上季度扭亏为盈后本季度OPM扩张放缓至0.1% [3] - 运营利润同比增速从2024年第四季度的12%降至2025年第一季度的3%，研发费用同比增长21%拖累盈利 [3] - 第一季度经营现金流为负（-10亿美元），资产负债表环比走弱，净债务为5.5亿美元 [7] 印度机场 - 德里机场2025财年第四季度客运量达2060万人次，同比增长7.5%，全年客运量7930万人次，同比增长7.6% [9] - 德里机场2025财年第四季度收入同比增长24.1%至164亿印度卢比，全年收入同比增长12.5%至573亿印度卢比 [9] - 德里机场2025财年第四季度EBITDA同比增长42.2%至53亿印度卢比，全年EBITDA同比增长12.4%至175.3亿印度卢比 [9] - 海得拉巴机场2025财年第四季度客运量达780万人次，同比增长21.1%，全年客运量2950万人次，同比增长17.7% [9] - 海得拉巴机场2025财年第四季度收入同比增长6.9%至59亿印度卢比，全年收入同比增长16.2%至235亿印度卢比 [9] - 海得拉巴机场2025财年第四季度EBITDA同比增长9.4%至36亿印度卢比，全年EBITDA同比增长15.4%至147亿印度卢比 [9] - 德里机场4月15日恢复1号航站楼全面运营，并收到第四控制期最终关税命令，GMR机场完成收购其10%股权 [10] J.P. Morgan亚洲信贷指数表现 - 截至2025年5月22日，JACI指数1日、1周、1个月、年初至今回报率分别为-0.1%、-0.1%、0.8%、1.8% [11] - 不同细分指数如JACI IG、JACI HY等在不同时间段的回报率、利差、到期收益率等指标各有不同表现 [11] - 不同国家和地区的指数表现也存在差异，如中国、香港、韩国等 [11]

投资评级 - 重申对Palo Alto Networks的买入评级 尤其关注财报后股价回调带来的机会 [1] 行业背景 - 分析师专注于科技媒体通信(TMT)领域 拥有穿越互联网泡沫 2008年信贷危机及当前AI浪潮的完整周期经验 [1] - 研究框架强调动量因子在投资决策中的核心地位 [1] 公司动态 - 最新分析覆盖Palo Alto Networks 2025财年第三季度财报前基本面 [1] 注 原文中doc2和doc3内容涉及免责声明及披露条款 根据任务要求已自动过滤

量化模型与因子总结 量化因子与构建方式 1. **因子名称**：市场交易情绪因子 **因子构建思路**：通过换手率、成交额和威廉变异离散变量指标来刻画全市场交易活跃度[4][12][15] **因子具体构建过程**： - 换手率：计算全A股五日移动平均换手率，转化为过去一年百分位 - 成交额：计算全A股五日移动平均成交额，转化为过去一年百分位 - 威廉变异离散变量：成交量加权的量价指标，将每日开盘与收盘之间的成交量视为有真实意义的成交量，数值越高代表市场交易更活跃[16] **因子评价**：有效捕捉市场整体交易热度，对极端风格行情有预警作用[12][18] 2. **因子名称**：风格交易情绪因子 **因子构建思路**：通过收益分化和拥挤度指标来刻画特定风格的交易情绪[12][27] **因子具体构建过程**： - 收益分化：计算风格指数成分股过去40交易日收益标准差之差[28] - 拥挤度：由四个子因子等权构成： 1. 价格乖离成交量加权：成份股股价与其30日移动均线距离的偏离程度用成交量加权 2. 上涨交易额占比：成份股过去40天内上涨时的交易额之和与指数过去40天总交易额比值 3. 领涨牵引：成份股中过去20交易日上涨8%的个股交易额占比 4. 流通市值换手率：成份股成交金额之和/行业当日有交易的成份股流通市值之和[28] **因子评价**：能够有效识别风格内部交易过热情况，对极端风格行情结束有预警作用[30][35] 3. **因子名称**：风格收益分化因子 **因子构建思路**：通过计算风格内个股收益分化程度来识别极端风格行情结束信号[30] **因子具体构建过程**： - 计算各风格收益分化指标（成分股过去40交易日收益标准差之差） - 转化为过去半年百分位[34] **因子评价**：当收益分化程度到达高位（过去半年百分位高于90%）时，极端风格行情结束的概率较高[30][34] 因子回测效果 1. **市场交易情绪因子** - 成长风格下情绪指标平均拉升幅度：换手率23.0%，成交额35.9%，威廉变异离散变量30.3%[23] - 低估值风格下情绪指标平均拉升幅度：换手率23.2%，成交额-3.8%，威廉变异离散变量-0.1%[23] - 金融风格下情绪指标平均拉升幅度：换手率14.6%，成交额20.2%，威廉变异离散变量3.2%[23] 2. **风格交易情绪因子** - 创业板指拥挤度百分位在极端行情结束时平均从35.0%升至91.2%[42] - TMT拥挤度百分位在极端行情结束时平均从50.0%升至68.3%[30] - 中证红利拥挤度百分位在极端行情结束时平均从11.9%升至95.2%[44] 3. **风格收益分化因子** - 创业板指收益分化百分位在极端行情结束时平均从54.5%升至99.6%[30] - TMT收益分化百分位在极端行情结束时平均从5.8%升至60.0%[30] - 中证红利收益分化百分位在极端行情结束时平均从50.0%升至94.1%[30] 量化模型与构建方式 1. **模型名称**：极端风格区间划分模型 **模型构建思路**：识别市场中出现极端风格收益的区间[7] **模型具体构建过程**： - 定义7种风格：成长（创业板指、TMT）、稳定（中字头央国企）、消费、金融、红利、低估值、盈利质量[7] - 滚动10至60个交易日区间，特定风格较中证全指超额收益在15%及以上则标记为极端风格[8] - 对同起始日、截止日、首尾月份为同一月份的区间保留超额收益最大的区间[7] - 相邻时间区间有重合的，取相邻时间区间的最早日期为起始日、最晚日期为截止日[7] **模型评价**：能够有效捕捉市场极端风格轮动周期[9][10] 2. **模型名称**：风格收敛预测模型 **模型构建思路**：预测极端风格行情结束后的短期风格收敛方式[51] **模型具体构建过程**： - 统计极端风格行情区间和区间截止日至未来10/20个交易日区间中风格收益表现的相关性[52] - 在强势市场中（成交量高、牛市市场），预测短期风格以此前强势风格转为震荡、此前弱势风格补涨为主[54][56] - 在弱势市场或遇重大事件冲击时，预测短期风格以此前强势风格出现明显回调为主[54][64] **模型评价**：能够根据市场环境差异提供有效的短期风格切换预测[55][63] 模型回测效果 1. **极端风格区间划分模型** - 创业板指最长极端风格区间：2012/11/28-2013/10/9，持续315天，超额收益102.71%[10] - TMT最长极端风格区间：2019/11/6-2020/2/25，持续111天，超额收益30.56%[10] - 低估值最长极端风格区间：2021/11/29-2022/4/15，持续137天，超额收益28.80%[10] 2. **风格收敛预测模型** - 强势市场预测准确率：2014-2015年、2019-2020年预测准确率较高[56][63] - 弱势市场预测准确率：2011-2013年、2018年和2021年下半年至2024年上半年预测准确率较高[64][66] - 重大事件冲击预测准确率：2020年初疫情冲击预测准确率较高[68][69]

基金经理变动 - 张坤卸任易方达副总专注投资，鲍无可正式官宣离职，业内猜测其下一站或为私募 [3][4] - 鲍无可为"双十"基金经理，从业超10年、年化回报超10%，在景顺长城任职15年多，管理基金总回报超380%，年化回报约15.5% [5][6] - 鲍无可投资体系注重安全边际，偏好估值合理或偏低的高壁垒公司，产品以低波动率、小回撤为特色 [7][8] 接管基金经理情况 - 鲍无可离任前管理规模162亿，8只基金分别由刘苏、张仲维、邹立虎、王勇接管 [11] - 邹立虎接管景顺长城能源基建混合A等3只基金，专注周期研究，在管规模225亿，三成为权益基金 [12][13] - 张仲维接管景顺长城沪港深精选股票A，科技成长风格，TMT板块占净值比近7成 [20][24] - 刘苏接管景顺长城价值边际灵活配置混合A等3只基金，均衡配置风格，食品饮料、医药为长期底仓 [28][30] 基金业绩与持仓 - 景顺长城沪港深精选股票A在2019-2024年连续6年正收益 [20] - 邹立虎持仓集中在黄金和工业金属等周期股，一季度前十大重仓占基金净值比42.57% [17][18] - 张仲维一季度前十大重仓股主要为科技细分领域龙头，占基金净值比50.79% [25][26]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **主动偏股基金仓位高频估测模型** - 构建思路：通过净值序列回归估算基金仓位变动[62] - 具体构建： 1. 以每日净值为因变量，基准指数或行业指数为自变量 2. 采用带约束的多元回归模型求解仓位权重 3. 通过模拟组合优化估算精度 4. 计算行业配置偏离度：$$\Delta w_i = w_{i,t} - w_{i,t-1}$$ 其中$w_i$代表第i行业仓位占比[62][63] - 模型评价：能捕捉短期调仓动向但存在滞后性 2. **REITs指数构建模型** - 构建思路：分级靠档法保持指数稳定性[47] - 具体构建： 1. 按底层资产类型划分产权类/特许经营权类指数 2. 采用除数修正法处理非交易变动（如扩募） 3. 同步计算价格指数和全收益指数 4. 细分项目指数公式：$$I_t = I_{t-1} \times \frac{\sum (P_{i,t} \times S_{i,t})}{\sum (P_{i,t-1} \times S_{i,t-1})}$$ 其中$P$为价格，$S$为调整份额[47][48] 量化因子与构建方式 1. **行业主题基金标签因子** - 构建思路：基于持仓数据识别基金主题特征[36] - 具体构建： 1. 提取近4期年报/中报持仓前五大行业 2. 定义三类标签： - 行业主题（单一行业占比>40%） - 行业轮动（行业集中度年变化>30%） - 行业均衡（其他情形） 3. 计算主题指数收益率：$$R_{theme} = \sum_{i=1}^n w_i \times R_{fund_i}$$[36][37] 2. **ETF资金流因子** - 构建思路：监测细分赛道资金动向[53] - 具体构建： 1. 按宽基/行业/主题分类计算净流入 2. 标准化处理：$$Flow_{std} = \frac{Flow_i - \mu_{flow}}{\sigma_{flow}}$$ 3. 结合收益率构建资金热度指标[53][54] 模型的回测效果 1. **主动偏股基金仓位模型** - 周度仓位变动：-0.66pcts[62] - 行业配置偏离极值： - 医药生物 +0.82pcts - 非银金融 -1.15pcts[63][68] 2. **REITs指数模型** - 本周收益： | 指数类型 | 收益率 | 年化波动率 | |---|---|--| | 综合指数 | 1.73% | 11.23% | | 消费基础设施 | 3.24% | 10.63% | | 能源基础设施 | -0.09% | 10.19% |[48][52] 因子的回测效果 1. **行业主题因子** - 本周收益： | 主题 | 收益率 | |---|---| | 金融地产 | 1.45% | | TMT | -1.02% | | 行业轮动 | 0.45% |[36][37] 2. **ETF资金流因子** - 极端值监测： | 类别 | 净流入(亿) | |---|---| | 科创板ETF | +17.98 | | 大盘宽基ETF | -128.90 | | 黄金ETF | -43.08 |[53][54][59]

随着中美相互调整关税正式实施，市场交投热情正在被点燃，具有高度成长属性的创业板板 块正迎来低位布局时机。就在这个5月，深交所发布公告，宣布对开板15年的创业板指数编 制方法进行优化，通过引入ESG负面剔除机制、限制个股权重上限，进一步提升了指数的 科学性和可持续性。 东财基金适时精准捕捉市场拐点，正式推出创业板ETF东财（代码：159205） ，助力投 资者一键配置中国新经济核心资产，抢占创新成长红利，为投资者布局"新质生产力"核心 资产再添投资利器。 创业板：中国新经济的"风向标"，为什么值得重点关注？ 1 成长先锋，定位"三创四新" 创业板自2009年成立以来，如今已走过15余年的岁月。作为我国资本市场"先行先试"的 试验田，创业板成为推动经济创新发展的重要力量。 高"研"值，创新龙头盈利能力强劲 创业板服务于成长型创新创业企业，以高新技术产业、战略性新兴产业为主要特征。近年 来，创业板上市企业平均研发投入持续加大，平均研发费用占比逐年提升，不断积蓄发展新 动能。 创业板指历年ROE均保持在13%以上，显著优于市场整体，展现出强劲的盈利能力。代表 性成份股宁德时代、迈瑞医疗、阳光电源、中际旭创等2024年 ...

资金动态是每年财报季市场关注的焦点。随着2024年年报披露拉下帷幕，机构资金配置方向已然明了。 资金对新动能培育的配置还体现在新能源汽车智能化与电动化双主线，统计显示，汽车板块全年资金净 流入1,800亿元，其中，智能化（自动驾驶、车载软件）配置比例提升至35%，超越传统零部件领域。 其中，公募基金全部持股中，宁德时代的持股总市值位列第一，达1785.75亿元，被2861只基金共同持 有。比亚迪、理想汽车、智能驾驶系统供应商德赛西威也获得资金不小幅度的增持。 2024年银行股一骑绝尘，成为年内表现最亮眼板块之一，统计显示，按照行业划分，社保基金持仓银行 业市值最高，截至去年四季度末的持股市值超过2300亿元，其中持有农业银行的总市值超过千亿元。今 年以来，银行的高股息特征吸引资金持续加码，预计社保基金目前的持股市值较年初有所增长，对银行 业的增持反映市场对经济温和复苏的共识，配置逻辑仍然是以股息防御为主。 2024年全年公募基金市场规模加速增长，增速超过15%，新发市场热度升温，增量资金的配置方向受市 场关注。整体来看，主动偏股基金股票仓位有所下降，加强港股配置；行业方面，公募基金从红利板块 撤出部分资金，加 ...

投资理念与框架 - 强调投资"确定性"，通过把握景气赛道中"从1到10"的产业爆发期，选择具备比较优势的个股，追求量价齐升阶段的业绩兑现 [1][7] - 注重以合理价格买入，避免高估值带来的亏损，在行业逻辑变化或泡沫化时果断卖出 [1][13] - 投资框架围绕成长风格，聚焦景气行业中的优势个股，动态跟踪行业供需、基本面及业绩变化 [3][7][11] 行业周期与选择 - 行业存在明确的供需周期，如新能源经历"0-1概念炒作→1-10量价齐升→供需失衡→成熟期"的典型路径 [2][9] - 偏好"1-10阶段"的成长行业，因需求爆发带动业绩可验证性高，如2020年新能源上游资源品因需求驱动实现量价齐升 [12] - 行业切换是穿越周期的关键，从互联网、5G到AI，需持续跟踪产业趋势变化 [5][6] 景气投资逻辑 - 景气度源于宏观环境与产业变革，需区分预期博弈与真实景气，如AI行业在2023年因估值合理替代新能源成为新标的 [8][12] - 需求端增长是核心关注点，供给端创新（如智能手机、新能源车）需结合行业阶段判断，高速增长期更依赖需求拉动 [9][10] - 通过比较优势筛选标的，如产品竞争力强的企业在景气上行期量价表现更优，直接反映于业绩 [11] 估值与风险控制 - 对估值容忍度低，避免泡沫化市值，采用静态估值与远期空间综合评估 [14] - 组合管理避免单一行业过度暴露，配置非景气关联资产（如2024年非银金融）以平衡回撤 [16] - 中小盘标的需控制比例，因流动性风险与规模增长后的纠错成本较高 [17]

纪要涉及的行业和公司 行业：非银金融、消费、制造、科技、TMT、锂电池、光伏设备、电商、纺织服饰、乳制品与调味品、航运、军工、机器人、汽车、金融、酒类、食品饮料、国防军工、机械设备、核电、煤炭、新能源、半导体元件、工程机械、电池、化妆品、中游材料、中游组件逆变器、电池片、跨境电商、餐饮、PVC 玻璃等 公司：兴全、易方达、阿里 纪要提到的核心观点和论据 - **市场走势**：上周市场缺乏明确主线，本周预计维持震荡，多空因素并存。多头因素有资金面和现货端情绪较好、关税缓和降低无序脱钩风险、出口修复带动盈利预期上修；空头因素有股指期货基差走扩反映偏空情绪、政策对冲力度减弱、社融数据偏弱以及传统日历效应影响[1][4][5] - **板块配置**：维持泛科技、内需和红利策略，有三点边际变化。一是公募新规利好权重股，最终选定基准以大盘中盘风格为主，大金融行业占比不低；二是科技板块投资支出逻辑有瑕疵，但产业事件密集催化短期交易机会；三是哑铃型配置策略在波动率下行环境下表现优异，建议关注上证 50[1][6] - **港股走势**：受关税缓和及人民币升值预期影响，港股吸引力有望提升，人民币升值利于南向资金流入，偏好港股资产配置[1][7] - **公募基金考核新规影响**：从公司层面看，新规下大部分基金经理若不满足考核要求公司压力大；投资经理相对淡定，应对策略有换策略和换基准；监管角度未来可能将业绩基准换成全收益指数，市场最终可能走向指数化。还建议关注主动运作的指数增强产品，如兴全沪深 300 增强和易方达沪深 300 精选增强[8] - **公募基金主动权益监管选择**：一是坚守行业和风格，将基准换成行业或风格指数；二是以宽基作为基准指数，需面对更大竞争，最终靠业绩说话[9] - **市场资金面**：上周市场整体资金面环比基本持平，融资资金净流入但 ETF 北向交易活跃度低，成交平均额中枢小幅回落，交投情绪下滑。外资主动配置型净流出 A 股和港股，被动配置型净流入，关注其动向对市场风格的影响。内部资金热度小幅回暖，融资余额回升，杠杆资金把握主题性机会，ETF 大幅净流出[10][11] - **行业 ETF 资金流向**：主要净流出消费板块，制造和科技板块小幅净流出。产业资本持续发力，大股东增持和企业回购数量走高，有望成为市场新的托底力量[12] - **港股和美股资金面**：上周港股小幅卖出，南向资金单周流出规模达近两年来最高值；美股继续净卖出[13] - **四月份 A 股景气数据**：全行业景气数据环比下行，内需消费板块底部修复，制造板块景气改善放缓，TMT 板块整体景气韧性强[2][14] 其他重要但是可能被忽略的内容 - 5 月 14 日市场主要交易逻辑集中在公募欠配预期，但实际公募调仓并不明显[3] - 周四社融数据偏弱，但 618 预售高频消费数据良好，推动当天市场表现[3] - 阿里财报低于预期导致金融和酒类行业回调，科技端事件催化机器人、汽车等行业强势表现[3] - 截至四月底，亚洲区域配置型外资对 A 股仓位回升，全球配置型外资仓位回落至去年 9 月份水平[10] - 上周前四个交易日融资资金净流入约 43 亿元，规模有所缩减，国防军工、机械设备、非银金融板块净流入居前，汽车、计算机、食品饮料板块净流出居前[10][11] - 上周 ETF 净流出约 250 亿元，宽基与行业各占一半，宽基 TFE 主要净流出沪深 300、中证 500 等指数[11] - 今年 3 月新能源车销量和动力电池装机量环比回升，5 月电池排产数据继续改善，中游材料价格环比修复[15] - 今年 3 月光伏装机量有所改善，中游组件逆变器、电池片出口额环比修复，但整体 capex 削减力度不够[15] - 今年 3 月电商零售额及跨境电商出口数据环比明显修复，临近 618 促销力度不弱[15] - 今年 3 月纺织服饰国内零售同比增速持续修复，五一黄金周及 618 促销活动刺激短期需求上行[15] - 今年 3 月乳制品产量同比降幅收窄，4 月份牛奶零售额降幅低于生鲜乳平均价反映利润率可能改善，餐饮收入同比增速回升，PVC 玻璃价格环比回落带来成本端压力减轻[15]