行业与公司覆盖 * 纪要涉及汽车、钢铁、建材、轻工、电力装备、电子信息、有色金属、机械、石化等多个行业[1][2][3][5][6][7][9][10][11] 核心观点与论据 汽车行业 * 2025年汽车行业预计销量达3,200万辆 同比增长约3%[1][3] * 2025年新能源汽车销量预计达1,550万辆 渗透率达50%[1][3] * 新能源汽车增速目标从5%上调至6%[2] * 需关注补贴退坡后销售持续性及中国新能源汽车全球竞争力[1][3] * 新领域如车载机器人等多功能用途汽车的发展值得期待[1][4] 钢铁行业 * 未来将注重市场供需平衡、产业结构优化、绿色低碳和数字化转型[1][5] * 企业向低碳冶金、新材料方向转型 新能源汽车用钢、不锈钢、特种钢及电力行业用取向硅钢需求提升[1][5] * 几内亚铁矿石开始向中国发货 铁矿价格下降将改善行业利润[1][5] * 传统产业如钢铁提出了年均增速区间目标 为长期规划预留空间[2] 建材与轻工行业 * 建材行业重点发展绿色建材业务 收入目标超过3,000亿元 聚焦钢结构及一体化成型[1][6] * 轻工行业聚焦智能家居、中老年用品、婴儿用品、时尚用品及体育用品 引领消费升级[1][6] * 新方向如玻璃纤维和碳纤维等新材料领域为企业提供第二增长曲线[1][6] 电力装备与电子信息产业 * 电力装备是2026年重点发展领域 增速目标6%左右 国产化率提高到7% 龙头企业年收入需达10%[1][7] * 驱动因素包括新能源入市、电网安全需求增加及海外算力需求提升[1][7] * 2026年电力设备市场关注出海/出口、电网改造及电子信息产业相关电力设备[1][8] * AI应用大规模落地（如传媒、游戏）及国家超级算力节点中心大规模投资将带来投资机会 为国产化替代和智能制造提供机遇[1][3][8][9] * 电子信息产业增速目标调整至7%[2] 有色金属、机械与石化行业 * 2025年有色金属价格已明显回升 预计2026年及以后可能面临产能缺口 推动价格进一步上行[3][10] * 美联储降息利好黄金板块[3][10] * 机械行业关注自动化投资上新台阶 两重两新的改造是市场重点[11] * 石化行业向新材料方向发展 包括基础化工等领域[11] * 顺周期板块因经济复苏带来的需求跃升 将成为重点投资对象[11] 宏观市场与资本市场 * 2025年稳增长工作方案设定了更高增长目标 反映对宏观经济更强的信心[2] * 2025年资本市场出现明显回调 主因是海外市场对英伟达业绩实现能力的质疑引发全球算力产业链大幅回调[12] * 风险偏好下降导致消费品板块因估值低位而具备较强防御属性[12] * 当前是布局2026年的好时机 顺周期板块的涨价行情预计还会持续[12] 其他重要内容 * 2025年经济复苏态势较好[2] * 创新驱动成为重要目标[2] * 游戏行业提出了年均增速区间目标[2] * 从当前到2025年底 不太可能出现大的行情变化[12]

德国经济衰退现状 - 德国经济连续四年负增长，为欧元区最大经济体经历的持续性衰退 [3] - 德国工业生产水平已回落至2005年的状态，20年积累的工业产值在四年内跌回原点 [3] - 德国对中国的贸易关系由长期顺差转为逆差，对其经济地位构成挑战 [5] 德国产业竞争力下滑原因 - 德国产业升级步伐缓慢，面临中国制造业在价格和质量上的激烈竞争，例如工业设备售价德国为13万欧元而中国不到3万欧元 [6] - 德国企业技术壁垒被突破，舍夫勒集团承认在核心零部件技术上已不敢小觑中国企业 [8] - 德国环保与能源转型政策在实施过程中为企业增加了成本负担 [13] - 德国产业结构偏重传统机械和汽车行业，面临全球转型压力，而在数字化和绿色转型方面进展不及预期 [17][19] 中国制造业崛起因素 - 中国制造业向智能化和高端化转型，产品价格低且质量可靠，甚至在新能源车等领域实现反向输出，在德国本土建厂 [15] - 中国产业链完整性和发展节奏更快，在疫情和俄乌冲突等全球危机中展现出更强的抗压能力和稳定的供货能力 [17] - 中国中小企业创新速度远超德国同行，新产品从设计到量产在中国仅需六个月而德国需一年以上 [13] - 中国在新能源、智能制造、电池、光伏、人工智能等新兴产业更早发力并建立起技术体系和市场优势 [11][19] 外部环境冲击 - 特朗普关税政策扰乱全球供应链，导致德国企业采购成本立即上升 [1][8] - 物流成本上涨和天然气价格飞涨推高德国整体工业成本，利润大幅下滑 [10] - 关税政策加剧全球市场不确定性，导致德国企业观望或缩减海外投资，尤其是难以应对复杂贸易壁垒的中小企业被迫退出部分市场 [10][11]

市场总体展望 - 市场大方向或仍处牛市，但短期或进入宽幅震荡阶段，牛市持续时间比涨幅更重要[2] - 短期市场缺乏强力催化，年末投资者行为趋于稳健，股市或以震荡蓄势为主[2] - 中长期看好“红利+科技”主线，红利在波动方面占优[2] 债券与固收市场 - 产业债发行规模达2515.05亿元，环比增加48.22%，占信用债总规模43.27%[2] - 城投债发行规模达1036.56亿元，环比增加26.83%，占比17.83%[2] - 金融债发行规模达2260.50亿元，环比增加10.83%，占比38.89%[2] - 公募REITs加权指数上周回报率为-1.02%，表现弱于纯债和黄金[2] 行业与主题配置 - 铜供需维持偏紧格局，短期震荡后价格有望继续上行[5] - 氢氨醇作为新能源消纳重要方向有望获更多投资，与风电板块形成共振[5] - 10月全社会用电量8572亿千瓦时，同比增长10.4%[5] - 1-10月核心6城宅地成交总价5412亿元，占百城比重为44.7%[27] 海外与宏观因素 - 美国9月非农数据高于预期，美联储12月或暂缓降息[10] - 美国政府重新开门但市场未定价利好，因停摆与降息不确定性仍存[16] - “十五五”规划强调稳步扩大制度型开放，聚焦人民币国际化等五大领域[12]

标普红利ETF产品定位与策略 - 产品是平衡市场防御与进攻属性的基石型配置工具，聚焦高股息、现金流稳定的优质企业，旨在为投资组合提供持续现金流和长期复利潜力[1] - 产品策略具备“红利+小盘+行业分散”的独特特点，兼具小盘股的成长弹性与高股息资产的防御性[1][3] 产品核心业绩与数据表现 - 产品跟踪的标普中国A股红利机会指数今年以来涨幅达14.95%，在A股主流红利指数中排名第1[1][3] - 标的指数最新股息率为5.18%，领先于主流红利指数[1][3] - 产品市值中位数为210亿元，凸显其小盘属性[1][3] - 产品年化夏普比为1.91，在列举的主流红利指数中表现突出[3] 产品行业配置与结构特点 - 产品行业配置分散，前三大行业及权重分别为：银行(16.58%)、机械(11.02%)、轻工制造(8.68%)[3] - 标的指数采用半年调仓的灵活机制，注重分红稳定性与盈利持续性[3] 产品衍生工具与现金流特征 - 产品的联接基金（A类：501029；C类：005125）已连续四季分红，平均每季度分红约1.25%，提供了可预期的现金流[1]

根据研报内容，以下是涉及的量化模型和因子的总结： 量化模型与构建方式 **1 模型名称：A股大盘择时模型[2][10]** - 模型构建思路：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断[10] - 模型具体构建过程：各维度日频发出信号，每日信号取值为0、±1，分别代表看平、看多、看空三种观点[10] 估值和情绪采用反转逻辑，刻画A股市场均值回归特征；资金和技术采用趋势逻辑，刻画市场趋势延续特征[10] 以各维度得分之和的正负性作为大盘多空观点的依据[10] - 模型评价：左侧指标规避风险，右侧指标捕捉机会[10] **2 模型名称：红利风格择时模型[3][18]** - 模型构建思路：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[3][18] - 模型具体构建过程：三个指标从趋势维度日频发出信号，每日信号取值为0、+1、-1，分别代表看平、看多、看空三种观点[18] 以各维度得分之和的正负性作为红利风格多空观点的依据[18] 当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[18] **3 模型名称：大小盘风格择时模型[3][23]** - 模型构建思路：采用基于拥挤度分域的趋势模型进行择时，其中拥挤度采用小盘和大盘的动量之差和成交额之比刻画[3][23] - 模型具体构建过程：首先从动量视角和成交视角计算大小盘风格拥挤度得分[23] 若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，否则为低拥挤区间[25] 在高拥挤区间采用参数值较小的双均线模型应对风格反转，在低拥挤区间采用参数值较大的双均线模型跟踪中长期趋势[25] **4 模型名称：遗传规划行业轮动模型[4][30]** - 模型构建思路：采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库[4][33] - 模型具体构建过程：底层资产为32个中信行业指数，因子更新频率为季频，调仓频率为周频[30] 使用|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[33] 在NSGA-II算法加持下挖掘兼具分组表现单调、多头表现优秀的行业轮动因子[33] **5 模型名称：中国境内全天候增强组合[5][39]** - 模型构建思路：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象[5][39] - 模型具体构建过程：在四象限风险平价基础上，基于宏观预期动量的观点主动偏配看好象限[5] 构建分为三步：宏观象限划分与资产选择、象限组合构建与风险度量、风险预算模型确定象限权重[42] 每月底根据"象限观点"调整象限风险预算进行主动偏配[42] 模型的回测效果 **1 A股大盘择时模型[15]** - 年化收益：24.94% - 最大回撤：-28.46% - 夏普比率：1.16 - Calmar比率：0.88 - YTD：43.84% - 上周收益：5.28% **2 红利风格择时模型[21]** - 年化收益：15.67% - 最大回撤：-25.52% - 夏普比率：-0.26 - Calmar比率：0.85 - YTD：20.86% - 上周收益：-3.63% **3 大小盘风格择时模型[28]** - 年化收益：27.04% - 最大回撤：-32.05% - 夏普比率：1.13 - Calmar比率：0.84 - YTD：71.14% - 上周收益：-7.80% **4 遗传规划行业轮动模型[33]** - 年化收益：30.83% - 年化波动：17.74% - 夏普比率：1.74 - 最大回撤：-19.63% - 卡玛比率：1.57 - 上周表现：-4.39% - YTD：35.44% **5 中国境内全天候增强组合[43]** - 年化收益：11.51% - 年化波动：6.18% - 夏普比率：1.86 - 最大回撤：-6.30% - 卡玛比率：1.83 - 上周表现：-1.53% - YTD：10.75% 量化因子与构建方式 **1 因子名称：大小盘风格拥挤度因子[23][27]** - 因子构建思路：从动量视角和成交视角计算大小盘风格拥挤度得分[23] - 因子具体构建过程： 1) 动量之差：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日动量之差，计算各窗长动量之差的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分；对分位数最低的3个结果取均值作为大盘风格的动量得分[27] 2) 成交额之比：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日成交额之比，计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分；对分位数最低的3个结果取均值作为大盘风格的成交量得分[27] 3) 将小盘风格的动量得分和成交量得分取均值得到小盘风格的拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格的拥挤度得分，小于10%视为触发高拥挤[27] **2 因子名称：遗传规划行业轮动因子[37]** - 因子构建思路：基于单行业阻力支撑位构建[37] - 因子具体构建过程： 1) 在过去25个交易日中，计算周度标准化最低价和月度标准化开盘价的协方差，记作变量A[38] 2) 在过去15个交易日中，对周度标准化最高价开展zscore标准化，取标准化后大于2.0的日期，对A进行反转即乘以-1后，计算这15个交易日A之和[38] 因子表达式：$$ts\_grouping\_deczscorecut\_torch(ts\_covariance\_torch(wlow\_st, mopen\_st, 25), whigh\_st, 15, 2.0, 2)$$[37]

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]