核心观点 - 报告对CANSLIM行业轮动策略进行样本外跟踪，并从多维度解析行业景气度，给出2025年12月的月度行业配置建议[1][14] - 借鉴CANSLIM体系，从行业拥挤度、分析师预期、基本面景气度、聪明资金、价格动量、机构资金和宏观视角下的动态估值七个维度构建复合得分因子[4][13][26][27] - 本期得分排名靠前的五个行业为钢铁、银行、建筑、电力及公用事业和电力设备及新能源行业[4][24] 行业轮动因子表现 - 上月以来（20251103-20251128），超大单资金净流入金额占比和券商金股行业变动因子表现较好，SUE、PB和单季度ROE增速因子表现较差[2][16] - 今年以来（20250102-20251128），公募重仓股动量、SUE和分析师认可度因子表现较好，成交量调节动量、公募基金持仓行业变动和超大单资金净流入金额占比因子表现较差[2][16] 上月组合绩效回顾 - 上月以来（20251103-20251128），行业轮动组合收益率-1.09%，同期中信一级行业等权指数收益率-1.16%，组合超额收益率0.08%[3][21] - 今年以来（20250102-20251031），行业轮动组合收益率20.48%，同期中信一级行业等权指数收益率20.20%，组合超额收益率0.28%[3][21] - 2025年11月中信一级行业中，纺织服装（+3.53%）、石油石化（+3.19%）、银行（+3.16%）收益率排名靠前，综合金融（-7.32%）、计算机（-5.64%）、汽车（-5.61%）收益率排名靠后[17][20] 本月组合推荐情况 - 基于CANSLIM复合得分因子，2025年12月推荐配置得分最高的五个行业：钢铁（总分131）、银行（总分124.5）、建筑（总分109）、电力及公用事业（总分104.5）、电力设备及新能源（总分102）[4][24][25] - 各行业得分基于七个维度：基本面、机构观点、分析师预期、资金面、拥挤度、估值和动量，其中煤炭行业因触及拥挤度条件，在拥挤度维度得分为-999[24][25] CANSLIM行业轮动策略构建及绩效表现 - CANSLIM复合因子自2013年以来RankIC均值达11.6%，月胜率64.7%，年化RankICIR达1.44，多头年化超额收益10.75%，空头年化超额收益-10.41%[5][32][33][34] - 策略组合自2013年以来年化收益22.94%，相对行业等权基准年化超额收益13.80%，相对最大回撤23.75%，信息比1.29，收益回撤比0.58，月度胜率73%[5][38][40] - 组合构建方式为每月末调仓，选取CANSLIM复合因子得分最高的5个行业等权配置，若第五名出现平分则全部纳入[36][37]

根据您提供的研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：券商金股业绩增强组合**[37][42] * **模型构建思路**：该模型以券商金股股票池为选股空间，旨在通过多因子优选的方式，构建一个能够稳定战胜偏股混合型基金指数的投资组合[12][42] * **模型具体构建过程**：模型采用组合优化的方式进行构建，具体过程包括：以券商金股股票池作为选股范围和约束基准；采用组合优化方法，控制投资组合与基准券商金股股票池在个股和风格因子上的偏离；以全体公募基金的行业分布作为行业配置基准，进行优化[42] * **模型评价**：该模型结合了券商总量分析师自上而下的配置能力和行业分析师自下而上的选股能力，历史表现稳健，能够有效捕捉券商金股股票池中的Alpha潜力[12][42] 模型的回测效果 1. **券商金股业绩增强组合**[43][46] * 全样本年化收益（考虑仓位）：19.34%[46] * 相对偏股混合型基金指数年化超额收益：14.38%[46] * 在主动股基中排名（2025年截至11月28日）：35.37%分位点（1227/3469）[5][41] * 本月（2025年11月）绝对收益：-1.06%[5][41] * 本月相对偏股混合型基金指数超额收益：1.39%[5][41] * 本年（2025年截至11月28日）绝对收益：33.65%[5][41] * 本年相对偏股混合型基金指数超额收益：4.42%[5][41] 量化因子与构建方式 1. **因子名称：总市值**[3][27] * **因子表现**：报告指出，最近一个月及今年以来，总市值因子在券商金股股票池中均表现较好[3][27] 2. **因子名称：单季度超预期幅度**[3][27] * **因子表现**：报告指出，最近一个月，单季度超预期幅度因子在券商金股股票池中表现较好[3][27] 3. **因子名称：SUR**[3][27] * **因子表现**：报告指出，最近一个月及今年以来，SUR因子在券商金股股票池中均表现较好[3][27] 4. **因子名称：单季度营收增速**[3][27] * **因子表现**：报告指出，今年以来，单季度营收增速因子在券商金股股票池中表现较好[3][27] 5. **因子名称：日内收益率**[3][27] * **因子表现**：报告指出，最近一个月，日内收益率因子在券商金股股票池中表现较差[3][27] 6. **因子名称：分析师净上调幅度**[3][27] * **因子表现**：报告指出，最近一个月，分析师净上调幅度因子在券商金股股票池中表现较差[3][27] 7. **因子名称：分析师净上调比例**[3][27] * **因子表现**：报告指出，最近一个月，分析师净上调比例因子在券商金股股票池中表现较差[3][27] 8. **因子名称：EPTTM**[3][27] * **因子表现**：报告指出，今年以来，EPTTM因子在券商金股股票池中表现较差[3][27] 9. **因子名称：预期股息率**[3][27] * **因子表现**：报告指出，今年以来，预期股息率因子在券商金股股票池中表现较差[3][27] 10. **因子名称：BP**[3][27] * **因子表现**：报告指出，今年以来，BP因子在券商金股股票池中表现较差[3][27] 因子的回测效果 （报告中未提供具体因子分组的回测指标数值，仅进行了定性描述，故此部分略）

量化模型与构建方式 1. **模型名称：CANSLIM行业轮动策略**[1][4][13] * **模型构建思路**：借鉴CANSLIM体系，从行业拥挤度（C）、分析师预期（A）、基本面景气度（N）、聪明资金（S）、价格动量（L）、机构资金（I）和宏观视角下的动态估值（M）七个维度构建复合因子，用于进行行业轮动配置[4][13][26]。 * **模型具体构建过程**： * **调仓频率**：每月月末最后一个交易日调仓[36]。 * **回测区间**：2013年1月4日至2025年9月30日[36]。 * **样本选择**：28个中信一级行业（剔除综合金融、综合行业）[36]。 * **业绩基准**：中信一级行业等权组合[36]。 * **组合构建方式**：根据CANSLIM复合因子值对行业从高到低进行排序，选择得分最高的5个行业等权构建组合；若得分第五的行业出现平分，则相同得分的行业全部纳入[37]。 模型的回测效果 1. **CANSLIM行业轮动策略**，年化收益22.94%，相对行业等权基准年化超额收益13.80%，相对最大回撤23.75%，信息比1.29，收益回撤比0.58，月度胜率73%[5][38][40]。 量化因子与构建方式 1. **因子名称：CANSLIM复合因子**[4][5][32] * **因子构建思路**：综合行业拥挤度（C）、分析师预期（A）、基本面景气度（N）、聪明资金（S）、价格动量（L）、机构资金（I）和宏观视角下的动态估值（M）七个维度的多个子因子，构建一个综合得分因子用于评估行业未来表现[4][26][27]。 * **因子具体构建过程**：该复合因子由以下七个维度的子因子综合计算得出，各子因子的具体计算方式如下[26][27][32]： * **Crowd (拥挤度)**：$$ \text{拥挤度} = \frac{(\text{创新高股票数量} - \text{创新低股票数量})}{\text{行业内"成交活跃股"股票数量}} $$[32] * **Analyst (分析师预期)**：包含两个子因子： * 分析师认可度：$$ \text{分析师认可度} = \frac{(\text{分析师认可股票数量} - \text{分析师不认可股票数量})}{\text{成分股数量}} $$[32] * 分析师净上调比例：过去三个月分析师净上调比例[32]。 * **NotableProfit (基本面景气度)**：包含三个子因子： * SUE：标准化预期外盈利[32]。 * DeltaROEQ：单季度ROE同比增速[32]。 * 工业企业经济效益：工业企业利润累计同比[32]。 * **Smart (聪明资金)**：超大单资金净流入金额占比：$$ \text{超大单资金净流入金额占比} = \frac{\text{超大单资金净流入}}{\text{行业自由流通市值}} $$[32] * **Leader (价格动量)**：包含两个子因子： * 公募重仓股动量：成分股内公募重仓股收益率 - 成分股内所有股票收益率[32]。 * 成交量调节动量：日成交量调节动量均值 / 日成交量调节动量标准差[32]。 * **Institution (机构资金)**：包含两个子因子： * 公募基金行业变动：公募基金相对中证800指数行业超低配相对上期变动[32]。 * 券商金股行业变动：券商金股行业相对上月变动[32]。 * **MacroPB (宏观视角下的动态估值)**：在"信贷+货币"框架下引入趋势变量，形成多维度动态估值调节方法[27][32]。 2. **因子名称：券商金股行业变动因子**[2][16][32] * **因子构建思路**：从卖方视角探知机构资金的最新观点，反映券商金股推荐组合的行业配置变化[27][32]。 * **因子具体构建过程**：计算券商金股行业相对上月的变动情况[32]。 3. **因子名称：超大单资金净流入金额占比因子**[2][16][32] * **因子构建思路**：通过超大单资金的动向观察聪明资金的市场偏好[26][32]。 * **因子具体构建过程**：$$ \text{因子值} = \frac{\text{超大单资金净流入}}{\text{行业自由流通市值}} $$[32] 4. **因子名称：SUE因子**[2][16][32] * **因子构建思路**：使用标准化预期外盈利衡量基本面景气度[26][32]。 * **因子具体构建过程**：计算标准化预期外盈利[32]。 5. **因子名称：PB因子**[2][16] * **因子构建思路**：使用市净率作为估值衡量指标。 6. **因子名称：单季度ROE增速因子**[2][16][32] * **因子构建思路**：使用单季度ROE同比增速衡量盈利能力边际改善[26][32]。 * **因子具体构建过程**：计算单季度ROE同比增速[32]。 7. **因子名称：公募重仓股动量因子**[2][16][32] * **因子构建思路**：通过公募重仓股相对于行业内其他股票的表现来刻画行业价格强势程度[27][32]。 * **因子具体构建过程**：$$ \text{因子值} = \text{成分股内公募重仓股收益率} - \text{成分股内所有股票收益率} $$[32] 8. **因子名称：分析师认可度因子**[2][16][32] * **因子构建思路**：从分析师认可度观察行业景气度持续性[26][32]。 * **因子具体构建过程**：$$ \text{因子值} = \frac{(\text{分析师认可股票数量} - \text{分析师不认可股票数量})}{\text{成分股数量}} $$[32] 9. **因子名称：成交量调节动量因子**[2][16][32] * **因子构建思路**：结合成交量信息来刻画动量[27][32]。 * **因子具体构建过程**：$$ \text{因子值} = \frac{\text{日成交量调节动量均值}}{\text{日成交量调节动量标准差}} $$[32] 10. **因子名称：公募基金持仓行业变动因子**[2][16][32] * **因子构建思路**：从买方视角探知机构资金的最新观点[27][32]。 * **因子具体构建过程**：计算公募基金相对中证800指数行业超低配相对上期的变动[32]。 因子的回测效果 1. **CANSLIM复合因子**，RankIC均值11.6%，月胜率64.7%，年化RankICIR 1.44，多头年化超额收益10.75%，空头年化超额收益-10.41%[5][32][34]。

指数化投资发展概况 - 股票型ETF规模整体呈上升趋势，2025年第三季度规模达到4.11万亿元 [2] - 截至2025年9月30日，股票型被动指数基金共计1521只，合计规模高达4.44万亿元 [2] - 被动产品跟踪规模超过100亿元的A股股票指数共56只，跟踪规模前三的指数分别为沪深300、中证A500、上证50，规模分别为11813.28亿元、1953.51亿元、1883.42亿元 [5][7] 指数成分股调整事件 - 中证指数公司和深圳证券信息有限公司在每年6月和12月对指数成分股进行定期调整，2025年12月的调整方案于12月12日收市后正式生效 [6] - 指数成分股调整是根据编制规则进行的被动操作，若调整规模较大可能带来交易性投资机会 [5][6] - 冲击测算考虑了不同指数的权重计算方式、个股权重上限以及同一股票在不同指数中的买卖方向净额 [8][9] 预计产生显著净买入的个股 - 胜宏科技、东山精密、光启技术预计净买入规模最大，分别达到48.65亿元、47.91亿元、34.87亿元 [10][11] - 净买入规模超过5亿元的股票还包括拓普集团、中科曙光、中天科技、比亚迪等 [11] - 塔牌集团、江中药业、陕鼓动力的冲击系数最高，分别为8.69、8.44、6.99，表明资金流入相对于其成交额的影响最为显著 [11][12] 预计产生显著净卖出的个股 - 阳光电源、中际旭创、寒武纪预计净卖出规模最大，分别达到56.79亿元、38.98亿元、31.25亿元 [13] - 净卖出规模超过5亿元的股票还包括药明康德、海光信息、中国移动、宁德时代等 [13] - 深高速、万和电气、天佑德酒的冲击系数最低，分别为-15.65、-13.30、-10.52，表明资金流出相对于其成交额的负面影响最为显著 [13][14]

根据提供的金融工程市场跟踪周报，以下是总结的量化模型与因子内容。 量化模型与构建方式 1. **模型名称：量能择时模型**[22] * **模型构建思路**：通过分析主要宽基指数的成交量能状态，来判断市场短期走势，当量能与价格表现不匹配时，预示反弹力度可能减弱[22] * **模型具体构建过程**：报告未详细描述该模型的具体计算过程和公式，仅给出了基于该模型的最终观点信号[22] 2. **模型名称：沪深300上涨家数占比情绪指标**[23] * **模型构建思路**：利用市场强势股的示范效应，通过计算指数成分股中近期上涨股票的数量占比来判断市场情绪。情绪过低可能预示底部，情绪过高则提示风险[23] * **模型具体构建过程**：计算沪深300指数成分股在过去N日内收益率大于0的个股数量占成分股总数的比例。 具体公式为： $$沪深300指数N日上涨家数占比 = \frac{沪深300指数成分股过去N日收益大于0的个股数}{沪深300指数成分股总数}$$[23] 3. **模型名称：动量情绪指标择时模型**[28] * **模型构建思路**：对“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平滑线的相对位置来生成交易信号，以捕捉市场情绪的变动趋势[28] * **模型具体构建过程**： 1. 计算基础指标：沪深300指数N日上涨家数占比（N=230）[28] 2. 对该基础指标分别进行窗口期为N1=50和N2=35的移动平均，得到慢线和快线（N1>N2）[28] 3. 当快线大于慢线时，生成看多信号；当快线小于慢线时，对市场持谨慎或中性态度[28] 4. **模型名称：均线情绪指标择时模型**[31][32] * **模型构建思路**：基于技术分析中的均线理论，通过判断当前价格相对于一组均线的位置来评估市场趋势和情绪状态[31] * **模型具体构建过程**： 1. 计算沪深300收盘价的八条均线，参数分别为8, 13, 21, 34, 55, 89, 144, 233[31] 2. 统计当日沪深300收盘价位于这八条均线之上的数量[32] 3. 当收盘价位于五条及以上均线之上时，生成看多信号[32] 5. **因子名称：横截面波动率**[34] * **因子构建思路**：通过计算特定指数内所有成分股在同一时期收益率的离散程度，来衡量市场分化程度和选股（Alpha）环境的优劣[34] * **因子具体构建过程**：报告未提供该因子的具体计算公式，但指出其用于衡量沪深300、中证500、中证1000等指数成分股收益率的截面差异[34] 6. **因子名称：时间序列波动率**[38] * **因子构建思路**：通过计算指数成分股收益率在时间序列上的波动情况，来评估市场的整体波动水平和Alpha环境[38] * **因子具体构建过程**：报告未提供该因子的具体计算公式，但指出其用于衡量沪深300、中证500、中证1000等指数成分股加权后的时间序列波动率[38] 7. **因子名称：基金抱团分离度**[81] * **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，来作为基金抱团程度的代理变量。标准差小表明抱团程度高，标准差大表明抱团瓦解[81] * **因子具体构建过程**：具体计算方式为抱团基金截面收益的标准差[81] 模型的回测效果 1. **动量情绪指标择时模型**，报告未提供具体的回测绩效指标，仅展示了策略净值表现图[29] 2. **均线情绪指标择时模型**，报告未提供具体的回测绩效指标，仅展示了策略净值表现图[33] 量化因子的回测效果 1. **横截面波动率因子**，近两年平均值：沪深300为1.92，中证500为2.11，中证1000为2.30[38]；近一年平均值：沪深300为1.88，中证500为2.12，中证1000为2.40[38]；近半年平均值：沪深300为1.97，中证500为2.14，中证1000为2.39[38]；近一季度平均值：沪深300为2.23，中证500为2.41，中证1000为2.59[38]；近一季度平均值占近两年分位：沪深300为80.54%，中证500为74.60%，中证1000为82.47%[38]；近一季度平均值占近一年分位：沪深300为79.71%，中证500为74.60%，中证1000为78.49%[38]；近一季度平均值占近半年分位：沪深300为78.05%，中证500为78.57%，中证1000为75.30%[38] 2. **时间序列波动率因子**，近两年平均值：沪深300为0.65%，中证500为0.47%，中证1000为0.26%[41]；近一年平均值：沪深300为0.61%，中证500为0.45%，中证1000为0.25%[41]；近半年平均值：沪深300为0.61%，中证500为0.45%，中证1000为0.24%[41]；近一季度平均值：沪深300为0.71%，中证500为0.52%，中证1000为0.27%[41]；近一季度平均值占近两年分位：沪深300为75.36%，中证500为78.57%，中证1000为82.07%[41]；近一季度平均值占近一年分位：沪深300为75.78%，中证500为76.19%，中证1000为79.28%[41]；近一季度平均值占近半年分位：沪深300为69.77%，中证500为76.19%，中证1000为74.10%[41]

市场整体趋势与指数表现 - 截至2025年11月28日，主要股指距离其250日新高均较近，其中中证2000指数距离新高仅2.78%，科创50指数距离新高最远，为13.77% [1][6] - 家电行业指数距离250日新高最近，仅为0.92%，纺织服装和轻工制造行业紧随其后，距离分别为2.88%和1.45% [9] - 食品饮料、综合金融、非银行金融、医药和房地产行业指数距离250日新高较远，显示相对弱势 [9] - 家居用品、卫星导航、锂矿等概念指数同样接近其250日新高 [11] 创新高个股的板块与行业分布 - 全市场共有1043只股票在过去20个交易日内创出250日新高，显示市场活跃度较高 [2][14] - 基础化工行业创新高个股数量最多，达157只，电力设备及新能源和机械行业分别有113和98只 [14] - 从创新高个股占比看，纺织服装行业表现突出，占比达39.39%，电力设备及新能源和煤炭行业占比分别为36.45%和36.11% [14] - 周期板块和制造板块是创新高个股的集中地，分别有338只和274只股票创新高，占板块内股票数量的30.10%和17.59% [16] 主要指数成分股创新高情况 - 中证1000指数成分股中创新高个股占比最高，为19.70%，中证2000指数占比为19.35% [2][16] - 沪深300和中证500指数成分股中创新高占比分别为18.00%和17.00%，创业板指和科创50指数占比相对较低，为15.00%和8.00% [16] 平稳创新高股票筛选与特征 - 通过多维度筛选出26只平稳创新高股票，代表性公司包括中际旭创、光库科技、中矿资源等 [3][20] - 筛选标准综合考量分析师关注度、股价相对强弱、趋势延续性、股价路径平稳性及创新高持续性 [17][19] - 周期板块和制造板块在平稳创新高股票中占据主导，分别有10只和8只股票入选 [3][20] - 在周期板块内，有色金属行业创新高股票最多；在制造板块内，建筑行业创新高股票最多 [3][20] 代表性平稳创新高个股详情 - 中际旭创流通市值5688亿元，过去250日涨幅达274.33%，过去3个月有50份推荐研报 [21] - 光库科技过去250日涨幅为221.51%，过去20日涨幅为46.62% [21] - 中矿资源过去250日涨幅为72.86%，过去20日涨幅为16.04% [21] - 大中矿业表现强劲，过去250日涨幅高达219.33%，过去20日涨幅为55.64% [21]

核心观点 - 2025年公募基金市场蓬勃发展，规模与数量双增长，主动权益基金区间收益均值高达29.69% [2] - 2026年A股市场结构性机会仍存，科技成长仍是主线，宏观经济预计平稳复苏 [2] - 基于深度学习框架构建的指数增强策略表现领先，中证1000指数增强组合年内上涨41.68%，超额收益达15.75% [3] - 价值成长风格轮动在2026年可能进入震荡择时更重要的阶段，11月轮动策略综合分数为6，成长风格得分较高 [2] 公募基金投资策略 主动权益基金市场回顾 - 2025年主动权益基金规模达4.06万亿元，较2024年末增长19.80%，基金数量增加146只至4626只 [12] - 科技主题基金规模增长尤为显著，从2024年末的3289.73亿元增长至3Q2025的5453.86亿元，增幅达65.78% [15] - 主动量化基金规模与数量创近十年新高，3Q2025规模合计1299.23亿元，较2024年末增长77.62% [17] - 2025年新发主动权益基金272只，合并发行份额1398.22亿份，较2024年末增长95.52% [21] - 主动权益基金2025年以来整体表现优异，区间收益均值29.69%，98.38%的基金取得正收益 [23] - 3Q2025主动权益基金重仓股配置前三板块为科技（40.18%）、制造（22.95%）和周期（13.57%） [28] 指数基金市场回顾 - 2025年指数基金规模与数量创历史新高，3Q2025规模达6.14万亿元，较2024年末增长32.27% [37] - ETF基金占据主导地位，3Q2025规模4.67万亿元，占指数基金总规模的76.10% [38] - 宽基ETF规模领先，A股宽基ETF规模2.49万亿元；行业主题ETF数量占优，达621只 [40] - 增强指数基金表现突出，跟踪沪深300、中证500、中证1000指数的产品超额收益均值分别为2.03%、2.54%、8.27% [54] FOF基金市场回顾 - FOF基金规模大幅增长，3Q2025规模达1869.84亿元，较2024年末增长41.47% [58] - 偏债型FOF基金为主流，规模1117.83亿元，占FOF基金总规模的59.78% [58] - 所有FOF基金2025年均取得正收益，偏债型、平衡型、偏股型FOF平均收益分别为5.91%、16.03%、26.07% [66][70][72] - 市场竞争集中度较高，前十大管理人合计市占率达65.55% [74] 2026年基金投资策略 - 基金经理展望认为2026年宏观经济将保持平稳复苏，A股结构性机会仍存，科技成长仍是主线 [79] - 主要配置方向包括AI算力及应用产业链、半导体国产替代、新能源与储能、创新药与医疗器械等 [83] - 基于量化选基模型构建的FOF组合自2013年以来年化超额收益达6.63%，表现稳健 [89][92] 中观配置回顾与展望 价值成长轮动 - 2025年上半年价值风格相对占优，年中后成长风格接力上行，近一个月价值板块重新走强 [2] - 11月价值成长轮动策略综合分数为6，成长风格得分较高 [2] - 2026年价值成长风格轮动可能进入震荡择时更重要的阶段 [2] 大小盘轮动 - 2025年大小盘相对强弱总体围绕0.6左右低位区间小幅震荡，风格分化较往年收敛 [3] - 11月大小盘轮动策略综合分数为4，小盘风格得分较高 [3] - 2026年大小盘相对强度具备探底反转基础，大盘风格有望迎来相对回升 [3] 行业轮动 - 11月行业轮动综合得分排名前七的行业为银行、机械、通信、有色金属、传媒、汽车、电子 [3] - 2025年以来科技链与资源属性行业相对占优，部分行业在快速上涨后出现拥挤度提升信号 [3] 指数增强组合跟踪 - 沪深300指数增强组合2025年以来上涨28.49%，超额收益10.88% [3] - 中证500指数增强组合2025年以来上涨35.00%，超额收益8.63% [3] - 中证1000指数增强组合2025年以来上涨41.68%，超额收益15.75% [3] 主动选股策略跟踪 - 权益基金业绩增强组合2025年以来上涨38.25%，超额收益9.67% [3] - 小盘价值组合2025年以来上涨43.66%，超额收益13.95% [3] - 红利攻守弈组合2025年以来上涨20.68%，超额收益12.20% [3]

报告行业投资评级 未提及 报告的核心观点 - 2026年推动转债走强的“固收资产荒”和“权益高景气”或延续，预计转债市场明年有超10%收益机会，市场供需结构继续演化，估值“易上难下”，策略上关注“更高阶”低估，条款博弈关注赔率 [4] 根据相关目录分别进行总结 转债“生态位”优势不变，2026年收益空间不低 - 2026年“固收资产荒”和“权益高景气”或延续，转债整体股性处历史高点，股债双牛可期，强权益成转债表现支撑，“固收+”投资者对转债需求高，成估值支撑 [4][8] - 预计2026年转债指数有超10%收益空间，若2026年上证指数冲击4500 - 5000点，基于delta计算转债整体收益在8% - 17%，权益上涨或提升delta，收益空间更高 [4][8] “老龄化”速度或略放缓，哑铃结构逐渐显现 - 预计2026年转债市场缩量速度略低于2025年，存量规模至4500 - 5000亿元，净供给或为 - 1000亿元 [13] - 2026年转债“老龄化”降速，年末剩余期限中位数或在2.2年左右，主要因短久期转债强赎退出和供给修复 [15] - 预计2026年中等久期转债减少，期限结构向“哑铃化”演变，年末形成3年期以内中大型转债和4年期以上中小型成长科技类转债的“哑铃型”结构 [16] - 至2026年末，非银、商贸零售、消费者服务行业转债全部到期，银行、电新、基础化工行业存量转债余额领先 [18] 基金占比或进一步加大，关注转债ETF - 截至2025年10月末，基金持有可转债比重或达47%，为数据公布以来最高，预计2026年占比保持高位或创新高 [20][22] - 散户长期减持转债，保险、年金资金回归转债市场不确定，2026年或更多通过FOF参与 [22] - 至2025年10月末，转债ETF持有转债市值达678.40亿元，占比接近10%，其规模提升使次新券高估值，或因ETF在新券、次新券中超配 [27] 估值有支撑，还可更乐观 - 2025年转债估值“高歌猛进”，隐波回到2023年中枢水平，2026年转债估值或高位运行，因市场风偏不弱、年金和保险仓位低、信用风险事件概率有限 [30] - 转债估值高点或在35% - 40%附近，考虑长端利率下降和债底上升，估值高点或更高 [33] 高估值环境下，建议关注“更高阶”的低估 - 2025年投资者偏爱低估标的，低价策略有超额收益，源于偏债“固收+”投资者对低估转债的需求 [37] - 2026年纯低策略获超额难度提升，应构建复杂低估评价标准，寻找“更高阶”低估，凸性策略是切入口，2025年系列凸性策略收益和卡玛比表现优秀 [41][42] 条款博弈“内卷”，或需更关注赔率 - 2025年四季度转债条款博弈体验不佳，下修提议少，强赎比例高 [45] - 高估值下转债强赎博弈“内卷”，投资者对强赎预期高，提前博弈导致估值压缩提前 [47] - 转债下修博弈空间收窄，需精细化考虑个券赔率机会，“摊大饼”获超额收益空间不高 [48] - 给出2026年转债下修、强赎冷却期结束的标的情况 [53][54]

量化模型与构建方式 1. 扩散指数行业轮动模型 - **模型构建思路**：基于价格动量原理，通过计算行业扩散指数来捕捉行业趋势，选择趋势向上的行业进行配置[36] - **模型具体构建过程**：该模型通过跟踪各行业的扩散指数来进行行业轮动，扩散指数反映了行业价格的动量趋势[36] 具体构建过程包括计算各行业的扩散指数值，然后根据指数值排名选择排名靠前的行业作为配置标的[23] 截至2025年11月21日，扩散指数排名前六的行业被选为配置组合[23] - **模型评价**：该模型在趋势性行情中表现较好，但在市场风格从趋势转为反转时可能面临失效风险[36] 2. GRU因子行业轮动模型 - **模型构建思路**：基于分钟频量价数据，通过GRU深度学习网络生成行业因子，利用因子排名进行行业轮动[37] - **模型具体构建过程**：使用GRU深度学习网络对分钟频量价数据进行训练，生成各行业的GRU因子值[37] 根据GRU因子值的排名，选择排名靠前的行业作为配置组合[31] 模型会定期进行调仓，如本周调入传媒行业，调出钢铁行业[35] - **模型评价**：该模型在短周期表现较好，对交易信息把握能力强，但在长周期表现一般，遭遇极端行情时可能失效[37] 模型的回测效果 1. 扩散指数行业轮动模型 - 本周平均收益：-5.50%[26] - 本周超额收益（相对中信一级行业等权）：-0.42%[26] - 11月以来超额收益：-1.13%[26] - 2025年以来超额收益：1.22%[26] - 历史表现：2021年超额收益率一度超过25%，2022年超额收益6.12%，2023年超额收益-4.58%，2024年超额收益-5.82%[22] 2. GRU因子行业轮动模型 - 本周平均收益：-4.71%[35] - 本周超额收益（相对中信一级行业等权）：0.35%[35] - 11月以来超额收益：2.92%[35] - 2025年以来超额收益：-2.74%[35] - 历史表现：自2021年起凭借对交易信息的把握获得了较大的超额收益[30] 量化因子与构建方式 1. 行业扩散指数因子 - **因子构建思路**：基于价格动量原理构建，反映行业价格趋势强度[36] - **因子具体构建过程**：通过计算各行业的扩散指数值来量化行业动量趋势[23] 具体计算过程未在报告中详细说明，但给出了各行业的最新扩散指数值，如有色金属(0.985)、银行(0.934)、综合(0.876)等[23] 2. GRU行业因子 - **因子构建思路**：基于分钟频量价数据，通过GRU深度学习网络生成[37] - **因子具体构建过程**：使用GRU神经网络对行业分钟频量价数据进行训练，输出各行业的因子值[31] 具体网络结构和训练过程未在报告中详细说明，但给出了各行业的最新GRU因子值，如石油石化(2.42)、传媒(1.53)、家电(1.25)等[31] 因子的回测效果 1. 行业扩散指数因子 - 最新因子值前六行业：有色金属(0.985)、银行(0.934)、综合(0.876)、钢铁(0.864)、电力设备及新能源(0.855)、农林牧渔(0.805)[23] - 周度环比变化前六行业：煤炭(+0.118)、传媒(+0.077)、食品饮料(+0.059)[25] 2. GRU行业因子 - 最新因子值前六行业：石油石化(2.42)、传媒(1.53)、家电(1.25)、交通运输(0.59)、农林牧渔(0.11)、银行(-0.38)[31] - 周度环比变化较大行业：传媒、农林牧渔、家电（提升较大）；综合、国防军工、综合金融（下降较大）[31] - Rank IC表现：通过图表展示了GRU因子的周度Rank IC及其累计值[32]

核心观点 - 市场整体流动性呈现收紧态势，资金净流出规模扩大至401.14亿元，市场风格整体偏弱，中信一级行业全部板块下跌 [1][2] - 成长风格板块在市场中最为活跃，成交占比最高，但同时也是领跌板块之一，资金流出压力显著 [3][33] - 计算机行业综合拥挤度最高，显示交易热度集中，而国防军工行业获得最多杠杆资金净流入，电子行业则遭遇最大幅度杠杆资金流出 [2][18][28] 各类市场流动性概况 货币市场流动性 - 银行间市场质押式回购利率出现分化，R007由1.4945%微增至1.4952%，上升0.07个基点；而DR007由1.4673%下降至1.4408%，减少2.65个基点，两者利差扩大2.72个基点 [9] - 中美利差在本周收窄8.81个基点 [9] 资本市场流动性 - A股市场资金面趋紧，本周资金净流出金额为401.14亿元，净流出规模较上周扩大235.62亿元 [11] - 资金供给为537.87亿元，资金需求为939.01亿元，供需缺口明显 [11] - 资金供给端增加90.52亿元，主要贡献来自股票型ETF净申赎增加312.68亿元以及股票型与混合基金成立增加52.42亿元，但融资净买入大幅减少286.93亿元形成拖累 [11] - 资金需求端增加326.14亿元，对市场流动性构成压力 [11] 主板市场成交与流动性 - 主要宽基指数两融余额同步收缩，市场资金面呈现收紧态势 [14] - 除中证1000指数外，其余宽基指数融资净卖出规模环比收窄 [14] - 市场活跃度下降，各宽基指数日均成交额环比回落 [14] 行业板块流动性跟踪 行业涨跌幅 - 本周中信一级行业全部板块下跌，市场风格整体偏弱 [16] - 综合板块下跌最为显著，跌幅达9.47%，电力设备及新能源、基础化工等行业亦出现小幅下跌 [16] 行业资金流向 - 行业杠杆资金呈现广泛减持、局部加仓的结构性特征 [18] - 国防军工行业获得最多杠杆资金净流入，达5.07亿元；电子行业遭遇最大幅度杠杆资金净流出，达105.94亿元 [18] - 陆股通重仓股主力资金整体呈现流出态势，电力设备及新能源行业资金净流出最多，为106.84亿元 [22] 行业热度与拥挤度 - 基础化工行业杠杆资金占比处于近16周高位，而综合金融行业占比处于近16周低位 [25] - 计算机行业杠杆资金净买入增加最多，电子行业减少最多 [25] - 计算机行业综合拥挤度最高，其波动率、动量、换手率及量价相关性分位数分别为86.67%、83.33%、93.33%和73.33%，综合拥挤度得分达84.17% [28][29] 风格板块流动性跟踪 风格表现与成交活跃度 - 风格指数普遍下跌，周期风格下跌6.02%，成长风格下跌5.73%，领跌市场 [33] - 成长风格是市场最活跃板块，日均成交额占比达到54.58%，较前期上升1.66% [3][31] - 周期风格日均成交额占比回落幅度最大，下降1.57% [31] - 成长风格日均换手率最高，为2.89%，金融和稳定风格换手率处于相对低位 [33] 风格板块资金流向 - 陆股通重仓股主力资金在各风格板块上总体以减持为主 [32] - 稳定风格获得最大增持，为3.78亿元；成长风格遭遇最大减持，规模达313.00亿元 [32]