量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略** **模型构建思路：** 基于产业生命周期理论，将股票资产划分为五种风格阶段，通过全局比较不同风格下资产的优势（“有没有好资产”）和估值（“贵不贵”），自下而上地判断未来市场的主流风格并进行行业配置[6]。 **模型具体构建过程：** 1. **资产分类：** 将股票资产（以中信二三级行业为标的，整理合并为202个）根据产业生命周期划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. **资产比较框架：** 遵循 `g > ROE > D` 的优先级顺序[1][6]。主流资产（实际增速资产 `g`、预期增速资产 `gf`、盈利资产 `ROE`）优先比较，只有当主流资产均无优势时，才考虑次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度确定[10]。 3. **优势判断：** * 对于**预期成长 (gf)**：比较分析师预期增速 (`g_fttm`) 的高低，计算其优势差 (`Δgf`)[7][23]。优势差计算类似于因子择时中的 Spread，即头部资产与尾部资产在特定指标上的差值[23]。 * 对于**实际成长 (g)**：比较业绩动量 (`Δg`)，即净利润增速 (`g_ttm`) 的变化[7][27]。 * 对于**盈利能力 (ROE)**：在 PB-ROE 框架下，比较估值水平的高低[7]。 * 对于**质量红利**：采用 `DP+ROE` 综合打分[44]。 * 对于**价值红利**：采用 `DP+BP` 综合打分[47]。 * 对于**破产价值**：采用 `PB+SIZE` 综合打分（取最低）[50]。 4. **行业选择：** 在每月确定的占优风格下，根据该风格的筛选逻辑（如预期增速最高、PB-ROE 残差最低等），选取排名前5的细分行业[17]。 5. **组合构建：** 将选出的行业以等权重方式进行配置[17]。 2. **因子名称：预期净利润增速 (g_fttm)** **因子构建思路：** 基于分析师对未来盈利的一致预期，衡量资产的成长潜力，用于筛选预期成长风格的资产[7][37]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出该因子为行业层面的分析师预期净利润增速[25]。通常构建方式为汇总行业内个股的分析师一致预期净利润增速，并进行行业加权平均。 3. **因子名称：净利润增速 (g_ttm) 及变化 (Δg)** **因子构建思路：** 基于历史财务数据，衡量资产的实际成长性及其动量，用于筛选实际成长风格的资产[7][38]。 **因子具体构建过程：** 报告未给出具体计算公式，但指出 `g_ttm` 为行业净利润增速，`Δg` 为其变化值，用于表征业绩动量[27]。通常 `g_ttm` 为行业最近12个月净利润的同比增速，`Δg` 为其环比或历史变化。 4. **因子名称：超预期因子 (sue, sur, jor)** **因子构建思路：** 衡量公司实际财报业绩相对于市场预期的偏离程度，用于捕捉业绩惊喜，是实际成长策略的具体因子[38]。 **因子具体构建过程：** 报告未给出具体计算公式和说明。通常 `SUE` (Standardized Unexpected Earnings) 为标准化意外盈余，`SUR` 可能为收入惊喜，`JOR` 含义不明。 5. **因子名称：PB-ROE 回归残差** **因子构建思路：** 在盈利能力 (`ROE`) 策略中，用于筛选高 `ROE` 但估值 (`PB`) 相对较低的资产，即寻找盈利能力强且估值合理的标的[41]。 **因子具体构建过程：** 报告未给出具体计算公式。通常构建方式为：在横截面上对 `PB` 和 `ROE` 进行回归（如 `PB = α + β * ROE + ε`），取回归残差 `ε`。残差为负表示相对于其 `ROE` 水平，该资产的 `PB` 估值较低。 6. **因子名称：股息率 (dp)** **因子构建思路：** 衡量资产的现金分红回报，是红利类策略（质量红利、价值红利）的核心因子[44][47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股股息除以股价。 7. **因子名称：市净率倒数 (bp)** **因子构建思路：** 衡量资产的账面价值低估程度，是价值红利策略的因子之一[47]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为每股净资产除以股价，即市净率 (`PB`) 的倒数。 8. **因子名称：市净率 (pb)** **因子构建思路：** 衡量资产的估值水平，在破产价值策略中，低 `PB` 是重要筛选标准[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为股价除以每股净资产。 9. **因子名称：规模 (size)** **因子构建思路：** 衡量资产的市值大小，在破产价值策略中，与小市值因子结合使用[50]。 **因子具体构建过程：** 报告未给出具体计算公式。通常为总市值或流通市值的对数。 模型的回测效果 1. **量化大势研判行业配置策略**，年化收益 **27.81%** (2009年以来)[17]，2009年超额收益 **51%** [20]，2010年超额收益 **14%** [20]，2011年超额收益 **-11%** [20]，2012年超额收益 **0%** [20]，2013年超额收益 **36%** [20]，2014年超额收益 **-4%** [20]，2015年超额收益 **16%** [20]，2016年超额收益 **-1%** [20]，2017年超额收益 **27%** [20]，2018年超额收益 **7%** [20]，2019年超额收益 **8%** [20]，2020年超额收益 **44%** [20]，2021年超额收益 **38%** [20]，2022年超额收益 **62%** [20]，2023年超额收益 **10%** [20]，2024年超额收益 **52%** [20]，2025年超额收益 **14%** [20]，2026年2月超额收益 **1%** [20]。 因子的回测效果 *(注：报告未提供单个因子的独立测试结果（如IC、IR等），仅提供了基于该因子构建的策略历史表现定性描述。)* 1. **预期成长策略 (基于g_fttm)**，历史表现：2019年以来超额显著，2014-2015年期间也有较高超额[37]。 2. **实际成长策略 (基于sue, sur, jor)**，历史表现：长期超额都较为显著，在成长风格占优环境下尤其突出[38]。 3. **盈利能力策略 (基于PB-ROE残差)**，历史表现：2016年-2020年超额较为显著，2021年-2024年上半年持续较弱[41]。 4. **质量红利策略 (基于dp, roe)**，历史表现：2016年、2017年、2023年超额较为显著[44]。 5. **价值红利策略 (基于dp, bp)**，历史表现：2009年、2017年、2021-2023年超额较为显著[47]。 6. **破产价值策略 (基于pb, size)**，历史表现：2015-2016年、2021-2023年超额较为显著[50]。

量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略（资产比较策略）**[8][12] * **模型构建思路**：基于产业生命周期理论，将权益资产划分为五种内在风格属性。通过“g>ROE>D”的优先级顺序，自下而上地比较所有资产的优劣，筛选出具有基本面优势的资产，其风格属性即代表未来市场主流风格，并据此进行行业配置。[8] * **模型具体构建过程**： 1. **风格定义与资产分类**：根据产业生命周期，将股票资产划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值。[8] 2. **资产比较框架**：采用分级比较逻辑。 * **主流资产比较**：优先比较实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE）三类。只要其中一类资产具备优势，市场资金就会集中配置，次级资产机会不大。[12] * **次级资产比较**：当主流资产均无优势时，转向比较次级资产，其优先级由拥挤度决定：质量红利 > 价值红利 > 破产价值。[12] 3. **优势判断与因子应用**：对每一类风格资产，使用特定的量化因子进行横向比较，筛选出优势行业。 * **预期成长（gf）**：比较分析师预期增速（g_fttm）。[9][38] * **实际成长（g）**：比较业绩动量，使用超预期因子，如sue、sur、jor。[9][40] * **盈利能力（ROE）**：在PB-ROE框架下，选择估值较低的高ROE资产，使用PB-ROE回归残差因子。[9][43] * **质量红利**：结合股息率（dp）和盈利能力（roe）进行综合打分。[46] * **价值红利**：结合股息率（dp）和市净率倒数（bp）进行综合打分。[49] * **破产价值**：结合低市净率（pb）和小市值（size）进行综合打分（打分最低）。[53] 4. **行业配置**：以中信二三级行业（整理合并后为202个）为标的，每期在每个占优的风格策略下，选择排名靠前的5个行业，以等权重方式进行配置。[19] * **模型评价**：该框架自2009年以来对A股的风格轮动具有较好的解释能力。[19] 2. **因子名称：资产优势差（Spread）**[25] * **因子构建思路**：用于刻画某类资产中头部资产（Top组）相对于尾部资产（Bottom组）的趋势变化，类似于因子择时中的Spread指标。通过监测优势差的扩张与收缩，来判断对应风格资产的景气度。[25] * **因子具体构建过程**： 1. 每月末，计算所有行业在特定因子（如预期增速g_fttm、实际增速g_ttm、ROE）上的数值。 2. 根据因子值对行业进行排序，并分为若干组（如十分位）。 3. 计算头部组（如Top组）因子值的中位数与尾部组（如Bottom组）因子值的中位数之差。 $$资产优势差 = Top组中位数 - Bottom组中位数$$ 4. 观察该差值的时间序列变化，若差值扩大（Δ为正），则表明头部资产相对优势在增强；若差值缩小（Δ为负），则表明优势在减弱。[25][29] 模型的回测效果 1. **量化大势研判行业配置策略（资产比较策略）**，年化收益27.67%（2009年以来），2009年超额收益51%，2010年超额收益14%，2011年超额收益-11%，2012年超额收益0%，2013年超额收益36%，2014年超额收益-4%，2015年超额收益16%，2016年超额收益-1%，2017年超额收益27%，2018年超额收益7%，2019年超额收益8%，2020年超额收益44%，2021年超额收益38%，2022年超额收益62%，2023年超额收益10%，2024年超额收益52%，2025年超额收益14%，2026年1月超额收益-1%。[20][22] 量化因子与构建方式 1. **因子名称：预期净利润增速（g_fttm）**[9][38] * **因子构建思路**：基于分析师对未来净利润的一致预期，衡量资产的成长潜力。适用于所有产业周期阶段，是预期成长风格的核心筛选指标。[9] * **因子具体构建过程**：报告未给出具体计算公式，但通常指未来十二个月（Forward Twelve Months）的预期净利润增长率，由市场分析师一致预测数据计算得出。 2. **因子名称：超预期因子簇（sue, sur, jor）**[40] * **因子构建思路**：衡量公司实际发布的业绩相对于市场预期的偏离程度，捕捉业绩动量。主要适用于转型期和成长期资产，是实际成长风格的核心筛选指标。[9][40] * **因子具体构建过程**：报告未给出具体计算公式。通常包括： * **SUE（Standardized Unexpected Earnings）**：标准化意外盈余， (实际EPS - 预期EPS) / 历史盈余波动率。 * **SUR（Surprise）**：意外程度， (实际EPS - 预期EPS) / 预期EPS绝对值。 * **JOR**：可能指业绩预告或快报相关的超预期指标。 3. **因子名称：PB-ROE回归残差**[43] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的盈利资产。适用于成熟期资产。[9][43] * **因子具体构建过程**： 1. 在横截面上，对行业（或公司）的市净率（PB）与净资产收益率（ROE）进行回归。 $$PB = \alpha + \beta * ROE + \epsilon$$ 2. 计算回归残差 \(\epsilon\)。残差为负表示该行业的实际PB低于其ROE所对应的理论PB，即估值相对偏低，更具投资价值。 4. **因子名称：质量红利复合因子（dp+roe）**[46] * **因子构建思路**：综合考察资产的股息回报（dp）和盈利质量（roe），筛选出既能提供稳定现金分红又具备良好盈利能力的资产。适用于成熟期资产。[46] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和净资产收益率（roe）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 5. **因子名称：价值红利复合因子（dp+bp）**[49] * **因子构建思路**：综合考察资产的股息回报（dp）和账面价值（bp，即市净率的倒数），筛选出高股息且估值便宜的深度价值型资产。[49] * **因子具体构建过程**：报告未给出具体的合成公式。通常做法是对股息率（dp）和市净率倒数（bp）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 6. **因子名称：破产价值复合因子（pb+size）**[53] * **因子构建思路**：寻找市净率（pb）极低、市值（size）较小的资产，这类资产可能蕴含并购重组、壳价值或极端低估的机会。适用于停滞期和衰退期资产。[53] * **因子具体构建过程**：报告明确指出该策略选取“PB+SIZE打分最低”的行业。[53] 通常做法是对市净率（pb）和市值（size）分别进行横截面标准化或分位数排序（注意：pb因子值小代表估值低，size因子值小代表市值小），然后按一定权重相加得到综合得分，并选择得分最低的资产。 7. **因子名称：拥挤度**[12][30][34] * **因子构建思路**：衡量某一类资产或策略的交易热门程度和资金集中度。拥挤度过高可能预示着短期风险加大，用于在次级资产比较中确定优先级，并作为主流资产配置的辅助风控指标。[12][30][34] * **因子具体构建过程**：报告未给出具体计算方法。常见的拥挤度指标可能包括：换手率分位数、估值分位数、资金流入强度、因子收益率波动率等。

中国专用汽车出口情况 - 2025年11月中国专用汽车出口数量为5386辆，同比增长35.1% [1] - 2025年11月中国专用汽车出口金额为3.79亿美元，同比增长23.5% [1] - 出口数据来源于中国海关，由智研咨询整理 [1] 相关研究报告 - 智研咨询发布了《2026-2032年中国专用汽车行业竞争格局分析及投资发展研究报告》 [1] - 智研咨询定位为中国一流产业咨询机构，提供深度产业研究报告及定制服务等一站式产业咨询服务 [1]

中国专用汽车行业出口数据 - 2025年10月中国专用汽车出口数量为4,992辆，同比增长9% [1] - 2025年10月中国专用汽车出口金额为3.63亿美元，同比下降2.4% [1] 数据来源与报告背景 - 数据来源于中国海关，由智研咨询整理 [1] - 信息关联智研咨询发布的《2026-2032年中国专用汽车行业竞争格局分析及投资发展研究报告》 [1]

行业核心地位与发展阶段 - 专用汽车是服务乡村振兴、支撑国民经济建设、保障公共安全的关键装备，在国民经济体系中占据不可替代的重要地位 [1] - 行业在产品管理制度、产业结构与市场环境等领域实现深刻变革，当前处于高速发展的“蓝海窗口期” [1][4] - 行业意义远不止于交通工具，更是支撑社会经济高效、安全、绿色运转的基石 [10] 主要发展趋势：电动化、智能化、国际化 - 电动化趋势显著，2024年中国新能源专用车销量超30万辆，渗透率近30%，预计“十五五”末部分公共领域电动渗透率将超70%，环卫车与冷藏车是电动化主力 [4] - 智能化趋势明确，封闭、低速场景如港口、矿山、环卫清扫是专用车自动驾驶最佳落地场景，无人驾驶环卫车已实现自动充电、垃圾倾倒等30多项功能 [4] - 国际化进程加速，2024年中国专用车出口达5.21万辆，同比增长44.6%，出口产品从低附加值向千吨级起重机、高空作业平台等高附加值升级，企业正积极探索海外本土化运营 [4] 政策与标准导向 - 车型标准化治理是长期任务，常压罐车、超长平板半挂车等将成为重点治理对象，未来将通过多部门协同形成系统性治理机制 [3] - GB7258标准最新修订内容涵盖术语规范、安全装置应用、智能网联与新能源汽车技术规范等，推动行业向更安全、更智能、更统一方向发展 [3] - 专用车产品准入审查规范与核心技术要求为企业产品开发与合规上市提供明确指引 [4] 细分领域机遇与挑战 - 新能源环卫领域面临智能化、市场下沉、全生命周期低碳等挑战与机遇，通过“智能化+网联化”打造营销亮点、开拓县域蓝海、以数据赋能提升转化效率是未来增长关键 [6] - 应急装备发展聚焦三大方向：绿色化与新能源化转型、“平战结合”运营模式推广、智能化与无人化升级，以全面提升应急救援效能 [6] - 无人矿卡已从“可选项”变为“必选项”，随着AI与大模型技术成熟，正朝更安全、高效、经济方向发展，预计到2030年市场规模将达500亿元，中国有望成为全球智慧矿山标杆 [6] 产业转型升级路径 - 国内专用汽车市场需求进入低位企稳阶段，城市发展核心从“建设”向“运营与管理”转型，激活了城市运维与服务保障类车辆的市场需求 [7] - 行业必须从“规模成本”转向“价值创新”，从“卖产品”转向“提服务”，产品应向清洁化、智能化、平台化转型，推动专用车从“工具”升级为“移动服务平台” [7] - 企业应聚焦产品精细化、研发创新、智能制造与绿色转型，通过合作共享实现良性降本，共同推动从“降价竞争”走向“创新赋能”，实现产业升级 [7] - 二手专用车出海需通过“海外仓+本地化服务”、“销售+整备+售后+金融”等全链条生态模式提升综合竞争力与抗风险能力 [8] - 针对自动化应用痛点如小批量、多品种生产要求，需为自卸车、罐车等不同车型提供解决方案，解决产线切换车型时人工调试多、设备停滞时间长的问题 [10]

核心观点 - 2025年9月中国专用汽车出口呈现量增价升态势 出口数量同比增长20.9%至5355辆 出口金额同比增长14.6%至3.75亿美元 [1] 出口数量分析 - 2025年9月专用汽车出口数量为5355辆 [1] - 出口数量同比增速为20.9% [1] 出口金额分析 - 2025年9月专用汽车出口金额为3.75亿美元 [1] - 出口金额同比增速为14.6% [1]

核心观点 - 2025年8月中国专用汽车出口呈现量价齐升态势，出口数量为5111辆，同比增长27.8%，出口金额为3.78亿美元，同比增长31.8% [1] 出口数量分析 - 2025年8月中国专用汽车出口数量达到5111辆 [1] - 出口数量同比实现27.8%的显著增长 [1] 出口金额分析 - 2025年8月中国专用汽车出口金额为3.78亿美元 [1] - 出口金额同比增长31.8%，增速高于出口数量增速 [1]

2025年4月中国专用汽车进出口核心数据 - 2025年4月专用汽车进口数量仅为1辆，同比大幅下降88.9% [1] - 同期进口金额为0亿美元，同比下降95.6% [1] - 2025年4月专用汽车出口数量为5401辆，同比增长11.5% [1] - 同期出口金额为3.92亿美元，同比增长9.7% [1] 行业进出口趋势分析 - 专用汽车行业呈现出口远强于进口的显著态势 [1] - 出口市场在数量和金额上均保持稳健增长 [1] - 进口市场极度萎缩，无论数量还是金额均接近零值 [1]

规划引领与增长态势 - 威海市通过实施“十四五”规划纲要和服务业发展专项规划为行业发展制定路线图[1] - 行业实施消费提质扩容、对外开放提升、营商环境优化等行动计划推动生产性和生活性服务业发展[1] - “十四五”以来服务业增加值年均增长5.5% 尤其今年上半年增速达7.4% 位居全省第1位[1] 企业服务与资金支持 - 建立市-区市-镇办三级联系服务企业工作网络对限上批零住餐、规上服务业等重点企业全面走访以稳定经营[2] - 加强惠企政策宣传和业务指导帮助企业争取国家、省服务业政策资金并出台市级配套政策[2] - 近年来共有300余家企业获得发改领域服务业资金支持以激发企业活力和动力[2] 产业融合与试点示范 - 积极推动先进制造业和现代服务业融合发展引导制造业企业向服务型制造延伸[2] - 累计争创省级以上“两业”融合试点单位15家连续6年保持全省第1位涵盖新一代信息技术、专用汽车等优势行业[2] - 成山集团、天润工业获评国家级“两业”融合试点企业其经验被国家部委和主流媒体全国推广[2] 产业集聚与就业带动 - 加快现代商贸、跨境电商、文化旅游等产业集聚集群发展累计9个区域获评省现代服务业集聚区[3] - 服务业集聚区累计入驻企业1.4万家吸纳就业26.2万人成为区域服务业重要增长极[3] 项目投资与发展动力 - 每年筛选储备100个以上投资规模大、示范带动强的服务业好项目并定期跟进调度[3] - 年内谋划储备总投资1524.1亿元的271个服务业项目纳入省市县三级重点项目库统一管理[3] - 推动至海港湾城市综合体、迪尚纺织服装数字化平台等一批优质项目竣工投产为产业注入强劲动力[3]

活动概况 - 活动名称为"圣城有约·儒商回家"投资济宁经贸合作交流会，于9月27日在济宁曲阜举行 [1] - 超过200位政界、金融界、企业界人士参与活动 [2] 山东省宏观经济表现 - 山东省上半年全省生产总值增长5.6%，高于全国0.1个百分点 [4] - 1月至8月，全省工业、消费和进出口分别增长7.8%、5.7%和5.8%，均高于全国平均水平 [4] - 山东省营商环境整体水平居全国第一方阵 [4] 济宁市经济与产业基础 - 济宁市为全国先进制造业百强市，58家世界500强企业在当地投资 [6] - 已建成工程机械、生物医药、纺织服装、专用汽车等多个国家级产业基地 [6] - 2024年全市地区生产总值5867亿元，一般公共预算收入496亿元，分别居全国地级以上城市第50位、第39位 [18] - 济宁市面积1.1万平方公里，总人口890万 [18] 重点发展产业与投资项目 - 济宁市正大力培育"232"优势产业集群，包括高端装备、高端化工、新能源、新材料、新一代信息技术和食品、药品 [6] - 宁德时代新能源电池、金鹰集团莱赛尔纤维、日本小松智能制造等重大产业项目正加快建设 [6] - 长城重工新能源工程机械项目总投资116亿元，将建成年产5万台新能源工程机械整机及核心零部件生产基地，全面达产后预计年产值可达430亿元 [12] 企业投资案例与营商环境 - 新加坡金鹰集团为全球最大莱赛尔纤维生产商，在中国15个省市建有42家现代化大型工厂 [10] - 长城重工表示济宁高新区在项目推进中执行"首问负责制"、"综合查一次"等工作机制，优化营商环境 [12] - 会议上举行重点项目签约仪式，中国建材、顺成集团等一批重点项目正式签约 [18] 区位与基础设施优势 - 济宁地处京津冀和长三角黄金分割点，乘高铁至北京2小时10分钟，至上海3小时20分钟 [18] - 济宁大安机场通航33座城市，京杭大运河可通航5000吨级轮船、万吨级船队 [18] - 济宁正在加快打造北方内河航运中心、世界文化旅游名城 [18]