核心观点 - 报告认为，当前市场波动为配置提供了机会，核心策略在于把握“稳”环境下的资产配置能力，并捕捉市场从非稳态回归稳态过程中的择时机会 [1][25] - 外部地缘冲突是市场风险偏好的主要制约因素，能源价格存在不确定性 [25] - 行业配置上，建议关注地缘冲突背景下的资源品与高股息品种、业绩有支撑的算力及出海板块，以及受事件催化的消费领域修复机会 [25] 市场回顾 - 近5个交易日（3月27日-4月2日），主要指数表现分化：上证综指上涨0.78%，创业板指下跌3.05%，沪深300微涨0.03%，中证500微跌0.48% [1][3] - 市场成交缩量，统计区间内两市总成交9.62万亿元，日均成交额1.92万亿元，较前五个交易日的日均成交额减少2614.78亿元 [1][11] - 行业方面涨多跌少，申万一级行业中，医药生物、有色金属、食品饮料涨幅居前，而公用事业、电力设备、煤炭跌幅居前 [1][18] 政策解读（央行一季度例会） - 央行2026年第一季度例会新增对“地缘冲突多发频发”的关注，认为其可能通过“通胀—利率上行—需求走弱”链条影响海外经济 [1][24] - 对国内经济形势的表述，在“供强需弱”矛盾基础上，新增“外部冲击”挑战 [1][24] - 货币政策思路延续，强调“发挥增量政策和存量政策集成效应” [24] - 鉴于1-2月经济开局良好，短期货币政策预计以落实存量政策为主，增量政策出台需观察稳增长压力 [24] - 在降低融资成本方面，新提“规范信贷市场经营行为，降低融资中间费用”，预示可能优先通过降低“手续费”、“服务费”等方式，总量层面的降息或暂难落地 [2][24] 市场策略与行业配置 - 策略核心是“稳”，长期收益源于在稳态环境中配置有增长前景的资产，超额收益则来自对非稳态市场环境择时机会的把握 [25] - 行业配置建议关注三个方向： 1. 地缘冲突背景下，资源安全重要性提升，关注部分资源品和高股息品种的投资机会 [25] 2. 业绩披露期，关注业绩有支撑的品种：一是算力板块（受环节涨价、超算集群建设预期及Agent普及推升需求驱动）；二是具备出海逻辑的电力设备、医药生物行业 [25] 3. 事件与季节性催化：关注即将迎来世界杯及夏季消费旺季催化、处于相对低位的啤酒领域的修复性机会 [25]

市场表现 - 2026年3月25日，A股市场高开高走，上证综指收于3931.84点，上涨1.30%，深证成指收于13801.00点，上涨1.95%[7] - 创业板指表现强于主板，上涨2.01%[7] - 两市超过九成个股上涨，通信设备、有色金属等行业涨幅居前，仅光伏设备行业小幅下跌[7] - 深沪两市全日成交金额为21931亿元，较前一交易日有所增加[7] - 通信行业领涨中信一级行业，涨幅为3.46%，有色金属行业涨幅为3.01%[9] 估值与流动性 - 当前上证综指平均市盈率为15.79倍，创业板指数为45.41倍，处于近三年中位数平均水平上方[16] - 两市成交金额21931亿元，处于近三年日均成交量中位数区域上方[16] 后市研判与风险 - 市场核心压制因素来自海外，中东冲突升级可能推高油价，加剧全球滞胀压力[16] - 若美国通胀超预期，美联储可能推迟降息或重新加息，压制全球流动性及风险偏好[16] - 国内宏观政策提供支撑，央行明确继续实施适度宽松的货币政策，多部门表态维护金融市场平稳[16] - 预计上证指数维持震荡上行可能性较大，短线建议关注有色金属、消费电子、通信设备及半导体等行业[16] - 主要风险包括海外超预期衰退、国内政策及经济复苏不及预期、海外宏观流动性超预期收紧等[4]

量化模型与构建方式 1. **模型名称：卷积神经网络趋势观察模型**[76] * **模型构建思路**：利用卷积神经网络（CNN）对个股历史价量数据形成的标准化图表进行深度学习，识别图表中的特征模式，并将这些学习到的特征映射到行业主题板块，以预测未来价格走势或进行主题配置[76]。 * **模型具体构建过程**： 1. **数据准备**：为每个个股在特定窗口期内的价量数据构建标准化的图表[76]。价量数据通常包括价格、成交量等时间序列。 2. **图表化**：将标准化的价量数据转换为图像格式，作为CNN的输入[76]。图23展示了标准化数据价量图表的示例[77]。 3. **模型训练**：使用卷积神经网络对图表化的价量数据与未来价格（或收益率）进行建模[76]。模型学习从价量图表中提取有效特征，并建立这些特征与未来价格变动之间的映射关系。 4. **特征映射**：将训练好的CNN模型学习到的特征，应用于行业或主题板块的分析，识别出具有相似特征模式的板块[76]。 5. **输出配置**：模型最终输出看好的行业主题配置列表。例如，在报告期内，模型配置的主题为红利低波、银行、地产，具体指向中证红利低波动指数、中证银行指数、中证800银行指数、中证内地地产主题指数、中证800地产指数等细分指数[78]。 2. **模型名称：宏观因子事件模型**[52] * **模型构建思路**：通过跟踪一系列国内外宏观指标，定义并识别出有效的宏观因子事件，利用这些事件的历史规律来预判未来资产价格的趋势[52]。 * **模型具体构建过程**： 1. **因子选择**：从货币政策、财政政策、流动性、通胀水平及其他经济指标等多个角度，选取对市场影响较大的宏观因子进行跟踪，共计25个国内外宏观指标[52]。 2. **事件定义**：定义四类宏观因子事件来描述宏观因子的走势：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转[52]。 3. **事件有效性检验**：从历史数据中寻找“有效因子事件”，即那些对资产未来收益率影响较为显著的因子事件[52]。例如，报告中列举了部分有效因子事件：PMI短期高点对中小盘股票有正向影响；CPI同比连续下跌对全市场股票有正向影响等[52]。 4. **趋势判断**：采用历史均线（如1月、3月、12月均线）将宏观因子走势分为趋势上行和趋势下行[54]。统计历史上宏观指标处于不同趋势时，各类资产未来一个月的平均收益，筛选出收益存在显著差异的资产[54]。 5. **观点生成**：根据当前宏观因子的趋势状态，给出对大类资产的看多、看空或震荡观点[55]。例如，当前PMI处于3月均线趋势上行，模型对股票资产持“看多”观点；而社融存量同比、10年期国债收益率、美元指数等因子则提示市场可能“震荡”[55]。 3. **模型名称：GFTD模型与LLT模型**[80] * **模型构建思路**：报告在风险提示部分提及了GFTD模型和LLT模型，指出其历史择时成功率约为80%。这两个模型应是用于市场择时判断的量化模型[80]。 模型的回测效果 1. **卷积神经网络趋势观察模型**，最新配置主题：红利低波、银行、地产[78] 2. **宏观因子事件模型**，当前对权益市场观点：PMI趋势看多，社融、国债收益率、美元指数趋势震荡[55] 3. **GFTD模型与LLT模型**，历史择时成功率：约80%[80] 量化因子与构建方式 1. **因子名称：新高比例因子**[33] * **因子构建思路**：通过统计市场中创近期新高的个股数量占比，来度量市场的强势程度和上涨动能[33]。 * **因子具体构建过程**：计算创近60日新高的个股数占全部个股总数的比例。报告显示，该指标从前一期的12.0%降至8.1%[33]。 2. **因子名称：新低比例因子**[33] * **因子构建思路**：通过统计市场中创近期新低的个股数量占比，来度量市场的弱势程度和下跌压力[33]。 * **因子具体构建过程**：计算创近60日新低的个股数占全部个股总数的比例。报告显示，该指标从前一期的11.2%升至37.4%[33]。 3. **因子名称：均线结构因子（均线强弱指标）**[37] * **因子构建思路**：通过计算呈现多头排列与空头排列的个股数量之差占全部个股的比例，来反映市场整体的技术面强弱结构[37]。 * **因子具体构建过程**：首先判断个股的均线排列状态（如多头排列、空头排列），然后计算（多头排列个股数 - 空头排列个股数）/ 总个股数。报告显示，该指标从前一期的14%降至7.3%[37]。 4. **因子名称：长期均线以上比例因子**[40] * **因子构建思路**：统计股价位于长期移动平均线（如200日线）之上的个股比例，用以衡量市场长期趋势的强弱[40]。 * **因子具体构建过程**：计算股价位于200日移动平均线之上的个股数占总个股数的比例。该因子通过图表进行跟踪展示[40]。 5. **因子名称：风险溢价因子**[63] * **因子构建思路**：计算股票市场隐含收益率与无风险收益率（通常为十年期国债收益率）的差值，用以衡量股票资产相对于债券资产的吸引力[63][79]。 * **因子具体构建过程**：采用中证全指静态市盈率（PE_TTM）的倒数作为权益资产的隐含收益率（EP），减去十年期国债收益率。 $$风险溢价 = \frac{1}{PE_{TTM}} - R_{10Y国债}$$ 报告显示，截至2026年3月20日，该指标值为2.63%[79]。 6. **因子名称：估值分位数因子**[79] * **因子构建思路**：计算当前指数或行业的估值（PE或PB）在其历史序列中所处的位置百分比，用以判断估值相对水平的高低[79]。 * **因子具体构建过程**：将当前估值与历史估值（自2005年1月7日起）进行比较，计算其历史分位数。例如，报告指出中证全指PE_TTM分位数为82%，创业板指接近63%[79]。 7. **因子名称：超跌指标因子**[66] * **因子构建思路**：用于度量市场或行业指数短期内下跌的幅度和广度，识别超卖状态[66]。 * **因子具体构建过程**：报告展示了主要指数和行业指数的超跌指标统计图，该指标具体计算方法未详细说明，但通常基于价格偏离均线的程度或下跌个股比例等构建[66][70]。 8. **复合因子名称：宏观因子（如PMI、CPI同比、社融存量同比等）**[52][55] * **因子构建思路**：选取对金融市场有显著影响的宏观经济指标作为因子，观察其变化趋势和事件来预判市场方向[52]。 * **因子具体构建过程**：直接跟踪宏观指标的实际发布值。模型进一步处理其走势，例如判断其相对于某期均线（如1月、3月、12月均线）是处于上行还是下行趋势[54][55]。 因子的回测效果 （注：报告未提供各因子独立的、系统性的回测绩效指标（如IC、IR、多空收益等）。以下为报告期内的因子观测值。） 1. **新高比例因子**，当前值：8.1%[33] 2. **新低比例因子**，当前值：37.4%[33] 3. **均线结构因子**，当前值：7.3%[37] 4. **风险溢价因子**，当前值：2.63%[79] 5. **中证全指PE_TTM分位数因子**，当前值：82%[79] 6. **PMI宏观因子**，当前趋势：3月均线上行，观点：看多[55] 7. **社融存量同比宏观因子**，当前趋势：1月均线，观点：震荡[55] 8. **10年期国债收益率宏观因子**，当前趋势：12月均线，观点：震荡[55] 9. **美元指数宏观因子**，当前趋势：1月均线，观点：震荡[55]

量化模型与构建方式 1. **模型名称：卷积神经网络趋势观察模型**[74] * **模型构建思路**：使用卷积神经网络（CNN）对个股历史价量数据形成的标准化图表进行建模，学习图表特征与未来价格走势之间的关系，并将学习到的特征映射到行业主题板块，以识别具有趋势性机会的板块[74]。 * **模型具体构建过程**： 1. **数据准备**：为每个个股在特定窗口期内的价量数据构建标准化的图表[74]。研报中未详细说明具体使用的价量指标和图表标准化方法。 2. **模型训练**：基于历史数据，使用卷积神经网络对上述图表化的价量数据与未来价格进行建模[74]。研报中未提供具体的网络结构、损失函数和训练参数。 3. **特征映射**：将训练好的CNN模型学习到的特征映射到行业主题板块中，以判断哪些板块在未来可能具有趋势性机会[74]。 4. **输出配置**：模型最终输出为看好的行业主题板块及其对应的具体指数[75]。 2. **模型名称：宏观因子事件模型**[50][52] * **模型构建思路**：通过跟踪一系列国内外宏观指标，定义其走势变化事件，并从历史数据中寻找对资产未来收益率有显著影响的“有效因子事件”，以此作为判断未来资产趋势的依据[50]。 * **模型具体构建过程**： 1. **因子选择**：跟踪25个国内外宏观指标，涵盖货币政策、财政政策、流动性、通胀水平及其他经济指标[50]。 2. **事件定义**：定义四类宏观因子事件来描述指标走势：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转[50]。 3. **有效性检验**：从历史数据中回测，筛选出对资产未来收益率影响较为显著的“有效因子事件”[50]。 4. **趋势判断**：采用历史均线（如1月、3月、12月均线）将宏观因子走势分为趋势上行和趋势下行，并统计在不同趋势下资产未来一个月收益率的平均表现，以形成对大类资产的观点[52][53]。 模型的回测效果 *本报告未提供上述量化模型的具体回测效果指标（如年化收益率、夏普比率、最大回撤等）。报告仅展示了卷积神经网络模型在特定时点（2026年3月20日）的输出结果[75]，以及宏观因子模型对当前市场（截至报告期）的观点[53]。* 量化因子与构建方式 1. **因子名称：风险溢价因子**[61][76] * **因子构建思路**：通过计算股票市场隐含收益率（市盈率倒数）与无风险利率（十年期国债收益率）的差值，来衡量权益资产相对于债券资产的吸引力[76]。 * **因子具体构建过程**： 1. 计算权益资产的隐含收益率（Earnings Yield, EY），通常为市盈率（PE）的倒数。 $$ EY = \frac{1}{PE} $$ 2. 计算风险溢价（Risk Premium, RP），即权益隐含收益率减去十年期国债收益率。 $$ RP = EY - R_{10Y} $$ 报告中以中证全指为例，其风险溢价为中证全指静态PE的倒数（EP）减去十年期国债收益率[76]。 2. **因子名称：估值分位数因子**[21][27][76] * **因子构建思路**：计算指数或行业的当前估值（PE或PB）在其历史序列中所处的分位数位置，以判断其估值相对历史水平的高低[21][27]。 * **因子具体构建过程**： 1. 确定估值指标，如市盈率（PE_TTM）或市净率（PB_LF）[21][27]。 2. 获取该指标在特定历史时间段（例如，报告中使用2005年1月7日作为起点）内的所有历史数据[22]。 3. 计算当前估值在历史数据中的百分位排名（分位数）。 $$ 分位数 = \frac{小于或等于当前值的样本数}{总样本数} \times 100\% $$ 报告中展示了主要宽基指数和行业指数的PE_TTM分位数及PB_LF分位数[21][27]。 3. **因子名称：市场情绪因子（新高新低比例）**[31] * **因子构建思路**：通过统计市场中创近期新高与新低的个股数量占比，来度量市场的整体情绪强弱和广度[31]。 * **因子具体构建过程**： 1. 设定观察窗口期，报告中为近60日[31]。 2. 每日计算两个指标： * **60日新高比例**：股价创近60日新高的个股数量 / 总股票数量[31]。 * **60日新低比例**：股价创近60日新低的个股数量 / 总股票数量[31]。 4. **因子名称：市场情绪因子（均线结构指标）**[35] * **因子构建思路**：通过计算呈现多头排列与空头排列的个股数量占比差值，来反映市场整体的技术趋势强弱[35]。 * **因子具体构建过程**： 1. 对每只个股判断其均线排列状态（例如，多头排列、空头排列）[35]。 2. 计算**均线强弱指标**：呈现多头排列的个股占比减去呈现空头排列的个股占比[35]。报告提到该指标从前一期的14%降至7.3%[1]。 5. **因子名称：超买超卖指标**[64] * **因子构建思路**：用于衡量指数或行业是否处于极端交易状态（超买或超卖），可能预示着短期反转[64]。 * **因子具体构建过程**：报告中未详细说明该指标的具体计算方法，仅展示了截至报告期主要指数和行业指数的“超跌指标统计”结果[64][68]。 因子的回测效果 *本报告未提供上述量化因子在选股或择时策略中的具体回测效果指标（如IC值、IR、多空收益等）。报告仅展示了这些因子在报告时点的具体数值或状态，例如：* * **风险溢价因子**：截至2026年3月20日，中证全指风险溢价为2.63%[76]。 * **估值分位数因子**：截至2026年3月20日，中证全指PE_TTM分位数为82%，创业板指接近63%[76]。 * **市场情绪因子（新高新低比例）**：创近60日新高个股数占比从前一期的12.0%降至8.1%；创近60日新低个股数占比从前一期的11.2%升至37.4%[1]。 * **市场情绪因子（均线结构指标）**：多头排列减空头排列个股占比从前一期的14%降至7.3%[1]。

行业与公司 * 行业：宏观经济、大宗商品（原油）、多行业（石油炼化、化工、金属、电力、燃气、科技、家电、电子、汽车、电力设备、机械、房地产、环保、公用事业、食品饮料、非银金融、煤炭、社会服务等）[1][2][3][4][5][6] 核心观点与论据 * **原油价格上涨传导机制分为两个阶段**：第一阶段是直接价格传导，原油作为基础工业原料，其价格上涨会迅速向下游传导，路径依次为石油炼化与石油化工，再到化工产品、纺织、交通运输等二次下游，并最终普遍传导至机械、建筑、批发零售、医药、农业等消费端领域，国内成品油调价通常会快速跟随国际油价变动[2]；第二阶段是经济下行压力显现，若原油价格持续高位，普遍的成本上升将抑制终端需求，从而对经济增长构成挑战，即出现“滞”的状况，此时宏观经济政策会面临抑制通胀与支持增长的两难抉择[2] * **油价上涨30%对各行业成本冲击显著**：基于投入产出表测算，从直接消耗系数看，原油价格上涨30%对石油炼化及炼焦业和燃气生产供应业的成本冲击最大，预计成本上升幅度分别达到16%和11%左右，而对化工、金属矿产、石油开采等其他行业的直接成本影响迅速减弱至1%以下[2][3]；从完全消耗系数（考虑间接传导）看，在原油价格上涨30%的假设下，燃气生产、石油炼化、化学工业、交通运输以及金属和非金属冶炼等行业的成本冲击都将超过2%，对化工、金属、电力生产供应等行业的成本上升压力也普遍在2个百分点以上[3] * **滞胀预期在金融层面产生双重影响**：首先，滞胀的宏观状态会对风险资产形成系统性压制，市场风险偏好将显著下降，科技股板块可能受到较大扰动，其流动性外溢效应可能逆转，对市场流动性构成挑战[3]；其次，滞胀预期会影响利率走向，市场对于利率下行将不再抱有积极预期，甚至可能预期利率上行以应对通胀，投资成本的上升可能导致科技相关行业的基建和资本开支不及预期，从而对相关板块的估值和增长前景带来压力[3] * **全球需求收缩时行业风险敞口差异显著**：当滞胀引发全球外需收缩时，行业风险与其出口依赖度密切相关，外需依赖度较高的行业，如家用电器、电子、汽车制造、电力设备、机械设备和化工，其海外收入占比普遍在20%以上，将面临更严峻的挑战[4]；相比之下，主要依赖内需的行业，如房地产、环保、公用事业、食品饮料、非银金融、煤炭和社会服务等，其海外收入占比均在5%以下，在外部需求下行时表现出更强的韧性，能够更好地抵御外需冲击[4] * **投资策略应随传导阶段调整**：在第一阶段（价格传导初期），投资机会主要围绕涨价逻辑展开，可关注从上游到下游的投资链条：油气、化工、金属，最后传导至农产品，涨价预期也可能扩散至其他能源资源品及重要中间品[5]；在第二阶段（滞胀风险加剧时），投资策略核心转向风险规避和寻求安全边际，在大类资产配置层面应考虑下调权益资产权重，增配具有避险属性的资产，如黄金、债券以及全球避险情绪催化下的美元资产[5][6]；在权益资产内部应侧重防御性配置，关注能够对冲原油价格上涨成本压力、同时外需依赖度较低的板块，如公用事业、食品饮料、社会服务、环保、非银金融等偏向必选消费和“衣食住行”的行业[6] 其他重要内容 * 原油价格的传导机制不存在明显的缓冲[2] * 与部分消费品不同，原油价格的传导机制不存在明显的缓冲[2] * 在油价上涨和滞胀担忧加剧时期，黄金、债券以及全球避险情绪催化下的美元资产，相对于权益资产通常表现更佳[6]

核心观点 - 2月第2周，A股市场资金整体呈净流出状态，合计净流出723亿元，较前一周流出的522亿元有所扩大 [1] - 短期市场情绪指标处于2005年以来的中高位，而长期市场情绪指标则处于2005年以来的中低位 [1] - 从行业热度看，通信、半导体、电力设备等行业的交易活跃度（成交额占比）处于历史高位 [1] A股微观资金面 - 2月第2周，资金入市合计净流出723亿元，前一周为净流出522亿元 [1][8] - 资金流入方面：融资余额减少747亿元，公募基金发行增加436亿元，ETF净赎回231亿元，北上资金估算净流入30亿元 [1][8] - 资金流出方面：IPO融资规模8亿元，产业资本净减持101亿元，交易费用103亿元 [1][8] A股市场情绪跟踪 - **短期情绪指标**：主要观察换手率和融资交易占比。最近一周年化换手率为430%，处于2005年以来由低到高76%的历史分位；最近一周融资交易占比为9.74%，处于2005年以来由低到高72%的历史分位 [1][15] - **长期情绪指标**：主要观察大类资产比价。最近一周A股风险溢价（全部A股PE倒数减十年期国债收益率）为2.52%，处于历史上由高到低45%的分位；最近一周沪深300指数（除金融）股息率与十年期国债收益率之比为1.23，处于历史上由高到低5%的分位 [2][15] 行业情绪跟踪 - **成交额占比历史分位数**：过去一周最高的三个行业分别是通信（99%）、半导体（98%）、电力设备（97%）；最低的三个行业分别是房地产（1%）、食品加工（1%）、交通运输（1%） [2][15] - **融资交易占比分位数**：过去一周最高的三个行业分别是机械设备（88%）、电力设备（80%）、社会服务（78%）；最低的三个行业分别是银行（10%）、煤炭（12%）、房地产（17%） [2][15] 市场基础数据 - 中小板指数为8589.07，月涨跌幅为-1.62% [3] - 创业板指数为3275.96，月涨跌幅为-1.38% [3] - AH股价差指数为113.68 [3] - A股总市值为101.50万亿元，流通市值为92.82万亿元 [3]

核心观点 - 2月第2周，A股市场资金整体呈净流出状态，合计净流出723亿元，较前一周的522亿元流出额有所扩大[1] - 短期市场情绪指标处于2005年以来的中高位，而长期情绪指标则处于2005年以来的中低位[1][2] - 从行业热度看，通信、半导体、电力设备等行业的成交活跃度在过去一周处于历史高位[1][2] A股微观资金面 - 2月第2周，资金流入项中：公募基金发行增加436亿元，北上资金估算净流入30亿元[1][8] - 2月第2周，资金流出项中：融资余额减少747亿元，ETF净赎回231亿元，产业资本净减持101亿元，交易费用为103亿元，IPO融资规模为8亿元[1][8] - 资金入市合计净流出723亿元，前一周为净流出522亿元[1][8] A股市场情绪跟踪 - **短期情绪指标**：最近一周年化换手率为430%，处于2005年以来历史分位数（由低到高）的76%；最近一周融资交易占比为9.74%，处于历史分位数的72%[1][15] - **长期情绪指标**：最近一周A股风险溢价（全部A股PE倒数减十年期国债收益率）为2.52%，处于2005年以来历史分位数（由高到低）的45%；最近一周沪深300指数（除金融）股息率与十年期国债收益率之比为1.23，处于历史分位数（由高到低）的5%[2][15] - **行业情绪**：过去一周，成交额占比历史分位数最高的三个行业是通信（99%）、半导体（98%）、电力设备（97%），最低的是房地产、食品加工、交通运输（均为1%）[2][15] - **行业情绪**：过去一周，融资交易占比历史分位数最高的三个行业是机械设备（88%）、电力设备（80%）、社会服务（78%），最低的是银行（10%）、煤炭（12%）、房地产（17%）[2][15] 市场基础数据 - 中小板指数为8589.07点，月涨跌幅为-1.62%[3] - 创业板指数为3275.96点，月涨跌幅为-1.38%[3] - AH股价差指数为113.68[3] - A股总市值为101.50万亿元，流通市值为92.82万亿元[3]

量化模型与构建方式 1. **模型名称：行业主线模型（相对强弱RSI指标）**[1][4][13] * **模型构建思路**：通过构建行业层面的相对强弱指标（RS），识别在每年特定时间窗口内表现极度强势的行业，这些行业有较大概率成为当年的市场主线[13]。 * **模型具体构建过程**： 1. 以31个申万一级行业指数为标的[13]。 2. 分别计算每个行业过去20、40、60个交易日的涨跌幅[13]。 3. 将这三个时间窗口的行业涨跌幅在全市场横截面上进行排名，并对排名进行归一化处理，得到三个归一化排名值：RS_20, RS_40, RS_60[13]。 4. 对三个归一化排名值取算术平均值，得到最终的行业相对强弱指数RS[13]。 $$ RS = (RS\_20 + RS\_40 + RS\_60) / 3 $$ 其中，RS_20、RS_40、RS_60分别为过去20、40、60日行业涨跌幅的横截面归一化排名值[13]。 2. **模型名称：行业景气度-趋势-拥挤度框架（右侧行业轮动模型）**[2][6][17] * **模型构建思路**：构建一个三维评估框架，从景气度（基本面）、趋势（技术面）和拥挤度（交易面）三个维度对行业进行综合评估，并衍生出两种适用于不同市场环境的配置方案[6][17]。 * **模型具体构建过程**：报告未详细描述三个维度的具体计算方式，但明确了两种具体的配置方案： 1. **行业景气模型（高景气+强趋势，规避高拥挤）**：以景气度为核心筛选标准，要求行业同时具备高景气度和强趋势，并利用拥挤度指标规避交易过热的风险，该方案进攻性较强，偏同步指标[17]。 2. **行业趋势模型（强趋势+低拥挤，规避低景气）**：以市场趋势为核心筛选标准，要求行业同时具备强趋势和低拥挤度，并规避低景气行业，该方案思路简单，持有体验感强，偏右侧指标[17]。 3. **模型名称：左侧库存反转模型**[3][27] * **模型构建思路**：从赔率-胜率角度出发，在处于或曾处于困境的板块中，挖掘那些分析师长期看好且库存压力不大、具备补库条件的行业，以捕捉行业困境反转行情[27]。 * **模型具体构建过程**：报告未提供该模型具体的因子构建和合成公式。 4. **模型名称：行业景气度选股模型**[25] * **模型构建思路**：将行业配置模型与选股模型相结合。首先根据行业配置模型确定行业权重，然后在行业内使用PB-ROE模型筛选估值性价比高的个股，构建股票组合[25]。 * **模型具体构建过程**： 1. 使用“行业景气度-趋势-拥挤度框架”确定各行业的配置权重[25]。 2. 在每个行业内，基于PB-ROE模型选取估值性价比位于前40%的股票[25]。 3. 对筛选出的股票，按流通市值和PB-ROE打分进行加权，得到最终的股票组合权重[25]。 量化因子与构建方式 1. **因子名称：相对强弱指数（RS）**[13] * **因子构建思路**：通过多期涨跌幅的横截面排名来度量行业在近期市场的相对强度[13]。 * **因子具体构建过程**：与“行业主线模型”的构建过程相同，核心是计算 $$ RS = (RS\_20 + RS\_40 + RS\_60) / 3 $$ [13]。 2. **因子名称：景气度**[17] * **因子构建思路**：用于衡量行业基本面的好坏，是行业轮动模型的核心维度之一[17]。 * **因子具体构建过程**：报告未提供具体计算方法。 3. **因子名称：趋势**[17] * **因子构建思路**：用于衡量行业价格动量的强弱，是行业轮动模型的核心维度之一[17]。 * **因子具体构建过程**：报告未提供具体计算方法。 4. **因子名称：拥挤度**[17] * **因子构建思路**：用于衡量行业交易的热度或风险，旨在规避交易过度拥挤的板块[17]。 * **因子具体构建过程**：报告未提供具体计算方法。 5. **因子名称：PB-ROE**[25] * **因子构建思路**：用于衡量股票的估值性价比，是选股模型的核心标准[25]。 * **因子具体构建过程**：报告未提供具体的因子合成公式，但表明其在行业内用于筛选估值性价比前40%的股票[25]。 模型的回测效果 （注：以下模型回测结果均基于报告所述历史数据，指标口径可能因模型而异） 1. **行业景气度-趋势-拥挤度框架（行业配置模型）**[17] * 基准：Wind全A指数[17] * 多头年化收益：22.0%[17] * 超额年化收益：13.4%[17] * 信息比率（IR）：1.5[17] * 超额最大回撤：-8.0%[17] * 月度胜率：67%[17] * 2026年1月绝对收益：6.5%[17] * 2026年1月超额收益：0.7%[17] 2. **行业景气度-趋势-拥挤度框架（ETF配置模型）**[22] * 基准：中证800指数[22] * 年化超额收益：16.6%[22] * 信息比率（IR）：1.9[22] * 超额最大回撤：10.8%[22] * 月度胜率：66%[22] * 2025年超额收益：21.4%[2][22] * 2026年1月绝对收益：9.0%[22] * 2026年1月超额收益：4.5%[2][22] 3. **行业景气度选股模型**[25] * 基准：Wind全A指数[25] * 多头年化收益：26.7%[25] * 超额年化收益：19.5%[25] * 信息比率（IR）：1.7[25] * 超额最大回撤：-15.4%[25] * 月度胜率：68%[25] * 2025年超额收益：5%[25] * 2026年1月超额收益：1.6%[2][25] 4. **左侧库存反转模型**[27] * 基准：行业等权组合[27] * 2023年绝对收益：13.4%[27] * 2023年超额收益：17.0%[27] * 2024年绝对收益：26.5%[27] * 2024年超额收益：15.4%[27] * 2025年绝对收益：28.7%[27] * 2025年超额收益：5.6%[27] * 2026年1月绝对收益：10.4%[2][27] * 2026年1月超额收益：4.8%[2][27]

市场融资余额整体变动 - 截至2月6日，市场最新融资余额为26,470.46亿元，较上个交易日环比减少170.21亿元 [1] - 申万所属一级行业融资余额全部呈减少态势 [1] 融资余额减少金额居前的行业 - 有色金属行业融资余额减少20.52亿元，最新余额为1,474.51亿元 [1] - 电力设备行业融资余额减少20.46亿元，最新余额为2,339.86亿元 [1] - 通信行业融资余额减少15.94亿元，最新余额为1,313.04亿元 [1] - 医药生物行业融资余额减少11.83亿元，最新余额为1,661.59亿元 [1] - 基础化工行业融资余额减少10.48亿元，最新余额为1,038.16亿元 [1] - 机械设备行业融资余额减少8.71亿元，最新余额为1,374.28亿元 [1] - 电子行业融资余额减少8.10亿元，最新余额为3,892.55亿元 [1] 融资余额环比降幅居前的行业 - 石油石化行业融资余额环比下降2.00%，最新余额为228.49亿元，减少4.65亿元 [1] - 煤炭行业融资余额环比下降1.77%，最新余额为151.77亿元，减少2.74亿元 [1] - 有色金属行业融资余额环比下降1.37%，最新余额为1,474.51亿元，减少20.52亿元 [1] - 轻工制造行业融资余额环比下降1.37%，最新余额为144.81亿元，减少2.01亿元 [1] - 农林牧渔行业融资余额环比下降1.31%，最新余额为304.82亿元，减少4.05亿元 [1] - 传媒行业融资余额环比下降1.29%，最新余额为570.34亿元，减少7.46亿元 [1] - 通信行业融资余额环比下降1.20%，最新余额为1,313.04亿元，减少15.94亿元 [1] - 建筑材料行业融资余额环比下降1.14%，最新余额为140.12亿元，减少1.62亿元 [1] - 基础化工行业融资余额环比下降1.00%，最新余额为1,038.16亿元，减少10.48亿元 [1] 其他行业融资余额变动情况 - 非银金融行业融资余额减少5.99亿元，环比下降0.30%，最新余额为1,989.78亿元 [1] - 计算机行业融资余额减少6.12亿元，环比下降0.33%，最新余额为1,855.44亿元 [1] - 汽车行业融资余额减少3.50亿元，环比下降0.29%，最新余额为1,222.02亿元 [1] - 银行行业融资余额减少5.57亿元，环比下降0.68%，最新余额为817.58亿元 [1] - 房地产行业融资余额减少3.36亿元，环比下降0.92%，最新余额为361.25亿元 [1] - 电力设备行业融资余额减少20.46亿元，环比下降0.87%，最新余额为2,339.86亿元 [1] - 家用电器行业融资余额减少3.00亿元，环比下降0.77%，最新余额为386.69亿元 [1] - 纺织服饰行业融资余额减少0.66亿元，环比下降0.74%，最新余额为87.75亿元 [1] - 环保行业融资余额减少1.47亿元，环比下降0.72%，最新余额为201.00亿元 [1] - 医药生物行业融资余额减少11.83亿元，环比下降0.71%，最新余额为1,661.59亿元 [1] - 食品饮料行业融资余额减少3.23亿元，环比下降0.62%，最新余额为521.51亿元 [1] - 国防军工行业融资余额减少6.23亿元，环比下降0.61%，最新余额为1,010.67亿元 [1] - 公用事业行业融资余额减少3.34亿元，环比下降0.58%，最新余额为567.60亿元 [1] - 商贸零售行业融资余额减少1.51亿元，环比下降0.54%，最新余额为277.67亿元 [1] - 钢铁行业融资余额减少0.87亿元，环比下降0.50%，最新余额为173.02亿元 [1] - 社会服务行业融资余额减少0.66亿元，环比下降0.49%，最新余额为133.08亿元 [1] - 综合行业融资余额减少0.25亿元，环比下降0.49%，最新余额为50.02亿元 [1] - 建筑装饰行业融资余额减少1.96亿元，环比下降0.45%，最新余额为431.15亿元 [1] - 交通运输行业融资余额减少0.92亿元，环比下降0.22%，最新余额为421.26亿元 [1] - 电子行业融资余额减少8.10亿元，环比下降0.21%，最新余额为3,892.55亿元 [1] - 美容护理行业融资余额减少0.13亿元，环比下降0.20%，最新余额为68.62亿元 [1]

美印贸易协议 - 美印双方立即达成了一项贸易协议 美国将降低对等关税 从25%降至18% [1] - 印度也将着手将对美国的关税和非关税壁垒降至零 [1] 印度能源采购转向 - 印度同意停止购买俄罗斯石油 [1] - 印度将大幅增加从美国以及可能从委内瑞拉购买的石油 [1] 印度对美国商品采购承诺 - 印度承诺大幅提高"购买美国货"的力度 [1] - 印度承诺向印度提供超过5000亿美元的美国能源、技术、农产品、煤炭及其他众多产品 [1]