（原标题：2025证券时报分析师年会暨最佳分析师颁奖典礼盛大开幕） 人民财讯12月17日电，12月17日，由证券时报社主办、新财富杂志社承办的"2025证券时报分析师年会 暨最佳分析师颁奖典礼"在苏州市开幕。年会以"行远自迩、踵事增华"为主题，为期两天半，汇聚60余 家证券公司、近100家上市公司、超300家金融机构的近2000位嘉宾。与会嘉宾紧扣"提升金融服务质 效，支持实体经济发展"方向，就证券研究行业如何紧抓"十五五"机遇，实现高质量发展，以专业研究 服务新质生产力定价等议题进行了深入研讨。 ...

活动概况 - 2025证券时报分析师年会由证券时报社主办、新财富杂志社承办，将于苏州举行 [1] - 活动旨在发掘德才兼备的证券分析师，推动证券研究行业高质量发展，服务实体经济与中国式现代化建设 [2] 奖项设置与评选规则 - 活动共设30个分析师类奖项，覆盖宏观经济、策略研究、固定收益研究、金融工程研究、海外市场研究及25个产业研究子行业 [1] - 宏观经济、策略研究、固定收益研究、金融工程研究四个领域将公布前五名获奖团队 [1] - 海外市场研究及25个产业研究子行业将公布前三名，第四、五名是否颁发取决于与第三名的分差比例，2025年度该比例为50% [1] - 奖项入围团队为获奖团队之后顺延的2个团队 [1] - 根据已公示的获奖团队数，大部分研究领域（如银行、非银行金融、电子、计算机等）有5个获奖团队，部分领域如食品饮料有4个，轻工和纺织服装、环保有3个 [2] 活动规模与参与机构 - 本年度活动覆盖全部主流券商和投资机构，超100万亿资金参与投票选择 [1] - 共有近50家证券公司的研究及销售机构报名参与 [3] - 超1300家海内外机构提交投票资格申请，最终800余家机构获得投票资格 [3] - 投票机构类型广泛，包括160余家公募机构、30余家保险资产管理公司、100余家保险公司、50余家银行/银行理财子公司、80余家QFII/RQFII/海外投资机构、100余家证券公司资产管理部/自营业务部、180余家私募基金、70余家信托公司/财务公司等大型资产管理机构 [3] - 参与投票的机构管理资产规模超100万亿元 [3] 主办方背景 - 《证券时报》是人民日报社主管主办的全国性财经类日报，创刊32年，坚持“服务资本市场，推动社会进步”的办报理念 [3] - 《新财富》杂志为证券时报社属媒体，创刊于2001年，是中国资本市场核心职群良好生态的记录者和推动者 [3]

行业与公司 * 纪要涉及的行业主要为**中国资本市场、证券研究、金融信息服务**，核心公司为**新浪财经**及其举办的**金麒麟分析师评选**相关活动[1][3][4] * 新浪财经通过举办经济论坛、银行业论坛、十大经济年度人物评选等品牌活动，邀请国内外知名学者和企业家，旨在引领行业发展[2] * 新浪财经自1999年成立，是中国第一家7x24小时不间断报道国际金融市场信息的服务商，在全球设有三十多个记者站，与美联储、IMF等国际机构有良好合作关系[78] * 新浪财经以技术为引擎，利用AI技术整合全球市场数据深度分析和实时资讯，重构财经信息分发逻辑，实现专业内容与用户需求的精准匹配，推动信息平权[1][5] * 新浪财经的未来目标是成为中国投资者进行投资决策时的首选信息平台[81] * 2025年金麒麟最佳分析师评选在参选证券公司及买方投票机构数量上创下历史新高，大会邀请了四百余位行业领袖与资深专家[3] * 在2025年金麒麟评选中，华创证券、国金证券等获精英研究机构奖，长江证券、广发证券、国泰君安证券等获最佳研究机构奖[79][80] 核心观点与论据：宏观经济与市场环境 * **国际形势**：特朗普第二任期带来冲击，关税政策影响国际经贸格局，美国可能推进战略收缩[11]；中美战略博弈态势对中国越来越有利[11]；俄乌冲突走向尾声，将重组欧洲地缘政治格局[11]；中东地缘政治仍将牵制美国战略资源[11]；美国国际政治经济地位下降，中国地位上升[13]；欧洲可能面临分裂与衰落，过程可能持续十年甚至二十年[15]；全球南方国家将迎来黄金发展期，金砖机制影响力可能超过七国集团[16]；从2025年开始，中国面临的外部环境将明显好转[17] * **中国经济与政策**：2026年是“十五五”规划开局之年，核心是**高质量发展**，经济增长目标预计在5%左右[27][67]；财政政策积极，今明两年财政赤字规模约4.5%，广义财政赤字可能从8.4%提高到9%[67]；需进行社会保障体系改革和适度调整房地产政策，以打破低物价循环[30]；提升居民消费率占GDP比率的关键在于改善社会保障体系，目标是从当前不到40%上升到十五五末年的45%[33][34]；房地产下行周期可能接近底部（国际经验平均七年，中国已进入第五年），销售开工已下跌约60%[35]；建议通过准财政方式贴息按揭利率以稳定市场[35] * **社会融资与利率**：社会融资结构正经历从**间接融资向直接融资**的转变，资金从银行体系流向资本市场，类似于美国80年代的脱媒现象，预示资本市场发展新机遇[18][20]；利率呈下行趋势，有利于实体经济降低财务成本，但给依赖息差收入的金融机构带来挑战，例如上半年商业银行总体净息差降至**1.42%**，低于银监会规定的**1.8%** 盈亏平衡点[21]；利率下行导致脱媒，传统信贷传导渠道效果递减，货币当局需探索新政策工具[23] * **市场展望与投资机会**：对2026年市场应保持乐观，年度策略观点为“直挂云帆济沧海”，强调**流动性驱动**下的机会，利率下行提升估值[28]；配置方向应关注利率下行受益品种，如**科技股**（远期现金流受益）和**红利股**（分红覆盖低票息）[28]；A股市场可能进入**慢牛行情**，驱动力包括资产荒、上市公司注重股东回报（分红、回购）等[52]；中国资本市场未来有望迎来大牛市，驱动力包括国内居民大量资金（约2万亿美元）可能从固收领域回流股市、外资配置比例低有流入潜力等[59][60]；科技自强赛道（如AI、人形机器人、智能驾驶、新能源）带来投资机会[32]；中国制造业占全球份额达**50%**，但贸易结算和国际储备份额低，未来提升空间大[62] 核心观点与论据：证券研究行业 * **券商与研究功能**：券商的核心功能是**交易**，研究部门任务是通过研究打造影响力，促成投行、机构、财富管理等交易业务的发展[8]；证券分析师角色已演变，需从传统信息不对称转向提高市场运行效率，并助力实现国家战略目标[6]；新时代要求分析师注重国家战略、公司利益及个人发展的三方利益最大化[6] * **研究转型与创新**：未来券商研究应包括三大块：**智库研究**（资本市场建设、区域经济等）、**传统证券研究**（宏观策略、行业公司等）、**财富研究**（产品研究、多资产配置等）[9][10]；需要从单一研究转向综合性研究，销售也需变为综合性销售[10]；在数字化时代，AI和量化技术提升研究效率，例如深度行业报告完成时间从一个月缩短到一周到十天[75]；但需避免AI黑箱化，策略需可解释和可回溯，AI不能完全取代人工调研（如与公司高层交流）[76][77] * **评选与考核**：金麒麟评选结合互联网思维，注重**年轻分析师的发掘与培养**，让优秀人才脱颖而出[7]；券商研究所通过派点制等机制优化考核体系[7]；卖方思维需向买方思维转型，实际数据显示，引入买方思维后，50家券商金股组合年化收益率从**7.28%** 提升至**13.67%**[71][72]；金融工程策略应用效果显著，如基于年报业绩超期因子的策略年化收益率达**22%**[73][74] 其他重要内容 * **AI与科技革命**：当前智能革命类比瓦特蒸汽机发明后的时代，是重要投资机会[41]；AI领域投资虽存在泡沫，但长期潜力巨大，例如腾讯在互联网中后期仍获六七百倍回报[45]；未来AI竞争激烈，亚马逊研发投入达**1250亿美元**，谷歌**900亿美元**，微软与OpenAI联合宣布**1000亿美元**，可能导致少数公司垄断，英伟达和谷歌市值有望达到**10万亿美元**[46] * **建筑建材与机械行业**：建筑建材行业处于预期和持仓冰点，但供给端竞争格局改善，需关注**出海**和**存量更新**（中国城镇每年十几亿平方米翻修需求）带来的机会[38]；机械及高端制造领域产业机会变化，演变为机器人及高端装备，机器人行业从2022年起步至今受资金青睐[39] * **资产配置与风险**：全球资产配置难度增加，国内非标资产断供，房地产租金回报吸引力下降；海外美国高财政赤字、美股高估值、AI泡沫风险显现[54]；黄金作为避险资产，实际金价可能已高估，近期有央行出售黄金[55]；地缘政治风险（如俄乌战争后富豪资产被冻结）使得财富安全面临新威胁[57]；A股和港股大盘指数提供较高隐含回报，如沪深300指数PE约**13倍**，对应隐含回报约**7%**，龙头企业ROE在行业低谷时仍能维持[58]

会议概况 - 2025分析师大会于11月28日启幕，汇聚百位行业研究首席、公私募掌舵人及权威学者，共同探讨穿越周期的投资策略 [1] 源达信息证券研究所业务布局 - 构建以金融工程为核心底座的多元研究体系，覆盖金融工程、宏观策略、行业、区域经济及公司研究五大领域 [4] - 特色在于将宏观策略、行业与公司研究的方法论及成果深度封装至金融工程研究框架，形成“数据+模型+研究”的协同模式 [4] - 在行业研究领域与沙利文合作推进新型领域深度研究，区域经济研究在京津冀协同发展、雄安新区建设等领域处于市场前列 [4] - 为投资者提供AI量化研究服务，为英国顶尖对冲基金等外资机构提供卖方研究支持，并为上市公司提供合规市值管理咨询 [4] 传统卖方研究转型路径 - 行业面临供给侧改革压力，仅头部20家券商能获得较多佣金分仓收入，中小券商突围难度显著 [5] - 转型方向一是将服务范围从单一公募基金拓展至全类型机构投资人及财富管理业务，同时强化产业研究深度 [5] - 转型方向二是推动“卖方思维”向“买方思维”转变，该观点源于21年跨卖方与买方的从业经验 [5] - 2018年初至2025年中期，券商“十大金股”组合年化收益率仅7.28%，跑赢沪深300与上证指数但低于红利低波（8.64%）和自由现金流（12.04%）指标 [5] - 收益率偏低的核心原因在于部分研究缺乏买方思维，存在“从众跟风”现象，融入买方思维后组合年化收益率提升至13.67% [5] 数字化投研实践与成效 - 基于年报业绩超预期、股息率、自由现金流等传统因子构建的策略年化收益率分别达22%、16%、17% [5] - AI技术将深度行业报告制作周期从1个月缩短至1周左右，实现从“样本数据”到“全域数据”的跨越 [6] - 通过挖掘上市公司业绩说明会管理层预期、供应链卫星图像、工业园区开工率等“另类因子”，结合因子基因的非线性组合来预判市场趋势 [6] AI技术应用的边界与未来展望 - AI应用需避免“黑箱化”，所有构建的策略必须具备可解释性与可回溯性 [6] - AI无法取代分析师在投研“最后一公里”的价值，如上市公司调研中对企业家精神的感知和行业趋势的现场研判等“温度性洞察” [6] - 公司未来将持续以AI与金融工程为底座，聚焦企业基本面与核心竞争力研究，筛选优质企业 [6]

分析师大会核心信息 - 2025分析师大会于11月28日启幕，汇聚百位行业研究首席、公私募掌舵人及权威学者，共同探讨穿越周期的投资策略 [1] 源达信息证券研究所概况 - 研究所具备证券投资咨询与研究报告发布资质，研究领域涵盖金融工程、宏观策略、行业、区域经济及公司研究 [4] - 研究特色是以金融工程研究为底座，整合各类研究成果，在京津冀、雄安区域经济研究中处于市场前列 [4] - 研究所与沙利文在行业研究上达成合作，并提供AI量化研究服务、外资机构卖方研究服务及上市公司市值管理咨询 [4] 卖方研究转型思路 - 传统卖方研究面临供给侧改革困境，仅头部20家券商能获得较多佣金分仓收入，中小券商突围艰难 [5] - 转型方向之一是服务对象从公募基金拓展至全机构投资人与财富管理领域，并强化产业研究 [5] - 转型方向之二是融入买方思维，团队测算显示，2018年初至2025年中期，融入买方思维后券商十大金股组合年化收益率从7.28%提升至13.67% [5] 金融工程与量化策略表现 - 基于传统因子构建的策略表现亮眼，年报业绩超预期、股息率50、自由现金流相关策略年化收益率分别达22%、16%、17% [5] - 数字化时代投研离不开AI与量化，AI将深度行业研究报告制作周期从一个月缩短至一周左右 [5] - 金融工程研究进入第二阶段，AI助力实现从样本数据到全域数据的跨越，并能挖掘另类因子及因子基因的非线性组合 [5] AI在投研中的应用与边界 - AI应用需避免黑箱化，策略应具备可解释性与可回溯性，同时要警惕技术万能论 [6] - AI无法取代分析师，在投研最后一公里如上市公司调研中对企业家精神与行业预判的感知仍需人工完成，AI是分析师的得力助手 [6] 研究所核心理念 - 研究所秉持“研究创造价值”理念，以AI和金融工程为底座，聚焦公司基本面与核心竞争力，旨在筛选优质企业并为投资者提供专业建议 [7]

核心观点 - 报告基于深度学习框架构建了AI体系下的低频指数增强策略，涵盖沪深300、中证500和中证1000指数增强组合 [3] - 策略在alpha维度利用多源特征集合和堆叠多模型策略，在风险维度利用神经网络寻找长期IC均值为0且高R方的风险信号 [15] - 截至2025年11月7日，各指数增强组合均实现了显著的超额收益：沪深300增强组合超额收益9.5%，中证500增强组合超额收益7.3%，中证1000增强组合超额收益14.4% [5] 本周市场指数表现 - 截至2025年11月7日当周，上证指数上涨1.08%，深证成指上涨0.19%，沪深300指数上涨0.82%，红利指数和万得微盘股指数表现亮眼，分别上涨2.23%和3.44% [5][8][9] - 从行业表现看，电力设备、煤炭、石油石化行业涨幅居前，周收益率分别为4.98%、4.52%、4.47%；美容护理、计算机、医药生物行业表现较差，周收益率分别为-3.10%、-2.54%、-2.40% [9] - 主要宽基指数中，中证2000指数今年以来上涨33.35%，创业板指上涨49.80%，北证50指数本周下跌3.79% [9] 指数增强基金绩效 - 截至2025年11月7日当周，沪深300指数增强基金超额收益中位数为-0.22%，中证500指数增强基金超额收益中位数为0.04%，中证1000指数增强基金超额收益中位数为-0.32% [5][11] - 今年以来，中证1000指数增强基金表现最佳，超额收益中位数达7.60%，最小值为-3.74%，最大值为19.18% [12] - 中证500指数增强基金今年以来超额收益中位数为2.49%，沪深300指数增强基金今年以来超额收益中位数为1.62% [12] 跟踪组合表现 - 策略组合采用周度调仓，约束周单边换手率为10%，通过组合优化勾连深度学习alpha信号与风险信号 [15] - 沪深300指数增强组合全样本年化超额收益为13.6%，跟踪误差4.6%，月度胜率78.0% [20] - 中证500指数增强组合全样本年化超额收益为16.8%，跟踪误差4.9%，月度胜率79.3% [25] - 中证1000指数增强组合全样本年化超额收益为24.0%，跟踪误差5.5%，月度胜率86.6% [31]

根据研报内容，信息分布均匀度（UID）是核心的量化因子，报告未涉及独立的量化模型，因此以下总结将围绕该因子展开。 量化因子与构建方式 **1 因子名称：信息分布均匀度（UID）因子**[6] **1.1 因子构建思路** 该因子旨在对传统波动率因子进行改进，其核心思路是利用个股分钟数据计算高频波动率，并在此基础上构建一个能反映信息（或波动）在时间维度上分布均匀程度的指标，以捕捉“低波异象”之外的增量选股信息[6] **1.2 因子具体构建过程** 报告指出，UID因子是在2020年9月发布的系列研究二中提出的，全称为“换手率分布均匀度因子”[6] 其构建过程基于涨跌幅的分钟数据，是对传统换手率因子的改进[6] 具体构建逻辑如下： 1. 使用个股的分钟数据。 2. 计算每日的高频波动率。 3. 在每日高频波动率的基础上，构建一个衡量波动（或信息）在日内分布均匀度的指标。分布越均匀，因子值越高；分布越集中（即波动聚集），因子值越低。 **1.3 因子评价** UID因子是对传统波动率因子的有效改进，其选股效果大幅优于传统波动率因子[1] 尽管与“纯真波动率因子”同属改进范畴，但UID因子与传统因子的相关性较低，能够提供足够的增量信息，适合作为独立的新因子加入到现有因子库中[6] 即使在剔除了市场常用风格和行业的干扰后，纯净UID因子仍保持不错的选股能力[1] 因子的回测效果 **1 UID因子（全体A股，10分组多空对冲）**[1][7][12] - 测试区间：2014年1月至2025年10月[1][7] - 年化收益率：26.68%[1][7][12] - 年化波动率：9.89%[1][7][12] - 信息比率（IR）：2.70[1][7][12] - 月度胜率：78.72%[1][7][12] - 月度最大回撤率：6.05%[1][7][12] **2 UID因子（全体A股，2025年10月收益统计）**[10] - 10分组多头组合收益率：4.49%[10] - 10分组空头组合收益率：0.76%[10] - 10分组多空对冲收益率：3.72%[10]

根据研报内容，现总结如下： 量化模型与构建方式 1. **模型名称：中国经济六周期模型**[1][8] * **模型构建思路**：基于货币、信用、增长三个维度的方向来刻画宏观状态，将经济周期划分为六个阶段[1][8] * **模型具体构建过程**： * **货币因子**：用于判断货币宽松或收紧状态，当前处于宽松区间[1][10] * **信用因子**：使用中长期贷款脉冲（新增中长贷TTM同比）的三个月差分识别信用周期方向[10]。公式为：信用周期方向 = Δ(新增中长贷TTM同比， 3个月)。当该差分为正时，认为信用处于扩张区间；为负时，处于收缩区间[10] * **增长因子**：综合观察中采制造业PMI、中采非制造业PMI和财新制造业PMI的脉冲变化来判断经济增长方向[1][10] * 根据三个因子（宽松/收紧、扩张/收缩、上行/下行）的状态组合，将经济划分为六个阶段：阶段1（信用扩张）、阶段2（经济复苏）、阶段3（货币退潮）、阶段4（信用退潮）、阶段5（经济放缓）、阶段6（货币扩张）[8][11] 2. **模型名称：风格ETF轮动策略**[2][13] * **模型构建思路**：根据六周期模型所处的不同阶段，超配在该阶段历史表现占优的风格ETF[2][13] * **模型具体构建过程**： * **阶段1~2**：配置70%创业板ETF（代表成长风格） + 30%自由现金流ETF（代表质量风格）[16] * **阶段3~4**：配置70%自由现金流ETF + 15%创业板ETF + 15%红利低波100ETF（代表价值风格）[16] * **阶段5~6**：配置70%红利低波100ETF + 30%自由现金流ETF[16] 3. **模型名称：六周期框架下的全天候策略**[3][20] * **模型构建思路**：参考桥水全天候思想，不对经济周期做预测，而是将六个阶段对应的看多资产风险平价组合进行再平衡，构建一个在所有经济环境下都力求表现稳健的组合[3][20] * **模型具体构建过程**： * 首先，为每个经济阶段构建一个风险平价组合，组合内资产为该阶段历史表现占优的资产ETF（具体资产配置见图表5）[18][20] * 然后，将这六个阶段的风险平价组合进行等权或风险平价配置，形成一个综合的全天候策略组合[3][20] 4. **模型名称：六周期多资产ETF轮动策略**[3][26] * **模型构建思路**：基于六周期模型对经济状态的判断，动态轮动配置当前阶段下看多资产的风险平价组合[3][26] * **模型具体构建过程**：根据六周期模型实时判断当前所处的经济阶段，然后动态配置图表5中对应阶段的看多资产风险平价组合[18][26] 5. **模型名称：目标波动率约束下的多资产ETF配置策略**[4][31] * **模型构建思路**：在六周期多资产ETF轮动策略的基础上，加入波动率控制机制，将策略的整体波动率约束在特定目标水平（如3%）附近[4][31] * **模型具体构建过程**：以六周期多资产ETF轮动策略为核心，通过调整仓位或使用衍生品等方法，管理组合风险，使其年化波动率维持在3%左右[31][34] 模型的回测效果 1. **风格ETF轮动策略**[13][14] * 测试期：2013年以来 * 年化收益：27.3% * 年化波动：23.3% * 最大回撤：38.1% * 夏普比率：1.17 * 相对于800收益年化超额：19.6% * 相对于ETF等权基准年化超额：11.8% * 月超额胜率（vs 800收益）：68% * 月超额胜率（vs ETF等权）：62% 2. **各阶段风险平价组合及全天候策略**[23] * 测试期：2014年以来 * **阶段1平价组合**：年化收益14.3%，年化波动13.5%，最大回撤19.2%，夏普比率1.06 * **阶段2平价组合**：年化收益6.8%，年化波动17.4%，最大回撤29.8%，夏普比率0.39 * **阶段3平价组合**：年化收益13.1%，年化波动16.0%，最大回撤28.2%，夏普比率0.82 * **阶段4平价组合**：年化收益10.3%，年化波动6.2%，最大回撤8.8%，夏普比率1.67 * **阶段5平价组合**：年化收益11.2%，年化波动5.8%，最大回撤8.5%，夏普比率1.91 * **阶段6平价组合**：年化收益11.2%，年化波动5.8%，最大回撤8.5%，夏普比率1.91 * **全天候策略**：年化收益11.5%，年化波动6.9%，最大回撤11.2%，夏普比率1.66 3. **六周期多资产ETF轮动策略**[26][28][29] * 测试期：2014年以来 * 年化收益：23.0% * 年化波动：11.3% * 最大回撤：12.0% * 夏普比率：2.04 * 月度胜率：72% * 年单边换手：2.4倍 * 2025年以来（截至10月底）绝对收益：23.2%，回撤：4.4% 4. **目标波动率3%约束下的多资产ETF轮动策略**[31][33][34] * 测试期：2014年以来 * 年化收益：9.4% * 年化波动：3.2% * 最大回撤：3.4% * 夏普比率：2.88 * 月度胜率：79% * 年单边换手：1.3倍 * 相较于原始资产平价组合年化超额：2.0% * 2024年全年收益：13.1% * 2025年以来（截至10月底）绝对收益：5.4% 量化因子与构建方式 1. **因子名称：货币因子**[1][9][10] * **因子构建思路**：通过观察央行货币政策（如降准降息）及市场利率（如DR007）的走势，判断货币环境的宽松或收紧状态[1][10] * **因子具体构建过程**：定性分析与定量指标相结合，关注政策利率变化和银行间市场利率水平，当前因子处于宽松状态[1][10] 2. **因子名称：信用因子**[1][9][10] * **因子构建思路**：使用中长期贷款脉冲来刻画信用周期的扩张与收缩[10] * **因子具体构建过程**：计算中长期贷款脉冲（新增中长贷TTM同比）的三个月差分值。公式为：信用因子值 = 当前月中长贷脉冲 - 3个月前的中长贷脉冲。通过该差分的正负来判断信用周期方向[10] 3. **因子名称：增长因子**[1][9][10] * **因子构建思路**：通过观察制造业和非制造业采购经理人指数（PMI）的脉冲变化来判断经济增长的势头[1][10] * **因子具体构建过程**：综合监测中采制造业PMI、中采非制造业PMI和财新制造业PMI等指标的脉冲变化方向，判断经济增长处于上行或下行状态[1][10] 4. **因子名称：成长风格因子**[2][11][13] * **因子构建思路**：在信用扩张和经济复苏阶段，成长型企业因其盈利和估值弹性更受市场青睐，代表指标为创业板ETF[2][11][13] 5. **因子名称：质量风格因子**[2][11][13] * **因子构建思路**：在货币和信用退潮阶段，盈利稳定、现金流健康的企业防御性更强，代表指标为自由现金流ETF[2][11][13] 6. **因子名称：价值风格因子**[2][11][13] * **因子构建思路**：在经济放缓和货币扩张阶段，类固收资产如价值红利股防御能力突出，代表指标为红利低波100ETF[2][11][13] 因子的回测效果 1. **风格因子在各周期的表现规律**[11][12] * **成长风格因子**：在阶段1（信用扩张）和阶段2（经济复苏）表现占优 * **质量风格因子**：在阶段3（货币退潮）和阶段4（信用退潮）表现占优 * **价值风格因子**：在阶段5（经济放缓）和阶段6（货币扩张）表现占优

欧洲统一市场记分牌制度概述 - 欧洲统一市场记分牌制度采用“交通灯”系统（绿牌/黄牌/红牌）对31个成员国在三大维度（治理工具、业务框架、成果和竞争力）的表现进行量化评估[2][5] 治理工具维度 - **执行指标**：2023年12月至2024年11月报告期内，欧盟平均执行赤字率为0.8%（目标≤1%），22个成员国获绿牌；但逾期执行指令的总延误时间达11.9个月，且诉讼时长仍为18个月（目标≤12个月）[28][29] - **违规指标**：未决违规诉讼数量平均为24件（较上期26件改善），但执行法院裁决需61.3个月（目标18个月），仅4个成员国表现优于平均水平[35][36] - **IMI系统**：超半数成员国获绿牌，仅保加利亚获红牌；系统处理了约1960万份运输报备声明，涉及8万家企业[44][45] - **SOLVIT机制**：2024年处理案件3339起（同比增长45%），但平均案件解决率仅77%（目标90%），且比利时等7国存在人员配备不足问题[54][56][60] 业务框架维度 - **公共采购**：2023年单一投标人比例达十年新高，直接奖励比例与往年持平；中小企业投标比例目标为>80%（绿牌），但多国未达标[68][69] - **劳动力流动**：EURES机制用户满意度达7-10分（满分10分），24个成员国能通过系统转发职位空缺信息；但跨国就业安置率目标>4%，多数国家未达绿牌标准[82][84] - **融资便利度**：2023年风险投资占GDP比重为0.05%（低于2020年的0.06%），企业收款时间平均62天（目标30天）[80][81] 成果与竞争力维度 - **贸易一体化**：2023年欧盟商品贸易占GDP比重达23.78%（1993年为11.4%），但服务贸易一体化程度较低（占GDP7.6%）；中小企业跨境出口比例降至13.1%（2019年为15.9%）[90][91] - **数字化与绿色转型**：仅57.5%的中小企业达基础数字化水平（2030年目标90%）；城市垃圾回收率48.7%（2025年目标55%），循环材料利用率11.8%（2030年目标23.4%）[95][98] 对中国的借鉴意义 - 欧洲记分牌制度的可量化指标、跨期比较机制及IMI/SOLVIT/EURES等基础设施，为中国统一大市场建设提供了系统性参考框架[3][10]

量化因子与构建方式 1. 价格区间因子 **因子构建思路**：衡量股票在日内不同价格区间成交的活跃程度，以体现投资者对未来走势的预期[3] **因子具体构建过程**：利用三秒快照数据，分析不同价格区间的成交行为[12] - 高价格80%区间成交量因子（VH80TAW）：计算日内高价格80%区间的成交量，与未来收益呈负相关[12] - 高价格80%区间成交笔数因子（MIH80TAW）：计算日内高价格80%区间的成交笔数，与未来收益呈负相关[12] - 低价格10%区间每笔成交量因子（VPML10TAW）：计算日内低价格10%区间的平均每笔成交量，与未来收益呈正相关[12] - 合成方法：以25%、25%和50%的权重对三个细分因子进行合成，然后进行行业市值中性化处理[14] **因子评价**：展现出了较强的预测效果，今年以来表现比较稳定[3] 2. 量价背离因子 **因子构建思路**：衡量股票价格与成交量的相关性，相关性越低，未来上涨可能性越高[3] **因子具体构建过程**：利用高频快照数据计算价格与成交量的相关关系[22] - 价格与成交笔数相关性因子（CorrPM）：计算价格与成交笔数的相关性[22] - 价格与成交量相关性因子（CorrPV）：计算价格与成交量的相关性[22] - 合成方法：对两个细分因子进行等权合成，然后进行行业市值中性化处理[23] **因子评价**：近几年表现一直不太稳定，多空净值曲线趋近走平[3] 3. 遗憾规避因子 **因子构建思路**：通过考察股票当天被投资者卖出后反弹的比例和程度，体现投资者的遗憾规避情绪对股价预期收益的影响[3] **因子具体构建过程**：利用逐笔成交数据区分主动买卖方向，加入小单和尾盘限制[26] - 卖出反弹占比因子（LCVOLESW）：衡量卖出后股价反弹的占比[26] - 卖出反弹偏离因子（LCPESW）：衡量卖出后股价反弹的程度[26] - 合成方法：对两个细分因子进行等权合成，然后进行行业市值中性化处理[32] **因子评价**：样本外超额收益稳定，表明A股投资者的遗憾规避情绪会显著影响股价预期收益[3] 4. 斜率凸性因子 **因子构建思路**：从投资者耐心与供求关系弹性角度出发，刻画订单簿的斜率和凸性对预期收益的影响[3] **因子具体构建过程**：利用限价订单簿的委托量和委托价信息计算斜率[36] - 低档斜率因子（Slope_abl）：计算低档位的订单簿斜率[36] - 高档位卖方凸性因子（Slope_alh）：计算高档位的卖方凸性[36] - 合成方法：对两个细分因子进行等权合成，然后进行行业市值中性化处理[41] **因子评价**：因子自2016年以来收益保持平稳趋势[43] 量化模型与构建方式 1. 高频"金"组合中证1000指数增强策略 **模型构建思路**：将三类高频因子等权合成构建指数增强策略[3] **模型具体构建过程**： - 因子合成：将价格区间因子、量价背离因子、遗憾规避因子进行等权合成[3] - 调仓频率：周度调仓[44] - 手续费：单边千分之二[44] - 风险控制：加入换手率缓冲机制降低调仓成本[44] - 基准：中证1000指数[44] **模型评价**：在样本外表现出色，有较强的超额收益水平[47] 2. 高频&基本面共振组合中证1000指数增强策略 **模型构建思路**：将高频因子与有效的基本面因子结合提升多因子投资组合表现[48] **模型具体构建过程**： - 因子构成：高频因子（价格区间、量价背离、遗憾规避） + 基本面因子（一致预期、成长、技术因子）[48] - 合成方法：等权合成[48] - 调仓频率：周度调仓[48] - 基准：中证1000指数[48] **模型评价**：各项业绩指标均有提升，样本外表现稳定，有较强的超额收益水平[50] 因子的回测效果 1. 价格区间因子 - 上周多头超额收益率：0.28%[2][13] - 本月以来多头超额收益率：-0.41%[2][13] - 今年以来多头超额收益率：4.70%[2][13] - 上周多空收益率：-0.42%[13] - 本月以来多空收益率：-0.60%[13] - 今年以来多空收益率：13.53%[13] 2. 量价背离因子 - 上周多头超额收益率：0.18%[2][13] - 本月以来多头超额收益率：-1.47%[2][13] - 今年以来多头超额收益率：5.73%[2][13] - 上周多空收益率：1.82%[13] - 本月以来多空收益率：0.50%[13] - 今年以来多空收益率：15.99%[13] 3. 遗憾规避因子 - 上周多头超额收益率：-0.86%[2][13] - 本月以来多头超额收益率：-1.21%[2][13] - 今年以来多头超额收益率：1.04%[2][13] - 上周多空收益率：0.73%[13] - 本月以来多空收益率：1.04%[13] - 今年以来多空收益率：15.54%[13] 4. 斜率凸性因子 - 上周多头超额收益率：0.96%[2] - 本月以来多头超额收益率：0.63%[2] - 今年以来多头超额收益率：-7.40%[2] 模型的回测效果 1. 高频"金"组合中证1000指数增强策略 - 年化收益率：9.31%[44] - 年化波动率：23.97%[44] - Sharpe比率：0.39[44] - 最大回撤率：47.77%[44] - 双边换手率（周度）：14.66%[44] - 年化超额收益率：10.20%[3][44] - 跟踪误差：4.28%[44] - 信息比率：2.38[44] - 超额最大回撤：6.04%[3][44] - 上周超额收益：0.80%[3] - 本月以来超额收益：0.83%[3] - 今年以来超额收益：6.58%[3] 2. 高频&基本面共振组合中证1000指数增强策略 - 年化收益率：13.67%[50] - 年化波动率：23.59%[50] - Sharpe比率：0.58[50] - 最大回撤率：39.60%[50] - 双边换手率（周度）：22.54%[50] - 年化超额收益率：14.49%[4][50] - 跟踪误差：4.19%[50] - 信息比率：3.46[50] - 超额最大回撤：4.52%[4][50] - 上周超额收益：1.14%[4] - 本月以来超额收益：1.22%[4] - 今年以来超额收益：7.66%[4]