工业母机ETF市场表现与跟踪指数 - 1月27日，工业母机ETF（159667）价格上涨超过1.4% [1] - 该ETF跟踪中证机床指数（931866），该指数从沪深市场选取涉及机床整机及其关键零部件制造和服务的上市公司证券作为样本 [1] - 指数成分股主要集中于机械设备行业，行业集中度较高 [1] 制造业与机械设备行业展望 - 展望2026年，国内政策持续发力，叠加“反内卷”等措施有望带动制造业盈利能力修复 [1] - 制造业景气度有望逐渐回升，将带动上游机械设备总体需求持续好转 [1] 光伏设备新成长空间 - 太空光伏有望为光伏加工设备打开新的成长空间 [1] - 据估算，建设200GW太空太阳能制造产能，其电池环节所需设备价值达644亿元，组件环节所需设备价值达108亿元 [1] 人形机器人产业发展 - 2025年被视为全球人形机器人量产元年，行业龙头对外销量或自用量预计将大幅增长 [1] - 产业投融资金额高速增长，推动人形机器人核心技术和产业链持续加速发展 [1] - 人形机器人产业的发展将带动上游核心零部件需求快速增长 [1]

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**[2][78] * **模型构建思路**：使用卷积神经网络（CNN）对个股历史价量数据生成的标准化图表进行深度学习，以识别图表中的特征模式，并预测未来价格走势。最终将学习到的特征映射到行业主题板块，生成行业配置建议。[2][78] * **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。价量数据通常包括价格、成交量等时间序列。[78] 2. **图表化**：将标准化后的价量数据转换为图像格式，作为CNN的输入。图表示例可参考报告中的“标准化数据价量图表”。[79] 3. **模型训练**：使用卷积神经网络对大量的历史价量图表进行训练，学习图表特征与未来一段时间（如下一期）价格变动之间的映射关系。[2][78] 4. **特征映射**：将训练好的CNN模型学习到的有效特征，应用于行业或主题板块层面的分析，识别出当前具有相似积极特征的板块。[2][78] 5. **生成信号**：根据模型对各个板块的分析，输出看好的行业主题配置列表。[80] 2. **模型名称：宏观因子事件模型**[55][57] * **模型构建思路**：跟踪一系列关键的国内外宏观指标，通过定义和识别这些指标在特定时间窗口内的走势事件（如短期高点、连续下跌等），并基于历史回测筛选出对资产未来收益率有显著影响的“有效因子事件”，从而对权益市场未来走势进行判断。[55] * **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等多个维度。[55] 2. **事件定义**：定义四类宏观因子走势事件：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转。[55] 3. **有效性检验**：从历史数据中回测，寻找那些对资产（如股票指数）未来收益率影响较为显著的因子事件，即“有效因子事件”。[55] 4. **趋势判断**：对于部分因子，采用历史均线（如1月、3月、12月均线）将其走势划分为趋势上行或趋势下行。[57] 5. **信号生成**：统计历史上在宏观指标处于不同趋势下，对应资产的未来平均收益，筛选出存在显著差异的情况，形成当前宏观因子趋势对权益市场的观点（如看多、震荡）。[57][58] 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[48] * **模型构建思路**：通过监测上证50ETF期权成交量的看涨看跌比率（CPR），并将其与布林通道结合，判断蓝筹股是否存在短期超买或超卖风险。[48] * **模型具体构建过程**： 1. **计算CPR**：计算上证50ETF期权成交量的看涨看跌比率。[48] 2. **计算滚动指标**：计算滚动20个交易日的CPR。[50] 3. **构建通道**：计算该滚动20日CPR的60日布林通道上轨。[48] 4. **生成信号**：当滚动20日CPR高于其60日布林通道上轨时，模型认为蓝筹股短期存在超卖风险。[48] 4. **模型名称：GFTD模型**[82] * **模型评价**：报告中提及该模型历史择时成功率约为80%，但市场波动不确定性下模型信号存在失效可能。[82] 5. **模型名称：LLT模型**[82] * **模型评价**：报告中提及该模型历史择时成功率约为80%，但市场波动不确定性下模型信号存在失效可能。[82] 量化因子与构建方式 1. **因子名称：新高新低比例因子**[33] * **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，来度量市场的极端情绪和趋势强度。[33] * **因子具体构建过程**： 1. 每日计算全市场个股中，收盘价创近60日新高的个股数量。 2. 每日计算全市场个股中，收盘价创近60日新低的个股数量。 3. 分别计算新高个股数占总股票数的比例（60日新高比例），以及新低个股数占总股票数的比例（60日新低比例）。[33][34] 2. **因子名称：个股均线结构因子**[37] * **因子构建思路**：通过计算呈现特定均线多头排列形态的个股占比，来反映市场整体的技术趋势强弱。[37] * **因子具体构建过程**： 1. 对每只个股，判断其短期、中期、长期均线（如5日、20日、60日均线）是否呈多头排列（短期>中期>长期）。 2. 判断其是否呈空头排列（短期<中期<长期）。 3. 计算当日呈多头排列的个股数量与呈空头排列的个股数量之差，再除以总股票数，得到“均线强弱指标”或“多头排列减空头排列个股占比”。[37][38] 3. **因子名称：长期均线以上比例因子**[40] * **因子构建思路**：通过统计股价位于长期均线之上的个股比例，来衡量市场整体的牛市广度。[40] * **因子具体构建过程**： 1. 对每只个股，判断其当日收盘价是否位于200日长期移动平均线之上。 2. 计算股价位于200日长期均线之上的个股数量占总股票数的比例。[40] 4. **因子名称：风险溢价因子**[66][81] * **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，来衡量股票资产相对于债券资产的吸引力。[66][81] * **因子具体构建过程**： 1. 计算中证全指（或其它宽基指数）的静态市盈率（PE_TTM）。 2. 计算其倒数，即盈利收益率（EP）。 3. 从盈利收益率（EP）中减去十年期国债收益率，得到风险溢价。 $$风险溢价 = \frac{1}{PE\_{TTM}} - 十年期国债收益率$$[81] 5. **因子名称：指数超买超卖因子**[69][73] * **因子构建思路**：通过特定方法计算各主要宽基指数和行业指数的超跌或超买程度，用于识别市场或板块的极端状态。[69][73] * **因子具体构建过程**：报告中未详细描述具体计算公式，但展示了截至报告日（NEW）和历史上另一个时点（20181228）各指数的“超跌指标”统计结果，用于对比。[70][71][74][75] 6. **因子名称：融资余额因子**[76] * **因子构建思路**：跟踪市场融资余额的绝对规模及其占流通市值的比例，作为衡量市场杠杆资金情绪和力量的指标。[76] * **因子具体构建过程**： 1. 获取每日市场融资买入的总余额。 2. 计算融资余额占A股流通市值的百分比。[77] 7. **因子名称：市场真实换手率因子**[51] * **因子构建思路**：考虑自由流通股本后计算市场换手率，以更真实地反映市场的交易活跃程度。[51] * **因子具体构建过程**：报告中未给出具体公式，但指出其计算考虑了自由流通股本，并以中证全指和创业板指为例展示了该因子的时间序列。[51][53] 模型的回测效果 （报告中未提供具体模型的量化回测指标结果，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 （报告中未提供具体因子的IC、IR、多空收益等量化检验结果。）

市场近期表现 - 最近5个交易日，科创50指数上涨2.62%，国证2000代表的小盘股上涨3.33%，而创业板指下跌0.34%，大盘价值下跌1.64%，大盘成长下跌1.34%，上证50下跌1.54% [1] - 行业表现方面，建筑材料、石油石化表现靠前，银行、通信表现靠后 [1] - 两市日均成交额为27,727亿元 [2] 主流ETF规模变化 - 最近5个交易日，ETF资金流出3,265亿元 [2] 卷积神经网络趋势观察 - 基于卷积神经网络对图表化的价量数据与未来价格进行建模，并将学习特征映射到行业主题板块中 [2][11] - 最新配置主题包括石化、化工、机床、半导体和有色，具体关注中证石化产业指数、中证细分化工产业主题指数、中证机床指数、中证半导体材料设备主题指数和国证有色指数等细分指数 [2][3][12] 市场情绪之200日长期均线之上比例 - 该部分在提供的文档内容中无具体数据或描述，已根据要求跳过 权益资产与债券资产风险偏好跟踪 - 截至2026年1月23日，风险溢价指标为2.46%，该指标由中证全指静态市盈率的倒数减去十年期国债收益率计算得出，其两倍标准差边界为4.68% [1] - 估值方面，截至同一日期，中证全指市盈率TTM分位数为84%，上证50与沪深300分位数分别为72%和73%，创业板指接近63%，中证500与中证1000分别为70%和68%，创业板指风格估值相对历史总体处于中位数水平 [1] 融资余额 - 最近5个交易日，融资盘增加约65亿元 [2] 个股年初至今基于收益区间的占比分布统计 - 该部分在提供的文档内容中无具体数据或描述，已根据要求跳过 指数超卖 - 该部分在提供的文档内容中无具体数据或描述，已根据要求跳过

资金流向与政策支持 - 工业母机ETF（159667）近20日净流入超2.8亿元 [1] - 国家创业投资引导基金启动，中央财政出资1000亿元，目标吸引其他资本形成万亿资金规模 [1] - 基金存续期为20年，旨在服务新兴产业和未来产业，促进科技创新与产业创新融合 [1] 行业影响与投资方向 - 引导基金鼓励企业开展原创性和颠覆性技术攻关，支持关键共性技术转化 [1] - 基金为机械设备行业注入长期资本，推动产业升级和技术突破 [1] - 工业母机、人形机器人板块或可关注 [1] 产品与指数概况 - 工业母机ETF（159667）跟踪中证机床指数（931866） [1] - 中证机床指数从沪深市场选取50只涉及机床整机及其关键零部件制造和服务的上市公司证券作为样本 [1] - 该指数反映机床产业相关上市公司整体表现，并涵盖人形机器人所需零部件及生产设备相关标的 [1]

市场表现与资金流向 - 12月30日，工业母机ETF（159667）价格上涨超过2% [1] - 当日盘中，该ETF获得资金净流入近3000万份，具体为2900万份 [1] 行业催化因素 - 机器人被视为人工智能的终极载体，并有望成为中美竞争的下一个主要赛道 [1] - 海外方面，特斯拉人形机器人V3版本预计将向轻量化、小型化、高集成度、高稳定性方向演化，预计2025年第一季度发布，随后将开启量产 [1] - 国内方面，宇树、智元、乐聚、云深处、银河通用等公司的新产品与新技术不断涌现，资本运作加速，后续相关企业上市有望对板块形成进一步催化 [1] 产品与指数构成 - 工业母机ETF（159667）跟踪的是中证机床指数（931866） [1] - 该指数从沪深市场中选取50只涉及机床整机及其关键零部件制造和服务的上市公司证券作为样本 [1] - 指数成分股涵盖了人形机器人所需零部件及生产设备的相关标的 [1]

市场表现 - A股三大指数集体上涨 上证指数盘中上涨0.07% [1] - 国防军工 机械设备 煤炭等板块涨幅靠前 建筑材料 医药生物跌幅居前 [1] - 机床ETF（159663 SZ）上涨1.82% [1] 个股表现 - 华东数控涨停 [1] - 国机精工涨停 [1] - 纽威数控上涨6.06% [1] - 拓斯达上涨5.85% [1] - 恒进感应上涨5.43% [1] 人形机器人产业前景 - 2029年中国人形机器人市场规模预计达750亿元 占全球市场32.7% [3] - 2035年市场规模有望达到3000亿元 [3] - 2025年产业有望从技术验证期向规模化商用期过渡 [3] - 产业可能复制新能源汽车发展路径 成为经济新增长极 [3] 产业链影响 - 人形机器人产业发展拉动高精度数控机床需求增加 [3] - 机床ETF跟踪中证机床指数 覆盖高端装备制造领域 [3] - 指数涵盖激光设备 机床工具 机器人 工控设备等行业 [3] - 该领域是新质生产力理念下创新驱动与产业升级的核心阵地 [3]