市场表现与板块趋势 - 新春开工首日A股市场迎来开门红 周期板块表现亮眼 其中石油石化板块以5.53%的涨幅位居申万一级行业榜首 基础化工板块以3.45%的涨幅排名第三 [1] - 石油ETF鹏华(159697)追踪的国证石油天然气指数近1年上涨31.43% 同期沪深300指数上涨19.34% [2] - 化工ETF(159870)追踪的中证细分化工产业主题指数近一年涨幅达51.79% [2] 机构观点与配置主线 - 机构对年后周期类资产的配置价值达成高度共识 市场在政策预期、流动性加持与产业趋势催化下震荡上行概率较大 [1] - 配置主线之一是供需格局改善与行业盈利修复带动的“反内卷”概念 以及估值具备安全边际的红利资产 [1] - 具体建议关注的行业包括受益于价格上涨的有色金属(贵金属)、石油石化行业 以及基础化工、钢铁、水泥、建筑材料、金融等板块 [1] - 另一机构观点认为 在地缘摩擦与关税政策推高宏观风险背景下 应重点关注贵金属、有色及油气、新兴市场权益等“弱美元资产” [1] 相关金融产品概况 - 石油ETF鹏华(159697)是全市场首只追踪国证石油天然气指数的ETF产品 该指数覆盖A股石油天然气全产业链核心公司 “三桶油”中国石油、中国海油及中国石化权重占比分别为14%、13%和12% [2] - 化工ETF(159870)追踪的中证细分化工产业主题指数 从化工产业中精选50家规模大、流动性好的上市公司 覆盖核心子领域 旨在精准捕捉化工行业向高端材料、新能源材料转型的结构性机会 [2] - 截至2026年2月13日 石油ETF鹏华(159697)规模为18.28亿元 化工ETF(159870)规模为355.33亿元 在追踪同类标的的ETF中均排名第一 [3] 产品定位与投资者价值 - 鹏华基金旗下石油ETF鹏华(159697)与化工ETF(159870)被描述为普通投资者把握周期类资产配置机遇、分享板块上涨红利的优质工具 [1] - 这些ETF产品凭借精准的指数追踪和充足的流动性 成为投资者布局周期赛道的优选工具 [2] - 对于普通投资者 直接投资周期类个股面临产业链复杂、细分领域多、个股风险集中等问题 而相关ETF产品提供了低成本、高透明度、分散风险的高效配置工具 [3]

市场表现与资金流向 - 2月2日，中证细分化工产业主题指数下跌5.15%，其成分股中恩捷股份、天赐材料股价飘红[1] - 化工ETF天弘（159133）当日成交额超6800万元，换手率近3%，盘中频现溢价交易，溢折率为0.05%[1] - 该ETF在2月2日盘中获净申购达8500万份[1] - 上一个交易日（1月30日），该ETF单日净流入额为2.77亿元，并已连续23个交易日获资金净流入，累计净流入额超17亿元[1] - 截至1月30日，该ETF最新流通份额为19.7亿份，最新流通规模为24.27亿元[1] 产品与指数概况 - 化工ETF天弘（159133）跟踪中证细分化工产业主题指数，该指数全面覆盖磷化工、氟化工、磷肥、钾肥等化工各细分领域龙头[1] - 该ETF及其联接基金（C类015897）为投资者提供分享化工板块整体机遇的工具[1] 行业观点与驱动因素 - 国盛证券表示，化工行业供给格局改善，正迎来估值修复[1] - 自2025年7月“反内卷”热潮以来，化工板块持续上涨[1] - 2025年第四季度以来，伴随化工ETF的发行及双碳政策发布，化工行业的投资资金侧与供给侧逻辑得到加强[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**[79] * **模型构建思路**：利用卷积神经网络（CNN）对个股历史价量数据生成的标准化图表进行深度学习，识别图表中的特征模式，并建立这些模式与未来价格走势之间的映射关系。最终将学习到的有效特征应用于行业主题板块，生成配置建议。[79] * **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（如价格、成交量）构建标准化的图表。这个过程可能包括数据归一化、时间序列到图像的转换等步骤，以生成CNN可处理的输入格式。[79] 2. **模型训练**：使用卷积神经网络对上述生成的图表化数据进行建模。模型的学习目标是建立图表特征与未来一段时间（报告中未明确具体期限）价格变动之间的关联。[79] 3. **特征映射与应用**：将训练好的CNN模型学习到的有效特征，从个股层面映射到更广泛的行业主题板块中，从而判断哪些行业主题在未来可能具有趋势性机会。[79] * **模型评价**：该模型属于利用深度学习技术进行市场趋势观察和行业配置的前沿方法，能够从复杂的价量图表中提取非线性特征。[79] 2. **模型名称：宏观因子事件模型**[56] * **模型构建思路**：通过跟踪一系列关键的国内外宏观指标，定义并识别其走势中的特定事件（如短期高低点、连续涨跌等），并从历史数据中筛选出对未来资产收益率有显著预测作用的“有效因子事件”，以此作为判断市场趋势的依据。[56] * **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、通胀水平等多个角度，选取对市场影响较大的宏观因子，例如PMI、CPI同比、社融存量同比、10年期国债收益率、美元指数等。[56][59] 2. **事件定义**：针对每个宏观因子，定义四类走势事件：短期高点/低点、连续上涨/下跌、创历史新高/新低、因子走势反转。[56] 3. **有效性检验**：在历史数据中回溯，统计各类宏观因子事件发生后，相关资产（如股票、债券）在未来一段时间（例如一个月）的平均收益率，筛选出导致资产收益存在显著差异的事件，标记为“有效因子事件”。[56] 4. **趋势判断**：对于连续型指标，采用历史均线（如1月、3月、12月均线）将其走势划分为“上行”或“下行”趋势，并统计在该趋势下资产未来的平均表现，形成观点（如看多、震荡）。[58][59] 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[49] * **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）与其布林通道的相对位置，来判断蓝筹股市场的短期情绪和超买超卖风险。[49] * **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。具体公式未在报告中给出，通常为看涨期权成交量与看跌期权成交量之比。 2. **构建布林通道**：计算CPR的60日移动平均线作为中轨，并计算其标准差，以此构建布林通道的上轨和下轨。[49] 3. **生成信号**：当滚动20日的CPR值高于60日布林通道的上轨时，模型认为市场情绪过于乐观，蓝筹股短期存在超卖风险。[49] 4. **模型名称：GFTD模型**[83] * **模型构建思路**：报告中仅提及该模型名称及历史择时成功率，未详细说明其构建思路和过程。[83] 5. **模型名称：LLT模型**[83] * **模型构建思路**：报告中仅提及该模型名称及历史择时成功率，未详细说明其构建思路和过程。[83] 量化因子与构建方式 1. **因子名称：新高新低比例因子**[34] * **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，来度量市场的整体强度与广度，是常用的市场情绪跟踪指标。[34] * **因子具体构建过程**： 1. **新高比例**：计算当日收盘价创近60日新高的个股数量，除以当日总上市个股数量（或样本空间内个股数量），得到百分比。公式为： $$新高比例 = \frac{创近60日新高个股数}{总个股数} \times 100\%$$ 2. **新低比例**：计算当日收盘价创近60日新低的个股数量，除以当日总上市个股数量（或样本空间内个股数量），得到百分比。公式为： $$新低比例 = \frac{创近60日新低个股数}{总个股数} \times 100\%$$ [34] 2. **因子名称：个股均线结构因子（均线强弱指标）**[38] * **因子构建思路**：通过计算市场中呈现特定均线多头排列与空头排列的个股数量差异占比，来反映市场整体的技术趋势强弱。[38] * **因子具体构建过程**： 1. **个股判断**：对于每只个股，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）或空头排列（短期<中期<长期）。[38] 2. **市场汇总**：统计全市场（或样本空间内）呈多头排列的个股数量（$N_{多头}$）和呈空头排列的个股数量（$N_{空头}$）。[38] 3. **计算指标**：计算多头排列个股数量与空头排列个股数量之差，再除以总个股数（或两者之和），得到百分比。报告中展示的指标可能为： $$均线强弱指标 = \frac{N_{多头} - N_{空头}}{总个股数} \times 100\%$$ 或类似形式。[38] 3. **因子名称：长期均线以上比例因子**[41] * **因子构建思路**：统计股价位于长期移动平均线（如200日均线）之上的个股比例，用以衡量市场长期趋势的强弱和广度。[41] * **因子具体构建过程**：计算当日收盘价位于其200日移动平均线之上的个股数量，除以总个股数（或样本空间内个股数量），得到百分比。[41] 4. **因子名称：风险溢价因子**[67] * **因子构建思路**：用股票市场的隐含收益率（市盈率倒数）减去无风险收益率（十年期国债收益率），衡量股票资产相对于债券资产的超额收益吸引力。[67][82] * **因子具体构建过程**：以中证全指为例，计算公式为： $$风险溢价 = \frac{1}{PE_{TTM}} - 十年期国债收益率$$ 其中，$PE_{TTM}$ 为中证全指的滚动市盈率。[67][82] 5. **因子名称：指数超买超卖因子**[70] * **因子构建思路**：通过某种量化方法计算主要指数和行业指数的超跌或超买程度，通常是一个百分比指标，用于识别市场极端状态。[70][71][74] * **因子具体构建过程**：报告中未给出该因子的具体计算公式，仅展示了统计结果。该因子可能基于价格偏离均线的幅度、RSI等震荡指标，或是创特定周期新低个股占比等方法构建。[70] 6. **因子名称：融资余额因子**[77] * **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，作为衡量市场杠杆水平和投资者风险偏好的指标。[77] * **因子具体构建过程**： 1. **融资余额**：直接获取市场的总融资买入未偿还金额。[77] 2. **融资余额占比**：计算融资余额占A股流通市值的百分比。公式为： $$融资余额占比 = \frac{融资余额}{流通市值} \times 100\%$$ [77][78] 7. **因子名称：市场真实换手率因子**[52] * **因子构建思路**：考虑自由流通股本后计算的市场换手率，以更真实地反映市场的交易活跃度和资金流动情况。[52] * **因子具体构建过程**：计算市场总成交金额与自由流通市值的比率。以中证全指为例，公式可能为： $$真实换手率 = \frac{总成交金额}{自由流通市值} \times 100\%$$ [52] 8. **因子名称：基金仓位因子**[43] * **因子构建思路**：通过回归等方法估算普通股票型、偏股混合型等权益类公募基金的整体仓位水平，反映机构投资者的仓位变动。[43] * **因子具体构建过程**：选取普通股票、偏股混合、平衡混合、灵活配置等类型的基金（剔除联接基金），将其净值表现与中证800指数进行回归，估算其权益仓位，再按基金规模进行加权，得到整体权益基金仓位估计值。[43] 模型的回测效果 1. **GFTD模型**，历史择时成功率约80%[83] 2. **LLT模型**，历史择时成功率约80%[83] 因子的回测效果 *(注：本报告未提供各因子的具体回测指标（如IC、IR、多空收益等）数值，仅展示了部分因子在最新一期的状态或历史走势图。因此，本部分无法列出具体的指标取值。)*

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

资金流向与市场表现 - 资金逆市流入化工板块，化工ETF(159870)在盘中获得净申购1.37亿份，并冲刺连续8天净流入 [1] - 截至2026年1月12日 10:35，中证细分化工产业主题指数(000813)成分股涨跌互现，光威复材领涨7.13%，蓝晓科技上涨5.28%，中简科技上涨3.90% [3] - 化工ETF(159870)最新报价为0.84元，该ETF紧密跟踪中证细分化工产业主题指数 [3] 行业核心逻辑与周期定位 - 化工行业核心逻辑在于行业资本开支周期结束，行业开工率维持在80%乃至90%的高位，反内卷进程改变斜率但不改变趋势 [1] - 目前化工股上涨处于周期第一阶段，即预期改善阶段，表现为EPS和商品价格见底，股价上涨，未来仍有大幅上行空间 [2] - 当前为化工需求淡季，价格修复不明显，但行业库存较低，现货价格强于期货价格，表明淡季需求良好且市场预期悲观，预计进入旺季（金三银四、金九银十）后，商品盈利修复将非常明显 [2] 估值与盈利前景分析 - 2022-2025年是行业资本开支期，主要龙头产能扩张，行业集中度加速提升，若盈利上行，盈利水平本应创新高 [3] - 当前化工企业的市净率（PB）与上一轮周期不同，以华峰化学为例，2020年和2024年的PB-ROE分别为4.42-19.69和1.55-8.39，但资产负债率从41%降至26% [3] - 若企业恢复至历史资产负债率水平，其净资产收益率（ROE）应接近甚至超过2020年上半年景气底部，化工龙头估值回归历史中枢40%分位时，市盈率（PE）仅为3-7倍，显示未来空间极大 [3] 指数与产品信息 - 中证细分化工产业主题指数(000813)是细分产业主题指数系列之一，从细分产业中选取规模较大、流动性较好的上市公司证券作为样本 [3] - 截至2025年12月31日，该指数前十大权重股合计占比45.31%，包括万华化学、盐湖股份、藏格矿业等 [4] - 化工ETF(159870)提供场外联接基金，代码分别为A类014942、C类014943、I类022792 [5]

市场近期表现 - 最近5个交易日，科创50指数下跌0.59%，创业板指下跌0.82%，大盘价值微涨0.01%，大盘成长下跌0.39%，上证50上涨0.20%，国证2000代表的小盘股上涨1.09% [1] - 行业板块方面，国防军工、石油石化表现靠前，通信、综合表现靠后 [1] 市场估值水平 - 截至2025年12月31日，中证全指PETTM分位数为82%，上证50与沪深300分位数均为75%，创业板指分位数接近58%，中证500与中证1000分位数分别为62%、64% [1] - 创业板指风格估值相对历史总体处于中位数水平 [1] 资金交易情况 - 最近5个交易日，ETF资金流入256亿元，融资盘增加约238亿元 [2] - 两市日均成交额为20823亿元 [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] - 最新配置主题包括化工、非银和卫星等，具体涉及中证细分化工产业主题指数、国证商用卫星通信产业指数、沪深300非银行金融指数、中证全指红利质量指数等细分指数 [2][3][12] 权益与债券资产风险溢价 - 截至2025年12月31日，风险溢价指标为2.69%，该指标为中证全指静态PE的倒数EP减去十年期国债收益率 [1] - 该指标的两倍标准差边界为4.70% [1]

市场表现 - 截至13:30，深证成指上涨0.67%，创业板指上涨0.54%，细分化工指数上涨2.37% [1] - 个股方面，恒力石化涨超6%，巨化股份涨超3%，万华化学、盐湖股份等跟涨 [1] - 热门ETF方面，化工ETF嘉实（159129）涨2.56%，盘中成交额达2062万元，换手率达2.86% [1] 行业基本面与前景展望 - 2024年以来化工行业资本开支迎来负增长，随着“反内卷”浪潮及海外落后产能加速出清，供给端有望收缩 [1] - “十五五”规划建议“坚持扩大内需”为未来五年定调，叠加美国降息周期开启，化工品需求空间打开 [1] - 供需双底基本确立，政策预期强力催化，2026年化工行业或迎周期拐点向上，开启从估值修复到业绩增长的“戴维斯双击” [1] - 化工行业下行周期已持续约3年半时间，行业资本开支持续下降及海外落后产能加快退出，行业产能将进入低增长阶段 [1] - 以行业自律为主的“反内卷”也加快了相关产品盈利修复，随着供给端利好因素持续累积及新能源等领域需求的快速增长，化工行业周期拐点有望到来 [1] 相关投资工具概况 - 化工ETF嘉实(159129)跟踪中证细分化工产业主题指数，该指数从沪深市场中选取50只规模大、流动性好的化工上市公司 [2] - 指数前十大权重股分别为万华化学、盐湖股份、天赐材料、藏格矿业、巨化股份、华鲁恒升、多氟多、恒力石化、宝丰能源、云天化，权重合计超45.41% [2]

行业周期与公司基本面 - 化工行业经历了自2022年以来超过3年的景气下行期以及自2021年初以来超过4年的股价下行期 目前中游环节产品已处于行业盈利的底部区间 [1] - 相比2020年 主要化工白马公司在产能方面已有大幅扩增 一旦周期反转将具备巨大弹性 [1] - 万华化学2025年前三季度核心业务产量相比2020年同期大幅增长 其中聚氨酯增长131% 石化增长255% 精细化工新材料增长381% 公司在聚氨酯和精细化工新材料领域持续投资扩产 在50%价差分位下的盈利约为200亿元 [1] - 华鲁恒升2025年前三季度产量相比2020年同期显著增长 其中有机胺增长45% 肥料增长109% 醋酸增长161% 新能源新材料增长57% 公司本部通过技改有望提升盈利 并同步在新能源新材料领域扩产 在50%价差分位下的盈利约为50亿元 [1] - 鲁西化工2024年产量相比2020年增长 其中己内酰胺增长55% 尼龙6增长81% 甲酸增长44% 多元醇增长10% 并新增了22.5万吨/年的有机硅产能 在50%价差分位下的盈利约为39亿元 [1] - 龙佰集团2025年上半年产量相比2020年上半年增长 其中钛白粉增长68% 钛精矿增长58% 海绵钛产能从1万吨/年扩增至8万吨/年 钛精矿产能将从140万吨/年提升至248万吨/年 铁精矿产能将从400万吨/年提升至760万吨/年 同时正在并购英国Venator的15万吨/年氯化法钛白粉工厂 在50%价差分位下的盈利约为45亿元 若考虑两矿合并则盈利约为64亿元 [2] - 博源化工2025年上半年产量相比2020年上半年增长 其中纯碱增长388% 小苏打增长59% 尿素下降1% 阿拉善二期280万吨/年纯碱项目逐步投产 预计2026年贡献增量 在50%价差分位下的盈利约为53亿元 [2] - 华峰化学2024年产量相比2020年增长 其中氨纶增长76% 己二酸增长90% 聚氨酯增长17% 公司在建15万吨/年氨纶项目逐步投产放量 在50%价差分位下的盈利约为50亿元 [2] - 兴发集团2025年前三季度产量相比2020年同期增长 其中特种化学品增长75% 农药增长51% 肥料增长131% 有机硅系列产品增长118% 在50%价差分位下的盈利约为30亿元 [2] 市场表现与指数跟踪 - 截至2025年12月26日09:31 中证细分化工产业主题指数强势上涨1.04% 成分股光威复材上涨4.79% 多氟多上涨4.28% 恩捷股份上涨3.35% 天赐材料 广东宏大等个股跟涨 [3] - 化工ETF上涨1.00% 冲击6连涨 最新价报0.81元 [3] - 化工ETF紧密跟踪中证细分化工产业主题指数 该指数从细分化工产业中选取规模较大、流动性较好的上市公司证券作为样本 [3] - 截至2025年11月28日 中证细分化工产业主题指数前十大权重股合计占比45.41% 包括万华化学 盐湖股份 天赐材料 藏格矿业 巨化股份 华鲁恒升 多氟多 恒力石化 宝丰能源 云天化 [3] - 化工ETF设有场外联接基金 代码分别为A：014942 C：014943 I：022792 [4]

化工ETF市场表现 - 化工ETF天弘(159133)盘中交易价格连续3天创上市以来新高 收盘日截至2025年12月24日 [1] - 该ETF当日换手率为6.45% 成交金额为3577.00万元 [1] - 单日获资金积极布局 申购份额达2150万份 [1] - 最新规模达5.63亿元 创成立以来新高 [1] - 近1周份额增长500.00万份 近10个交易日资金净流入合计2846.21万元 最新资金净流入423.69万元 [1] 跟踪指数及成分股表现 - 跟踪的中证细分化工产业主题指数(000813)强势上涨1.55% [1] - 成分股恒逸石化(000703)上涨9.24% 圣泉集团(605589)上涨5.37% 鲁西化工(000830)上涨5.24% 多氟多(002407)和光威复材(300699)等个股跟涨 [1] - 化工ETF紧密跟踪中证细分化工产业主题指数 该指数从细分产业中选取规模较大、流动性较好的上市公司证券作为样本 [1] 行业热点事件与公司动态 - 联泓新科130万吨/年MTO装置和20万吨/年EVA装置已于12月10日一次性成功打通全流程并产出合格产品 [2] - 公司4000吨/年锂电添加剂VC装置已于12月22日顺利投产并成功产出合格产品 [2] - 公司表示受益于新能源汽车市场持续增长、储能需求爆发及低空经济等新兴领域发展 锂电池电解液行业呈现加速增长趋势 景气度较高 相关产品市场价格近期快速上涨 [2] 行业基本面与机构观点 - 光大证券指出 近几年为化工行业新增产能投产高峰期 但实际投产峰值已过 后续行业整体资本开支力度将有所减弱 [2] - 伴随资本开支减少及需求端逐步修复 化工行业供需格局将迎来好转 行业景气程度有望上行 [2] - 从PB估值看 当前基础化工行业的PB-LF估值与2019年和2024年期间的底部水平较为接近 估值水平仍处于低位 [2] - 行业供需持续改善景气度有望持续上行 PB估值仍处历史低位 持续看好化工板块迎来估值修复 [2]