具体来看，周一，受避险情绪降温和股市修复影响，叠加9月进出口数据强于预期，10年期国债活跃券250011收益率高开高走，上涨 1.8BP至1.761%。周二，避险情绪继续降温，债市收益率早盘走高，之后随着股市转弱，股债跷跷板起效，利率转为下行，250011收益 率下跌0.85BP至1.7525%。周三公布9月通胀和金融数据未超预期，债市对此反应有限，利率全天受股市压制偏弱震荡，250011收益率上 行0.6BP至1.7585%。周四，债市延续窄幅震荡，现券收益率多数下行，超长端下行幅度更大，250011活跃券收益率走低0.55BP至 1.753%。周五，隔夜美国区域性银行坏账问题引发海外市场避险情绪升温，主要股指低开低走，债市高开震荡，午后或受公募费率新规 相关传闻扰动，股市跌幅持续扩大，债市维持震荡至尾盘，250011收益率下行0.55BP至1.7475%，全周累计上涨0.45BP。 国债期货走势分化，长端涨势明显，短端仍维持震荡。30年期主力合约全周显著上涨1.62%，创近一个月新高；10年期主力合约上涨 0.31%，创一个半月新高；5年期主力合约上涨0.12%；2年期主力合约上涨0.03%。 新华财经北 ...

国债期货市场表现 - 30年期国债期货主力合约收报114.760元，上涨0.390元，涨幅0.34% [1] - 10年期国债期货主力合约收报108.170元，上涨0.120元，涨幅0.11% [1] - 5年期国债期货主力合约收报105.775元，上涨0.110元，涨幅0.10% [1] - 2年期国债期货主力合约收报102.384元，上涨0.018元，涨幅0.02% [1] ETF市场表现 - 红利低波ETF新华上涨2.85%，酒ETF上涨2.77% [1] - 科创半导体ETF下跌6.85%，半导体设备ETF下跌6.81%，半导体设备ETF易方达下跌6.74% [1] 可转债市场表现 - 中证转债指数收跌0.78%，报479.83点 [1] - 文科转债上涨4.52%，博俊转债上涨4.28%，柳工转2上涨4.27% [1] - 振华转债下跌8.35%，新23转债下跌7.61%，汇成转债下跌7.49% [1] 机构对股票市场观点 - MSCI中国指数从4月初低点上涨约36%，预计在74点水平附近得到有力支撑 [2] - 相较于H股更看好A股，预计沪深300指数表现将更具韧性 [2] - 外部因素扰动给A股带来的冲击程度较今年四月初更低，市场中期行情走势未变 [2] - 对A股与港股市场持乐观态度，认为核心标的估值仍处于合理区间，市场投资意愿正逐步改善 [2] 机构对黄金市场观点 - 后续黄金涨势或将受到持续支撑，投资者通过ETF的参与度仍然较低 [2] - 黄金在2025年迄今的强劲表现吸引投资者重返市场，ETF资金流入转为正值 [2] - 若资金流入趋势持续，新增的投资参与可能成为推动黄金价格上行的一大驱动力 [2]

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**：Black-Litterman模型（BL模型）[12] * **模型构建思路**：该模型是对传统均值-方差模型的改进，采用贝叶斯理论将投资者的主观观点与量化配置模型有机结合起来，通过投资者对市场的分析预测资产收益，进而优化资产配置权重[12] * **模型具体构建过程**：模型有效解决了均值-方差模型对于预期收益敏感的问题，同时相较纯主观投资具有更高的容错性[12] 报告中提及了两种应用：针对全球资产构建了两种BL配置模型，投资标的包括沪深300、恒生指数、标普500、中债-国债总财富指数、中债-企业债总财富指数与南华商品指数[13]；针对国内资产也构建了两种BL配置策略，投资标的包括沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金[13] * **模型评价**：为投资者持续提供高效的资产配置方案[12] 2. **模型名称**：风险平价模型[17] * **模型构建思路**：该模型是传统均值-方差模型的改进，其核心思想是把投资组合的整体风险分摊到每类资产（因子）中去，使得每类资产（因子）对投资组合整体风险的贡献相等[17] * **模型具体构建过程**：模型构建分为三步：第一步，选择合适的底层资产；第二步，计算资产对组合的风险贡献；第三步，求解优化问题计算持仓权重[18] 具体应用上，基于沪深300指数、标普500指数、恒生指数、中债-企业债总财富指数、南华商品指数和COMEX黄金构建了全球资产风险平价模型[18]；针对国内资产，选取沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金作为投资标的，构建了国内资产风险平价策略[18] 3. **模型名称**：基于宏观因子的资产配置模型[21] * **模型构建思路**：构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，并基于此建立一个通用性的宏观因子资产配置框架，将宏观研究的主观观点进行资产层面的落地[21] * **模型具体构建过程**：通过Factor Mimicking Portfolio方法构造六大宏观风险的高频宏观因子[22] 以前文提到的8类国内资产作为资产池，按以下四步构建策略：第一步，每月末计算资产的因子暴露水平；第二步，以资产的风险平价组合作为基准，计算出基准因子暴露；第三步，根据对宏观未来一个月的判断给定主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标；第四步，带入模型反解得到下个月的各个资产配置权重[22] 主观因子偏离值每月给出，例如在2025年08月底，为增长、通胀、利率、信用、汇率和流动性设置的偏离值分别为0, 0, -1, 0, 1, 0[24] 模型的回测效果 1. **国内资产BL模型1**：上周收益-0.11%，9月份收益-0.14%，2025年收益3.23%，年化波动2.19%，最大回撤1.31%[14] 2. **国内资产BL模型2**：上周收益-0.11%，9月份收益-0.13%，2025年收益2.84%，年化波动1.99%，最大回撤1.06%[14] 3. **全球资产BL模型1**：上周收益0.04%，9月份收益0.11%，2025年收益0.84%，年化波动1.99%，最大回撤1.64%[14] 4. **全球资产BL模型2**：上周收益0.0%，9月份收益0.03%，2025年收益1.84%，年化波动1.63%，最大回撤1.28%[14] 5. **国内资产风险平价模型**：上周收益-0.06%，9月份收益0.05%，2025年收益2.99%，年化波动1.35%，最大回撤0.76%[20] 6. **全球资产风险平价模型**：上周收益-0.07%，9月份收益0.13%，2025年收益2.50%，年化波动1.48%，最大回撤1.20%[20] 7. **基于宏观因子的资产配置模型**：上周收益0.04%，9月份收益0.26%，2025年收益3.29%，年化波动1.32%，最大回撤0.64%[26] 量化因子与构建方式 1. **因子名称**：宏观因子（增长、通胀、利率、信用、汇率、流动性）[21] * **因子的构建思路**：构建涵盖六大风险的宏观因子体系，作为宏观因子资产配置框架的基础[21] * **因子具体构建过程**：通过Factor Mimicking Portfolio方法构造了增长、通胀等六大宏观风险的高频宏观因子[22]

市场表现 - A股主要指数表现分化 上证指数微跌0.01%收报3853.30点 深证成指上涨0.67%收报13445.90点 创业板指上涨1.58%收报3235.76点并创3年多新高[1] - 沪深北三市全天成交额达23918亿元 较前日放量446亿元[1] - 日经225指数上涨0.27%收报45754.93点 韩国综合指数微跌0.03%收报3471.11点[2] - 中证转债指数上涨0.46%收报479.01点 个券表现分化 嘉泽转债涨7.89% 精达转债涨6.54% 博瑞转债跌10.46% 精装转债跌10.44%[2] 金融产品表现 - 国内商品期货主力合约多数收涨 铜类品种涨幅居前[2] - 国债期货各主力合约涨跌不一 30年期国债期货上涨0.11%报114.110元 10年期/5年期/2年期均微跌0.01%[2] - ETF市场表现分化 云50ETF涨4.02% 大数据产业ETF涨3.60% 云计算ETF涨3.60% 港股红利ETF博时跌1.77% 港股通红利低波ETF跌1.64%[3] 机构观点 - 国海证券认为四季度A股有望更进一步 核心驱动力来自政策与流动性 风格将更趋均衡[4] - 巴克莱研究团队指出美联储宽松政策、全球经济增长放缓和市场波动性减退为新兴市场资产创造有利条件[4] - 瑞银财富管理认为金价存在进一步上涨空间 因美联储可能进一步放松货币政策且通胀高企 美国实际利率有望下降利好黄金[4] - 粤开证券首席经济学家罗志恒表示本轮A股上涨基础更为坚实 持续性有望超过历史上多数行情[4]

债市行情 - 国债期货全线收跌 30年期主力合约跌0.72% 10年期跌0.19% 5年期跌0.09% 2年期跌0.03% [2] - 银行间利率债收益率普遍上行 30年期国债收益率上行2.1BPs至2.015% 10年期国开债上行2BPs至1.875% 10年期国债上行1.25BP至1.7775% [2] - 中证转债指数上涨0.19%至477.84点 成交额1108.26亿元 崇达转2涨12.03% 博瑞转债跌8.34% [2] 海外债市 - 美债收益率集体下跌 2年期跌6.19BPs至3.611% 10年期跌2.72BPs至4.234% 30年期微跌0.10BP至4.919% [3] - 日债收益率多数回落 10年期下行0.9BP至1.619% 3年期和5年期分别走低0.5BP和0.2BP [3] - 欧债收益率分化 10年期法债涨2BPs至3.516% 德债跌2.3BPs至2.698% 意债涨1.6BP至3.571% [3] 一级市场 - 国开行3年期中标收益率1.6355% 全场倍数2.87 7年期1.8209% 全场倍数4.28 [4] - 内蒙古10年期地方债中标利率2.04% 投标倍数23.38倍 15年期利率2.29% 投标倍数25.67倍 [4] 资金面 - 央行开展4161亿元7天期逆回购 利率1.40% 单日净投放1631亿元 [5] - Shibor短端品种集体上行 7天期升3.5BPs至1.526% 14天期升2.4BPs至1.55% 隔夜品种微升0.1BP至1.316% [5] 机构观点 - 债市脱离基本面定价 低利率环境下赔率不足问题被股市赚钱效应强化 [7] - 转债市场增量资金多元 银行理财、ETF与保险资金成为重要推动力 [7] - 券商次级债短端性价比较高 1年期利差处于2024年以来1-2%分位数 品种利差相对较高 [7]

债市行情 - 国债期货主力多数收跌 30年期跌0.31% 10年期跌0.04% 2年期跌0.02% [2] - 银行间主要利率债收益率普遍上行 30年期国债收益率上行0.7BP至1.963% 10年期国开债收益率上行0.75BP至1.83% [2] - 中证转债指数下跌0.25%至469.73点 成交金额819.88亿元 荣泰转债跌8.23% 大元转债涨15.69% [2] 海外债市 - 美债收益率集体下跌 2年期跌0.64BP至3.756% 10年期跌0.58BP至4.281% 30年期跌0.30BP至4.850% [3] - 日债收益率全线上行 10年期上行1.4BP至1.504% [4] - 欧债收益率多数上涨 10年期德债涨0.8BP至2.694% 10年期法债涨0.7BP至3.354% 英债收益率跌3.6BP至4.563% [4] 一级市场 - 国开行金融债中标收益率2年期1.5193% 5年期1.6562% 10年期1.7942% 全场倍数3.01/3.03/2.8 [5] - 农发行2年期金融债中标收益率1.5652%和1.7086% 全场倍数3.5和3.55 [5] 资金面 - 央行开展1146亿元7天期逆回购 利率1.40% 单日净回笼461亿元 [6] - Shibor短端品种多数上行 7天期上行0.1BP至1.433% 14天期上行0.1BP至1.456% [6] 机构观点 - 反内卷政策通过提升企业利润传导至需求端 或带来债券收益率上行拐点 [1][7] - 转债市场需关注强赎风险和新券估值风险 建议关注转股溢价率20%以内偏股型转债 [8] - 信用利差短期走扩风险加大 理财规模稳定支撑信用债需求 [8]

中证转债市场开盘表现 - 中证转债指数开盘基本持平 [1] 涨幅领先的可转债 - 通光转债上涨近6% [1] - 应急转债上涨超过10% [1] - 奇正转债和微芯转债均上涨超过4% [1] - 海亮转债上涨近3% [1] - 宏丰转债上涨超过3% [1] - 景23转债上涨2.5% [1]

量化模型与构建方式 1. **模型名称：国内资产BL模型1** - 模型构建思路：BL模型是均值-方差模型的改进，通过贝叶斯理论将主观观点与量化模型结合，优化资产配置权重[14] - 模型具体构建过程： 1) 选择国内资产标的（沪深300、中证1000、国债总财富指数等）[15] 2) 计算资产预期收益与协方差矩阵 3) 结合投资者主观观点调整收益预期 4) 通过优化算法求解最优权重 - 模型评价：有效解决均值-方差模型对预期收益敏感的问题，兼具主观投资的灵活性和量化模型的稳定性[14] 2. **模型名称：全球资产BL模型2** - 模型构建思路：同国内资产BL模型1，但覆盖全球资产（标普500、COMEX黄金等）[15] - 模型具体构建过程： 1) 选择全球资产标的（标普500、企业债指数等）[15] 2) 其余步骤与国内BL模型1一致 3. **模型名称：国内资产风险平价模型** - 模型构建思路：使每类资产对组合风险的贡献相等，穿越经济周期[19] - 模型具体构建过程： 1) 选择8类国内资产（沪深300、中证转债等）[21] 2) 计算资产波动率与相关性矩阵 3) 优化权重使各资产风险贡献均衡 公式： $$ w_i = \frac{1/\sigma_i}{\sum_{j=1}^n 1/\sigma_j} $$ 其中$\sigma_i$为资产i的年化波动率[20] 4. **模型名称：基于宏观因子的资产配置模型** - 模型构建思路：通过增长、通胀等6大宏观因子构建配置框架[23] - 模型具体构建过程： 1) 构造宏观因子Mimicking Portfolio[24] 2) 计算资产因子暴露水平 3) 结合主观宏观判断调整因子暴露目标 4) 反解得到资产配置权重[24] 模型的回测效果 1. **国内资产BL模型1** - 上周收益：0.02% - 7月收益：0.61% - 2025年收益：2.46% - 年化波动：2.16% - 最大回撤：1.31%[17][18] 2. **全球资产BL模型2** - 上周收益：-0.07% - 7月收益：0.51% - 2025年收益：1.59% - 年化波动：1.70% - 最大回撤：1.28%[17][18] 3. **国内资产风险平价模型** - 上周收益：-0.02% - 7月收益：0.36% - 2025年收益：2.70% - 年化波动：1.46% - 最大回撤：0.76%[22][29] 4. **基于宏观因子的资产配置模型** - 上周收益：-0.03% - 7月收益：0.38% - 2025年收益：2.76% - 年化波动：1.36% - 最大回撤：0.64%[28][29] 当前持仓分布（2025年7月） - **国内资产BL模型1**：中证1000(10.51%)、国债(65.14%)、企业债(19.13%)、商品(5.22%)[13] - **全球资产风险平价模型**：标普500(1.54%)、企业债(93.11%)、黄金(2.13%)[13]

核心观点 - 中证全指风险溢价百分位为71.95%，市场整体从高回报区域回归正常回报区域；仅上证指数风险溢价百分位和当前值匹配度佳，值得关注 [1][8][9] - 中证全指市净率百分位为21.54%，市场整体从低估状态回归正常偏低状态；上证指数、中证800仍处低估状态，值得关注 [1][12][13] - 中证全指乖离率为 -0.03%，市场整体价格水平正常；创业板50从4月超卖状态连续2个月回归，现已基本正常 [1][16][19] - 近6个月价值与成长风格表现各有优劣，风格未定型；低估值风格整体占优，但近1个月高估值风格强势；小市值风格表现明显占优，建议关注小市值标的 [1][23][27] - 行业/主题指数中，投资者可按对估值或动量因子偏好关注参考标的 [1][37] - 近6个月中证转债相对中证全指有超额收益，建议从资产配置角度关注可转债；3类可转债表现不同，建议关注偏股性标的 [2][44][48] 宽基指数择时 风险溢价百分位 - 风险溢价指资产投资收益率与无风险收益率差额，通常越高投资回报越高 [6] - 本报告采用的投资回报评价标准：90>风险溢价百分位>80为高回报，10<风险溢价百分位<20为低回报等 [7] - 中证全指风险溢价百分位71.95%，市场整体从高回报回归正常回报；仅上证指数风险溢价百分位和当前值匹配度佳 [1][8][9] 市净率百分位 - 市净率是常用估值指标，通常越低估值水平越低 [10] - 本报告采用的估值评价标准：90>市净率百分位>80为高估，10<市净率百分位<20为低估等 [11] - 中证全指市净率百分位21.54%，市场整体从低估回归正常偏低；上证指数、中证800仍处低估 [1][12][13] 乖离率 - 乖离率测量市场指数或收盘价与移动平均线偏离程度，越大超买超卖越严重，价格回归概率越大 [14] - 本报告采用的乖离率参考阈值：乖离率<-20为超卖，乖离率>+30为超买 [15] - 中证全指乖离率 -0.03%，市场整体价格正常；创业板50从4月超卖连续2个月回归，现已基本正常 [1][16][19] 市场风格轮动 价值VS成长 - 选取000510中证A500指数为价值风格代理指数，931643科创创业50指数为成长风格代理指数 [22] - 近6个月价值与成长风格表现各有优劣，风格未定型，后续走势待观察 [23] 低估值VS高估值 - 选取801823.SI低市盈率指数为低估值风格代表，801821.SI高市盈率指数为高估值风格代表 [24] - 近6个月低估值风格整体占优，但近1个月高估值风格强势，建议关注风格转化可能 [27] 大市值VS小市值 - 选取000903中证100指数为大市值风格代理指数，932000中证2000指数为小市值风格代理指数 [28] - 近6个月小市值风格表现明显占优，建议关注小市值标的 [29] 行业/主题指数轮动 策略逻辑 - 行业/主题指数轮动利用涨跌节奏和周期错位投资，本报告关注低估值轮动和双动量轮动 [33][34] - 低估值轮动选低估值品种投资并定期调整，盈利逻辑是估值均值回归；双动量轮动选时序和截面动量占优品种投资并定期调整，盈利逻辑是追随市场趋势 [34] 标的池 - 构建步骤：选所有中证行业和主题指数组成指数池，剔除无挂钩ETF指数品种，同一指数挂钩多只ETF时仅保留资产净值最大的ETF品种 [35] 参考标的 - 本期筛选出10只市盈率最低指数、10只市净率最低指数、26只符合双动量策略标准指数，投资者可按因子偏好关注 [36][37][39] 可转债指数增强 中证转债VS中证全指 - 通过中证转债相对中证全指超额收益对比评估可转债投资/配置价值 [41] - 近6个月中证转债相对中证全指有超额收益，建议从资产配置角度关注可转债 [44] 偏债性VS偏股性VS股债均衡 - 按可转债属性分为偏债性、偏股性、股债均衡3大类，通过相对中证转债超额收益对比识别占优类型 [45] - 3类可转债近6个月不同时间段表现不同，建议关注偏股性标的 [48]

量化模型与构建方式 1. **模型名称：全球资产BL模型1** - 模型构建思路：基于Black-Litterman框架，结合主观观点与量化配置模型，优化资产配置权重[12] - 模型具体构建过程： 1. 选择标的资产（沪深300、恒生指数、标普500、国债指数、企业债指数、南华商品指数）[13] 2. 通过贝叶斯理论将主观观点与历史数据结合，计算资产预期收益 3. 优化权重分配，解决均值-方差模型对预期收益敏感的问题 - 模型评价：有效平衡主观判断与量化分析，容错性较高[12] 2. **模型名称：全球资产BL模型2** - 模型构建思路：与BL模型1类似，但采用不同的参数设定或观点输入方式[13] - 模型具体构建过程：同BL模型1，差异体现在权重优化环节[13] 3. **模型名称：国内资产BL模型1** - 模型构建思路：针对国内资产（股票、债券、转债、商品、黄金）的BL模型变体[13] - 模型具体构建过程： 1. 标的资产包括沪深300、中证1000、恒生指数、国债指数、企业债指数、中证转债、南华商品指数、SHFE黄金[13] 2. 通过BL框架计算风险调整后权重 4. **模型名称：国内资产BL模型2** - 模型构建思路：国内BL模型的另一种参数化版本[13] - 模型具体构建过程：同国内BL模型1，差异在权重分配逻辑[13] 5. **模型名称：全球资产风险平价模型** - 模型构建思路：使每类资产对组合风险贡献相等，降低单一资产波动影响[17] - 模型具体构建过程： 1. 选择标的资产（沪深300、标普500、恒生指数、企业债指数、南华商品指数、COMEX黄金）[18] 2. 计算资产波动率及相关性，优化权重使风险贡献均衡[17] - 模型评价：适应复杂市场环境，波动控制较好[16] 6. **模型名称：国内资产风险平价模型** - 模型构建思路：针对国内资产的风险平价实现[18] - 模型具体构建过程：标的资产与国内BL模型相同，优化方法同全球风险平价模型[18] 7. **模型名称：基于宏观因子的资产配置模型** - 模型构建思路：通过增长、通胀等六大宏观因子驱动配置决策[22] - 模型具体构建过程： 1. 构造高频宏观因子（Factor Mimicking Portfolio方法）[23] 2. 计算资产因子暴露，结合主观观点调整目标暴露 3. 反解得到权重，公式： $$ \text{目标权重} = f(\text{基准暴露} + \text{主观偏离值}) $$ - 模型评价：将宏观研究与量化配置结合，灵活性高[22] --- 模型的回测效果 1. **全球资产BL模型1** - 上周收益：0.15% | 6月收益：0.49% | 2025年收益：0.04% - 年化波动：2.09% | 最大回撤：1.64%[14] 2. **全球资产BL模型2** - 上周收益：0.12% | 6月收益：0.45% | 2025年收益：0.72% - 年化波动：1.83% | 最大回撤：1.28%[14] 3. **国内资产BL模型1** - 上周收益：0.01% | 6月收益：0.55% | 2025年收益：1.52% - 年化波动：2.36% | 最大回撤：1.31%[14] 4. **国内资产BL模型2** - 上周收益：0.02% | 6月收益：0.47% | 2025年收益：1.53% - 年化波动：2.10% | 最大回撤：1.06%[14] 5. **全球资产风险平价模型** - 上周收益：0.10% | 6月收益：0.43% | 2025年收益：1.86% - 年化波动：1.86% | 最大回撤：1.20%[21] 6. **国内资产风险平价模型** - 上周收益：0.10% | 6月收益：0.50% | 2025年收益：2.24% - 年化波动：1.62% | 最大回撤：0.76%[21] 7. **基于宏观因子的资产配置模型** - 上周收益：0.09% | 6月收益：0.62% | 2025年收益：2.20% - 年化波动：1.49% | 最大回撤：0.64%[28] --- 量化因子与构建方式 （注：报告中未明确提及独立因子构建，仅宏观因子作为模型输入[23]） --- 因子的回测效果 （无相关内容）