行业与公司 * 涉及的行业：人工智能（AI）算力、数据中心、电力系统（新型电力系统）、储能、可再生能源 * 涉及的公司：阿里巴巴（自建数据中心）、万国数据、腾讯[1][9] 核心观点与论据 * **算力需求与能源挑战** * AI驱动下，全球算力规模年均增速超过30%[1] * 预计到2030年，中国数据中心年耗电量将突破4,000亿千瓦时，占全社会用电量的4%[1] * 前沿AI模型训练的峰值电力需求每年以2.2至2.9倍的速度增长[1] * 2024年全球数据中心用电量已占全球总用电量的1.5%，预计到2030年将接近日本全年用电总量[6] * **“算电协同”的定义与价值** * 核心定义：算力系统与电力系统深度融合，使算力中心从被动用能方转变为具备时间和空间调节能力的柔性负荷[2] * 本质逻辑：算力系统对电力系统的深度感知、动态响应和反向驱动[2] * 核心价值：通过AI调度算法，将非实时计算任务转移至绿电富集时段，理论上可提升新能源消纳率15%以上[1] * **政策与产业驱动** * 政策驱动：2026年政府工作报告明确提出实施算电协同等新基建工程[6] 国家发改委要求，到2025年底，国家枢纽节点新建数据中心绿电使用占比要超过80%[1] * 产业承诺：多家互联网和ICT企业承诺在2030年实现100%使用可再生能源电力[9] * **产业链实现路径** * **源（发电）侧**：融合风、光、水等可再生能源，通过“荷随源转”（算力西迁）和“源随荷建”（东部自建绿电）解决东西部供需失衡[4][7] * **网（电网）侧**：构建广域智能输电网络，实现电能跨区协调和精准传输[4] 电网需针对算力中心开展高可靠供配电网设计[8] * **荷（负荷）侧**：算力中心成为特殊柔性负荷，通过智能调度平台动态转移算力负载，实现电力与算力的时空匹配[4][8] * **储（储能）侧**：储能正由柴油发电机向锂电池、液流电池等新型储能系统转变，以平滑新能源波动并提供应急电力，同时可通过参与电网调峰获取收益[1][7] 其他重要内容 * **当前绿电应用现状**：根据2023年ESG报告，阿里巴巴自建数据中心清洁能源占比为53.9%，万国数据为38%，腾讯为12.4%[1][9] * **面临的挑战**： * 储能侧面临容量难以匹配兆瓦级需求、初期投资成本较高的瓶颈[7] * 算力基础设施集中在东部（依赖化石能源）与西部新能源富集区（算力需求不足）存在地域性供需失衡[3] * **投资侧重点**： * 电力侧：关注中证全指电力公用事业指数及电力ETF（稳健高股息）[10] * 储能侧：关注国证新能源电池指数及储能电池ETF（高弹性景气）[10] * 算力侧：关注中证云计算与大数据主题指数及云计算ETF（AI收益弹性）[10][11]

量化模型与构建方式 1. **模型名称：市场环境择时体系（均线距离模型）** * **模型构建思路：** 通过计算Wind全A指数的短期均线与长期均线的距离差，来划分市场的整体环境（如上涨、下跌、震荡格局）[2][6]。 * **模型具体构建过程：** 1. 选择标的指数：Wind全A指数[2][6]。 2. 计算均线：计算Wind全A指数的20日移动平均线（短期均线）和120日移动平均线（长期均线）[2][6]。 3. 计算均线距离差：计算短期均线与长期均线的距离差，通常以百分比表示[2][6]。公式可表述为： $$距离差 = \frac{短期均线 - 长期均线}{长期均线} \times 100\%$$ 4. 设定阈值进行环境判断：根据距离差的绝对值大小来界定市场状态。报告中提到，距离绝对值低于3%时，市场进入典型的震荡格局[2][6]。 2. **模型名称：仓位管理模型** * **模型构建思路：** 结合市场估值水平和短期趋势判断，为绝对收益产品提供股票仓位的配置建议[7]。 * **模型具体构建过程：** 1. 评估估值水平：计算Wind全A指数的PE（市盈率）和PB（市净率）在其自身历史数据中的分位数位置，以判断估值处于高位、中等还是低位[7]。例如，PE位于90分位点附近属于偏高水平，PB位于60分位点属于中等水平[7]。 2. 结合趋势判断：参考其他择时模型（如上述均线距离模型）对市场短期趋势的研判[7]。 3. 输出仓位建议：综合估值和趋势两个维度的信息，给出具体的仓位配置比例。例如，当前建议仓位为50%[5][7]。 3. **模型名称：中期行业配置模型（业绩趋势模型）** * **模型构建思路：** 通过分析行业的业绩趋势，筛选出未来一段时间内值得重点关注的行业方向[2][5][7]。 * **模型具体构建过程：** 报告未详细披露该模型的具体构建公式和步骤，仅提及模型名称为“业绩趋势模型”，并根据其信号提示重点关注方向[2][5][7][11]。 模型的回测效果 （注：本篇报告为周度市场观点，未提供上述模型的历史回测绩效指标，如年化收益率、夏普比率、最大回撤、信息比率（IR）等具体数值。） 量化因子与构建方式 （注：本篇报告主要讨论择时与行业配置模型，未涉及个股层面的量化因子构建。） 因子的回测效果 （注：本篇报告未涉及量化因子，故无相关测试结果。）

报告投资评级与核心观点 - 报告标题为《量化择时周报：成交量接近阈值，逢低分批布局》[1]，其核心观点是市场处于震荡格局，成交量已接近模型目标值，建议逢低分批布局[2][5][7] - 报告对市场整体（wind 全A指数）的格局判断为“震荡格局”[5] - 根据报告的仓位管理模型，当前以wind全A为配置主体的绝对收益产品建议仓位为**60%**[2][5][7] 市场大势与择时分析 - 从择时体系看，wind全A的20日均线收于**6536**点，120日均线收于**6490**点，两线距离差为**0.71%**，距离绝对值低于**3%**，市场进入典型的震荡格局[2][6][11] - 前周报告提示需等待成交萎缩至**1.7万亿**之下，最终wind全A在周五（北向资金缺席情形下）缩量至**1.67万亿**，全周下跌**2.25%**[2][6] - 市场处于震荡格局，核心观测变量是风险偏好的变化，短期中东地区战火持续、油价大幅波动压制了风险偏好[2][5][7] - 价量方面，市场逐渐缩量，周五成交量已到达模型临界值，接近地量水平[2][5][7] - 综合判断，成交量已接近模型目标值，市场短期或仍有小幅下探空间，建议可以分批布局[2][5][7] 市场表现回顾 - 上周市值维度表现：代表小市值股票的中证1000指数下跌**2.71%**，中盘股中证500指数下跌**2.62%**，沪深300指数下跌**1.37%**，上证50指数下跌**0.24%**[2][6] - 上周中信一级行业中，涨幅靠前的包括通信和医药，其中通信上涨**2.67%**；新能源、电力表现较弱，新能源下跌**8.09%**[2][6] - 上周成交活跃度上，医药与食品饮料行业资金流入明显[2][6] 估值水平分析 - 从估值指标看，wind全A指数的PE（市盈率）位于**80分位点**附近，属于中等偏高水平[2][7] - wind全A指数的PB（市净率）位于**50分位点**，属于较低水平[2][7] 行业配置建议 - 中期行业配置模型显示，业绩趋势模型提示重点关注**电池以及算力相关的产业链**，具体提及储能电池ETF（代码159566.SZ）和通信ETF（代码515880.SH）[2][5][7] - 同时建议关注**周期板块**，具体提及油气资源ETF以及能源化工ETF（建信代码159981.SH）[2][5][7] - 报告补充指出，若在有北向资金参与的情形下缩量信号出现，应重点关注**有色金属及中韩半导体ETF**[2][5][12]

量化模型与构建方式 1. 模型名称：市场环境择时体系（均线距离模型）[2][6] 模型构建思路：通过计算Wind全A指数的短期均线与长期均线的距离差，来划分市场的整体环境（如上涨、下跌、震荡）[2][6] 模型具体构建过程：首先，计算Wind全A指数的20日移动平均线（短期均线）和120日移动平均线（长期均线）。然后，计算两条均线之间的距离差（以百分比表示）。根据距离差的绝对值大小来定义市场状态，例如，报告指出距离绝对值低于3%时，市场进入典型的震荡格局[2][6]。公式为： $$市场状态信号 = \frac{短期均线(20日) - 长期均线(120日)}{长期均线(120日)} \times 100\%$$ 其中，公式结果代表短期均线相对于长期均线的偏离百分比，其绝对值用于判断市场格局。 2. 模型名称：成交量阈值模型[2][5][7] 模型构建思路：通过监测市场整体成交量是否萎缩至一个特定的临界值（阈值）来判断市场是否接近“地量”水平，从而为短期交易提供信号[2][5][7] 模型具体构建过程：模型设定一个成交量的目标阈值（例如1.7万亿元）。当市场成交量（报告中指Wind全A的成交量）萎缩至该阈值之下时，模型发出市场可能即将迎来反弹或已接近调整底部的信号。报告中提到，在北向资金缺席的情况下，成交量缩量至1.67万亿，达到了模型的临界值[2][7]。 3. 模型名称：仓位管理模型[2][7] 模型构建思路：结合市场的估值水平和短期趋势判断，为绝对收益产品提供股票仓位的配置建议[2][7] 模型具体构建过程：首先，评估市场估值水平（如PE、PB的历史分位数）。然后，结合其他择时信号（如上述均线距离模型和成交量模型对短期趋势的判断），综合得出一个建议的股票仓位比例。报告示例中，Wind全A的PE位于80分位点（中等偏高水平），PB位于50分位点（较低水平），结合市场处于震荡格局的判断，模型给出的建议仓位为60%[2][7]。 4. 模型名称：中期行业配置模型（业绩趋势模型）[2][5][7] 模型构建思路：基于业绩趋势来筛选未来一段时间内值得重点关注的行业或产业链[2][5][7] 模型具体构建过程：报告未详细描述该模型的具体因子和计算过程，仅提及了其输出结果。该模型会提示业绩趋势向好的行业方向，例如报告指出模型提示重点关注电池、算力相关产业链以及周期板块[2][5][7]。 模型的回测效果 1. 市场环境择时体系（均线距离模型），最新均线距离差值0.71%[2][6] 2. 成交量阈值模型，最新成交量阈值参考值1.7万亿元，当前观测值1.67万亿元[2][7] 3. 仓位管理模型，当前建议仓位60%[2][7] 量化因子与构建方式 1. 因子名称：估值因子（PE分位数）[2][7][8] 因子构建思路：使用市盈率（PE）的历史分位数来衡量市场当前的估值水平高低[2][7][8] 因子具体构建过程：计算Wind全A指数当前的市盈率（PE）。在历史时间序列（例如报告提及数据自2014年10月17日至2026年4月3日）中，计算当前PE值所处的百分位位置（分位数）。分位数越高，代表当前估值相对于自身历史水平越高[7][9]。 2. 因子名称：估值因子（PB分位数）[2][7][10] 因子构建思路：使用市净率（PB）的历史分位数作为另一项衡量市场估值水平的指标[2][7][10] 因子具体构建过程：计算Wind全A指数当前的市净率（PB）。在历史时间序列中，计算当前PB值所处的百分位位置（分位数）。分位数越高，代表当前估值相对于自身历史水平越高[7][11]。 因子的回测效果 1. 估值因子（PE分位数），当前取值位于约80分位点[2][7] 2. 估值因子（PB分位数），当前取值位于50分位点[2][7]

量化模型与构建方式 1. **模型名称：市场趋势择时模型**[2][5][6] * **模型构建思路**：通过比较市场指数的短期均线与长期均线的相对位置，来判断市场整体处于上行或下行趋势[2][6]。 * **模型具体构建过程**： 1. 选择基准指数：WIND全A指数。 2. 计算均线：计算基准指数的20日移动平均线（短期均线）和120日移动平均线（长期均线）。 3. 计算均线距离：计算短期均线与长期均线的差值百分比。 $$均线距离 = \frac{20日线价格 - 120日线价格}{120日线价格} \times 100\%$$ 4. 生成信号：当均线距离的绝对值大于3%时，认为市场处于明确的趋势中。具体地，若短期均线位于长期均线之上（距离为正且大于3%），则判断为上行趋势；若短期均线位于长期均线之下（距离为负且绝对值大于3%），则判断为下行趋势[2][6]。 2. **模型名称：赚钱效应指标**[2][5][7] * **模型构建思路**：在判断市场为上行趋势后，通过计算当前价格相对于市场趋势线的位置（即赚钱效应），来观测趋势的强弱和持续性[2][7]。 * **模型具体构建过程**： 1. 确定市场趋势线：报告未明确给出趋势线的具体计算方法，但指出其是判断市场环境的核心观测指标之一[2][7]。 2. 计算赚钱效应：计算当前指数价格相对于趋势线的涨幅百分比。 $$赚钱效应 = \frac{当前指数价格 - 市场趋势线价格}{市场趋势线价格} \times 100\%$$ 3. 信号解读：当赚钱效应为正时，表明市场处于盈利状态，有助于吸引增量资金，上行趋势有望延续[2][7]。 3. **模型名称：仓位管理模型**[5][7] * **模型构建思路**：结合市场的估值水平和短期趋势判断，为绝对收益产品提供股票仓位的配置建议[7]。 * **模型具体构建过程**： 1. 评估估值水平：计算WIND全A指数的PE（市盈率）和PB（市净率）在其历史数据中的分位数[7]。 2. 判断短期趋势：参考其他择时指标（如赚钱效应、ETF资金流、成交额等）对市场短期走势进行定性判断[5][7]。 3. 综合给出仓位建议：将估值水平（例如，PE位于90分位点偏上，PB位于50分位点中等）与短期趋势判断相结合，通过模型计算出建议仓位。例如，当前建议仓位为80%[5][7]。 4. **模型名称：行业趋势配置模型**[2][5][7] * **模型构建思路**：这是一个综合模型框架，内部包含多个子模型，用于在不同时间维度上挖掘具有配置机会的行业或板块[2][5]。 * **模型具体构建过程**：报告未详细描述该综合模型的具体构建步骤，但列举了其包含的子模型及其当前信号： * **中期困境反转预期模型**：信号显示关注“创新医疗”板块[2][5]。 * **TWO BETA模型**：继续推荐“科技”板块，并提示关注“AI应用”和“商业航天”调整后的机会[2][5]。 * **业绩趋势模型**：在短期业绩披露高峰期，提示关注“算力”与“储能电池”等板块的机会[2][5][7]。 模型的回测效果 （报告中未提供各量化模型的历史回测绩效指标，如年化收益率、夏普比率、最大回撤等具体数值。） 量化因子与构建方式 （报告中未提及具体的、可计算的量化因子（如价值、动量、质量等因子）的构建思路与过程。） 因子的回测效果 （报告中未提供任何量化因子的测试结果，如IC值、IR、多空收益等。）

2026年格隆汇十大核心ETF榜单 - 榜单由格隆汇数千万会员参与投票，经统计数十万有效票后推出，全年不做调整，采用等权重组合[3] - 十大核心ETF覆盖创业板50、恒生科技、科创芯片、机器人、航空航天、储能电池、有色金属、化工、旅游及券商等多个主题[3] - 具体产品包括：创业板50ETF(159949，规模300.67亿元)、恒生科技ETF易方达(513010，规模268.96亿元)、科创芯片ETF(588200，规模396.09亿元)、机器人ETF(562500，规模263.75亿元)、航空航天ETF(159227，规模21.55亿元)、储能电池ETF(159566，规模39.23亿元)、有色金属ETF(512400，规模205.01亿元)、化工ETF(159870，规模169.79亿元)、旅游ETF(159766，规模53.07亿元)、券商ETF(512000，规模400.03亿元)[3] 推出ETF组合的背景与理念 - 借鉴巴菲特观点，指数基金（ETF）是适合业余投资者的工具，因其透明度高、成本低廉、交易灵活、品种丰富，且指数长期存在[4] - 该组合是继格隆汇十大核心资产后推出的又一王牌产品，旨在汇聚全球投资者智慧，寻找代表中国未来的核心资产[5][11] - 自2018年起，格隆汇已连续7年组织“全球视野 下注中国”核心资产投票活动，依靠群体智慧为投资决策提供参考[10][11] 2025年资本市场环境回顾 - 2025年中国资本市场叙事被彻底改写，DeepSeek事件引发估值重估，关税“黑天鹅”突袭，汇金以“类平准基金”姿态出手干预[6] - A股市场表现强劲：一举突破4000点关口，总市值首次站上100万亿元，全年成交额突破420万亿元，创下纪录，其中150个交易日成交额超万亿元，并出现单日3万亿元的天量成交[7] - 全球货币秩序深度重构：去美元化暗流涌动，美联储转向降息，地缘政治紧张，全球央行加速购金，推动金银价格飙升[7] - ETF市场迎来爆发：规模接连突破4万亿、5万亿、6万亿元关口，标志着投资方式、资金结构与金融生态的深刻变革[8] - 长线资金入市渐成共识，制度基础持续夯实，2025年被视为中国资产新篇章的序章[8] 历史业绩表现 - 格隆汇2025年“全球视野，下注中国”十大核心ETF组合过去一年收益率为27.86%，同期沪深300指数上涨17.66%，组合跑赢基准10.20个百分点[9]

A股2025年全年市场表现 - 上证指数全年收涨18.41%，创下10年新高，并在年末录得11连阳，收盘日微涨0.09% [1] - 深证成指全年收涨29.87%，创业板指全年大涨49.57%，科创50指数全年涨35.92%，北证50指数全年涨38.8% [1] - 沪指在全年曾一度站上4000点，由算力硬件、有色金属、银行、电池产业链、创新药、商业航天、机器人等多个板块轮动推动 [1] 年度领涨板块与概念 - 概念板块中，CPO指数涨幅最大，累计涨幅超过180% [1] - 算力硬件、有色金属、银行、电池产业链、创新药、商业航天、机器人是全年轮动上涨的主要板块 [1] ETF产品年度表现 - AI硬件与有色主题ETF表现极为亮眼，国泰基金通信ETF、富国基金通信设备ETF、国泰基金矿业ETF在2025年分别上涨125.81%、121.37%和106.11% [2] - 创业板人工智能ETF华宝、有色矿业ETF招商和万家基金工业有色ETF全年均实现翻倍上涨 [2] - 商业航天板块ETF在收官日延续涨势，富国基金卫星ETF、招商基金卫星产业ETF、卫星ETF易方达、卫星ETF广发均涨超7% [1] - 低空经济板块ETF表现活跃，通用航空ETF南方、华泰柏瑞基金通用航空ETF均上涨4.6% [1] - AI应用板块ETF走高，华夏基金文娱传媒ETF上涨3.52% [1] 市场近期调整板块 - 金鹰增益货币ETF在收官日下跌4.59% [2] - AI硬件板块出现回调，创业板成长ETF、双创ETF下跌2% [2] - 储能电池板块走低，储能电池ETF下跌1.97% [2]

全市场股票ETF资金流向 - 12月25日，全市场股票ETF（含跨境ETF）资金净流入73.95亿元，推动总份额增加31.27亿份，总规模达4.74万亿元 [1][2] - 12月以来，全市场股票ETF资金净流入超过1100亿元，推动全市场ETF规模逼近6万亿元大关 [1] - 从大类型看，12月25日宽基ETF与债券ETF净流入居前，分别达91.89亿元与88.14亿元，行业主题ETF净流出20.63亿元 [4] 中证A500ETF成为吸金主力 - 12月25日，华泰柏瑞、华夏、南方旗下中证A500ETF资金单日净流入均超过10亿元，全市场中证A500ETF合计净流入超过60亿元 [1][7] - 12月以来，全市场中证A500ETF资金净流入高达947.57亿元，接近950亿元 [1][6][7] - 资金净流入背后是基金公司对未来可能推出的中证A500ETF期权的争夺战 [7] 主要基金公司旗下ETF表现 - 易方达基金旗下ETF最新规模达8476.4亿元，12月25日规模增加20.6亿元，净流入3.0亿元，其中A500ETF易方达净流入4.2亿元 [4] - 华夏基金旗下，A500ETF基金和科创50ETF单日净流入居前，分别净流入14.49亿元和6.97亿元，最新规模分别达391.06亿元和764.93亿元 [5] 其他指数及产品资金流向 - 12月25日，跟踪AAA科创债指数的相关ETF单日净流入居前，达84.71亿元，银华及汇添富旗下科创债ETF净流入分别达34.74亿元、20.50亿元 [4][7] - 最近5个交易日，资金流入跟踪中证A500指数的相关ETF超557亿元，流入跟踪中证500指数的相关ETF超22亿元 [4] - 资金净流出方面，博时可转债ETF净流出超7亿元，富国军工龙头ETF、华夏机器人ETF、国泰军工ETF净流出均超5亿元 [7]

市场指数表现 - 截至午间收盘，中证光伏产业指数下跌3.5% [1][5] - 截至午间收盘，中证新能源指数下跌3.2% [1] - 截至午间收盘，国证新能源电池指数下跌3.2% [1] - 截至午间收盘，中证上海环交所碳中和指数下跌2.3% [1] - 储能电池ETF（159566）全天净申购达4000万份 [1] 储能行业驱动因素 - 国内政策驱动：随着越来越多的省份出台容量电价与峰谷套利等政策，储能项目内部收益率普遍达到6%-12%，部分地区甚至更高，项目建设热情持续高涨 [1] - 海外需求驱动：全球人工智能浪潮高速推进，数据中心等基础设施建设增多，行业除缺芯外，出现越发明显的缺电趋势，全球储能市场景气度有望延续 [1] 相关指数与ETF构成 - 国证新能源电池指数聚焦储能领域，由50只业务涉及电池制造、储能电池逆变器、储能电池系统集成、电池温控消防等领域的公司股票组成 [3] - 中证光伏产业指数聚焦光伏产业，由50只产业链上、中、下游具有代表性的公司股票组成 [5]

储能电池板块市场表现 - 储能电池概念股走强，英维克股价上涨超过8%，阳光电源股价上涨约5% [1] - 受盘面影响，储能电池ETF上涨超过2% [1] - 具体来看，代码为159566的储能电池ETF现价2.022元，上涨0.053元，涨幅2.69%；代码为159305的储能电池ETF广发现价1.793元，上涨0.047元，涨幅2.69% [2] 锂电设备行业基本面 - 行业在经历两年深度调整后，今年在营收端与利润端均呈现触底企稳迹象 [2] - 行业订单与合同负债正在逐季度改善 [2] 行业技术发展与估值 - 景气反转带动业绩修复，新技术催化推动估值提升 [2] - 固态电池技术加速进化，催生锂电设备新增量 [2]