模型方法论与构建 - 研究构建了长期（SARIMAX）和短期（月度滚动重估）两个互补的CPI量化预测模型，分别侧重年度路径一致性与短期拐点响应[6] - 模型采用“食品-非食品”双轮驱动框架，通过格兰杰因果检验（p值<0.1）和经济学解释筛选外生变量[6][13][18][20] - 长期模型最优外生变量组合为：食品侧（春节变量、蔬菜价格指数滞后3期、猪肉价格滞后3期），非食品侧（春节变量、CRB商品指数滞后1期、制造业PMI滞后1期）[33][36] - 短期模型最优外生变量组合为：食品侧（春节变量、蔬菜价格指数滞后1期、猪肉价格滞后3期），非食品侧（春节变量、布伦特原油价格滞后1期、制造业PMI滞后1期）[68][70] 模型表现评估 - 长期预测模型在2023-2025年五轮滚动样本外测试中，RMSE均值从基准模型的0.3396降至0.2422，降幅约28.7%，方向胜率从65.0%提升至80.0%[6][37] - 短期预测模型在2023-2025年逐月滚动测试中，RMSE均值为0.2379，方向胜率达80.56%，略优于长期模型[6][73] 2026年CPI预测与宏观判断 - 模型预测2026年中国CPI累计涨幅约为2.7%，呈现“低位温和修复”特征，价格弹性有限，宏观经济更倾向于“弱复苏、低通胀”组合[3][52] - 2026年价格运行节奏为：3月因春节因素消退短暂回落后，内需缓慢修复带动价格中枢在下半年趋于平稳上行[3][52] - 尽管价格下行风险较2024-2025年明显缓和，但成本端输入性压力传导相对受限，政策层面或仍维持对稳增长与稳预期的必要支持[3][52][54] 风险提示 - 政策或监管环境突变可能改变价格形成机制，影响模型预测精度[4][77] - 宏观经济不及预期可能导致核心通胀中枢进一步走低，使“温和修复”路径面临下修风险[4][78] - 发生重大预期外宏观事件（如极端天气、地缘冲突）可能导致关键食品价格剧烈波动，影响短期预测精度[4][79]

报告行业投资评级 未提及 报告的核心观点 - 提出科学评价“春节月”PMI的方法，包括平抑春节假期影响可将1月与2月数值平均，还介绍了与历史分位数对比等评价方式[1][2][3] - 指出传统判断PMI的方法在近些年投资指导意义有限，应结合当期值变化、历史分位数等综合判断[2][11] 各部分总结 如何科学评价“春节月”的PMI - 2026年2月制造业PMI为49.0%，较前一月下降0.3个百分点，受春节假期等因素影响，春节前后制造业市场活跃度下降是正常日历效应，历年春节假期时间不同，1月与2月受影响程度不同，可将1月与2月数值平均平抑影响，今年1、2月制造业PMI均值为49.15%，较2月提高0.15个百分点[1][9] - 传统方法依PMI是否超50%判断经济扩张或收缩，但近些年多数时间制造业PMI低于50%，该方法投资指导意义有限[2][11] - 部分投资者关注当期值相对上一期值的变化，2026年1、2月制造业PMI均值49.15%低于2025年12月的50.10%，也可用过去两个月或三个月均值作比较基准避免“噪音”，2025年11、12月均值49.65%，10 - 12月均值49.43%，均高于2026年1、2月均值[2][14] - 可与历史分位数相比，2024年9月至2025年12月制造业PMI的1/4分位数为49.38%，2026年1、2月均值49.15%略低于该分位数和中位数49.68%[3][14] - 可将上述方法推广至非制造业采购经理调查指标体系，国际上通常用商务活动指数反映非制造业经济发展总体变化情况，2026年1、2月非制造业商务活动指数均值49.45%，低于2024年9月至2025年12月的1/4分位数50.08%和中位数50.25%；建筑业商务活动指数均值48.50%，低于同期1/4分位数49.68%和中位数50.85%[3][15] - 综合PMI产出指数由制造业生产指数与非制造业商务活动指数加权求和而成，2026年均值49.65%，低于2024年9月至2025年12月的1/4分位数50.35%和中位数50.60%[4][21]

经济数据发布日程 - 下周将公布多项关键经济数据，包括制造业和服务业数据以及就业数据 [1] - 美联储将密切监控这些报告，以获取经济健康状况的线索，因利率前景尚不明朗 [1] - 3月2日周一将公布标普美国制造业采购经理人指数终值、供应管理协会制造业指数以及汽车销售数据 [3] - 3月3日周二，纽约联储主席约翰·威廉姆斯和明尼阿波利斯联储主席尼尔·卡什卡利将发表讲话 [3] - 3月4日周三将公布ADP就业报告、标普美国服务业PMI终值、ISM服务业指数以及美联储褐皮书 [3] - 3月4日周四计划发布每周初请失业金数据、美国生产率数据和进口价格指数 [4] - 3月6日周五将发布美国就业报告、失业率和时薪数据，克利夫兰联储主席贝丝·哈马克将在当日晚些时候发表讲话 [4] 企业财报发布 - 财报季延续至新月份，多家公司将发布业绩 [2] - 发布财报的公司包括：Abercrombie & Fitch、American Eagle、AutoZone、Bath & Body Works、Best Buy、Box、Broadcom、Costco Wholesale、Gap、GitLab、JD.Com、Kroger、Norwegian Cruise Line、Ross Stores、Sea、Target、Victoria's Secret [2]

量化模型与构建方式 1.多维择时模型（一） - 模型名称：多维择时模型（一）[1] - 模型构建思路：从资金、技术、估值、情绪四个维度对A股市场进行方向性择时[1] - 模型具体构建过程：采用资金维度（融资买入额）、技术维度（布林带、个股涨跌）、估值维度（erp）、情绪维度（期权PCR、期权隐含波动率、期货持仓）四个维度指标，各维度指标独立发出信号后投票合成整体信号[30] - 模型评价：在把握趋势的同时对市场波动调整有一定的规避能力[1] 2.多维择时模型（二） - 模型名称：多维择时模型（二）[1] - 模型构建思路：在原四维度模型基础上加入基本面维度用于捕捉底部做多机会[1] - 模型具体构建过程：在模型（一）的基础上，情绪维度扩展为5个指标（增加期货基差和主力资金），新增基本面维度（合成底部指标），采用五个维度（资金+技术+估值+情绪5+基本面）并联合成[84] - 模型评价：扩展模型的意义更多在于增加观测市场的窗口，理解指标行为逻辑[28] 3.情绪维度扩展-期货基差指标 - 因子名称：股指期货持仓量加权的年化基差率[32] - 因子构建思路：从期货市场"价"的角度挖掘情绪信息，作为反向指标操作[40] - 因子具体构建过程：基差定义为期货价格-现货价格，对基差率进行年化减少到期时间扰动，对同一品种四个合约采用持仓量加权平均[32] $$基差 = 期货价格 - 现货价格$$ $$年化基差率 = \frac{基差}{现货价格} \times \frac{365}{到期天数} \times 100\%$$ 加权平均公式： $$合成基差率 = \frac{\sum_{i=1}^{4} (基差率_i \times 持仓量_i)}{\sum_{i=1}^{4} 持仓量_i}$$ 参数设置：10-20日平滑窗口，三年左右回看窗口[40] 4.情绪维度扩展-主力资金指标 - 因子名称：主力资金流向指标[50] - 因子构建思路：从现货市场资金流向捕捉情绪信息，作为顺向指标操作[50] - 因子具体构建过程：采用"主力净流入额"和"净主动买入额（机构）"两个指标，各自独立发出信号后投票合成[54] 参数设置：10日-60日平滑窗口，60日-730日回看窗口[54] 5.基本面底部指标 - 因子名称：基本面底部指标[76] - 因子构建思路：逆向使用基本面指标捕捉底部做多机会[76] - 因子具体构建过程：采用CPI同比（代表通胀）、制造业PMI（代表增长）、EPU（经济政策不确定性指数）三个指标，当三个指标同时走弱（CPI同比下行、PMI走弱、EPU上升）时触发底部信号，在触发后的一个季度内做多[76] 信号触发规则： $$信号 = \begin{cases} -3 & \text{三个指标同时走弱} \\ -2 & \text{至少两个指标走弱} \\ 0 & \text{其他情况} \end{cases}$$ 模型的回测效果 1.多维择时模型（一） - 年化收益：24.57%[88] - 年化波动：21.54%[88] - 最大回撤：-28.46%[88] - 夏普比率：1.14[88] - Calmar比率：0.86[88] - 持仓胜率：62.35%[88] - 持仓赔率：1.82[88] 2.多维择时模型（二） - 年化收益：26.69%[88] - 年化波动：21.48%[88] - 最大回撤：-28.46%[88] - 夏普比率：1.24[88] - Calmar比率：0.94[88] - 持仓胜率：62.20%[88] - 持仓赔率：2.01[88] 3.期货基差择时策略 - 年化收益：19.06%[50] - 年化波动：20.85%[50] - 最大回撤：-31.31%[50] - 夏普比率：0.91[50] - Calmar比率：0.61[50] - 持仓胜率：80.00%[50] - 持仓赔率：2.90[50] 4.主力资金择时策略 - 年化收益：8.75%[60] - 年化波动：19.19%[60] - 最大回撤：-30.57%[60] - 夏普比率：0.46[60] - Calmar比率：0.29[60] - 持仓胜率：63.83%[60] - 持仓赔率：1.16[60] 5.基本面底部策略（阈值-2） - 年化收益：12.48%[83] - 年化波动：13.27%[83] - 最大回撤：-22.62%[83] - 夏普比率：0.94[83] - Calmar比率：0.55[83] - 持仓胜率：61.90%[83] - 持仓赔率：4.19[83] 6.基本面底部策略（阈值-3） - 年化收益：7.87%[83] - 年化波动：12.01%[83] - 最大回撤：-24.79%[83] - 夏普比率：0.66[83] - Calmar比率：0.32[83] - 持仓胜率：55.56%[83] - 持仓赔率：3.74[83] 量化因子与构建方式 1.资金维度因子 - 因子名称：融资买入额[30] - 因子构建思路：从融资资金流向捕捉市场资金面情绪[30] 2.技术维度因子 - 因子名称：布林带[30] - 因子构建思路：通过价格通道技术指标判断市场超买超卖状态[30] - 因子名称：个股涨跌[30] - 因子构建思路：通过市场涨跌家数判断市场情绪和动能[30] 3.估值维度因子 - 因子名称：erp（股权风险溢价）[30] - 因子构建思路：通过估值水平判断市场投资价值[30] 4.情绪维度因子 - 因子名称：期权PCR（沽购比）[30] - 因子构建思路：通过期权市场多空对比判断市场情绪[30] - 因子名称：期权隐含波动率[30] - 因子构建思路：通过期权波动率判断市场预期和情绪[30] - 因子名称：期货持仓[30] - 因子构建思路：通过期货市场持仓结构判断市场情绪[30] 因子的回测效果 1.资金维度 - 年化收益：14.94%[88] - 年化波动：23.66%[88] - 最大回撤：-34.74%[88] - 夏普比率：0.63[88] - Calmar比率：0.43[88] - 持仓胜率：48.51%[88] - 持仓赔率：2.27[88] 2.技术维度 - 年化收益：6.87%[88] - 年化波动：18.22%[88] - 最大回撤：-33.77%[88] - 夏普比率：0.38[88] - Calmar比率：0.20[88] - 持仓胜率：45.92%[88] - 持仓赔率：2.03[88] 3.估值维度（erp） - 年化收益：2.70%[88] - 年化波动：16.99%[88] - 最大回撤：-59.26%[88] - 夏普比率：0.16[88] - Calmar比率：0.05[88] - 持仓胜率：63.24%[88] - 持仓赔率：1.05[88] 4.情绪维度（原3因子） - 年化收益：22.05%[88] - 年化波动：19.76%[88] - 最大回撤：-18.92%[88] - 夏普比率：1.12[88] - Calmar比率：1.17[88] - 持仓胜率：61.11%[88] - 持仓赔率：1.87[88] 5.情绪维度（5因子扩展版） - 年化收益：33.25%[88] - 年化波动：19.19%[88] - 最大回撤：-18.76%[88] - 夏普比率：1.73[88] - Calmar比率：1.77[88] - 持仓胜率：62.00%[88] - 持仓赔率：3.02[88]