资金流向与市场情绪 - 家电ETF（159996）上一交易日资金净流入超6000万元 [1] 行业整体前景与政策环境 - 展望2026年，在国补政策延续及外销企稳改善的带动下，家电内外销景气有望修复 [1] 近期内销市场表现 - 12月家电零售需求延续下滑，空调、冰箱、洗衣机、电视线上零售额普遍有20%以上降幅 [1] - 厨房大家电线下零售同样承压 [1] - 小家电整体表现相对稳健 [1] 近期出口市场表现 - 12月我国家电出口额同比下降8.1% [1] - 空调出口在高基数下持续承压，下降20.7% [1] - 冰箱、洗衣机出口额同比增长稳健 [1] - 海外需求正逐步回归稳健增长，11月美国家电零售额同比增长0.8% [1] - 美国家电库存及库销比已从底部持续回升至正常水平 [1] 相关金融产品概况 - 家电ETF（159996）跟踪的是家用电器指数（930697） [1] - 该指数从沪深市场中选取涉及白色家电、厨房电器及小家电等业务的上市公司证券作为指数样本，以反映家电行业相关上市公司证券的整体表现 [1]

（文章来源：每日经济新闻） 家电ETF（159996）跟踪的是家用电器指数（930697），该指数从沪深市场中选取涉及家用电器制造、 销售及相关服务业务的上市公司证券作为指数样本，以反映家用电器相关上市公司证券的整体表现。 1月16日，家电ETF（159996）涨超1%，中国大家电市场已进入成熟期。 银河证券指出，全球家电市场规模广阔，各品类稳健增长。中国大家电市场已进入成熟期，以更新需求 为主。2024年9月以来，家电行业充分受益于国补；2026年国补政策持续，但力度有所减弱。在海外大 型消费电器市场，中国企业海外品牌份额稳步提升。中国品牌在数字经济升级趋势下，全球竞争优势不 再局限于成本优势，已转换为全面的产业链优势、产品优势。 ...

2025年A股市场与公募基金行业表现 - 2025年A股市场以强劲上涨收官，创业板指全年累计上涨49.57%，领跑市场，上证指数上涨18.41%，创下近六年来的最大年度涨幅 [1] - 市场呈现显著的结构性牛市特征，以人工智能为代表的硬科技行情贯穿全年，驱动电子、通信等行业表现突出 [1] - 伴随市场回暖，2025年公募基金行业总规模历史性突破37万亿元大关，标志着资产管理行业迈上新台阶 [1] 富国基金2025年整体业绩亮点 - 截至2025年12月31日，富国基金旗下共有62只产品跻身银河证券业绩排名前10%榜单，其中4只产品排名同类第一，20只产品位列同类前三 [1] - 权益类产品表现突出，共有32只产品排名前10%，并打造了5只翻倍基 [1] - 固收业务方面，有16只产品位列业绩排名前10% [1] - 量化指数产品把握工具化机遇，有14只产品排名前10% [1] 主动权益投资表现 - 富国基金近三年权益类产品主动管理收益率在13家大型公募基金公司中排名第2，中长期业绩亮眼 [2] - 截至2025年12月31日，公司旗下共有31只主动权益基金年内收益率超过50%，其中12只超过80%，5只实现收益翻倍 [2] - 多达21只主动权益产品近一年业绩稳居同类前10%，其中12只产品排名同类前三 [2] - 在科技成长赛道，罗擎管理的富国创新科技A年内收益率达133.99%，同类排名第二，曹晋管理的多只产品年内回报均超100%，同类排名均位列前2% [3] - 多只科技主题产品近3年排名稳居同类前5%，其中富国新材料新能源A近3年排名第一 [3] - 在医药投资领域，富国医药创新A年内收益率达67.70%，近1年同类排名第二，富国精准医疗A近3年同类排名第五 [3] - 在港股投资方面，富国沪港深业绩驱动A近5年同类排名第一，富国蓝筹精选(QDII)近1年收益率达64.37%，同类排名第二 [3] 固定收益投资表现 - 富国基金固定收益投资在近3年、近5年、近7年维度，排名均位列同业前1/4 [4] - 俞晓斌与蔡耀华管理的富国久利稳健配置A年内回报37.04%，近一年排名高居同类第二 [4] - 黄纪亮与吕春杰共同管理的富国汇利回报近一年业绩在156只同类产品中排名第三 [4] - 张育浩管理的富国优化增强债券(A/B类)年内回报18.97%，陈斯扬管理的富国兴利增强债券发起式A年内回报14.89%，排名均居同类前10% [4] - 从中长期业绩看，黄纪亮管理的富国强回报A在近3年、近5年、近7年、近10年的同类排名中均稳居前10%，其中近10年排名第二 [5] - 黄纪亮、李金柳管理的富国信用债A近10年业绩位列同类前10% [5] 量化与指数投资表现 - 截至2025年12月31日，富国基金旗下ETF产品总数超80只，ETF总规模已突破2500亿元，年内增幅超过1200亿元 [6] - 从近一年表现看，旗下共有9只量化产品业绩排名位列同类前10% [6] - 通信设备ETF及其联接基金年内收益率分别达121.01%与108.14%，均位列同类第2 [6] - 港股通医疗ETF排名同类第2，稀土ETF与锂电池ETF年内回报分别为79.53%和71.28%，排名同类前8%与前5% [6] - 近三年维度，富国港股通量化精选股票A在同类13只产品中排名第一，双创50ETF及其联接基金处于同类前4%与前5% [6] - 富国中证1000指数增强A近七年业绩排名同类前4%，富国量化对冲策略A近五年在对冲策略产品中排名第二 [6] 公司未来发展战略 - 富国基金表示将恪守信义义务，坚持长期投资理念，持续深化权益、固收、量化三大平台投研体系，致力于通过长期、稳定、可持续的投资回报提升投资者获得感 [7]

量化模型与构建方式 1. 三维择时框架 * **模型名称**：三维择时框架[8] * **模型构建思路**：通过监测市场分歧度、流动性和景气度三个维度的变化趋势，综合判断市场整体走势[8] * **模型具体构建过程**：模型基于三个独立的指数进行判断[12] 1. **市场分歧度指数**：衡量市场参与者观点的离散程度，下行趋势表示市场观点趋于一致[12][17] 2. **市场流动性指数**：衡量市场资金面的宽松程度，上行表示流动性改善[12][19] 3. **A股景气度指数2.0**：衡量上市公司整体盈利增长趋势，上行表示景气度提升[12][22] 当三个维度（分歧度下行、流动性上行、景气度上行）的趋势判断一致时，给出明确的看涨或看跌信号[8] 2. 热点趋势ETF策略 * **模型名称**：热点趋势ETF策略[29] * **模型构建思路**：结合价格形态（支撑阻力）与市场短期关注度（换手率变化）筛选ETF，构建组合[29] * **模型具体构建过程**： 1. **初筛形态**：根据K线的最高价与最低价的上涨或下跌形态，先选出最高价与最低价同时为上涨形态的ETF[29] 2. **计算支撑阻力因子**：根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子[29] 3. **筛选高关注度标的**：在支撑阻力因子的多头组中，选择近5日换手率/近20日换手率最高的10只ETF，即短期市场关注度明显提升的标的[29] 4. **组合构建**：对最终选出的10只ETF构建风险平价组合[29] 3. ETF三策略融合模型 * **模型名称**：ETF三策略融合轮动模型[32] * **模型构建思路**：将基于基本面、质量低波、困境反转三种不同逻辑的行业轮动策略进行等权融合，实现因子与风格互补，降低单一策略风险[32] * **模型具体构建过程**： 1. **策略一：行业轮动策略**：核心因子包括超预期景气度、行业龙头效应、行业动量、拥挤度、通胀beta，旨在覆盖行业多维度特性，宏观适配性强[33] 2. **策略二：个股风格驱动策略**：核心因子包括个股动量、个股质量、个股波动率，聚焦个股质量与低波，防御性突出[33] 3. **策略三：困境反转策略**：核心因子包括PB_zscore、分析师长期预期、短期筹码交换，旨在捕捉估值修复与业绩反转机会[33] 4. **策略融合**：将上述三个策略的选股结果进行等权组合，形成最终的ETF轮动组合[32] 4. 资金流共振策略 * **模型名称**：融资-主动大单资金流共振策略[44] * **模型构建思路**：利用融资融券资金流与主动大单资金流两个维度，寻找资金形成共振效应的行业进行推荐[44][47] * **模型具体构建过程**： 1. **构建行业融资融券资金因子**：计算个股融资净买入-融券净卖出（即两融资金流）并在行业层面加总[41][44]。对该行业资金流进行barra市值因子中性化处理，然后计算其最近50日均值，最后计算该均值近两周的环比变化率[44] 2. **构建行业主动大单资金因子**：计算行业主动大单资金净流入，并对其进行最近一年成交量的时序中性化处理，得到排序分位值，最后取最近10日均值[44] 3. **策略逻辑**：研究发现，融资融券因子的多头端在不同市场状态下有稳定的负向超额收益，而主动大单因子剔除极端多头行业后有稳定正向超额收益[45]。因此，策略在主动大单因子的头部打分行业内，剔除融资融券因子得分也较高的行业，以提高策略稳定性[45]。进一步剔除大金融板块后构建最终组合[45] 5. 多风格增强策略 * **模型名称**：多风格增强策略[59] * **模型构建思路**：在基础的多风格策略之上，叠加额外的增强因子，以在其他风格端增厚收益，抑制单一风格波动，实现在不同市场周期下的稳定超额收益[59] * **模型具体构建过程**：报告提及了多种具体的风格增强策略，包括质量增强、红利增强、长期成长增强、价值增强、低波增强、短期动量增强、长期动量增强策略[63]。这些策略均在对应的风格基准（如中证红利全收益、中证全指等）上，通过叠加增强因子进行优化[63] 量化因子与构建方式 1. 支撑阻力因子 * **因子名称**：支撑阻力因子[29] * **因子构建思路**：根据价格高点与低点的回归趋势陡峭程度，判断价格的支撑或阻力强度[29] * **因子具体构建过程**：分别对ETF的最高价和最低价序列计算近20日的线性回归系数，根据这两个回归系数的相对陡峭程度构建因子[29] 2. 短期关注度因子 * **因子名称**：短期关注度因子（换手率变化）[29] * **因子构建思路**：用短期换手率相对于中长期换手率的提升幅度，衡量市场关注度的短期变化[29] * **因子具体构建过程**：计算ETF的近5日平均换手率与近20日平均换手率的比值[29] 3. 行业融资融券资金因子 * **因子名称**：行业融资融券资金因子[44] * **因子构建思路**：衡量经市值调整后的行业层面两融资金流的近期变化趋势[44] * **因子具体构建过程**： 1. 计算个股的两融资金流：融资净买入 - 融券净卖出[41][44] 2. 在行业层面将个股资金流加总[44] 3. 对行业资金流进行barra市值因子中性化处理[44] 4. 计算中性化后资金流的最近50日移动平均值[44] 5. 计算该50日均值近两周的环比变化率作为最终因子值[44] 4. 行业主动大单资金因子 * **因子名称**：行业主动大单资金因子[44] * **因子构建思路**：衡量经成交量调整后的行业大单资金净流入的近期强度[44] * **因子具体构建过程**： 1. 计算行业的主动大单资金净流入[44] 2. 对该净流入进行最近一年成交量序列的时序中性化处理，并转换为排序分位值[44] 3. 取该分位值的最近10日移动平均值作为最终因子值[44] 5. 风格因子 报告跟踪了多种市场风格因子，包括： * **市值因子**[51] * **贝塔因子**[50][51] * **动量因子**[51] * **波动率因子**[51] * **非线性市值因子**[51] * **价值因子**[55] * **流动性因子**[50][55] * **盈利收益率因子**[55] * **成长因子**[50][55] * **杠杆因子**[55] 6. Alpha因子（选股因子） 报告从不同维度列举了多个Alpha因子，部分因子构建过程如下： * **3个月成交量均值因子 (ln_volume_mean_3m)**：过去3个月成交量的自然对数均值[56] * **3个月成交量标准差因子 (ln_volume_std_3m)**：过去3个月成交量的自然对数的标准差[56] * **单季度净利润同比增长（考虑快报、预告）因子 (yoy_np_q_adv)**：$$ yoy\_np\_q\_adv = \frac{NP_{q} - NP_{q-4}}{|NP_{q-4}|} $$，其中NP为单季度净利润，考虑快报和预告数据[58] * **单季度ROA同比差值（考虑快报、预告）因子 (roa_q_delta_adv)**：$$ roa\_q\_delta\_adv = ROA_{q} - ROA_{q-4} $$，其中ROA为单季度总资产收益率，考虑快报和预告数据[58] * **一致预期净利润变化（FY1）因子 (mom1_np_fy1)**：$$ mom1\_np\_fy1 = \frac{NP_{FY1}^{current} - NP_{FY1}^{1m\ ago}}{|NP_{FY1}^{1m\ ago}|} $$，其中NP_FY1为未来一年一致预测净利润[58] * **研发总资产占比因子 (tot_rd_ttm_to_assets)**：$$ tot\_rd\_ttm\_to\_assets = \frac{研发支出_{TTM}}{总资产} $$[58] * **SUE因子 (sue1)**：$$ sue1 = \frac{(NI_{q} - NI_{q-4}) - mean(NI_{t} - NI_{t-4}, t=q-7:q)}{std(NI_{t} - NI_{t-4}, t=q-7:q)} $$，其中NI为净利润，计算过去八个季度的标准化未预期盈余[58] 模型的回测效果 1. 热点趋势ETF策略 * **测试周期**：2025年以来[29] * **组合收益率**：43.6%[29] * **超额收益率（相对沪深300）**：22.4%[29] 2. ETF三策略融合轮动模型 * **测试周期**：2017年4月10日至2025年12月31日[34][37] * **全周期表现**[38]： * **组合收益率**：12.18% * **基准收益率**：2.08% * **超额收益率**：10.10% * **组合波动率**：16.54% * **信息比率(IR)**：1.07 * **最大回撤**：-24.55% * **夏普比率**：0.74 * **2025年表现**[38]： * **组合收益率**：27.29% * **基准收益率**：24.60% * **超额收益率**：2.69% 3. 融资-主动大单资金流共振策略 * **测试周期**：2018年以来[45] * **年化超额收益（费后）**：14.3%[45] * **信息比率(IR)**：1.4[45] * **近期表现（上周）**[45]： * **绝对收益率**：-0.94% * **超额收益率（相对行业等权）**：-0.95% 因子的回测效果 1. 风格因子近期表现（截至2025年12月31日） * **测试周期**：最近一周[51][55] * **市值因子收益**：-0.09%[51] * **贝塔因子收益**：1.47%[51] * **动量因子收益**：0.12%[51] * **波动率因子收益**：-0.71%[51] * **非线性市值因子收益**：0.01%[51] * **价值因子收益**：-0.89%[55] * **流动性因子收益**：0.16%[55] * **盈利收益率因子收益**：-0.78%[55] * **成长因子收益**：0.26%[55] * **杠杆因子收益**：-1.30%[55] 2. Alpha因子多头超额收益（截至2025年12月31日） * **测试周期**：近一周[56] * **3个月成交量均值因子 (ln_volume_mean_3m)**：0.68%[56] * **3个月成交量标准差因子 (ln_volume_std_3m)**：0.65%[56] * **6个月成交量均值因子 (ln_volume_mean_6m)**：0.61%[56] * **1个月与12个月成交量差值因子 (volume_1m_minus_12m)**：0.57%[56] * **1个月与12个月成交量比值因子 (volume_1m_div_12m)**：0.56%[56] * **3个月动量因子 (mom_3m)**：0.56%[56] 3. 分指数Alpha因子多头超额收益（上周，截至2025年12月31日） * **单季度ROA同比差值（考虑快报、预告）因子 (roa_q_delta_adv)**[58]： * **沪深300中超额**：28.46% * **中证500中超额**：5.09% * **中证800中超额**：18.15% * **中证1000中超额**：18.69% * **单季度净利润同比增长（考虑快报、预告）因子 (yoy_np_q_adv)**[58]： * **沪深300中超额**：24.46% * **中证500中超额**：8.23% * **中证800中超额**：17.73% * **中证1000中超额**：20.81% * **一致预期净利润变化（FY1）因子 (mom1_np_fy1)**[58]： * **沪深300中超额**：13.97% * **中证500中超额**：17.03% * **中证800中超额**：21.95% * **中证1000中超额**：9.30% * **研发总资产占比因子 (tot_rd_ttm_to_assets)**[58]： * **沪深300中超额**：11.80% * **中证500中超额**：18.21% * **中证800中超额**：20.87% * **中证1000中超额**：16.47% 4. 风格增强策略绩效（截至2025年12月31日） * **红利增强策略 (GL888002)**[63]： * **本周超额收益率（相对中证红利全收益）**：0.68% * **本年超额收益率**：14.44% * **最近一年年化收益率**：22.12% * **最近一年年化超额收益**：15.35% * **夏普比率**：1.92 * **区间最大回撤**：-5.40% * **低波增强策略 (GL888005)**[63]： * **本周超额收益率（相对中证全指）**：0.65% * **本年超额收益率**：4.37% * **最近一年年化收益率**：33.57% * **最近一年年化超额收益**：2.70% * **夏普比率**：2.67 * **区间最大回撤**：-8.73% * **长期成长增强策略 (GL888003)**[63]： * **本周超额收益率（相对中证全指）**：-0.13% * **本年超额收益率**：3.47% * **最近一年年化收益率**：34.66% * **最近一年年化超额收益**：3.80% * **夏普比率**：2.09 * **区间最大回撤**：-11.44%

市场整体表现 - 12月19日A股三大指数收涨，沪指涨0.36%至3890.45点，深成指涨0.66%至13140.21点，创业板指涨0.49%至3122.24点 [1][13] - 沪深两市成交额达1.73万亿元，较上一交易日放量704亿元，市场逾4400只个股上涨 [1][13] - 港股市场同步上涨，恒生指数收涨0.75%，恒生科技指数涨1.12% [1][13] - 主力资金净流入通用设备、汽车、商贸零售板块，净流出半导体、航天航空、电子板块 [2][14] - 盘面上大消费爆发，零售、免税店领涨，海南自贸区、核聚变、稀土永磁、两岸融合、智能驾驶概念活跃，算力硬件产业链调整，CPO、存储方向跌幅靠前 [2][14] 宏观与政策动态 - 美国11月整体CPI同比增速降至2.74%，远低于市场预期的3.06%，数据显著低于预期但市场对其准确性存疑 [3][15] - 日本央行宣布加息25个基点，将目标利率提高至0.75%，创30年来新高，此为2025年1月后11个月来再次加息，符合市场预期 [3][16] - 美国联邦基金利率期货显示，美联储1月降息可能性从26.6%上升至28.8%，交易员押注明年将降息62个基点 [8][20] - 2026年3月两会后“十五五”规划将正式落地，可能明确各行业详实数据并打开成长股上行空间 [7][18] 创新药行业 - 创新药板块经历数月回调后已具备性价比，2026年5月ASCO年会将密集披露临床数据，成为重要修复节点 [4][16] - 行业进入商业化收获期，政策支持向全链条延伸，2026年行情将从“BD为王”转向“数据为王” [4][17] - 百济神州自研药物BGB-B2033获FDA快速通道认定，用于治疗肝细胞癌，正在开展全球多中心一期临床试验 [5][18] - 益方生物TYK2抑制剂D-2570临床数据优异，2期研究高剂量组治疗12周时PASI 90应答率达77.5%，PASI 100达50% [5][18] - 美国参议院通过2026 NDAA，生物安全法案落地但未具体点名企业，地缘风险逐渐出清 [5][18] 港股科技行业 - 近期港股走弱源于基本面缺乏新产业爆发、海外风险扰动及国内险资自第四季度起偏保守 [6][17] - 短期看，日本央行加息事件落地后，圣诞节前或因海外资金撤离承压，节后资金可能回流，市场对1月反弹有期待但力度存疑 [6][17] - 预计2026年上半年可能是做多交易窗口期，港股科技股估值相对较低 [7][19] - 国内方面，市场对政策有开门红预期，可能与A股春季躁动协同，明年1月后险资将逐渐布局 [6][18] 有色金属行业 - 板块走强受多因素共振推动，美国CPI数据超预期放缓是核心催化，提振市场情绪与流动性宽松预期 [8][20] - 稀土出口管制政策边际放松，商务部批准部分通用许可申请，出口流程从“逐笔审批”简化为“通用许可”，审批效率提升 [8][20] - 基本面供需维持紧平衡，以铜为代表的工业金属供给增长受限，铝供需未来2-3年或维持紧平衡，需求端受新能源、人工智能及能源转型带动强劲 [8][20] - 宏观流动性宽松预期、政策供给约束、稀土出口管制放松及基本面共同推动板块走强 [9][21] 后市展望与板块机会 - 市场有望在政策、流动性、基本面三重共振下迎来跨年行情，可逐步布局迎接春季躁动 [10][22] - 科技成长板块仍是核心驱动力，全球AI基建投资带动电子半导体及电力设施景气度，存储器价格延续上涨，国内算力基础设施短缺，AI模型与应用加快 [10][22] - 大金融板块估值与机构持仓均处于历史低位，资本市场改革推进，头部券商并购加速，银行中期分红提前 [11][22] - 消费板块调整三年后估值与持仓处于低位，宏观尾部风险降低，具备左侧布局价值，10月社零数据显示餐饮、非汽车商品及饮品增速环比改善，服务消费景气度高 [11][23]

资金流向 - 家电ETF（159996）今日盘中净流入2000万份，显示资金正布局家电资产 [1] 行业属性展望 - 家电板块在2026年兼具价值和成长属性 [1] - 价值属性体现为2025年基金持仓家电比例下降，估值回落，龙头企业分红意愿强且股息率高，具备高配置属性 [1] - 成长属性体现为2026年国补退坡短期可能对内销造成冲击，但海外家电销售保持高景气，且企业积极开拓多元业务，将支撑增长 [1]

市场展望 - 短期反弹仍有惯性，12月开门红可期，但中期震荡格局下市场有望先扬后抑[6] - 上证指数5日均线对30日均线形成有效死叉，并面临11月21日跳空缺口的压力位[6] 投资主线 - 消费板块沉寂多年正迎拐点，关注股价超跌且供给收缩的领域，如中型白酒、餐饮供应链、零食饮料、家电、酒店、人力资源、美容护理[6] - 周期板块科技赋能叠加供给约束，定价重估进行时，关注AI需求拉动的新材料、战略小金属（锑、稀土）、工业金属（铜、铝）以及生猪和橡胶[6] - 制造板块投资需从故事炒作转向订单和收入验证，关注通信、电子、电力设备和机械设备[6] 行业与主题 - 美联储降息预期抬升有望带动2026年美国地产链家居家电及电动工具品类销售，出海为长期主线，看好家电龙头的稳健经营能力[6] - 国家发改委规范具身智能产业发展，提升本体厂商投资机会，建议关注兼具稳定现金流和人形机器人本体技术的公司[6] 风险提示 - 消费复苏不及预期、场景需求落地不明确、以旧换新补贴政策持续性存在不确定性、关税扰动反复[5]

核心观点 - 报告提出了“预期共振”行业轮动策略，该策略综合了投资景气度、量价指标和分析师预期三个维度共12个明细指标 [1] - 2025年11月，“预期共振”模型多头组合收益率为0.98%，超越全行业基准（-0.95%）1.93个百分点 [2] - 对于2025年12月，“守正出奇”模型推荐非银行金融、汽车、食品饮料等行业，“预期共振”模型推荐非银行金融、银行、家电等行业 [3] 策略逻辑 - “守正出奇”投资景气度指标包含四个因子：用于捕捉市场趋势的边际上行贝塔因子、反映超预期事件的超预期报告因子、以及用于风险控制的交易热度因子和关注情绪因子 [5] - 量价指标维度包含六个技术指标：修正动量、隔夜收益率、边际平均动量、累积势能、成交波动和价格的成交弹性 [5] - 分析师预期维度包含三个因子：基于盈利预测变化率的净利润预期变化因子、考虑分析师影响力的行业预期调整得分因子以及积极评级数量因子 [6] 策略历史表现 - “守正出奇”策略自2016年以来，多头组合年化超额收益率为11.59%，夏普比率为1.57 [12] - “守正出奇”策略2025年初至今多头组合收益率为30.29%，超额收益率达8.05% [12][15] - “预期共振”策略自2016年以来，多头组合年化超额收益率为11.44%，夏普比率为1.66 [16] - 2021年至2024年期间，“预期共振”策略多头组合收益率为66.29%，显著超越基准（-1.44%）和空头组合（-36.23%） [16] 最新行业推荐与ETF - “守正出奇”模型12月推荐排名靠前的行业为非银行金融（指标得分1.00）、汽车（0.97）、食品饮料、家电（0.90）、交通运输（0.86）和银行（0.83） [21] - “预期共振”模型12月推荐排名靠前的行业为非银行金融（复合指标1.00）、银行（0.97）、家电（0.93）、交通运输（0.90）、汽车（0.86）和电子（0.83） [21] - 报告列出了与推荐行业对应的ETF产品，例如非银行金融行业对应的证券ETF（512880.SH）、银行行业对应的银行ETF（512800.SH）等 [22]

市场整体观点 - 近期市场企稳反弹，符合“布局窗口将现”的预判，但市场并未出现量价齐回升的局面，反弹不改震荡格局 [6] - 过去两周中日关系紧张让市场风险偏好快速降温，对市场形成扰动，在中日关系形势未明朗之前维持市场震荡格局的判断 [6] - 不建议追高，继续以逢低布局思路为主 [6] 风格策略 - 当前中日关系紧张是制约风险偏好的主要因素，科技成长是对风险偏好更敏感的板块，在预期难以继续上修叠加风偏下行的背景下建议对科技成长方向且战且退 [6] - 中等风险特征的周期消费制造有望进一步达成市场共识 [6] - 相关ETF包括消费ETF、酒ETF、食品ETF、有色ETF、家电ETF [6] 行业策略：房地产 - 从去年9月24日政策释放结束后，房地产市场量价持续下行，“金九银十”表现也不及预期，市场以悲观为主基调 [6] - 市场消息面变化-政策预期变化-资金涌入房地产相关资产-股价短时间上行的链条仍存，但当政策力度或可靠性确认为不及预期，则会面临回撤或反转 [6] - 地产板块可能需要看到房贷贴息等财政政策以超预期力度落地，才能初步提振市场信心，而要真正扭转市场预期，则需要看到一系列地产及相关政策组合拳出台 [6] - 需关注12月经济工作会议，相关标的包括招商蛇口、滨江集团，相关ETF有房地产ETF [6] 主题策略：国防军工 - 美国政府11月19日宣布批准向日本出售总额约8200万美元的军火，包括射程约110公里的GBU-53精确制导滑翔炸弹等 [6] - 日本首相高市早苗此前公开发布涉台错误挑衅言论，疑为日本军备扩张铺路，叠加此次美国对日军售，亚太地区局势不确定性加剧，或将促使我国装备建设提速 [6] - 相关标的包括新雷能、陕西华达，相关ETF有军工ETF、军工龙头ETF、国防ETF [6] 相关ETF汇总 - 现金流相关ETF：现金流ETF汇添富(159276)、现金流ETF(159399)、现金流ETF800(516460)、中证现金流ETF(159235) [6] - 周期消费制造相关ETF：消费ETF(159928)、酒ETF(512690)、食品ETF(515710)、有色ETF(159880)、家电ETF(159996) [6] - 房地产相关ETF：房地产ETF（512200/515060/159768） [6] - 国防军工相关ETF：军工ETF(512660)、军工龙头ETF(512710)、国防ETF(512670) [6]

核心观点 - 报告对多个量化ETF配置策略进行了跟踪和更新，涵盖了宏观择时、动量择势、行业轮动、Copula二阶随机占优以及分位数随机森林科技类ETF配置等策略 [1][2][3] - 各策略均提供了自2020年以来的历史回测表现和最新持仓配置，数据截至2025年10月或11月初 [2][4][9][14][18][20][23][25][29] - 策略表现差异显著，动量择势策略年化收益率最高达18.25%，而行业轮动策略相对沪深300年化超额收益率为7.27% [2][14] ETF量化策略跟踪 宏观择时策略 - 基于Gaussian分布的B-L宏观择时策略自2020年7月至2025年10月年化收益率为7.67%，夏普比率1.45，最大回撤-4.60% [2][4] - 在最近报告期（2025年10月9日至31日）策略收益率为1.81% [4] - 2025年10月31日调仓后组合为：沪深300ETF（7.01%）、中证500ETF（7.99%）、国债ETF（55.94%）、豆粕ETF（11.63%）、有色ETF（5.02%）、黄金ETF（7.40%）和货币ETF（5.00%），未配置标普500ETF和公司债ETF [2][7][8] 动量择势策略 - 策略自2020年1月至2025年10月年化收益率为18.25%，夏普比率0.88，最大回撤-28.72% [2][9] - 最近报告期（2025年10月9日至31日）策略收益率为-3.51% [9] - 2025年10月31日调仓后持仓集中在主题ETF：汇添富中证电信主题ETF（27.01%）、富国中证旅游主题ETF（24.92%）、新华中证云计算50ETF（21.52%）、华泰柏瑞中证智能汽车ETF（16.38%）和华夏中证人工智能ETF（8.17%） [2][13] 行业轮动策略 - 策略自2020年以来年化收益率10.00%，相对沪深300年化超额收益率7.27%，最大回撤-42.98% [2][14] - 最近报告期（2025年10月9日至31日）策略收益3.66%，超额收益3.55% [14] - 2025年10月31日调仓后配置家电ETF、绿色电力ETF、钢铁ETF、新能车ETF、金融ETF及农业ETF，各占16.7%权重，调出有色金属ETF和交运ETF [2][18][19] 基于Copula的二阶随机占优策略 - 策略自2020年1月至2025年10月年化收益率为14.41%，夏普比率0.68，最大回撤-42.62% [2][20] - 最近报告期（2025年10月9日至31日）策略收益率为0.31% [20] - 2025年11月3日调仓后持仓高度集中：富国中证800银行ETF占85.00%，华夏中证石化产业ETF、富国中证全指证券公司ETF和博时中证油气资源ETF各占5.00% [2][23][24] 基于分位数随机森林的科技类ETF配置策略 - 策略自2020年至2025年10月年化收益率为13.54%，夏普比率0.76，最大回撤-29.89% [2][25] - 最近报告期（2025年10月9日至31日）策略收益率为-3.03% [25] - 2025年10月31日调仓后科技类ETF总持仓权重95.63%，其中平安中证消费电子主题ETF占76.51%，其余四只科技ETF各占4.78%，现金持仓4.37% [2][29][30] 策略方法论概要 宏观择时策略构建 - 策略根据经济周期划分结果提高相应大类资产权重，并加入境外资产配置条件 [32] - 使用ETF作为可交易标的，涵盖股票、商品、债券、境外、货币等品种 [32][35] - 每月末根据经济指数状态设置资产权重约束，通过Black-Litterman模型计算最优配置权重 [32][37] 动量择势策略构建 - 使用XGBoost预测的ETF上涨概率作为动量指标，基金份额历史分位数代表拥挤度 [38] - 选择动量排名前20且拥挤度排名前20的板块，再选板块内动量最大的ETF [38][39] - 配置调整周期为一周，每个季度末重新训练XGBoost模型 [40] 行业轮动策略构建 - 基于行业扩散指数因子构建低波扩散行业轮动模型，优于传统动量因子 [41] - 将行业轮动策略应用于ETF，通过相关性匹配选择可投资标的 [41] - 按月调仓，组内等权配置 [41] Copula二阶随机占优策略构建 - 利用Copula函数构建收益率联合分布模型，以二阶随机占优为约束优化权重 [42][43][48] - 投资标的为行业主题ETF，覆盖25个中信一级行业 [47] - 按月调仓，通过多指标筛选行业和ETF，循环优化10次得到最终权重 [48] 分位数随机森林科技类ETF配置策略构建 - 使用分位数随机森林对科技类ETF收益率分布建模，控制尾部风险 [49][50] - 投资标的为科技与制造大类行业ETF，共271只可投资标的 [53] - 按月调仓，根据市场波动率确定总持仓权重，再通过分布预测指标选ETF [54][55][56]