核心观点 - 2024—2025年，全球对冲基金对人工智能的应用正从局部工具化走向流程化重构，关键在于将非结构化信息处理、推理式研究、代码与回测工程化能力整合进一条可迭代的投研链路，以提升研究产能、缩短策略迭代周期，并形成可持续的组织能力[3] - 行业呈现三条相对清晰的落地路径：智能体驱动研究体系、基本面投研增强体系、平台化基础设施体系[3] - 上述路径共同指向的竞争要点是：数据治理与私有语境理解能力、工程化迭代机制、可解释与可审计体系，这些比单一模型性能更重要[3] 行业背景：从结构化预测走向推理与流程化迭代 - 传统的量化金融主要依赖结构化数据和统计模型，面临“数据挖掘”风险和策略空间拥挤的问题[4] - 随着以Transformer架构为核心的AI技术成熟，行业正在经历“Quant 3.0”革命[4] - 2024—2025年的变化源于三类能力模块的工程化成熟：非结构化信息处理、智能体工作流拆解研究流程、以及提升工程效率的代码生成与数据管道自动化[4] 行业分化：三条主流落地路线 - **全自动投研路径**：以Man Group和Bridgewater为代表，致力于构建能独立提出假设、编写代码、验证策略并解释经济原理的AI系统[5] - **基本面投研增强**：以Citadel和Point72为代表，将AI视为人类基金经理的助手，通过自动化信息处理提升基本面选股的覆盖广度与深度[5] - **平台化基础设施**：以Balyasny和Millennium为代表，侧重于构建中心化的AI基础设施，赋能旗下众多独立的交易团队[5] 案例拆解：智能体驱动研究体系 - **Man Group**：通过“AlphaGPT”项目构建多智能体系统模拟人类研究团队分工，在盲测中其生成的Alpha因子代码质量和逻辑完备性平均分达8.16分，高于人类的6.81分，胜率达86.60%[7]；引入反馈机制后，策略有效性显著提升，信息系数从初始的0.58%提升至2.23%[7]；极度强调可解释性，要求每个信号附带清晰的经济学原理解释[8] - **Bridgewater Associates**：推出AIA Forecaster，这是一个模拟投资委员会辩论过程的多智能体系统，具备动态搜索实时信息的能力[9]；系统末端引入统计校准层，将AI的语言输出转化为具有统计意义的置信度概率[9]；建立严格的时间戳管控机制以避免“先知偏差”，并要求AI输出逻辑链条而非单一预测[10] 案例拆解：基本面投研增强体系 - **Citadel**：内部推进统一的AI助手体系，将大模型能力与内部研究材料打通，主要服务两个高频场景：为基金经理生成持仓与关注清单的定向摘要与跟踪要点；解析10-K、10-Q等文件并标注关键信息点[11]；后台工程中，Citadel Securities的工程师已100%采用AI代码辅助工具Cursor，极大缩短了策略开发周期[12] - **Point72**：自研“Canvas”平台，核心是利用AI技术将零散的另类数据拼凑成完整的产业链全景图，包括多模态数据融合、知识图谱构建以及为基金经理合成信息报告[16]；同时通过Academy等项目培养复合型分析师以提高平台能力的吸收与转化效率[16] 案例拆解：平台化基础设施体系 - **Balyasny Asset Management (BAM)**：采取中心化的AI战略，建立公司级的“应用AI”团队，自建专用嵌入模型以提升内部文档检索的准确度与召回质量，重点解决金融行业语境依赖强导致的检索偏差[17]；应用AI团队深入交易台梳理流程痛点，承担技术与投研之间的接口角色[17] - **Millennium Management**：采用去中心化和灵活的架构，提供强大的底层基建让各团队自主构建应用，其云基础设施倾向多云配置以满足差异化需求，同时高度重视数据隔离、权限控制与审计[18]；在应用层面提供标准化工具接口与通信协议以提升跨团队复用效率[19] 案例拆解：其他代表性机构 - **Two Sigma**：利用先进的机器学习技术捕捉市场中微弱且非线性的信号，研究重点包括单核神经元深度学习、深度多任务学习以及Transformer在金融时间序列中的应用[13][14]；其Venn平台是一个面向机构投资者的投资组合分析平台，核心是一个包含18个宏观和风格因子的风险模型，实现了Alpha能力的SaaS化[14]；通过Venn平台收集的投资者行为数据可能为其自营交易提供独特市场洞察[15] 总结：三条路径对比与趋同 - **智能体驱动研究体系**：代表机构为Man Group、Bridgewater，目标是把假设生成、实现、回测、归因解释做成可规模化的流程化研发管线，核心能力包括非结构化信息摄取、多智能体分工、代码生成与回测工程化等，主要收益是策略研发周期缩短、研究产能提升[20] - **基本面投研增强体系**：代表机构为Citadel、Point72，目标是把AI作为研究助理与信息引擎，提升覆盖广度、深度与跟踪频率，核心能力包括持仓定向摘要、另类数据融合、知识图谱构建等，主要收益是覆盖面扩大、阅读与整理成本下降[20] - **平台化基础设施体系**：代表机构为Balyasny、Millennium，目标是构建统一数据、权限、检索、安全与审计框架，对多团队交易组织输出通用AI能力底座，核心能力包括统一数据治理、检索增强、沙箱化运行等，主要收益是产生规模效应、降低重复造轮子成本、提升开发与迭代工程效率[20] - 三条路径在终局上趋同于同一套竞争要点：数据治理与私有语境理解、工程化迭代机制、可解释与可审计体系[20]

核心观点 - 2024—2025年，全球对冲基金对人工智能的应用正从局部工具化走向流程化重构，关键在于将非结构化信息处理、推理式研究、代码与回测工程化能力整合进一条可迭代的投研链路，以提升研究产能、缩短策略迭代周期，并形成可持续的组织能力[3] - 行业呈现三条相对清晰的落地路径：智能体驱动研究体系、基本面投研增强体系、平台化基础设施体系[3] - 上述路径共同指向的竞争要点是：数据治理与私有语境理解能力、工程化迭代机制、可解释与可审计体系，这些比单一模型性能更重要[3] 行业背景：从结构化预测走向推理与流程化迭代 - 传统的量化金融主要依赖结构化数据和统计模型，但面临“数据挖掘”风险和策略空间拥挤的问题[4] - 随着以Transformer架构为核心的AI技术成熟，行业正在经历“Quant 3.0”革命[4] - 2024—2025年的变化源于三类能力模块的工程化成熟：非结构化信息处理、智能体工作流、以及提升工程效率的代码生成与数据管道自动化[4] 行业分化：三条主流落地路线 - **全自动投研路径**：以Man Group和Bridgewater为代表，致力于构建能独立提出假设、编写代码、验证策略并解释经济原理的AI系统[5] - **基本面投研增强**：以Citadel和Point72为代表，将AI视为人类基金经理的助手，通过自动化信息处理提升基本面选股的覆盖广度与深度[5] - **平台化基础设施**：以Balyasny和Millennium为代表，侧重于构建中心化的AI基础设施，赋能旗下众多独立的交易团队[5] 案例拆解：智能体驱动研究体系 - **Man Group**：通过“AlphaGPT”项目构建多智能体系统，模拟人类量化研究团队分工，在盲测中其生成的Alpha因子在代码质量和逻辑完备性上获得8.16分（人类研究员为6.81分），胜率达86.60%[7]，引入反馈机制后，策略有效性显著提升（IC从0.58%提升至2.23%）[7]，并极度强调可解释性，要求每个信号附带清晰的经济学原理解释[8] - **Bridgewater Associates**：推出AIA Forecaster，这是一个模拟投资委员会辩论过程的多智能体系统，具备动态搜索实时信息的能力，并通过多视角辩论、监督和统计校准来避免模型“幻觉”，输出具有统计意义的置信度概率[9]，同时建立严格的时间戳管控机制，防止“先知偏差”[10] 案例拆解：基本面投研增强体系 - **Citadel**：内部推进统一的AI助手体系，将大模型能力与内部研究材料打通，主要服务两个高频场景：为基金经理生成定向摘要与跟踪要点；解析10-K、10-Q等文件以提升研究覆盖效率[11]，其工程师已100%采用AI代码辅助工具Cursor，极大缩短了策略开发周期[12] - **Point72**：自研“Canvas”平台，核心是利用AI进行多模态数据融合和知识图谱构建，将零散的另类数据拼凑成完整的产业链全景图，并利用生成式AI合成行业概览报告辅助决策[16]，同时通过Academy等项目培养复合型分析师以提高平台能力转化效率[16] 案例拆解：平台化基础设施体系 - **Balyasny Asset Management (BAM)**：采取中心化的AI战略，建立公司级的“应用AI”团队，自建专用嵌入模型以提升内部文档检索的准确度与召回质量，重点解决金融行业语境依赖强导致的检索偏差[17]，该团队深入交易台梳理流程痛点，推动AI能力从可用走向常用[17] - **Millennium Management**：采用去中心化和灵活的架构，提供强大的底层基建（如多云配置）让各团队自主构建应用，同时优先保障数据隔离、权限控制与审计[18]，平台提供标准化工具接口与通信协议，以提升跨团队复用效率和开发迭代效率[19] 案例拆解：其他代表性机构 - **Two Sigma**：利用先进的机器学习技术捕捉市场中微弱且非线性的信号，研究重点包括单核神经元深度学习、深度多任务学习以及Transformer在金融时间序列中的应用[13][14]，其Venn平台是一个面向机构投资者的投资组合分析平台，核心是一个包含18个宏观和风格因子的风险模型，将Alpha能力SaaS化[14][15] 总结：三条路径对比 - **智能体驱动研究体系**：代表机构为Man Group、Bridgewater，目标是把假设生成、实现、回测、归因解释做成可规模化的流程化研发管线，核心能力包括非结构化信息摄取、多智能体分工、代码生成与回测工程化等，主要收益是策略研发周期缩短、研究产能提升[20] - **基本面投研增强体系**：代表机构为Citadel、Point72，目标是把AI作为研究助理与信息引擎，提升覆盖广度、深度与跟踪频率，核心能力包括定向摘要生成、另类数据融合、知识图谱构建等，主要收益是覆盖面扩大、阅读与整理成本下降[20] - **平台化基础设施体系**：代表机构为Balyasny、Millennium，目标是统一数据、权限、检索、安全与审计框架，对多团队交易组织输出通用AI能力底座，核心能力包括统一数据治理、检索增强、沙箱化运行等，主要收益是规模效应更强、降低重复造轮子成本[20] - 三条路径最终趋同于同一套竞争要点：数据治理与私有语境理解、工程化迭代机制、可解释与可审计体系[20]

核心观点 - AI已成为投研效率的革命性工具，能够快速解析海量信息并辅助决策，但无法独立创造超额收益，其核心障碍在于对历史数据的依赖和前瞻预判的鸿沟 [2] - AI在投研中的合理定位是“超级副驾驶”，旨在提升人类分析师的效率，而非替代人类决策，“人机结合”是应对模型风险和监管要求的必然模式 [2][3] - AI存在三大局限：历史依赖与前瞻预判的鸿沟、模型幻觉与过拟合风险、“黑盒”决策与策略同质化风险，这些局限决定了人类必须作为架构师、校验者和最终责任主体 [4][8][10] - AI本质是模式复现者而非意义创造者，容易陷入“解决方案主义”陷阱，并无法进行范式转换级别的创造性洞察，真正的智能投研是让AI承担效率工作，解放人类进行意义创造 [12][14][17] AI赋能投研：效率革命与“副驾驶”定位 - 以Citadel为代表的机构将AI定位为投资经理的“超级副驾驶”，核心在于实现极速信息处理与自动化分析支持，正在实现从“算力平权”到“投研平权”的跨越 [3] - AI通过深度处理非结构化数据提升宏观与政策分析效率，例如，借助大模型可对央行政策文本进行自动化处理，生成连续、可比的政策力度指数，改变传统人工解读模式 [3] - 在资产配置中，AI能快速解析海量结构化与非结构化数据，挖掘市场波动规律及资产间隐含关联性，辅助构建量化模型并优化风险平价权重，其策略回测能力可模拟多场景下的组合表现 [3] AI的局限一：历史依赖与前瞻预判的鸿沟 - AI基于历史数据训练，擅长总结过去，但难以预判缺乏历史先例的未来结构性拐点，这是其生成超额收益的核心障碍 [2][4] - Citadel创始人Ken Griffin指出，生成式AI无法帮助对冲基金产生超越市场的回报，因为投资优势在于预测未知未来，而AI只能学习过去已知信息 [4] - 在处理如黄金、部分国债等价格走势“非收敛”的资产时，AI可能错误地将动量驱动行情识别为均值回归拐点，从而做出误判，必须为其引入前瞻性数据或动量因子以弥补缺陷 [7][8] AI的局限二：模型幻觉、过拟合与数据异化风险 - AI幻觉是大型语言模型因缺乏真实认知与因果推理能力，而产生的与事实不符的内容，在投研中表现为“事实捏造”、“逻辑飞跃”和“情感误导”三种高风险形式 [8][9] - 过度依赖有限历史模式的AI可能“过拟合”，完美拟合历史数据却在真实市场中表现僵化，将局部噪声误认为普适真理 [9] - 数据异化风险指模型训练所依赖的“数据地基”发生改变，如宏观统计口径调整、行业分类重构，导致AI基于旧知识解答新问题，产生系统性偏差 [9] AI的局限三：“黑盒”决策、同质化与监管合规冲突 - AI的“黑箱”决策特性与金融监管要求的透明度、可解释性直接冲突，使得完全依赖AI的决策在面临合规审查时存在巨大压力 [10] - 策略同质化可能引发共振风险，当市场参与者广泛采用相似的AI模型时，其交易信号会高度趋同，在市场压力时期可能急剧放大波动，形成程序化踩踏 [11] - 模型在极端市场下可能集体失效，例如2018年“波动率末日”事件中，同质化的量化策略基于相同历史规则被同时触发大规模卖出，反而加剧了市场下跌 [11] 总结：AI“解决方案主义”陷阱与创造性洞察的缺失 - AI本质是模式复现者而非意义创造者，其强项在于规则清晰、目标明确的问题域内进行优化，但顶级投资本质是定义问题和发现新范式 [12] - 在投研中，AI可能被误用于处理模糊地带问题，例如强行将复杂的洞察需求压缩成可处理的结构化数据筛选问题，导致“衡量了容易衡量的，却错过了真正重要的” [12][13] - AI无法进行颠覆现有认知框架的“范式转换”级别创造性洞察，它无法想象从未见过的数据模式，只能在事后当新范式成为海量数据后对其进行学习和优化 [14] 人类的角色——架构师、校验者与最终的责任主体 - 人类角色已演进为框架架构师与范式定义者，为AI投喂经过验证的研究框架和逻辑 [18] - 人类是关键输出校验者与风险兜底者，对AI的结论进行逻辑审查、防止“幻觉”，并在模型可能失效的极端市场环境下进行干预 [18] - 人类是合规与伦理的最终责任主体，确保整个决策过程可解释、可审计，并为最终结果承担法律与道德责任 [18] - 未来的投研范式将是人类洞察驾驭AI算力的深度协同，AI是卓越的“副驾驶”，但穿越市场不确定性仍需人类承担最终且不可替代的决策职责 [21]

报告行业投资评级 - 食品饮料行业评级为“优于大市” [1][5] 报告核心观点 - 回顾2025年，内需相对疲弱，行业整体降速，食品饮料板块下跌5.3%，跑输沪深300指数19.4个百分点 [1] - 展望2026年，在需求总量温和复苏的基本假设下，大众品仍将呈现结构性机会，核心在于渠道分化与供给升级 [2] - 投资建议顺应新消费趋势，挖掘供给升级机会，提出了五条投资主线 [3] 根据相关目录分别总结 1. 回顾2025年：内需相对疲弱，行业整体降速 - **宏观层面**：2025年前三季度中国城镇居民人均可支配收入同比增速为4.4%，增幅放缓，消费信心指数仍在90以下，需求内生增长动力偏弱 [12] - **中观层面**：2025年前三季度食品饮料行业整体累计收入、利润增速分别降至0.3%和-4.5% [20] 软饮料行业维持相对景气，收入增速为10.8%，零食板块收入增速为31.1%，但若剔除万辰集团贡献，增速为-0.1% [20] 部分品类如啤酒、饮料、调味品享受成本红利，毛利率有较明显提升 [21] - **板块走势**：截至2025年11月25日，食品饮料板块年初以来下跌5.3%，跑输沪深300指数19.4个百分点 [25] 子板块中，保健品、软饮料、零食板块涨幅居前，分别上涨10.3%、5.5%、5.0%，而啤酒、调味品、白酒板块跌幅居前，分别下跌11.1%、8.0%、7.3% [25] 2. 展望2026年：结构性机会仍存，渠道分化、供给升级 - **基本面趋势**：渠道端细分化、专业化、高效化、差异化的长期趋势明显，传统线下零售业态调改范围扩大，即时零售加速消费习惯培育 [29] 消费者从极致比价回归追求平价高质，对“质”的评判维度更加多元，包括便捷性、健康程度、情绪体验等，为供给侧产品/服务创新提供了更宽阔空间 [29] - **啤酒行业**：非现饮渠道（预计占比已降至40%左右）仍是重要增量，龙头公司正加速推出精酿、生鲜、茶啤等差异化产品（定价在15-25元/1L罐） [33][34][35] 传统啤酒高端化速度放缓，资源聚焦于优势产品，看好10-12元档的喜力、嘉士伯、青岛白啤以及8-10元档的燕京U8、珠江97纯生 [37] 2026年成本端预计较为平稳，大麦成本持平或略降，铝罐成本可能小幅上涨 [38] - **零食行业**：量贩零食渠道红利减弱，扩店速度预计进一步放缓，而会员制超市、折扣零售、即时零售渠道兴起 [39] 竞争从价格战转向效率与创新竞争，具备高供应链效率和产品创新能力的厂商更具优势 [42] 2026年部分农产品价格（如魔芋精粉、葵花籽）可能周期性回落，有助于缓解厂商成本压力 [42][46] - **饮料行业**：行业需求韧性强，2025年Q2/Q3板块收入分别为89.8亿、106.2亿，同比增速达17.8%、14.4% [47] 行业挤压式扩容，龙头强者恒强，即饮茶已成为第一大品类，功能饮料（电解质水、营养素饮料）是增长最快的细分品类 [48][51] 中大包装产品（900-1000ml）表现更好，契合性价比和囤货消费心智 [51] - **乳品行业**：需求预计平稳修复，上游奶牛存栏缓慢去化，生鲜乳价格仍在底部区间 [52] 推荐高股息标的伊利股份，公司承诺2025-2027年分红率不低于75%，当前股价对应2025/2026年PE为16.3/15.0倍 [53][86] - **餐饮供应链**：调味品与速冻食品板块前期受消费场景受限影响，2025年10月社零餐饮收入增速出现回暖迹象，行业处于基本面筑底、弹性与机会并存的阶段 [59][60] - **估值水平**：截至2025年11月25日，食品饮料主要子板块如啤酒、调味品、白酒的估值处于历史25%分位以下，具备估值回升条件 [78] 3. 投资建议：顺应新消费趋势，挖掘供给升级机会 - **产品及服务的高质价比改造**：推荐巴比食品（门店+团餐双轮驱动，拓展全时段经营），关注万辰集团 [3][87] - **渗透率持续提升的高景气品种**：推荐东鹏饮料（加速全国化和平台化）、农夫山泉（经营加速）、卫龙美味（魔芋品类成长期，加快产品创新）、盐津铺子（着力打造“大魔王”魔芋品类品牌） [3][84] - **前期受损较重行业的预期反转**：推荐安井食品（经营状态趋稳，受益餐饮预期改善）、颐海国际（关联方基础稳健，维持高分红） [3][85][87] - **个股逻辑主导下业绩确定性较强的标的**：推荐燕京啤酒（U8拉动结构优化，改革深化推动降本增效，预计2025/2026年归母净利同比+49.1%/+17.7%） [3][84] - **高股息或高综合股东回报标的**：推荐伊利股份 [3] 4. 重点公司盈利预测 - 报告列出了9家重点公司的盈利预测及投资评级，所有公司评级均为“优于大市” [4][86] 关键预测数据包括： - 燕京啤酒：预计2025/2026年EPS为0.56/0.66元，对应PE为22.3/19.0倍 [4][84] - 卫龙美味：预计2025/2026年EPS为0.61/0.74元，对应PE为16.8/13.8倍，分红比例不低于60% [4][84] - 东鹏饮料：预计2025/2026年EPS为8.67/11.01元，对应PE为30.1/23.7倍 [4] - 伊利股份：预计2025/2026年EPS为1.78/1.93元，对应PE为16.3/15.0倍，承诺2025-2027年分红率不低于75% [4][86]

核心观点 - 报告对食品饮料行业2026年投资策略给出“优于大市”评级，认为在需求总量温和复苏的背景下，行业将呈现结构性机会，核心在于渠道分化与供给升级 [1][2] - 2025年行业回顾：内需疲弱导致行业整体降速，城镇居民人均可支配收入同比增速放缓至4.4%，食品饮料板块下跌5.3%，跑输沪深300指数19.4个百分点，但软饮料和零食（特别是量贩零食与魔芋零食）子板块维持相对景气 [1][12][20] - 2026年展望：消费趋势将从极致比价回归追求平价高质，消费者对“质”的评判维度更趋多元（包括便捷性、健康程度、情绪体验等），供给侧产品与服务创新空间更为宽阔 [2][29] 2025年行业回顾总结 - **宏观环境疲弱**：2025年前三季度中国城镇居民人均可支配收入同比增速为4.4%，消费者信心指数仍在90以下，社会消费品零售增速受年中限酒条例扰动，10月餐饮收入增速开始回暖 [12] - **行业业绩降速**：2025年前三季度，食品饮料行业整体累计收入、利润增速分别降至0.3%和-4.5%，大众品板块收入、利润增速分别为4.5%和2.3% [20][22] - **子板块表现分化**： - 软饮料行业相对景气，前三季度收入增速为10.8% [20] - 零食板块前三季度收入增速为31.1%，但主要增量由万辰集团新开门店贡献，剔除后板块收入增速为-0.1% [20] - 啤酒、饮料、调味品板块因部分原辅料成本下行，毛利率有较明显提升 [21] - **板块市场走势**：截至2025年11月25日，食品饮料板块年初以来下跌5.3%，跑输沪深300指数19.4个百分点，保健品、软饮料、零食板块涨幅居前，分别上涨10.3%、5.5%、5.0%，而啤酒、调味品、白酒板块跌幅居前 [25] 2026年行业展望与各子板块分析 - **总体判断**：在需求总量温和复苏假设下，大众品呈现结构性机会，渠道端细分化、专业化、高效化、差异化趋势明显，同时即时零售等新渠道加速发展 [29] - **啤酒板块**： - 非现饮渠道（如即时零售）是重要增量，预计餐饮啤酒销量占比已降至40%左右 [33] - 看好精酿、生鲜、茶啤等差异化品类发展，龙头厂商入场有望收回部分市场份额，相关产品定价在15-25元/1L罐 [34][35] - 传统啤酒高端化速度放缓，资源聚焦于原有优势产品，看好10-12元档的喜力、嘉士伯、青岛白啤，以及8-10元档的燕京U8、珠江97纯生 [37] - 2026年成本端预计较为平稳，大麦成本持平或略降，铝罐成本可能小幅上涨，盈利能力提升需依靠运营效率与产品结构升级 [38] - **零食板块**： - 量贩零食渠道红利减弱，预计2026年扩店速度进一步放缓，即时零售渠道预计将继续高速成长，成为新的红利渠道 [39][40] - 竞争维度多元化，从价格竞争转向效率与创新竞争，会员制超市（如山姆）和新型商超（如胖东来）显示消费者对高品质、差异化产品有需求 [42] - 2026年部分农产品价格（如魔芋精粉、葵花籽）可能周期性回落，有助于缓解厂商成本压力 [42][46] - **饮料板块**： - 行业需求韧性强，2025年Q1/Q2/Q3板块收入分别为102.2亿、89.8亿、106.2亿，同比增速分别为+2.4%、+17.8%、+14.4% [47] - 行业挤压式扩容，龙头强者恒强，农夫山泉与东鹏饮料通过冰冻化陈列、数字化建设及中大包装产品进一步抢占市场 [48] - 细分品类中，即饮茶已成为第一大品类，功能饮料（电解质水、营养素饮料）增长最快，健康化的包装水、无糖茶、能量饮料景气度高 [51] - 中大包装产品（900-1000ml）表现更好，契合“囤货”与“性价比”消费心智 [51] - **乳品板块**： - 需求经历两年下滑后，2026年预计平稳修复，当前液奶行业仍存在低价竞争，销量预计下滑中低单位数 [52] - 上游奶牛存栏缓慢去化，生鲜乳价格仍在底部区间，头部乳企通过产品结构升级等方式提升盈利 [52][56] - 推荐高股息标的伊利股份，其承诺2025-2027年分红率不低于75%，2025年三季报首次进行中期分红 [53][57] - **餐饮供应链板块（调味品、速冻食品等）**： - 2025年前三季度受消费场景受限及竞争加剧影响，行业增速放缓，但四季度出现回暖迹象，2025年10月社零餐饮收入增速回升，餐饮门店数量逐步回升 [59][60] - 随着政策影响减弱，行业需求有望逐步复苏，竞争未进一步加剧，当前处于基本面筑底、弹性与机会并存的阶段 [59] 估值分析 - 食品饮料板块估值受基本面和市场流动性共同影响，历史上有随收入增速上升而抬升的阶段，也有受流动性宽松推动快速上扬的时期 [62] - 截至2025年11月25日，主要子板块估值仍处于历史低位，啤酒、调味品、白酒等板块估值处于近10年历史25%分位以下 [78] - 展望2026年，在经济增长动能修复、内需回暖及美联储维持降息路径、市场流动性充沛的预期下，板块具备估值回升的条件 [78] 投资建议与重点公司 - 报告提出五大投资主线及相关推荐公司 [3][79][80][83][84]： 1. **产品及服务的高质价比改造**：推荐巴比食品，关注万辰集团、百润股份 [3][79] 2. **渗透率持续提升的高景气品种**：推荐东鹏饮料、农夫山泉、卫龙美味、盐津铺子 [3][79] 3. **前期受损较重行业的预期反转**：推荐安井食品、颐海国际，关注千味央厨、青岛啤酒等 [3][80] 4. **个股逻辑主导下业绩确定性较强的标的**：推荐燕京啤酒 [3][83] 5. **高股息或高综合股东回报标的**：推荐伊利股份 [3][84] - **重点公司盈利预测摘要**（基于报告预测）[4][86]： - 燕京啤酒：预计2025/2026年归母净利15.7亿/18.5亿元，同比+49.1%/+17.7%，对应PE 22/19倍 [84] - 卫龙美味：预计2025/2026年归母净利14.7亿/18.0亿元，同比+37.7%/+22.2%，对应PE 17/14倍，承诺分红比例不低于60% [84] - 盐津铺子：预计2025/2026年归母净利8.3亿/10.2亿元，同比+29.7%/+23.0%，对应PE 22/18倍 [84] - 安井食品：预计2025/2026年归母净利14.2亿/15.4亿元，同比-4.4%/+8.8%，对应PE 18.8/17.3倍 [85] - 颐海国际：预计2025/2026年归母净利7.7亿/8.6亿元，同比+4.6%/+11.1%，对应PE 15.5/14.0倍，分红率高 [87] - 巴比食品：预计2025/2026年归母净利2.9亿/3.3亿元，同比+3.1%/+16.5%，对应PE 23.7/20.4倍 [87] - 农夫山泉：预计2025/2026年EPS为1.35/1.56元，对应PE 32.5/28.1倍 [4] - 东鹏饮料：预计2025/2026年EPS为8.67/11.01元，对应PE 30.1/23.7倍 [4] - 伊利股份：预计2025/2026年EPS为1.78/1.93元，对应PE 16.3/15.0倍，承诺2025-2027年分红率不低于75% [4][57]

行业投资评级 - 投资评级：优于大市（维持）[1] 报告核心观点 - 2026年制冷剂配额核发情况公示，二代、三代制冷剂供给端具备长期约束，看好制冷剂产品景气度延续[3] - 制冷剂配额约束收紧为长期趋势方向，在此背景下，看好R32、R134a、R125等主流制冷剂景气度将延续，价格长期仍有较大上行空间[3][20] - 对应制冷剂配额龙头企业有望保持长期高盈利水平，此外看好液冷产业对氟化液与制冷剂需求的提升[3][20] - 建议关注产业链完整、基础设施配套齐全、制冷剂配额领先以及工艺技术先进的氟化工龙头企业及上游资源龙头[3][20] 2026年配额核发总体情况 - 生态环境部受理了38家企业提交的2026年度二代制冷剂生产、使用配额申请，受理了65家企业提交的2026年度三代制冷剂生产、进口配额申请[2][4] - 二代制冷剂落实年度履约淘汰任务，R22生产配额削减了3005吨，R141b配额清零[2][4] - 三代制冷剂生产和使用总量控制目标保持在基线值，维持了2025年的生产配额总量为18.53亿吨CO2、内用生产配额总量为8.95亿吨CO2、进口配额总量为0.1亿吨CO2[2][4] - 2026年三代制冷剂生产配额总量为79.78万吨，相较2025年初生产配额增长5963吨[2][3][5][7] 二代制冷剂配额详情 - 2026年我国二代制冷剂生产配额总量为15.14万吨，相较2025年减少1.21万吨，其中内用配额减少0.63万吨，内用配额削减占此次削减的52%[6] - 2026年度我国HCFCs生产和使用量分别削减基线值的71.5%和76.1%[3] - R22生产配额为14.61万吨，相比2025年削减3005吨，同比削减2.02%[3][6] - R22内用配额为7.79万吨，相比2025年削减2914吨，同比削减3.60%[3][6] - R142b生产配额与内用配额与2025年保持一致[6] - R141b配额清零[2][3][6] - 在空调维修市场需求端的支撑下，R22供需持续改善[3][6] 三代制冷剂配额详情 - 2026年三代制冷剂内用配额总量为39.41万吨，较2025年初增加4502吨[7] - R32生产配额28.15万吨，增加1171吨，内用配额18.52万吨，增加770吨[7] - R134a生产配额21.15万吨，增加3242吨，内用配额8.16万吨，增加1235吨[7] - R125生产配额16.76万吨，增加351吨，内用配额6.13万吨，增加119吨[7] - R143a、R152a、R227ea相比2025年初配额有所减少[2][3][7] - 生产企业在满足不增加总CO2当量且累计调整增量不超过分配方法核定品种配额量30%的前提下，可在年中4月30日与8月31日前提交同一品种或不同品种的配额调整申请[3][7] - 品种齐全且配额量较高的企业拥有更强的调整灵活性[3][7] - 三代制冷剂品种间转化比例同比增长，企业生产调配灵活性提升[20] 行业格局与展望 - R32、R134a、R125等品种行业集中度高[3][20] - 预计2026年主流三代制冷剂将保持供需紧平衡[3][7][20] - 液冷产业有望提升对氟化液与制冷剂的需求[3][20] 投资建议与相关标的 - 建议关注产业链完整、基础设施配套齐全、制冷剂配额领先以及工艺技术先进的氟化工龙头企业及上游资源龙头[3][20] - 相关标的：巨化股份、东岳集团、三美股份等公司[3][20] - 巨化股份（600160）2025年预测EPS为1.52元，对应PE为23.87倍；2026年预测EPS为1.79元，对应PE为20.27倍[21] - 三美股份（603379）2025年预测EPS为3.45元，对应PE为16.30倍；2026年预测EPS为4.13元，对应PE为13.61倍[21] - 东岳集团（0189.HK）2025年预测EPS为1.23元，对应PE为8.61倍；2026年预测EPS为1.48元，对应PE为7.16倍[21]

宏观与策略 - 2025年11月CPI同比上涨0.7%，核心CPI同比上涨1.2%，PPI环比上涨0.1%，同比下降2.2%，价格改善趋势延续 [8] 社会服务行业 - 报告期内（2025年11月24日-12月7日）消费者服务板块上涨2.38%，跑输大盘0.56个百分点，君亭酒店、中教控股、金沙中国有限公司涨幅居前 [8] - 行业动态：市场监管总局发布外卖平台管理国家标准，要求通过“一镜到底”视频核验商户资质并设定配送员接单时长上限 [9]；蜜雪冰城在四城试点早餐业务 [9]；君亭酒店控股股东变更为湖北文旅，交易总价款14.99亿元，实际控制人调整为湖北省国资委 [9] - 港股通持股：报告期内（2025年11月24日-12月8日）古茗持股比例增1.81个百分点至29.48%，小菜园持股比例增0.05个百分点至69.82%，中国东方教育持股比例增0.72个百分点至31.92% [10] - 投资建议：维持“优于大市”评级，建议配置中国中免、华住集团-S、携程集团-S等，中线优选中国中免、美团-W、蜜雪集团、古茗等 [11] 非银行业 - 国家医保局发布首版《商业健康保险创新药品目录（2025年）》，标志着商业健康保险在创新药支付领域迈出实质性步伐，为创新药支付端开辟“第二战场” [11] - 该政策为保险行业提供了可复用的“公共基础设施”，使保险公司首次具备在创新药领域进行可持续风险经营的基础设施条件，建议关注中国财险、中国平安、中国太保、众安在线等 [12] 金属行业（锡） - 锡资源稀缺程度加剧，截至2024年末全球锡资源储量420万吨，2024年全球锡矿产量30万吨，储采比从2010年的20年左右下降至2024年的14年 [13] - 全球锡矿扰动不断，预计2025年矿端供给明显下降，2025-2027年全球锡矿产量预计分别为28.3万、30.8万、31.2万吨 [14] - 需求端：2025年10月全球半导体销售额同比增长27.2%，带动锡焊料需求；预计2025-2027年全球精锡需求分别为38.6万、39.6万、40.1万吨 [15] - 预计2025年全球精锡供需约有1.6万吨的缺口，在资源紧缺和开采成本抬升作用下，锡价有望进一步上行，相关标的包括锡业股份、兴业银锡、华锡有色 [16] 速腾聚创 - 2025年第三季度实现营业收入4.07亿元，同比减少0.2%，激光雷达产品总销量18.56万台，同比增长34.0% [16][17] - 2025年第三季度毛利率为23.9%，同比提升6.5个百分点 [17] - 公司已累计获得32家车企及Tier1的144款车型定点，EM平台已斩获13家车企56款车型定点 [18] - 机器人业务方面，2025年第三季度用于机器人及其他产品的收入为1.42亿元，同比增长157.8% [17]，并推出了集成dTOF、RGB双目、IMU的超级传感器系统Active Camera2 [19] 文远知行 - 2025年第三季度实现营收1.71亿元，同比增长144.2%，其中产品业务收入7920万元，同比增长428.0%，服务业务收入9180万元，同比增长66.9% [20] - 2025年第三季度毛利率为32.9%，同比提升26.4个百分点 [21] - 公司加速推进L4产品商业化落地，Robotaxi已获得瑞士、中国等八国自动驾驶牌照，并在广州部署超过300辆，与Uber在阿布扎比启动纯无人Robotaxi商业化运营 [22] 亿联网络 - 公司构建覆盖桌面通信终端、会议产品、云办公终端的三大业务，2025年上半年分别占营收49.2%、40.6%、10.2% [23] - 2025年前三季度实现归母净利润19.58亿元，同比下滑5.16%，但第三季度业绩呈现回暖趋势，公司毛利率长期处于60%以上，2024年股息率达4.92% [23] - 公司所处的UC&C（统一通信与协作）市场规模2024年为692亿美元，预计2024-2029年复合年增长率为4.3% [24] - 公司与微软达成全球战略合作，在AIGC浪潮下，UC&C有望成为大模型与Agent落地的最佳场景之一 [24] - 预计公司2025-2027年归属母公司净利润为26.53亿、30.84亿、36.42亿元，年增速分别为0.2%、16.2%、18.1% [25] 天奈科技 - 公司持续进行股份回购，截至2025年11月30日累计回购金额超5569万元 [26] - 多壁碳纳米管业务市场份额多年位居行业榜首，2025年前三季度多壁碳纳米管出货量估计超5.3万吨 [26] - 单壁碳纳米管产品进入快速放量阶段，2025年前三季度单壁浆料产品出货量估计超2600吨，其中第三季度出货量约1600吨，环比翻倍增长 [27] - 预计公司2025-2027年实现归母净利润分别为3.06亿、6.63亿、8.94亿元，同比增速分别为+22%、+117%、+35% [27] 市场与资金数据 - 2025年12月10日，上证综指收盘3900.49点，跌0.23%，深证成指收盘13316.42点，涨0.29%，两市成交金额合计约1.78万亿元 [2] - 2025年12月11日，纳斯达克指数收盘10961.46点，跌0.48%，恒生指数收盘25540.78点，涨0.41% [7] - 截至2025年12月8日，两市融资融券余额为25005亿元，其中融资余额24827亿元，融券余额178亿元 [28] - 商品期货市场：锡收盘价316400元/吨，涨0.36% [32]

量化模型与构建方式 1. **模型名称：股指分红点位测算模型**[41] * **模型构建思路**：为了准确计算股指期货的升贴水，必须考虑指数成分股分红除息导致价格指数点位自然滑落的影响。该模型旨在精确预测从当前时刻到股指期货合约到期日之间，指数因成分股分红而累计下跌的点数[11][41]。 * **模型具体构建过程**：模型的核心是计算在特定时间段内，所有成分股分红对指数点位的总影响。具体流程如下[41][42]： 1. **确定计算范围**：假设当前日期为 `t`，股指期货合约到期日为 `T`。对于指数中第 `n` 只成分股，其除权除息日需满足 `t < 除息日 ≤ T`[41]。 2. **计算总分红点数**：指数在 `t` 到 `T` 期间的分红点数计算公式为： $$分红点数 = \sum_{n=1}^{N} \frac{成分股分红金额}{成分股总市值} \times 成分股权重 \times 指数收盘价$$ 其中，`N` 为指数成分股数量，求和仅包含在 `t` 到 `T` 期间有分红的股票[41]。 3. **获取与预测核心输入数据**：公式中所需数据（成分股权重、分红金额等）的获取与预测方法如下： * **成分股权重**：采用中证指数公司每日披露的日度收盘权重数据，以确保准确性，避免因指数调整、个股行为导致估算偏差[46]。 * **分红金额**：若公司已公布分红金额，则直接采用；否则需进行估计。分红金额可分解为：`分红金额 = 净利润 × 股息支付率`[47]。 * **净利润预测**：采用“基于历史净利润分布的动态预测法”。若公司已公布年报、快报或业绩预告，则直接采用（业绩预告取上下限均值）；否则，根据公司历史季度盈利分布的稳定性进行分类预测[48][50]。 * **股息支付率预测**：采用历史数据平均进行预测。具体规则为：若去年分红，则用去年股息支付率；若去年不分红，则用最近3年平均；若从未分红，则默认不分红；预测值大于100%时进行截尾处理[51][53]。 * **除息日预测**：采用“基于历史间隔天数稳定性的线性外推法”。若已公布则直接采用；否则，根据公司是否已公布预案、所处阶段（预案/决案）以及历史公告日到除息日的间隔天数的稳定性，进行线性外推或采用历史分红日期；若无合理参考，则根据多数公司分红时间规律设置默认日期（如7月31日、8月31日或9月30日）[51][56]。 * **模型评价**：该模型通过精细化处理成分股权重、净利润、股息支付率和除息日等关键输入，实现了对指数分红点位的准确预测。回测显示，其对上证50和沪深300指数的预测误差较小，对中证500指数的预测也基本稳定[61]。 模型的回测效果 1. **股指分红点位测算模型**，2023年预测股息点与实际股息点误差：上证50指数和沪深300指数基本在5个点左右，中证500指数基本在10个点左右[61]。 2. **股指分红点位测算模型**，2024年预测股息点与实际股息点误差：上证50指数和沪深300指数基本在5个点左右，中证500指数基本在10个点左右[61]。 3. **股指分红点位测算模型**，对股指期货合约的预测效果：上证50和沪深300股指期货预测效果最好，中证500股指期货的预测偏离度稍大[61]。 量化因子与构建方式 1. **因子名称：已实现股息率**[3][17] * **因子构建思路**：衡量指数成分股中，在计算时点之前已经完成现金分红的公司，其分红总额相对于指数总市值的比率，反映已落袋为安的分红收益[17]。 * **因子具体构建过程**：计算截至某一时点，指数中所有已现金分红公司的累计分红总额与指数总市值的比值。公式表示为： $$已实现股息率 = \frac{\sum_{i=1}^{N1} (成分股i的分红金额)}{\sum_{i=1}^{N1} (成分股i的总市值)}$$ 其中，`N1` 表示指数成分股中今年已现金分红的公司数量[17]。 2. **因子名称：剩余股息率**[3][17] * **因子构建思路**：衡量指数成分股中，在计算时点之后预计还将进行现金分红的公司，其预测分红总额相对于指数总市值的比率，反映未来潜在的分红收益[17]。 * **因子具体构建过程**：计算截至某一时点，指数中所有尚未现金分红但预计会分红的公司的预测分红总额与指数总市值的比值。公式表示为： $$剩余股息率 = \frac{\sum_{j=1}^{N2} (成分股j的预测分红金额)}{\sum_{j=1}^{N2} (成分股j的总市值)}$$ 其中，`N2` 表示指数成分股中尚未现金分红的公司数量[17]。 3. **因子名称：年化升贴水率**[4][13] * **因子构建思路**：在扣除指数分红影响后，计算股指期货价格相对于其标的指数价格的偏离程度，并进行年化处理，以衡量期货合约的交易情绪和相对价值[11]。 * **因子具体构建过程**： 1. 首先计算扣除分红影响后的期货合约与指数的价差（含分红价差）。 2. 然后计算升贴水幅度：`升贴水 = 含分红价差 / 指数收盘价`。 3. 最后进行年化：`年化升贴水 = 升贴水 × (365 / 到期天数)`[13]。 因子的回测效果 1. **已实现股息率**，截至2025年12月10日取值：上证50指数为2.52%，沪深300指数为2.04%，中证500指数为1.25%，中证1000指数为0.96%[3]。 2. **剩余股息率**，截至2025年12月10日取值：上证50指数为0.42%，沪深300指数为0.24%，中证500指数为0.03%，中证1000指数为0.01%[3]。 3. **年化升贴水率**，截至2025年12月10日主力合约取值：IH为-4.55%，IF为-11.45%，IC为-18.74%，IM为-19.97%[4][13]。

量化模型与构建方式 1. **模型名称**：无 **模型构建思路**：无 **模型具体构建过程**：无 量化因子与构建方式 1. **因子名称**：封板率[16] **因子构建思路**：通过计算当日最高价涨停且收盘涨停的股票数量占最高价涨停股票总数的比例，来衡量涨停板的封板质量或市场追涨情绪[16] **因子具体构建过程**：筛选上市满3个月以上的股票，统计在特定交易日中，最高价曾达到涨停价的股票数量，以及在这些股票中收盘价仍为涨停价的股票数量，两者相除得到封板率[16] **因子计算公式**：$$封板率=\frac{最高价涨停且收盘涨停的股票数}{最高价涨停的股票数}$$[16] **因子评价**：该指标反映了市场追涨资金的坚决程度，封板率越高，通常意味着涨停板的有效性或市场情绪越强[16] 2. **因子名称**：连板率[16] **因子构建思路**：通过计算连续两个交易日收盘涨停的股票数量占前一日收盘涨停股票总数的比例，来衡量市场涨停效应的持续性[16] **因子具体构建过程**：筛选上市满3个月以上的股票，统计在特定交易日（T日）收盘涨停的股票数量，以及这些股票中在下一个交易日（T+1日）收盘也涨停的股票数量，后者除以前者得到连板率[16] **因子计算公式**：$$连板率=\frac{连续两日收盘涨停的股票数}{昨日收盘涨停的股票数}$$[16] **因子评价**：该指标反映了市场短线炒作热度的延续性，连板率越高，表明市场赚钱效应和投机情绪越强[16] 3. **因子名称**：大宗交易折价率[25] **因子构建思路**：通过计算大宗交易成交总额与按当日市价计算的成交份额总市值的差异比例，来反映大资金交易的折价水平，可作为观察机构或大股东交易情绪与偏好的指标[25] **因子具体构建过程**：收集每日大宗交易数据，包括每笔交易的成交金额和成交数量。计算所有大宗交易的总成交金额。同时，根据每笔交易的成交数量和该股票当日的收盘价（或成交均价）计算该笔交易若在二级市场成交的理论市值，并求和得到当日成交份额的总市值。最后计算折价率[25] **因子计算公式**：$$折价率=\frac{大宗交易总成交金额}{当日成交份额的总市值}-1$$[25] **因子评价**：折价率的高低能在一定程度上反映大资金的投资偏好和市场情绪，通常折价率越高，表明卖出方让利意愿越强或买方议价能力越高，可能隐含了对后市的谨慎看法[25] 4. **因子名称**：股指期货年化贴水率[27] **因子构建思路**：通过计算股指期货主力合约价格与现货指数价格之间的基差，并进行年化处理，来衡量市场对未来走势的预期以及股指对冲的成本[27] **因子具体构建过程**：选取上证50、沪深300、中证500、中证1000等股指期货的主力合约。计算基差（股指期货价格 - 现货指数价格）。将基差除以现货指数价格，再乘以年化因子（250天除以合约剩余交易日数），得到年化贴水率。当结果为负时，表示贴水；为正时，表示升水[27] **因子计算公式**：$$年化贴水率=\frac{基差}{指数价格} \times \frac{250}{合约剩余交易日数}$$[27] **因子评价**：该指标综合反映了金融市场利率、股市分红、微观资金成本、套利力量和市场情绪等因素。贴水率的高低会影响利用股指期货进行对冲的成本，其变化也能在一定程度上反映市场对未来预期的乐观或悲观程度[27] 模型的回测效果 1. **无相关模型回测结果** 因子的回测效果 1. **封板率因子**：2025年12月10日，封板率取值为65%[16] 2. **连板率因子**：2025年12月10日，连板率取值为30%[16] 3. **大宗交易折价率因子**： * 近半年以来平均折价率取值为6.60%[25] * 2025年12月09日，当日折价率取值为10.95%[25] 4. **股指期货年化贴水率因子**： * **上证50股指期货**：近一年年化贴水率中位数取值为0.70%；2025年12月10日，当日年化贴水率取值为9.37%，处于近一年来9%分位点[27] * **沪深300股指期货**：近一年年化贴水率中位数取值为3.66%；2025年12月10日，当日年化贴水率取值为13.71%，处于近一年来4%分位点[27] * **中证500股指期货**：近一年年化贴水率中位数取值为11.22%；2025年12月10日，当日年化贴水率取值为16.87%，处于近一年来21%分位点[27] * **中证1000股指期货**：近一年年化贴水率中位数取值为13.67%；2025年12月10日，当日年化贴水率取值为17.76%，处于近一年来29%分位点[27]

价格总体趋势 - 2025年11月CPI同比上涨0.7%，涨幅较10月扩大0.5个百分点，创2024年3月以来新高[2][4] - 11月PPI同比下降2.2%，环比上涨0.1%，连续两个月保持正增长[2][8] - 核心CPI同比上涨1.2%，连续3个月保持在1%以上，反映居民消费内生动力逐步恢复[4] 消费者价格指数(CPI)驱动因素 - CPI同比回升核心驱动力为食品价格由降转涨与翘尾因素改善（较上月提升0.6个百分点）[4] - 食品价格由10月下降2.9%转为上涨0.2%，对CPI同比拉动由负转正，扭转了自2025年2月以来连续同比为负的局面[5] - 鲜菜价格环比上涨7.2%（远高于历史同期均值0.7%），同比由降转涨14.5%，成为最主要拉动项[5] - 国际金价传导下，CPI其他用品和服务环比上涨1.2%，其在分项中权重约15%，成为核心CPI的重要支撑[4] 生产者价格指数(PPI)结构分化 - 上游行业中，煤炭开采和洗选业、煤炭加工价格环比分别上涨4.1%和3.4%[8] - 有色金属矿采选业、冶炼压延加工业价格环比分别上涨2.6%和2.1%，同比涨幅分别达20.2%和7.8%[8] - 国际油价震荡偏弱导致石油和天然气开采业价格环比下降2.4%，精炼石油产品制造价格下降2.2%[8] 未来展望与风险 - 能繁母猪存栏已降至3990万头，2026年下半年生猪供应或将实质性收缩，支撑猪肉价格走高[10] - 风险提示包括海外经济体政策不确定性和外部需求下滑[11]