核心观点 - 大股票池配置继续偏向价值风格，成长因子在沪深300和中证500中得分偏低，但在中证1000中仍保持靠前[3][9] - 大类资产配置中黄金配置比例提高至上限20%，A股配置相应下降，债券观点偏弱[3][27] - 市场关注点从流动性转向PPI，PPI关注度在10月末超越经济成为最受关注变量[3][29][30] - 行业选择倾向于对经济敏感但对信用不敏感的偏价值行业，如钢铁、煤炭、建筑装饰等[3][31] 各宏观指标方向与资产配置观点 经济前瞻指标 - 2025年12月处于9月以来上升周期末期，预计未来将持续下行，模型提示下期可能提前进入下行趋势[15] - 2025年11月PMI和PMI新订单指标均为49.2，相比上月有所上升[15] - 固定资产投资完成额累计同比、产量挖掘机当月同比、贸易差额当月同比均位于上升周期中，预计分别在2026年4月、4月和3月到达顶部拐点[15] 流动性指标 - 11月利率整体维持平稳，长短期利率都略高于均线，短端利率与均线位置相对更接近[23] - 货币净投放为0.26（与均值偏差的标准差倍数），信号偏松；超储率1.24%，低于历史同期，信号偏紧[23] - 综合流动性指标指向略偏紧，综合信号为-1[23] 综合信用指标 - 社融存量同比连续2个月下行，信号为-1；居民和企事业单位贷款占比有所好转，信号为1[27] - 信用综合指标本身指向偏好，信用价格类指标信号均为1[27] 大类资产配置 - 黄金配置比例因动量回升重新提高至上限20%[3][27] - A股配置权重为60%，观点中性偏多；债券配置权重为20%（国债10%、企业债10%），观点偏空[27] 市场关注点 - 2024年通胀（通缩）关注度较高，2024年9月后流动性持续为最受关注变量[29] - 经济、PPI相关关注度近期持续回升，10月末PPI关注度小幅超越经济，成为最受关注变量[29][30] - 市场对后续需求回升的关注度突出[30] 宏观视角下的行业选择 - 行业配置倾向于选择对经济敏感、对信用不敏感的行业[3][31] - 对经济最敏感的行业包括公用事业、煤炭、建筑装饰、钢铁、综合、银行[31] - 综合得分最高的行业包括钢铁、煤炭、建筑装饰、银行、商贸零售、交通运输[31]

核心观点 - 大股票池配置整体偏向价值风格，成长因子得分偏低，沪深300和中证500中价值因子均为共振因子，中证500不再配置成长因子[3][9] - 大类资产配置中黄金配置比例提高至20%上限，A股配置相应下降，债券观点偏弱[3][28] - 市场关注点出现变化，PPI关注度在10月末超越经济因素，成为当前最受关注的变量[3][29][30] - 经济前瞻指标显示2025年12月处于上升周期末期，预计未来将开始下行[3][15] 大股票池配置分析 - 当前宏观各维度修正后方向为经济好转、流动性偏弱和信用收缩，与上期一致[9] - 因子选择策略主要按照对经济敏感、对信用不敏感的标准选择得分前三的因子[3][9] - 沪深300配置成长、价值、红利因子；中证500配置价值、低波动率、短期反转、小市值因子；中证1000配置成长、低波动率、小市值因子[10] - 11月沪深300中的成长因子IC转弱，价值、红利因子维持强势表现；中证500中价值因子出现反弹[10] 宏观指标方向与资产配置 经济前瞻指标 - 2025年12月处于9月以来上升周期的末期，预计未来将持续下行[15] - 2025年11月PMI和PMI新订单指标均为49.2，相比上月有所上升[15] - 固定资产投资完成额累计同比、挖掘机产量当月同比、贸易差额当月同比均位于上升周期中，预计分别在2026年4月、4月和3月到达顶部拐点[15] 流动性状况 - 11月综合流动性指标指向略偏紧，综合信号为-1[24] - 利率整体维持平稳，长短期利率都略高于均线，短端利率与均线位置相对更接近[24] - 货币净投放为0.26，信号维持宽松；超储率为1.24%，低于历史同期水平[24] 信用指标 - 信用综合指标本身指向偏好，信用价格类指标信号为1（宽松）[27] - 社融存量同比连续2个月下行，信号为-1；信用结构指标汇总信号为0.33[27] - 结构项中居民和企事业单位贷款占比有所好转[27] 大类资产配置 - 黄金配置比例提高至20%上限，A股配置下降至60%[28] - 债券配置权重为20%（国债10%、企业债10%），商品和美股配置权重为0%[28] - 配置调整基于经济上行、流动性偏紧、信用收缩的环境判断[28] 市场关注点变化 - 根据Factor Mimicking模型计算，PPI关注度在10月末小幅超越经济因素[29][30] - 2024年通胀（通缩）关注度较高，2024年9月后流动性持续为最受关注变量[29] - PPI成为最受关注变量提示市场对后续需求回升的关注度突出[30] 行业选择视角 - 行业配置倾向于选择对经济敏感、对信用不敏感的行业，整体仍偏价值[3][32] - 对经济最敏感的行业包括公用事业、煤炭、建筑装饰、钢铁、综合、银行[32] - 综合得分最高的行业包括钢铁、煤炭、建筑装饰、银行、商贸零售、交通运输[32]

量化模型与构建方式 1. 模型名称：基于因子的灵活非决定性资产配置 (FIFAA) **模型构建思路**：将量化方案的学术性/规范性与主观方案的前瞻性/灵活性进行组合，使用基于历史数据得到的量化结果与主观观点转换成资产-因子暴露的预期结果进行叠加[15] **模型具体构建过程**： 1. **构建宏观因子**：选择低相关、数量有限、经济逻辑清晰的宏观因子，要求具有可投资性/简洁性[15][20]。本文选择"经济增长、利率、通胀"三个因子[20][30]。经济增长因子用万得全A指数代表，利率因子用中债国债总财富指数代表，通胀因子用南华工业品/南华农产品/南华能化/南华黑色指数等权复合代表[20][30] 2. **资产向因子映射（计算历史风险载荷）**：使用岭回归计算每个资产相对于宏观多因子的风险载荷（beta）[32]。岭回归在传统回归中加入了对于系数的二范数的惩罚项，回归形式为： $$y\,=\,X W\,=\,w_{1}x_{1}+\cdots+w_{n}x_{n}$$ 其损失函数为： $$L(w)\,=\,\sum_{i=1}^{n}(y_{i}-\sum w_{j}x_{i j})+\lambda\sum w_{j}^{2}$$ 其中y为资产收益，X为因子收益，w为待求系数，λ为惩罚项系数，本文λ选择1.0[32][34]。使用12个月的日频数据，月度滚动计算[32] 3. **资产向因子映射（计算主观风险载荷）**：将主观观点转化为"资产-因子"数值关系[35]。对于单资产单因子的有偏beta*，有如下关系： $$\beta_{f}^{*}\,=\,(1\quad F_{f})\,{\binom{\beta_{f}}{\beta_{!f}}}$$ 其中Ff为风格f相对于所有其他风格的单因子回归系数向量，βf为资产相对于风格f的多因子回归无偏系数，β!f为资产相对于除f外其他风格的多因子回归无偏系数[35][36]。向量化得到： $$\beta^{*}\,=\,F\beta^{*}$$ 其中F为m*m矩阵，其ij元素为风格i相对于风格j的回归系数，且对角线为1；β为资产相对于所有风格的多因子回归无偏系数[38]。则可推导出基于主观观点的无偏beta估计： $$\beta=F^{-1}\beta^{*}$$ 本文简化处理，利用资产价格走势的相对反转特性，对比资产近期动量变化与对应因子的动量变化来调整风险暴露[40]。具体地，对比资产近两个月的历史12个月涨跌幅变动值与对应因子近两个月的历史12个月涨跌幅变动值大小，当资产变动值大于风格变动值，则beta降低，调整系数设为0.8，反之设为1.2[40]。调整系数矩阵A示例为： | 资产/因子 | 万得全A | 标普500 | 中债国债 | 商品指数复合 | |---|---|---|---|---| | 中证红利全收益 | 0.80 | 0.00 | 0.00 | 0.00 | | 国证成长全收益 | 1.20 | 0.00 | 0.00 | 0.00 | | 国信价值全收益 | 1.20 | 0.00 | 0.00 | 0.00 | | 恒生指数 | 0.80 | 0.00 | 0.00 | 0.00 | | 纳斯达克100 | 0.00 | 1.20 | 0.00 | 0.00 | | 中债新综合 | 0.00 | 0.00 | 0.80 | 0.00 | | 黄金 | 0.00 | 0.00 | 0.00 | 0.80 | [40] 调整后主观风险载荷矩阵计算为： $$\tilde{B}\;=\;(A\cdot B)(F^{-1})^{T}$$ 最终采用历史风险载荷矩阵和主观风险载荷矩阵等权结合[43] 4. **组合优化**：对风格敞口无偏好，优化目标为在风格敞口差异尽量小的条件下最大化预期收益[44]。优化目标和约束条件为： $$m a x(w^{T}r)$$ $$s.\,t.\,w^{T}I\;=\;1$$ $$a b s(w^{T}\beta_{i}-w^{T}\beta_{j})<0.1*m a x(a b s(w^{T}\beta_{i}),a b s(w^{T}\beta_{j}))$$ 其中r为资产预期收益，w为待求最优权重，β为风险载荷[44]。预期收益设置：对于国内权益和港股使用"乐观-中性-悲观"预期三档，中性预期下年化收益设置为10%，当前价格高于历史95%分位数时预期收益为-15%，低于历史5%分位数时预期收益为25%；其他资产使用历史三年年化收益作为预期收益[44] 5. **再平衡**：允许一定程度的因子敞口偏离，以降低调仓频率和费用，本文采用月度再平衡[18][45] **模型评价**：该方法将量化和主观优点结合，提供了新的资产配置思路，即使在模型构建时做了较多简化，优化结果相对于多资产等权提供了更高的收益和风险收益比[2][26] 模型的回测效果 1. FIFAA模型（历史载荷优化组合） 年化收益13.63%，年化波动11.47%，最大回撤-18.97%[49][50] 2. FIFAA模型（调整载荷优化组合） 年化收益15.43%，年化波动16.46%，最大回撤-33.86%[49][50] 3. 资产等权组合（基准） 年化收益10.32%，年化波动11.91%，最大回撤-25.27%[49][50] 4. 不同风险载荷调整系数结果对比 - 系数=0.1：年化收益15.16%，年化波动16.42%，最大回撤-37.50%[57] - 系数=0.2：年化收益15.43%，年化波动16.46%，最大回撤-33.86%[57] - 系数=0.3：年化收益15.29%，年化波动16.29%，最大回撤-32.58%[57] - 系数=0.4：年化收益15.39%，年化波动15.95%，最大回撤-31.50%[57] - 系数=0.5：年化收益15.30%，年化波动15.73%，最大回撤-30.51%[57] 5. 不同预期收益设置结果对比 - 基准组合（历史3年年化收益）：历史载荷组合年化收益13.96%，调整载荷组合年化收益15.00%[69] - 中性预期=5%：历史载荷组合年化收益15.27%，调整载荷组合年化收益15.90%[70] - 中性预期=10%：历史载荷组合年化收益13.63%，调整载荷组合年化收益15.26%[71] - 中性预期=15%：历史载荷组合年化收益13.96%，调整载荷组合年化收益14.93%[72]

核心观点 - 报告基于Nelson-Siegel模型构建收益率曲线，将曲线变动预测转化为对水平、斜率、曲率三个因子的预测 [3] - 通过引入政策利率、市场基准利率、斜率因子和曲率因子，有效提升了水平因子方向预测的胜率 [4] - 基于收益率曲线预测构建的久期轮动策略回测表现良好，能长期跑赢比较基准，获得显著且稳健的超额收益 [5] - 截至2025年10月31日，久期轮动策略生成的最新信号为10，表明模型当前看好长久期利率债，建议配置 [6] 债券久期轮动现象与策略框架 - 不同期限债券品种呈现“收益-风险-流动性”的权衡特征，短期债券（1-3年）久期低、波动低但再投资风险显著，长期债券（10-30年）票息保护高但暴露于利率风险与流动性折价 [10] - 资金在利率周期中呈现“逐利迁移”，市场预期利率下行时长债因久期杠杆效应成为进攻工具，利率风险攀升时短债凭借抗跌性成为防御工具 [10] - 2009年1月4日至2025年10月31日回测区间内，10年以上期限国债总收益最高达152.82%，年化收益5.67%，但年化波动4.75%和最大回撤14.52%也最高 [12] - 短债收益来源于相对可控的骑乘收益，长债收益以对利率变动高度敏感的资本利得为主导，通过定量预测利率曲线变动在长短债间轮动配置有望实现收益增强 [14] 利率曲线的建立与Nelson-Siegel模型应用 - 使用2006年3月1日至2025年10月31日中债国债即期收益率日频数据，期限从0.25年至10年，即期利率随期限增加均值增大、波动减小，平均利率曲线单调向上 [21] - 对历史即期利率进行主成分分析，提取的前三个主成分分别代表利率曲线的平移、斜率变化和曲率变化 [26] - Nelson-Siegel模型利用水平、斜率、曲率三个因子描述收益率曲线动态变化，模型在固定参数后可用最小二乘法估计三因子，能较好拟合正常、反向、峰型、水平等不同类型期限结构 [29][31][37] - 水平因子与10年期即期利率高度相关，负斜率因子与期限利差（10Y-3M）相关，曲率因子与“子弹策略（2*2Y）-杠铃策略(3M+10Y)”利差相关，三因子具有明确的经济解释意义 [41][42][43][45] - 研究聚焦3个月至10年期限结构，符合学术与市场惯例，且10年期国债是对利率方向变化最敏感、流动性最好的标的，超长期限可能干扰信号提取 [47] 即期收益率的预测与模型改进 - 斜率因子和曲率因子序列平稳，可直接使用一阶自回归模型建模；水平因子非平稳，利用其一月差分序列的平稳性构建AR模型预测未来三个月水平因子 [52][53] - 原始AR模型对斜率因子、曲率因子的方向预测胜率分别为61.62%和63.13%，但对水平因子的方向预测胜率仅为53% [54][55] - 模型改进一：引入政策利率（MLF、SLF、OMO）和市场基准利率（R007、DR007），发现水平因子围绕MLF波动具备均值回复特性，使用OMO可将水平因子方向预测胜率提升至53.85% [56][57][59][65] - 模型改进二：引入斜率因子和曲率因子，在利率倒挂期间，改进模型二（OMO结合斜率曲率因子）将水平因子方向预测胜率从AR模型的58.62%进一步提升至62.07% [71][75][77] 基于收益率曲线的国债久期轮动策略 - 策略步骤：选定预测模型预测未来三个月三因子值，代入N-S模型计算预测即期利率，进而计算各期限零息债券的预期持有期收益率，选择预期收益率最高的期限配置相应久期债券 [83] - 信号小于3配置1-3年指数，3至5之间配置3-5年指数，5至7之间配置5-7年指数，大于等于7配置7-10年指数，月频调仓不考虑成本 [83] - 回测表明各模型绝对收益均超过各期限指数和等权指数，改进模型表现优于原始模型，其中引入OMO结合斜率曲率因子的改进模型二效果最佳 [84][87] - 最佳久期轮动策略（OMO+斜率因子+曲率因子）在2009年6月1日至2025年10月31日回测区间内总收益率达110.37%，最大回撤为5.36%，显著优于7-10年指数的最大回撤7.23% [92] - 策略在多数年份均实现正超额收益，如2011年超额1.96%，2015年超额2.52%，2018年超额2.08%，2024年超额2.67%，展现出长期稳健的超额收益能力 [95]

根据研报内容，以下是关于量化模型和因子的总结： 量化模型与构建方式 1. **模型名称：Black-Litterman模型（BL模型）**[26] * **模型构建思路**：BL模型是对传统均值-方差模型（MVO）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[26] * **模型具体构建过程**：报告跟踪了两种国内资产BL策略[27] * **BL策略1**：认为市场均衡权重未知，每月末使用各资产过去五年的历史收益作为市场均衡收益率Π，并指定风险厌恶系数δ的值（例如δ=10）由于风险厌恶系数和目标波动率存在对应关系，指定δ便相当于指定了目标波动率[33] * **BL策略2**：对市场均衡权重进行人为指定（股:债:转债:商品:黄金=10:80:5:2.5:2.5），使用各资产过去五年的历史收益作为市场均衡收益率Π，反解市场风险厌恶系数δ此时每一期的δ是动态变化的，相当于每一期的目标波动率也在变化[33] 2. **模型名称：风险平价模型**[32][35] * **模型构建思路**：风险平价模型的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该模型从各资产（因子）的预期波动率及预期相关性出发，计算得到初始资产配置权重下各资产（因子）对投资组合的风险贡献，然后对各资产（因子）实际风险贡献与预期风险贡献间的偏离度进行优化，从而得到最终资产配置权重[35] * **模型具体构建过程**：构建过程分三步第一步，选择合适的底层资产（报告中使用8类国内资产）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同时，采用过去五年的日度收益率估计协方差矩阵，用于提升协方差矩阵的估计稳定性[35] 3. **模型名称：基于宏观因子的资产配置策略**[40][41] * **模型构建思路**：该框架建立了一个宏观研究与资产配置研究的桥梁，通过构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将对于宏观的主观观点进行资产方面的落地[40] * **模型具体构建过程**：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，给定一个主观因子偏离值，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在计算因子暴露时，使用基于先验信息的Lasso回归，并采用滚动重采样（Bootstrap）的方式提高稳健性，即在每月末以过去10年为滚动窗口期，随机挑选起始日期并取长度为2年的时间序列作为输入变量，重复采样3000次，最终取回归结果的中位数作为因子暴露值[41] 模型的回测效果 1. **国内资产BL策略1**，2025年收益3.58%[4][31]，9月收益0.19%[4]，最大回撤1.31%[4][31]，年化波动2.19%[4][31]，夏普比率1.177[19]，卡玛比率2.732[19] 2. **国内资产BL策略2**，2025年收益3.18%[4][31]，9月收益0.20%[4]，最大回撤1.06%[4][31]，年化波动1.99%[4][31]，夏普比率1.096[19]，卡玛比率2.992[19] 3. **国内资产风险平价策略**，2025年收益3.12%[4][39]，9月收益0.18%[4]，最大回撤0.76%[4][39]，年化波动1.34%[4][39]，夏普比率1.582[19]，卡玛比率4.098[19] 4. **基于宏观因子的资产配置策略**，2025年收益3.42%[4][46]，9月收益0.48%[4]，最大回撤0.65%[4][46]，年化波动1.32%[4][46]，夏普比率1.837[19]，卡玛比率5.235[19] 5. **全球资产BL策略1**，2025年收益0.99%[50]，9月收益0.26%[50]，最大回撤1.64%[50]，年化波动1.98%[50]，夏普比率-0.005[19]，卡玛比率0.604[19] 6. **全球资产BL策略2**，2025年收益2.07%[50]，9月收益0.25%[50]，最大回撤1.28%[50]，年化波动1.63%[50]，夏普比率0.656[19]，卡玛比率1.616[19] 7. **全球资产风险平价策略**，2025年收益2.58%[50]，9月收益0.21%[50]，最大回撤1.20%[50]，年化波动1.47%[50]，夏普比率1.075[19]，卡玛比率2.160[19] 量化因子与构建方式 1. **因子名称：宏观因子体系**[40][41] * **因子的构建思路**：构造了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系[40] * **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[41] 因子的回测效果 （报告中未提供宏观因子本身的独立测试结果，如IC值、IR等）

因子选择策略 - 因子选择方法结合宏观量化观点与因子动量，对共振因子进行重点配置，非共振因子则根据其属性（市值/基本面或价量/分析师预期）分别参考宏观结果或因子动量结果[1] - 当前宏观维度修正后方向为经济好转、流动性偏弱和信用宽松，因子选择标准为对经济敏感、对流动性不敏感、对信用敏感[1] - 沪深300指数中，成长、低波动率、分析师预期等因子在2025年多个时间段内被选中；中证500指数中，成长、盈利、低波动率等因子持续被选中；中证1000指数中，成长、低波动率、小市值等因子表现突出[2] - 2025年9月，沪深300中的成长因子维持强势，盈利和分析师预期因子表现出色，中证500中的成长因子也表现优异[3] 宏观经济前瞻指标 - 经济前瞻指标模型显示2025年10月处于底部拐点，预计未来3个月小幅上行，随后进入平台期，本轮上行时间较上月预测有所延长[5] - 2025年9月PMI和PMI新订单指标分别为49.8和49.7，相比上月有所上升，经济前瞻指标位于2025年9月以来的上升周期中[5] - 多项领先经济指标处于上升周期：固定资产投资完成额累计同比、粗钢产量当月同比、挖掘机产量当月同比、工业企业利润总额累计同比、社会消费品零售总额当月同比均位于上升周期[5] - 产量:粗钢:当月同比指标位于2025年6月以来的上升初期，预计持续上行至2026年4月达到顶部；金融机构新增人民币贷款居民户短期指标位于2025年5月以来下降周期的底部，预计未来开始上升；M2同比指标位于7月以来的下降周期初期，预计未来3月小幅上行后继续下降[8] - 社会消费品零售总额当月同比指标位于9月以来的上升周期初期，未来继续上升[9] - PMI新订单指标位于2025年9月以来的上升周期初期，预计2025年12月达到顶部；固定资产投资完成额累计同比位于2025年9月以来上升周期初期，预计12月达到峰值[10] 流动性环境分析 - 流动性判断基于利率水平、货币净投放和超储率，综合信号为-3~3的整数，数值越大越紧缩[11] - 2025年9月利率信号转向偏紧（综合信号为1），但货币净投放维持偏松（0.71），超储率高于历史同期（1.22%），综合流动性指标维持略偏松[12] - 2025年7月和8月的综合流动性信号均为1，显示略偏松环境[12] 信用状况评估 - 信用指标分为价格、总量和结构三个维度，当前信用价格指标偏宽松（信号为1），信用总量指标中性偏正（信号为0.5），信用结构指标偏弱（信号为-1）[15] - 综合信用指标小幅正向，但信用总量指标本月重新回落，信用结构各细分指标均偏弱[15] 大类资产配置观点 - 当前经济上行、流动性偏紧、信用较好的环境下，债券观点转弱，黄金因动量强势进行顶格配置（权重20%），A股配置略有降低（权重59.36%）[16] - 大类资产配置中，A股中性偏多，黄金偏多，商品偏空，债券偏空，美股中性[16] 市场关注点变化 - 通过Factor Mimicking模型跟踪市场关注点，2023年以来信用和通胀关注度较高，去年924行情以来流动性持续为最受关注变量[17] - 近期经济和PPI相关关注度持续回升，2025年9月末经济关注度已经超越流动性，进入交替期[17] 行业配置策略 - 结合经济上行、流动性偏紧、信用乐观的宏观环境，行业选择倾向于对经济敏感、对流动性不敏感、对信用敏感的行业[19] - 对经济最敏感的行业包括公用事业、煤炭、综合；对流动性最不敏感的行业包括美容护理、银行、食品饮料；对信用最敏感的行业包括传媒、有色金属、家用电器[19] - 综合得分最高的行业包括公用事业、家用电器、轻工制造、美容护理、建筑材料、银行[19] - 本期行业选择成长属性明显下降，防御属性和消费属性提升，均衡程度较高[20]

核心观点 - 报告认为经济前瞻指标在2025年10月出现底部拐点，预计未来3个月将小幅上行[12]，宏观环境呈现经济好转、流动性偏弱和信用宽松的格局[8] - 因子选择策略略偏向均衡，对经济敏感、对流动性不敏感、对信用敏感的因子得分靠前，成长因子因经济指标转好而宏观得分略有下降，但结合动量后仍被选中[8] - 在大类资产配置上，黄金因动量强势获得顶格配置（权重20%），A股配置略有降低（权重59.36%），债券观点转弱[24] - 市场关注点正从流动性转向经济，9月末经济关注度已超越流动性[26] 宏观指标方向与资产配置观点 - 经济前瞻指标开始上升，2025年10月处于底部拐点，预计未来3个月小幅上行后进入平台期，此轮上行时间较上月预测有所延长[12][13] - 具体领先指标显示，2025年9月PMI为49.8，PMI新订单为49.7，均较上月上升；固定资产投资完成额累计同比、粗钢产量当月同比、挖掘机产量当月同比、工业企业利润总额累计同比、社会消费品零售总额当月同比均处于上升周期中[13] - 流动性环境方面，9月利率继续回升，长端利率快速上升超过均线，短端利率略高于均线，信号转向偏紧；但货币净投放仍在0以上维持宽松信号，超储率1.22%高于历史同期，综合流动性指标维持略偏松[20][22] - 信用指标在2024年下半年偏弱后，2025年以来有所回升，但本月信用总量指标重新回落，信用结构偏弱，综合信用指标小幅正向[23] - 大类资产配置权重为：A股59.36%、黄金20%、国债10.64%、企业债10%，商品和美股配置为0[24] 因子选择策略 - 当前宏观各维度修正后方向为经济好转、流动性偏弱和信用宽松，因子选择策略侧重于对经济敏感、对流动性不敏感、对信用敏感的因子[8] - 在主要指数中，沪深300的成长因子仍为共振因子；中证500的因子选择结果相对转向均衡；中证1000中低波因子继续为共振因子[8] - 2025年10月因子选择结果显示，沪深300选中成长、低波动率、大市值、分析师预期因子；中证500选中成长、盈利、价值、低波动率、短期反转因子；中证1000选中成长、低波动率因子[9] 市场关注点变化 - 市场最受关注的变量发生变化，2023年以来信用和通胀关注度较高，近阶段尤其是2024年9月24日行情以来流动性持续为最受关注变量[26] - 经济和生产价格指数相关关注度近期持续回升，至2025年9月末，经济关注度已超越流动性，交替期当月无最受关注变量[26] 行业配置建议 - 基于经济上行、流动性偏紧、信用乐观的宏观背景，行业配置倾向于选择对经济敏感、对流动性不敏感、对信用敏感的行业[27] - 对经济最敏感的行业包括公用事业、煤炭、综合；对流动性最不敏感的行业包括美容护理、银行、食品饮料；对信用最敏感的行业包括传媒、有色金属、家用电器[27] - 综合得分最高的行业包括公用事业、家用电器、轻工制造、美容护理、建筑材料、银行[27] - 本期行业选择的成长属性明显下降，防御属性和消费属性提升，均衡程度较高[29]

核心观点 - 报告核心观点为经济前瞻指标出现底部拐点，未来3个月预计小幅上行，因子选择策略因此略偏向均衡 [1][3] - 大类资产配置中黄金维持顶格配置，A股配置略有降低，债券观点转弱 [3][24] - 市场关注点从流动性转向经济，行业选择上成长属性下降，防御与消费属性提升，均衡程度较高 [3][28][30] 因子选择策略 - 定量指标显示经济开始回升、流动性略偏松、信用指标略好，微观映射修正后宏观维度方向为经济好转、流动性偏弱和信用宽松 [8] - 本期主要选择对经济敏感、对流动性不敏感、对信用敏感的得分前三因子，经济指标转好导致成长的宏观得分略有下降 [3][8] - 结合动量后，成长因子在沪深300中仍为共振因子，中证500因子选择转向均衡，中证1000中低波继续为共振因子 [3][8] - 2025年10月沪深300选中成长、低波动率、大市值、分析师预期因子，中证500选中成长、盈利、价值、低波动率、短期反转因子，中证1000选中成长、低波动率因子 [9] 宏观经济指标分析 - 经济前瞻指标模型提示2025年10月处于底部拐点，预计未来3个月小幅上行后进入平台期，本轮小幅上行时间较上月预测有所延长 [3][12] - 2025年9月PMI为49.8，PMI新订单为49.7，相比上月上升，多项领先指标如固定资产投资完成额累计同比、粗钢产量当月同比等均位于上升周期中 [12][17] - 9月利率继续回升，长端利率快速上升超过均线，短端利率略高于均线，信号转向偏紧，但货币净投放为0.71（标准差倍数）维持宽松，超储率1.22%高于历史同期，综合流动性指标维持略偏松 [3][20][22] - 信用总量指标重新回落，信用结构偏弱，但综合信用指标仍为小幅正向 [3][23] 大类资产配置 - 当前经济上行、流动性偏紧、信用较好，债券观点转弱，黄金因动量强势进行顶格配置20%，A股配置略有降低至59.36% [3][24] - 激进型组合中商品配置0%，美股配置0%，国债配置10.64%，企业债配置10% [24] 市场关注点与行业选择 - 市场关注点自2023年以来以信用和通胀为主，近阶段尤其是2024年9月24日行情后流动性持续为最受关注变量，但9月末经济关注度已超越流动性 [3][26][28] - 行业配置倾向于选择对经济敏感、对流动性不敏感、对信用敏感的行业，本期成长属性明显下降，防御属性、消费属性提升 [3][28][30] - 对经济最敏感行业包括公用事业、煤炭、综合，对流动性最不敏感行业包括美容护理、银行、食品饮料，对信用最敏感行业包括传媒、有色金属、家用电器 [28] - 综合得分最高行业为公用事业、家用电器、轻工制造、美容护理、建筑材料、银行 [28]

核心观点 - 2025年7月国内权益资产表现优异，中证1000、南华商品指数、沪深300等主要指数涨幅显著，而国债指数出现轻微回调 [8][9] - 风险平价策略在2025年表现最佳，年收益达2.65%，最大回撤0.76%，年化波动1.46% [2][21] - 基于宏观因子的资产配置策略表现稳健，2025年收益2.59%，最大回撤0.65%，年化波动1.35% [21][43] - 全球资产配置策略中，风险平价策略表现最优，2025年收益2.13%，最大回撤1.2% [52] 大类资产表现 - 7月涨幅：中证1000(4.8%)、南华商品指数(3.8%)、沪深300(3.54%)、中证转债(2.87%)、恒生指数(2.78%) [8] - 2025年累计涨幅：恒生指数(21.46%)、SHFE黄金(23.34%)、中证1000(11.81%)、中证转债(10.09%) [9] - 资产相关性：沪深300与国债指数近一年相关性-38.08%，国债指数与商品指数相关性44.36% [16] 资产配置策略表现 - BL策略1：2025年收益2.4%，7月收益0.55%，最大回撤1.31% [21][33] - BL策略2：2025年收益2.34%，7月收益0.41%，最大回撤1.06% [21][33] - 风险平价策略：夏普比率1.264，卡玛比率3.477，显著优于均衡配置策略 [21][42] - 宏观因子策略：采用增长、通胀等六大因子构建，8月调整因子暴露为增长(-1)、利率(-1)、汇率(1) [47] 全球资产配置 - 全球BL策略1：2025年收益0.87%，最大回撤1.64% [52][69] - 全球BL策略2：2025年收益1.51%，最大回撤1.28% [52][70] - 全球风险平价策略：历史年化收益5.97%，最大回撤3.91% [71] 宏观观点 - 增长因子：预期未来有向下偏离风险，7月PMI连续四个月低于荣枯线 [45] - 利率：7月末shibor隔夜利率1.39%，预计8月可能略微下降 [45] - 汇率：美联储降息预期或缓解人民币汇率压力 [45] - 流动性：DR007维持低位震荡，8月整体平稳 [45]

量化模型与构建方式 1. **模型名称**：宏观因子风险平价模型 - **模型构建思路**：参考Fama-MacBeth方法，通过单变量时序回归计算资产对宏观风险因子的风险载荷，结合半衰期加权平滑载荷波动，最终通过风险平价优化配置底层资产[12][22][23] - **模型具体构建过程**： 1. **数据选择**：宏观因子包括经济增长（工业增加值/消费预测）、利率（国债指数）、通胀（CPI/PPI预测）、信用（企业债指数）等；资产覆盖中证全指、恒生指数、国债、商品等[20] 2. **风险载荷计算**：滚动36个月数据回归资产收益与宏观因子，公式为： $$r_{t}=\alpha_{t}+B\cdot f_{t}+\varepsilon_{t}$$ 其中B为风险载荷矩阵，f为因子收益[23] 3. **风险贡献优化**：基于风险平价目标，要求各宏观因子风险贡献相等，权重计算通过： $$\%\text{RC}\ =(w^{T}\cdot B)_{i}\cdot\frac{\partial\sigma_{P}}{\partial(w^{T}\cdot B)_{i}}/\sigma_{P}$$ 并采用12个月半衰期加权历史载荷[24] - **模型评价**：相比资产风险平价，模型提高了收益和波动弹性，但受资产价格波动滞后影响可能产生误差[37] 2. **模型名称**：股债相关性预测模型 - **模型构建思路**：借鉴AQR方法，将股债相关性拆解为经济增长波动、通胀波动、两者相关性三变量，并加入通胀水平因子提升解释度[42][48] - **模型具体构建过程**： 1. **变量定义**：经济增长波动（工业增加值/消费同比）、通胀波动（CPI/PPI同比）、相关性（3年滚动窗口计算）[48] 2. **回归模型**： $$r_{t}^{s}-E_{t-1}r_{t}^{s}=b_{\bar{\varepsilon}}^{s}e_{t}^{\bar{\varepsilon}}+b_{\bar{\varepsilon}}^{s}e_{t}^{\bar{\varepsilon}}$$ $$r_{t}^{b}-E_{t-1}r_{t}^{b}=b_{g}^{b}e_{t}^{g}+b_{n}^{b}e_{t}^{n}$$ 滞后1个月宏观数据后，解释度仍保持较高水平[53] 3. **预测应用**：滚动3年窗口计算系数，结合一致预测数据生成未来股债相关性方向[54] --- 模型的回测效果 1. **宏观因子风险平价模型** - 年化收益：9.86%（有半衰期） vs 5.93%（资产风险平价）[29] - 年化波动：9.55% vs 2.53%[29] - 最大回撤：-14.30% vs -3.45%[29] - 分年度表现：2016年收益37.24%，2021年14.63%[32] 2. **股债相关性预测模型** - 三变量模型R²：0.610，四变量模型提升至0.767[51] - 经济增长波动系数：-0.0307（显著负贡献）[51] - 通胀波动系数：0.0836（显著正贡献）[51] --- 量化因子与构建方式 1. **因子名称**：经济增长因子 - **构建思路**：通过工业增加值/消费预测等权合成，反映经济周期变化[20] - **具体构建**：月度环比预测值标准化后等权加权[20] 2. **因子名称**：通胀因子 - **构建思路**：结合CPI/PPI预测捕捉价格变动风险[20] - **具体构建**：环比预测值正交化后等权合成[21] 3. **因子名称**：信用因子 - **构建思路**：以企业债指数收益代表信用利差变化[20] - **具体构建**：正交化处理经济增长和利率因子后保留特异性风险[25] --- 因子的回测效果 1. **经济增长因子**：在股债相关性模型中贡献显著负向风险（t=-12.092）[51] 2. **通胀因子**：四变量模型中系数0.0836（t=5.375），且通胀水平因子额外贡献0.0269（t=8.759）[51] 3. **信用因子**：与权益多空因子相关性矩阵显示低相关性（Carry相关性0.2）[41]