核心市场观点 - 市场在短期内依旧会维持震荡 [1][2] 量化指标与市场状态 - 基于沪深300指数的流动性冲击指标为0.03，低于前一周的0.50，表明当前市场流动性高于过去一年平均水平0.03倍标准差 [2] - 上证50ETF期权成交量的PUT-CALL比率震荡下降至0.83，低于前一周的1.02，显示投资者对上证50ETF短期走势的谨慎程度下降 [2] - 上证综指和Wind全A五日平均换手率分别为1.01%和1.62%，分别处于2005年以来的67.38%和74.13%分位点，表明交易活跃度有所上升 [2] - 当前全市场PE（TTM）为21.7倍，处于2005年以来的71.9%分位点 [2] - 情绪模型信号再次回落，均线强弱指数处于历史50%分位点左右，市场趋势有待观察 [1][2] 宏观与事件因素 - 人民币汇率震荡，上周在岸和离岸汇率周涨幅分别为0.12%、0.03% [2] - 中国11月官方制造业PMI为49.2，高于前值49，但低于Wind一致预期49.3；标普全球中国制造业PMI为49.9，低于前值50.6 [2] - 日历效应显示，2005年以来12月上半月，上证综指、沪深300、中证500、创业板指上涨概率分别为70%、65%、55%、60%，涨幅均值分别为1.81%、2.45%、1.55%、-0.02% [2] - 海外市场普遍认为美联储12月降息概率较大 [2] - 国内险资股票投资风险因子调降10%，可能提升保险公司入市力度 [2] 市场回顾 - 上周（20251124-20251128），上证50指数上涨0.47%，沪深300指数上涨1.64%，中证500指数上涨3.14%，创业板指上涨4.54% [2] 因子与行业拥挤度观察 - 小市值因子拥挤度为0.16，下降明显；低估值因子拥挤度为-0.65；高盈利因子拥挤度为-0.09；高盈利增长因子拥挤度为0.05 [3] - 通信、有色金属、综合、电力设备和电子行业的拥挤度相对较高 [3] - 机械设备和国防军工行业的拥挤度上升幅度相对较大 [3]

核心观点 - 市场情绪综合得分在报告期内继续快速回落，从情绪角度看观点偏空，整体市场情绪呈现弱修复与结构性分化并存的状态 [2][8] - 从风格和行业角度看，当前模型提示大盘风格与价值风格占优，通信等行业短期得分快速提升，部分高拥挤度板块领涨明显 [2][40] 情绪模型观点 - 截至2025年12月5日，市场情绪指标数值为2.4，较上周五的3.15大幅降低，情绪得分保持快速下滑 [2][8] - 价量一致性指标周内再度回落，表明市场价量匹配程度下降，资金关注度与标的涨幅相关性同步走弱，情绪端出现一定降温 [2][11][12] - 本周全A成交额较上周环比下降2.35%，平均日成交额为16961.78亿元，市场成交活跃度降低，其中12月1日成交额达近期最高的18894.49亿元人民币 [2][15] - 科创50相对全A成交占比继续下滑，表明市场风险偏好仍维持在低位区间 [2][11][18] - 行业间交易波动率小幅下降，显示资金在行业间切换节奏放缓，流动性边际趋弱 [2][11][23] - 行业涨跌趋势性指标维持在布林带上界高位震荡，表明行业观点一致性较强，板块beta效应延续 [2][11][26] - 融资余额占比保持上行并创近三年新高，显示杠杆资金情绪持续升温，市场风险偏好结构性回暖 [2][11][28] - RSI指标虽周内小幅回升但仍位于布林带下界附近，短期上行动能偏弱，投资者情绪整体趋谨慎 [2][11][31] - 主力资金净流入维持高位震荡，买入力度较强，机构资金进场意愿有所提升 [2][11][35] 其他择时模型观点 - 根据均线排列模型，截至2025年12月5日，通信、家用电器、国防军工、社会服务、建筑材料等行业短期得分上升趋势靠前 [2][40] - 从行业短期得分数值看，石油石化、纺织服饰、家用电器、基础化工、轻工制造是短期得分最高的行业，其中石油石化当前短期得分为79.66，为短期得分最高行业 [2][40] - 截至2025年12月5日，平均拥挤度最高的行业分别为国防军工（0.997）、农林牧渔（0.913）、轻工制造（0.903）、传媒（0.877）、综合（0.827） [43] - 拥挤度最低的行业分别为有色金属（0.117）、公用事业（0.093）、电力设备（0.093）、汽车（0.057）、钢铁（0.053） [43] - 本周拥挤度与周内涨跌幅相关系数为-0.03，两者无明显相关性 [2][45] - 近期国防军工、通信等高拥挤度板块领涨明显，拥挤资金快速流入导致涨幅显著放大，短期仍有上冲惯性 [2][45] - 建筑材料、轻工制造等拥挤度同样较高且涨幅稳健，显示出较强的进攻属性 [2][45] - 计算机、建筑装饰、电力设备、公共事业等低拥挤度板块涨幅相对落后 [2][45] - 当前RSI风格择时模型提示大盘风格占优信号，信号提示强度较弱，但5日RSI相对20日RSI迅速上升，未来信号存在加强可能 [2][49] - 模型同时维持提示价值风格占优信号，但5日RSI相对20日RSI迅速上升，未来信号强度可能出现进一步减弱 [2][49]

报告核心观点 - 报告重点介绍了三种量化选股策略：戴维斯双击策略、净利润断层策略和沪深300增强组合，并展示了其历史回测及本年度的优异表现 [1][3][4] - 戴维斯双击策略在2010-2017年回测期内实现了**26.45%**的年化收益，超额基准**21.08%**，且年度超额收益稳定性强 [3][7] - 净利润断层策略自2010年至今取得了**29.22%**的年化收益，年化超额基准**26.34%**，本年度累计绝对收益高达**63.03%**，超额基准指数**39.07%** [3][11] - 基于投资者偏好因子构建的沪深300增强组合，历史回测超额收益稳定，本年度相对沪深300指数超额收益为**17.41%** [3][17] 戴维斯双击组合 - 策略核心是以较低市盈率买入成长潜力股，待成长性显现、市盈率提高后卖出，获取EPS和PE的乘数效应收益 [3][6] - 在2010-2017年回测期内，策略实现了**26.45%**的年化收益，超额基准**21.08%**，且在回测期内的7个完整年度里，每个年度的超额收益均超过了**11%**，稳定性好 [3][7] - 截至2025年12月5日，策略本年度累计绝对收益为**48.89%**，超额中证500指数**24.92%**；本期组合自2025年5月6日调仓以来，超额基准指数**9.09%** [3][8] - 全样本（2010年至2025年12月5日）数据显示，策略绝对收益年化为**24.31%**，超额收益年化为**20.95%** [7] 净利润断层组合 - 策略是基本面与技术面共振的选股模式，核心在于“净利润”（业绩超预期）和“断层”（盈余公告后首日股价向上跳空）[3][10] - 具体构建方法为：每期筛选过去两个月内满足业绩超预期事件的股票，按照盈余公告日跳空幅度排序，取前50只股票等权构建组合 [10] - 策略自2010年至今取得了**29.22%**的年化收益，年化超额基准**26.34%** [11] - 截至2025年12月5日，策略本年度累计绝对收益高达**63.03%**，超额基准指数**39.07%**；本周超额收益为**-0.33%** [3][11] - 全样本（2010年至2025年12月5日）数据显示，策略绝对收益年化为**29.22%**，超额收益年化为**26.34%** [11] 沪深300增强组合 - 策略基于对优秀基金的归因，将投资者偏好分为GARP型、成长型和价值型，并构建相应因子 [3][13] - GARP型因子通过PB与ROE分位数之差（PBROE）寻找低估值高盈利股票，通过PE与增速分位数之差（PEG）寻找低估且有成长潜力的公司 [3][13] - 成长型因子关注公司的成长性，通过营收、毛利、净利润增速寻找高速成长股票 [13] - 价值型因子偏好具有长期稳定高ROE的公司 [13] - 基于上述投资者偏好因子构建的增强组合，历史回测超额收益稳定 [17] - 截至2025年12月5日，该组合本年度绝对收益为**33.92%**，相对沪深300指数的超额收益为**17.41%**；本周超额收益为**0.06%**；本月超额收益为**0.06%** [3][15][17] - 全样本（2010年至2025年12月5日）数据显示，策略绝对收益年化为**10.31%**，超额收益年化为**8.74%** [15]

量化模型与构建方式 1. **模型名称：市场择时体系**[2][7] * **模型构建思路**：通过比较WIND全A指数的长期均线（120日）和短期均线（20日）的相对位置和距离，来区分市场的整体环境（如趋势或震荡）[2][7]。 * **模型具体构建过程**： 1. 计算WIND全A指数的20日移动平均线（MA20）和120日移动平均线（MA120）。 2. 计算两条均线的距离，公式为： $$均线距离 = \frac{MA20 - MA120}{MA120} \times 100\%$$ 3. 设定阈值（报告中提及3%）来判断市场状态。当均线距离绝对值大于3%时，通常认为市场存在趋势；当距离绝对值小于或接近3%时，市场可能处于震荡格局[2][7]。 4. 结合其他技术指标（如5日均线与趋势线的关系）进行综合判断[2][7]。 2. **模型名称：仓位管理模型**[2][8] * **模型构建思路**：结合市场估值水平（PE、PB分位数）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][8]。 * **模型具体构建过程**： 1. 评估市场估值水平：计算WIND全A指数的PE和PB在其历史数据中的分位数[2][8]。 2. 结合短期趋势判断：参考择时体系等模型对市场短期走势的研判[2][8]。 3. 综合估值和趋势信号，输出一个具体的股票仓位建议比例（例如70%）[2][8]。 3. **模型名称：行业趋势配置模型**[2][5][7] * **模型构建思路**：识别各行业板块的中期趋势，筛选出处于上行趋势或显示困境反转信号的行业进行配置[2][5][7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建步骤和公式，仅提及了其输出结果，例如显示电池和工业金属板块延续上行趋势，以及中期困境反转信号关注白酒和非银金融行业[2][5][7]。 4. **模型名称：TWO BETA模型**[2][5][7] * **模型构建思路**：该模型用于行业配置推荐，持续推荐科技板块[2][5][7]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建步骤和公式，仅提及了其输出结果，即继续推荐科技板块，并关注商业航天和消费电子等细分领域[2][5][7]。 模型的回测效果 *本报告为周度市场观点与信号报告，未提供上述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）的具体数值。报告主要展示了模型在当期（2025年12月初）产生的具体信号和配置建议[1][2][5][7][8]。* 量化因子与构建方式 *本报告未涉及具体的股票alpha因子（如价值、动量、质量等因子）的构建与测试。报告内容聚焦于市场择时、行业配置和仓位管理等模型。* 因子的回测效果 *本报告未涉及具体的股票alpha因子的回测效果。*

市场近期表现 - 最近5个交易日，科创50指数下跌0.08%，创业板指上涨1.86%，大盘价值上涨0.74%，大盘成长上涨1.61%，上证50上涨1.09%，国证2000代表的小盘股上涨0.19% [1] - 行业层面，有色金属和通信表现靠前，传媒和房地产表现靠后 [1] 市场估值水平 - 截至2025年12月5日，中证全指PETTM分位数处于80%的高位，上证50与沪深300的分位数分别为75%和72% [1] - 创业板指估值分位数接近49%，处于历史中位数水平，中证500与中证1000的分位数分别为61%和57% [1] 资金交易情况 - 最近5个交易日，ETF资金整体流出14亿元，而融资盘增加约115亿元 [2] - 两市日均成交额为16824亿元 [2] 卷积神经网络趋势观察 - 基于卷积神经网络对图表化价量数据与未来价格进行建模，并将学习特征映射到行业主题板块中 [2][10] - 最新配置主题包括通信、红利低波、创业板动量成长等，具体关注中证通信设备主题指数、中证红利低波动100指数、创业板动量成长指数等细分指数 [2][3][11] 风险溢价指标 - 截至2025年12月5日，中证全指静态市盈率的倒数EP减去十年期国债收益率，即风险溢价指标为2.81%，其两倍标准差上边界为4.72% [1]

量化模型与构建方式 1. **模型名称：成交量模型**[9][12] * **模型构建思路**：基于价量关系进行市场择时，认为成交量变化蕴含市场情绪和趋势信息[9]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 2. **模型名称：特征龙虎榜机构模型**[12] * **模型构建思路**：利用龙虎榜中机构投资者的买卖行为特征来构建择时信号[12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 3. **模型名称：特征成交量模型**[12] * **模型构建思路**：基于更精细或具有特定特征的成交量数据（可能与普通成交量不同）进行择时[12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 4. **模型名称：智能算法模型（沪深300/中证500）**[12] * **模型构建思路**：运用智能算法（如机器学习）对市场数据进行建模，以生成择时信号[12]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 5. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨停和跌停股票的数量或比例等特征来研判市场情绪和强度[9][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 6. **模型名称：上下行收益差模型**[13] * **模型构建思路**：通过计算市场上涨阶段与下跌阶段的收益差异，来衡量市场的内在动能和趋势[9][13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据中存在的特定月份或时间窗口的规律性收益模式进行择时[13]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 8. **模型名称：长期动量模型**[14] * **模型构建思路**：利用长期的价格动量效应，即过去表现较好的资产未来继续表现较好的趋势，进行择时[9][14]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 9. **模型名称：A股综合兵器V3模型**[15] * **模型构建思路**：这是一个综合性的择时模型，可能耦合了多个周期、多个策略的信号，以达到攻守兼备的效果[9][15]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 10. **模型名称：A股综合国证2000模型**[15] * **模型构建思路**：针对国证2000指数构建的综合择时模型[15]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 11. **模型名称：成交额倒波幅模型（港股）**[16] * **模型构建思路**：结合成交额和波动率（波幅）的倒数关系来对港股市场进行择时[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 12. **模型名称：恒生指数上下行收益差模型（港股）**[16] * **模型构建思路**：针对恒生指数，计算其上行与下行的收益差来构建择时信号[16]。 * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤。 13. **模型名称：双底形态选股策略**[42][51] * **模型构建思路**：基于技术分析中的“双底”形态进行选股，该形态通常被视为看涨反转信号[42]。 * **模型具体构建过程**：识别股价走势中形成的两个近似低点（A点和C点）及之间的反弹高点（B点），当股价突破B点与A点连线构成的颈线位时，视为形态突破，产生买入信号[51]。报告展示了具体个股的A、B、C点日期及突破时点[51][54]。 14. **模型名称：杯柄形态选股策略**[42][45] * **模型构建思路**：基于技术分析中的“杯柄”形态进行选股，该形态是持续看涨的整理形态[42]。 * **模型具体构建过程**：识别股价先下跌后回升形成的“U”形杯状区域（A点到B点），随后在一段较小的回调整理（柄部，B点到C点）后，股价放量突破柄部高点，视为形态突破，产生买入信号[45]。报告展示了具体个股的A、B、C点日期及突破时点[45][55]。 15. **模型名称：倒杯子形态风险监控**[60] * **模型构建思路**：识别技术分析中的“倒杯子”形态，该形态被视为典型的负向形态，预示股价可能延续下跌趋势[60]。 * **模型具体构建过程**：在一波下跌后的反弹筑顶过程中，识别顶部形态，当股价再次下跌并实现向下突破时，确认该负面形态[60]。报告展示了具体个股的形态关键点（A、C、E点）[60]。 模型的回测效果 1. **双底形态组合**，本周收益0.13%，同期上证综指涨跌幅0.37%，本周相对收益-0.23%，自2020年12月31日至今累计收益14.14%，累计超额收益1.77%[42]。 2. **杯柄形态组合**，本周收益-0.23%，同期上证综指涨跌幅0.37%，本周相对收益-0.59%，自2020年12月31日至今累计收益10.57%，累计超额收益-1.8%[42]。 3. **上周杯柄形态突破个股**（30只），上周平均超额收益0.09%[43]。 4. **上周双底形态突破个股**（17只），上周平均超额收益1.17%[49]。 量化因子与构建方式 * 报告提及监控了33个“大师系列”量化选股策略，涉及价值型、成长型、综合型，但未详细阐述具体因子的构建方式[35]。 因子的回测效果 * 报告未提供具体因子的测试结果取值。

量化模型与构建方式 1. 短期择时模型 1. **模型名称**：短期择时模型[7][16] 2. **模型构建思路**：通过综合评估基本面、估值面、情绪面和流动性四个维度的多个指标，生成对A股市场的整体择时信号[7][16] 3. **模型具体构建过程**： * 模型包含四个一级指标：基本面、估值面、情绪面、流动性[16] * 每个一级指标下包含若干二级指标，每个二级指标根据其当前值在过去5年的分位数位置，被赋予“乐观”、“谨慎”或“中性”的定性信号[16][19] * 二级指标信号汇总后，形成对应一级指标的定性信号（乐观/谨慎/中性）[16][19] * 最终的总仓位信号由四个一级指标信号综合决定[7][16] * 报告中提及的部分二级指标及其信号生成规则如下[16][17][19]： * **基本面指标**： * 制造业PMI是否>50：若PMI ≤ 50，给出谨慎信号[16][19] * 信贷脉冲环比变化分位数：分位数高（如67.80%）给出乐观信号[16][19] * M1同比增速（HP滤波去趋势）分位数：分位数高（如91.53%）给出乐观信号[16][19] * **估值面指标**： * A股整体PE分位数：分位数高（如94.21%）给出谨慎信号[16][19] * A股整体PB分位数：分位数高（如91.15%）给出谨慎信号[16][19] * **情绪面指标**： * A股整体Beta离散度分位数：分位数中性（如44.07%）给出中性信号[17][19] * A股整体量能情绪分位数：分位数低（如9.59%）给出谨慎信号[17][19] * A股整体波动率分位数：分位数中性（如58.40%）给出中性信号[17][19] * **流动性指标**： * 货币利率指标分位数：分位数低（如30.51%）给出乐观信号[17][19] * 汇率预期指标分位数：分位数低（如30.51%）给出乐观信号[17][19] * 沪深净融资额5日均值分位数：分位数极低（如0.00%）给出乐观信号[17][19] 2. 成长价值风格轮动模型 1. **模型名称**：成长价值风格轮动模型[7][26] 2. **模型构建思路**：从基本面、估值面、情绪面三个维度选取指标，判断成长与价值风格的相对强弱，给出超配建议[26][28] 3. **模型具体构建过程**： * 模型包含三个一级指标：基本面、估值面、情绪面[26][28] * 每个一级指标下包含若干二级指标，每个二级指标根据其当前状态，被赋予利好成长或利好价值的信号，并据此计算出建议的成长/价值配置仓位百分比[26][28] * 最终的综合信号由各维度信号汇总得出[26] * 报告中提及的部分二级指标及其信号生成规则如下[26][28]： * **基本面指标**： * 盈利周期斜率水平：斜率大时利好成长[26][28] * 利率综合周期水平：水平偏高时利好价值[26][28] * 信贷综合周期变化：走强时利好成长[26][28] * **估值面指标**： * 成长价值PE差分位数：估值差均值回归上行中（分位数如34.76%）利好成长[26][28] * 成长价值PB差分位数：估值差均值回归上行中（分位数如41.12%）利好成长[26][28] * **情绪面指标**： * 成长价值换手差分位数：换手差偏高（分位数如75.52%）利好成长[26][28] * 成长价值波动差分位数：波动差反弹至偏高位置（分位数如67.92%）利好均衡（成长价值各50%）[26][28] 3. 小盘大盘风格轮动模型 1. **模型名称**：小盘大盘风格轮动模型[7][30] 2. **模型构建思路**：从流动性等视角选取11个有效轮动指标，构建综合信号来判断小盘与大盘风格的相对强弱[30][32] 3. **模型具体构建过程**： * 模型基于《流动性视角下的市值风格轮动和择时策略》专题报告构建[30] * 共使用11个轮动指标，每个指标独立生成对小盘仓位的建议（0%或100%）[32] * 将11个指标的建议仓位综合，得到最终的小盘/大盘配置信号[30][32] * 报告中列出的11个轮动指标包括：A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、Beta离散度、PB分化度、大宗交易折溢价率、中证1000 MACD(10,20,10)、中证1000交易量能[32] 模型的回测效果 1. 短期择时模型 * **回测区间**：2012年底至今[18] * **年化收益率**：16.41%[18][21] * **基准年化收益率**：4.77%[18][21] * **年化超额收益率**：11.65%[18] * **年化波动率**：14.81%[21] * **最大回撤**：14.07%[18][21] * **夏普比率**：0.9655[21] * **收益回撤比**：1.1667[21] * **月度胜率**：66.24%[21] * **季度胜率**：60.38%[21] * **年度胜率**：78.57%[21] * **2024年以来年化收益率**：29.13%[24] * **2024年以来基准年化收益率**：9.12%[24] * **2024年以来最大回撤**：11.04%[24] * **2024年以来夏普比率**：1.4813[24] * **2024年以来收益回撤比**：2.6388[24] * **2024年以来月度胜率**：72.00%[24] * **2025年以来收益率**：23.44%[18][22] * **2025年以来基准收益率**：13.34%[18][22] * **2025年以来超额收益率**：10.09%[18][22] 2. 成长价值风格轮动模型 * **回测区间**：2012年底至今[27] * **年化收益率**：12.74%[27][29] * **基准年化收益率**：7.97%[27][29] * **年化超额收益率**：4.77%[27] * **年化波动率**：20.80%[29] * **最大回撤**：43.07%[29] * **夏普比率**：0.5853[29] * **收益回撤比**：0.2958[29] * **月度胜率**：58.33%[29] * **季度胜率**：59.62%[29] * **2025年以来收益率**：25.13%[27][29] * **2025年以来基准收益率**：25.96%[27][29] * **2025年以来超额收益率**：-0.84%[27][29] 3. 小盘大盘风格轮动模型 * **综合信号年化收益率**：19.73%[32] * **综合信号年化超额收益率**：12.67%[32] * **综合信号最大回撤**：40.70%[32] * **综合信号胜率（按交易）**：49.57%[32] * **2025年以来超额收益率**：11.66%[31][32] * **各独立指标年化超额收益率范围**：3.65% 至 9.68%[32]（指标包括：融资买入余额变化、大宗交易折溢价率、A股龙虎榜买入强度、R007、主题投资交易情绪、等级利差、期权波动率风险溢价、Beta离散度、PB分化度、中证1000 MACD、中证1000交易量能）

核心观点总结 - 市场情绪指标数值为3.15，较上周五的3.8进一步降低，从情绪角度来看观点偏空[8] - 情绪指标呈现结构性分化但稳中趋缓的状态，价量匹配改善且主力资金回流，但短期上行动能偏弱[12] - 全A成交额环比下降6.87%，平均日成交额为17369.23亿元，市场成交活跃度降低[16] - 模型提示小盘与价值风格占优信号，其中价值风格信号未来可能加强，小盘风格信号未来存在减弱可能[2] - 行业层面，美容护理、传媒、家用电器等行业短期趋势得分上升靠前，纺织服饰、基础化工等是短期趋势最强的行业[2][41] 情绪模型观点总结 - 市场情绪得分周内继续回落，截至11月28日数值为3.15，较上周五的3.8降低[8] - 价量一致性小幅回升，市场价量匹配程度改善，资金关注度与标的涨幅相关性增强[12][13] - 行业间交易波动率小幅下降，显示资金在行业间切换节奏放缓，交易活跃度边际减弱[12] - 行业涨跌趋势性在布林带上界高位震荡，行业观点一致性维持在较高水平[12] - 融资余额占比继续上行并刷新近三年新高，杠杆资金风险偏好持续回升[12][29] - RSI指标周内快速下行并下穿布林带下界，市场短期上行动能偏弱[12][32] - 主力资金净流入周内持续回升，买入力度显著增强，机构资金进场意愿边际改善[12][36] 其他择时模型观点总结 - 均线排列模型显示，美容护理、传媒、家用电器、国防军工、计算机等行业短期趋势得分上升趋势靠前[2][41] - 纺织服饰、基础化工、石油石化、钢铁、电力设备是短期趋势最强的行业，其中纺织服饰短期得分为84.75[2][41] - 行业拥挤度与周内涨跌幅相关系数为-0.12，呈现弱负相关性[2][46] - 电力设备、银行、美容护理、房地产等高拥挤度板块领涨明显，短期有上冲惯性但需警惕高位回调压力[2][46] - 农林牧渔、纺织服饰、非银金融、公用事业等拥挤度较高且涨幅稳健，显示出较强的进攻属性[2][46] - 有色金属、煤炭、石油石化、机械设备、综合等低拥挤度板块涨幅相对落后，资金压力小、估值安全边际高，中长期配置价值突出[2][46] - RSI风格择时模型维持提示小盘风格占优信号，但5日RSI相对20日RSI迅速上升，未来信号存在减弱可能[2][49] - 模型维持提示价值风格占优信号，且5日RSI相对20日RSI迅速降低，未来信号强度可能出现进一步加强[2][49]

市场下周展望 - 市场下周维持震荡可能性较大 [1][2] - 沪深300流动性冲击指标为0.50，高于前一周的0.15，显示当前市场流动性高于过去一年平均水平0.50倍标准差 [2] - 上证50ETF期权PUT-CALL比率为1.02，投资者对短期走势相对谨慎 [2] 技术指标分析 - Wind全A指数处于SAR反转点位之下，均线强弱指数在指数点位上升幅度不大情况下上行，表明市场存在下行可能 [1][2] - 均线强弱指数当前得分为145，处于2023年以来的49.6%分位点 [2] - 情绪模型得分为1分（满分5分），显示市场情绪较弱 [2] 市场交易活跃度 - 上证综指和Wind全A五日平均换手率分别为0.98%和1.59%，处于2005年以来的65.67%和73.47%分位点，交易活跃度有所下降 [2] - 上周人民币在岸和离岸汇率周涨幅分别为0.43%、0.48% [2] 历史日历效应 - 2005年以来12月上半月，上证综指、沪深300、中证500、创业板指上涨概率分别为70%、65%、55%、60% [2] - 同期上述指数涨幅均值分别为1.81%、2.45%、1.55%、-0.02%，涨幅中位数分别为2.09%、2.58%、1.03%、0.77% [2] 上周市场表现 - 上周上证50指数上涨0.47%，沪深300指数上涨1.64%，中证500指数上涨3.14%，创业板指上涨4.54% [3] - 当前全市场PE（TTM）为21.7倍，处于2005年以来的71.9%分位点 [3] 因子拥挤度 - 低估值因子拥挤度为-0.65，继续处于低位 [3] - 小市值因子拥挤度为0.30，高盈利因子拥挤度为-0.04，高盈利增长因子拥挤度为0.02 [3] 行业拥挤度 - 通信、有色金属、综合、电力设备和电子行业的拥挤度相对较高 [4] - 基础化工和银行的行业拥挤度上升幅度相对较大 [4]

根据提供的研报内容，以下是其中涉及的量化模型与因子的详细总结。 量化模型与构建方式 1. **模型名称：短期择时模型**[13][14][16] * **模型构建思路**：该模型从宏观基本面、估值面、情绪面和流动性四个维度，选取多个二级指标进行综合判断，以生成对A股市场的短期仓位信号。 * **模型具体构建过程**： * **第一步：构建一级指标信号**。模型包含四个一级指标：基本面、估值面、情绪面、流动性。每个一级指标下包含若干二级指标。 * **第二步：计算二级指标信号**。每个二级指标根据其当前值在过去5年历史数据中的分位数，被赋予“乐观”（对应信号值1.00）、“中性”（对应信号值0.50）或“谨慎”（对应信号值0.00）的信号。 * **基本面指标**：包括制造业PMI是否大于50、信贷脉冲环比变化分位数、M1同比增速（HP滤波去趋势）分位数[13][16]。 * **估值面指标**：包括A股整体PE分位数、A股整体PB分位数[13][16]。 * **情绪面指标**：包括A股整体Beta离散度分位数、A股整体量能情绪分位数、A股整体波动率分位数[14][16]。 * **流动性指标**：包括货币利率指标分位数、汇率预期指标分位数、沪深净融资额5日均值分位数[14][16]。 * **第三步：合成一级指标信号**。每个一级指标的综合信号由其下属的二级指标信号值简单平均或加权平均得到。 * **第四步：生成总仓位信号**。最终的总仓位信号由四个一级指标的综合信号值再次平均得到，并根据阈值确定最终的仓位建议（例如，高仓位、中性仓位、低仓位）[16]。 2. **模型名称：成长价值风格轮动模型**[23][24][25] * **模型构建思路**：该模型从基本面、估值面、情绪面三个维度分析成长风格与价值风格的相对强弱，以决定超配成长或价值风格。 * **模型具体构建过程**： * **第一步：维度信号分析**。模型在三个维度上分别计算信号： * **基本面**：基于盈利周期斜率、利率综合周期水平、信贷综合周期变化三个指标。例如，盈利周期斜率大时利好成长风格[23][25]。 * **估值面**：基于成长价值PE估值差的分位数和PB估值差的分位数。当估值差的分位数较低，意味着均值回归上行，利好成长风格[23][25]。 * **情绪面**：基于成长价值换手差的分位数和波动差的分位数。换手差偏高利好成长风格[23][25]。 * **第二步：信号合成**：每个维度内的指标信号被综合（例如，加权平均或投票），得出该维度的最终建议仓位（如100%成长/0%价值）。 * **第三步：模型最终决策**：综合三个维度的建议，得出最终的风格配置建议（例如，超配成长）[23][25]。 3. **模型名称：小盘大盘风格轮动模型**[27][28][29] * **模型构建思路**：该模型基于专题研究，从流动性等多个视角选取11个有效指标，构建综合信号来判断小盘风格与大盘风格的轮动机会。 * **模型具体构建过程**： * **第一步：选取有效指标**。模型共使用11个指标，包括A股龙虎榜买入强度、R007、融资买入余额变化、主题投资交易情绪、等级利差、期权波动率风险溢价、beta离散度、pb分化度、大宗交易折溢价率、中证1000MACD(10,20,10)、中证1000交易量能[29]。 * **第二步：生成单个指标信号**。每个指标独立产生一个对小盘风格的仓位建议（0%或100%，或可能的中性仓位），例如，0%表示看空小盘（即看多大盘），100%表示看多小盘[29]。 * **第三步：合成综合信号**。将所有11个指标的信号进行综合（具体方法未在提供内容中详述，可能为平均或投票），得出最终的小盘风格综合仓位信号，其补集即为大盘风格仓位信号[27][29]。 模型的回测效果 1. **短期择时模型**[15][18][19][21] * 年化收益率：16.41%（基准为4.74%） * 年化超额收益率：11.66% * 年化波动率：14.82%（基准为11.60%） * 最大回撤：14.07%（基准为31.41%） * 夏普比率：0.9647（基准为0.2854） * 收益回撤比：1.1664（基准为0.1511） * 月度胜率：66.03%（基准为53.85%） * 2024年以来年化收益率：29.24%（基准为9.02%） * 2024年以来夏普比率：1.4804（基准为0.6509） 2. **成长价值风格轮动模型**[24][26] * 年化收益率：12.40%（基准为7.75%） * 年化超额收益率：4.65% * 年化波动率：20.82%（基准为20.69%） * 最大回撤：43.07%（基准为44.13%） * 夏普比率：0.5704（基准为0.3684） * 收益回撤比：0.2879（基准为0.1757） * 月度胜率：58.06%（基准为55.48%） * 2025年以来收益率：19.75%（基准为22.28%） 3. **小盘大盘风格轮动模型**[28][29] * 综合策略年化收益率：19.64%（基准未明确给出单一数值，但提及基准为沪深300和中证1000全收益指数的等权组合） * 综合策略年化超额收益率：12.63% * 综合策略最大回撤：40.70% * 2025年以来超额收益率：10.82% * 部分单一指标年化超额收益率示例：融资买入余额变化（5.66%）、中证1000交易量能（9.63%）[29] 量化因子与构建方式 1. **因子名称：Beta离散度**[12][14][16][29] * **因子构建思路**：用于衡量市场中个股收益率相对于市场基准收益率（Beta）的分散程度，反映市场共识度和交易主线明确性。 * **因子具体构建过程**：报告中未提供具体的计算公式，但指出该指标的分位数被用于情绪面分析。当Beta离散度偏高时，通常给出谨慎信号[14][16]。 2. **因子名称：PB分化度**[12][29] * **因子构建思路**：用于衡量市场中个股市净率（PB）的离散程度，反映估值层面的分化情况。 * **因子具体构建过程**：报告中未提供具体的计算公式，但指出该指标被用于情绪面分析和大小盘轮动模型。PB分化度下行被视为谨慎信号[12][29]。 3. **因子名称：量能情绪**[14][16][29] * **因子构建思路**：综合交易量能信息，反映市场交易活跃度和情绪强弱。 * **因子具体构建过程**：报告中未提供“量能情绪得分”的具体计算公式，但指出其分位数被用于情绪面分析。量能情绪偏弱时给出谨慎信号[14][16]。在大小盘轮动中，“中证1000交易量能”作为一个独立指标使用[29]。 4. **因子名称：成长价值估值差（PE/PB）**[23][25] * **因子构建思路**：计算成长风格与价值风格在估值指标（如PE中位数、PB中位数）上的差异，并通过其历史分位数判断均值回归方向。 * **因子具体构建过程**：报告中未提供具体的差值计算公式，但使用了“成长价值PE差分位数”和“成长价值PB差分位数”的概念。当这些差分位数较低时，认为估值差有均值回归上行的动力，利好成长风格[23][25]。 5. **因子名称：成长价值换手差/波动差**[23][25] * **因子构建思路**：计算成长风格与价值风格在换手率、波动率上的差异，反映市场对不同风格的情绪偏好和风险偏好。 * **因子具体构建过程**：报告中未提供具体的差值计算公式，但使用了“成长价值换手差分位数”和“成长价值波动差分位数”。例如，换手差偏高被认为利好成长风格[23][25]。 因子的回测效果 （注：提供的研报内容主要展示了整合这些因子的模型整体表现，未单独列出上述因子的独立回测绩效指标，如IC值、IR等。因此，此部分根据要求跳过。）