基金限购现象分析 核心观点 - 近期基金行业出现多类型产品集中限购现象，包括主动权益、量化策略、QDII等，限购行为从绩优产品扩散至多元策略产品，反映基金公司对资金管理、策略执行和行情预判的全面权衡 [1][7] - 限购动因从传统的业绩驱动（如防止资金过快涌入稀释收益）扩展到分红安排、份额调整、清盘准备等技术性原因，以及行业政策导向变化（如"限薪令"推动规模导向转向业绩导向） [5][6] - 限购潮背后隐含市场风格轮动预警，尤其是小盘股占优环境下量化策略面临规模与流动性矛盾，同时QDII产品因额度稀缺主动控制申购以稳定持仓 [7][8] 绩优产品限购特征 - 年内涨幅居前基金集中限购：中欧数字经济混合（年内涨超60%）、永赢睿信混合（涨46.91%）、信澳匠心回报混合（涨65.97%）等均设置100万元以下申购上限 [2] - QDII高弹性产品限购突出：汇添富香港优势精选（QDII）年内回报144.41%居市场第一，7月28日起暂停申购以避免非理性资金稀释收益 [3] - 量化策略产品规模敏感性强：诺安多策略上半年净值涨近60%，规模从7.72亿膨胀至25亿后启动5000元限购，防止策略失效 [3][4] 限购驱动因素分类 业绩与规模管理 - 广发成长领航一年持有混合（年内回报超90%）限制单日申购5万元，控制资金流入节奏 [3] - 国金量化多因子、招商成长量化等"绩优+小盘"策略产品因规模承载力有限，设置1万-500万元不等限额 [4] 技术性原因 - 广发均衡成长混合因新增F份额（直销专属）限制C类份额单日申购1万元、F份额15万元 [5] - 分红前限购防套利：海富通悦享一年、东方红欣和积极等基金在8月初分红前设限 [6] - 清盘风险隔离：大成丰华稳健六个月等发起式基金提前限制申购以避免放大清盘成本 [6] 行业政策影响 - "限薪令"推动激励模式从规模导向转向业绩导向，头部公募主动控制规模以保护净值表现和持有人利益 [6] 市场风格关联 - 小盘股行情下量化策略限购密集，如诺安多策略、国金量化多因子等面临"买不进卖不出"的流动性矛盾 [7] - QDII产品因额度稀缺主动限购（如汇添富香港优势精选），优先保障老持有人利益 [7] - 限购行为从"爆款信号"转变为基金公司成熟度的体现，强调合理节奏吸纳稳定资金 [8]

量化模型与构建方式 1. **模型名称：预期成长策略** - **构建思路**：通过分析师预期增速（gf）筛选高成长性行业，优先配置预期增速最高的资产[5][6] - **具体构建过程**： 1. 计算行业预期净利润增速 $$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，其中 $NI$ 为净利润，$E_t$ 为分析师预期[21][23] 2. 按 $g_{fttm}$ 排序，选取Top组行业（如无烟煤、电力电子等）[14][35] 3. 动态跟踪优势差 $\Delta gf = g_{fttm}^{Top} - g_{fttm}^{Bottom}$，确保头部资产趋势持续[21][23] 2. **模型名称：实际成长策略** - **构建思路**：基于业绩动量（$\Delta g$）筛选超预期行业，聚焦成长期资产[6][25] - **具体构建过程**： 1. 计算行业实际净利润增速 $$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$[25][27] 2. 结合超预期因子（sue、sur、jor）筛选 $\Delta g$ 最高的行业（如聚氨酯、PCB等）[38] 3. 监控优势差 $\Delta g = g_{ttm}^{Top} - g_{ttm}^{Bottom}$[25][27] 3. **模型名称：盈利能力策略** - **构建思路**：在PB-ROE框架下选择估值合理的优质资产[5][40] - **具体构建过程**： 1. 计算行业ROE及PB，回归残差 $$Residual = PB - \alpha \cdot ROE$$，选取低残差行业（如锂电池、啤酒等）[40] 2. 结合ROE优势差（$\Delta ROE$）判断基本面拐点[29] 4. **模型名称：质量红利策略** - **构建思路**：综合股息率（DP）和ROE筛选高分红且盈利稳定的资产[43] - **具体构建过程**： 1. 对行业DP和ROE标准化打分，加权求和 $$Score = w_1 \cdot DP + w_2 \cdot ROE$$[43] 2. 选取高分行业（如公交、玻璃纤维等）[43] 5. **模型名称：价值红利策略** - **构建思路**：结合股息率（DP）和市净率（BP）挖掘低估值高分红资产[47] - **具体构建过程**： 1. 计算行业DP和BP标准化值，加权排序[47] 2. 优选高分行业（如网络接配及塔设、非乳饮料等）[47] 6. **模型名称：破产价值策略** - **构建思路**：筛选低PB和小市值（SIZE）的潜在反转资产[51] - **具体构建过程**： 1. 计算行业PB和SIZE的逆序得分 $$Score = -w_1 \cdot PB - w_2 \cdot SIZE$$[51] 2. 选取最低分行业（如贸易Ⅲ、印染等）[51] --- 模型的回测效果 1. **预期成长策略**：年化收益26.70%，2019年后超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[16][35] 2. **实际成长策略**：长期超额显著，2025年8月Top行业近3月平均收益81.60%（PCB）[38] 3. **盈利能力策略**：2016-2020年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[40] 4. **质量红利策略**：2016-2017年超额显著，2025年8月Top行业近3月平均收益32.58%（玻璃纤维）[43] 5. **价值红利策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益110.06%（网络接配及塔设）[47] 6. **破产价值策略**：2021-2023年超额显著，2025年8月Top行业近3月平均收益17.24%（印染）[51] --- 量化因子与构建方式 1. **因子名称：预期净利润增速（$g_{fttm}$）** - **构建思路**：反映分析师对未来盈利增长的预期[21][23] - **具体构建**：$$g_{fttm} = \frac{E_t[NI_{t+1}] - NI_t}{NI_t}$$，滚动12个月计算[23] 2. **因子名称：实际净利润增速（$g_{ttm}$）** - **构建思路**：衡量历史业绩动量[25][27] - **具体构建**：$$g_{ttm} = \frac{NI_t - NI_{t-1}}{NI_{t-1}}$$，TTM口径[27] 3. **因子名称：PB-ROE残差** - **构建思路**：识别ROE驱动下被低估的资产[40] - **具体构建**：回归残差 $$Residual = PB - \hat{\alpha} \cdot ROE$$[40] 4. **因子名称：DP+ROE复合因子** - **构建思路**：兼顾分红与盈利质量[43] - **具体构建**：标准化后线性加权 $$Score = Z(DP) + Z(ROE)$$[43] 5. **因子名称：DP+BP复合因子** - **构建思路**：平衡分红与估值[47] - **具体构建**：标准化后加权 $$Score = Z(DP) + Z(BP)$$[47] --- 因子的回测效果 1. **$g_{fttm}$**：优势差（$\Delta gf$）扩张时策略超额显著，2025年8月Top组增速较Bottom组高15%[21][23] 2. **$g_{ttm}$**：优势差（$\Delta g$）缓升，2025年8月头部行业增速差7%[25][27] 3. **PB-ROE残差**：低残差组合在2016-2020年IR达1.2[40] 4. **DP+ROE**：2016年IR峰值1.5，2023年回升至0.8[43] 5. **DP+BP**：2021-2023年IR稳定在1.0以上[47]

根据研报内容，以下是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：信贷脉冲择时模型** - **模型构建思路**：基于企业中长期贷款TTM同比增速构建择时信号，利用信贷周期领先经济数据的特性进行市场趋势判断[14] - **模型具体构建过程**： 1. 计算企业中长期贷款TTM同比增速 2. 方向上行时满仓，方向下行时空仓[14] 3. 信号触发基于3-4年的信贷周期规律[14] - **模型评价**：历史表现优异，能有效规避市场大跌行情[14] 2. **模型名称：Beta离散度择时模型** - **模型构建思路**：通过衡量市场局部情绪过热程度进行月度择时[17] - **模型具体构建过程**： 1. 计算全市场个股Beta值的离散程度 2. 当指标超过历史阈值时提示风险[17] - **模型评价**：对市场极端情绪有较强识别能力[17] 3. **模型名称：交易量能择时模型** - **模型构建思路**：利用成交量与换手率布林带指标判断市场活跃度[17] - **模型具体构建过程**： 1. 计算60日成交量均值与标准差 2. 构建量能情绪得分（0-1标准化）[17] - **模型评价**：高频择时效果显著[17] 4. **模型名称：三指标复合择时模型** - **模型构建思路**：等权复合信贷脉冲、Beta离散度、交易量能三个指标[18] - **模型具体构建过程**： 1. 对三个指标进行标准化处理 2. 采用等权重加权综合信号 3. 不定期调仓（平均2周调整）[18] - **模型评价**：综合效果优于单指标[18] 5. **模型名称：成长价值轮动模型** - **模型构建思路**：结合基本面、估值面、情绪面信号进行风格配置[36] - **模型具体构建过程**： 1. 基本面信号：盈利斜率周期（成长）、利率周期（价值）、信贷周期（价值） 2. 估值面信号：PE/PB估值差分位数均值回归 3. 情绪面信号：换手差与波动差分析[36] - **模型评价**：多维度信号互补性强[36] 6. **模型名称：小盘大盘轮动模型** - **模型构建思路**：类似成长价值模型但侧重市值维度[41] - **模型具体构建过程**： 1. 盈利周期利好小盘，利率/信贷周期利好大盘 2. 估值面采用小盘大盘PE/PB差分位数 3. 情绪面分析换手差与波动差[41] 7. **模型名称：四风格轮动模型** - **模型构建思路**：整合成长价值和小盘大盘模型的输出[44] - **模型具体构建过程**： 1. 将成长价值和小盘大盘信号矩阵相乘 2. 生成小盘成长/价值、大盘成长/价值四个象限配置比例[44] 量化因子与构建方式 1. **因子名称：信贷脉冲因子** - **因子构建思路**：反映企业融资意愿的领先指标[14] - **因子具体构建过程**： $$ \text{信贷脉冲} = \frac{\text{企业中长期贷款TTM余额}}{\text{去年同期值}} - 1 $$ 采用HP滤波去趋势处理[14] 2. **因子名称：Beta离散度因子** - **因子构建思路**：捕捉市场非理性波动[17] - **因子具体构建过程**： $$ \text{Beta离散度} = \sqrt{\frac{1}{N}\sum_{i=1}^N (\beta_i - \bar{\beta})^2} $$ 其中$\beta_i$为个股相对全A指数的Beta值[17] 3. **因子名称：量能情绪因子** - **因子构建思路**：标准化市场交易活跃度[17] - **因子具体构建过程**： 1. 计算60日成交量布林带上下轨 2. 当前成交量相对布林带位置标准化为0-1分[17] 模型的回测效果 1. **信贷脉冲择时模型** - 年化收益率：10.83%（2009-2025）[14] - 最大回撤：显著低于基准[14] 2. **Beta离散度择时模型** - 年化收益率：13.12%（2013-2025）[17] - IR：1.25[17] 3. **交易量能择时模型** - 年化收益率：14.33%（2013-2025）[17] 4. **三指标复合模型** - 年化收益率：19.98%（2013-2025）[18] - 年化换手率：24倍[18] 5. **短期择时策略** - 年化收益率：16.71%（2012-2025）[27] - 最大回撤：27.70%[27] 6. **成长价值轮动模型** - 年化收益率：11.65%（2012-2025）[37] - 超额收益：4.74%[37] 7. **小盘大盘轮动模型** - 年化收益率：12.32%（2012-2025）[42] 8. **四风格轮动模型** - 年化收益率：13.22%（2012-2025）[44] 因子的回测效果 1. **信贷脉冲因子** - 当前分位数：0.00%（5年）[24] 2. **Beta离散度因子** - 当前分位数：69.49%（5年）[25] 3. **量能情绪因子** - 当前分位数：92.31%（5年）[25]

大类资产配置展望 - 预计8月A股市场将震荡走强，短期内可能存在一定波动，港股市场整体节奏与A股保持一致 [2] - 成长风格可能相对占优，红利板块表现一般，建议关注高景气投资板块 [2] - 国内等待更多利好政策出台，海外市场对9月降息预期下降，需关注关税谈判进展 [2] 权益市场模型分析 - 权益宏微观月度低频择时模型从基本面(30%)、资金面(30%)、国际面(20%)、估值面(10%)、技术面(10%)五个维度评估万得全A指数 [27] - 模型测算时间2015.12.31-2025.07.31，策略年化超额收益率17.05%，超额胜率79.13% [24][25] - 8月模型综合评分为0分，历史数据显示0分信号时胜率较高，预计市场将震荡偏强 [30] 美股与黄金市场 - 美股与黄金呈现反向对冲关系，风险偏好切换导致资金在两类资产间流动 [70] - 美股估值处于历史高位，标普500市盈率(TTM)28.41，历史分位数93.4%，存在技术性回调压力 [84][85] - 黄金风险度54.88，处于中等水平，央行持续购金和美元信用动摇为其提供长期支撑 [76][79] 债券市场 - 7月国债收益率震荡抬升，10年期国债收益率上行6bp至1.70%，期限利差走阔至32.37bp [100] - 经济数据显示内需有待扩张，6月CPI同比0.1%，PPI同比-3.6%，制造业PMI49.3处于收缩区间 [101][107] - 货币政策维持宽松基调，政府债券发行加速，关注流动性配合情况 [115][117] 行业日历效应 - 历史数据显示8月份各行业整体偏弱，军工表现相对优秀，9月份煤炭、通信、非银等行业涨幅靠前 [58] - 成长风格在8月可能表现较佳，消费、金融风格在9月通常占优 [56] - 建议关注军工、通信与医药板块的提前布局机会 [58]

市场表现 - 中证全指下跌0.4% [1] - 沪深300大盘股略微下跌，中小盘股下跌较多 [3] - 港股科技股下跌超2% [6] - 固收+类品种如月薪宝、365继续上涨 [8] 风格轮动 - A股成长风格前几天上涨较多，价值风格低迷，今日价值风格强势，红利、价值指数上涨，创业板等成长风格下跌 [4] - 上交所股票价值风格为主，牛市弹性小但熊市跌幅小；深交所股票成长风格为主，牛市弹性大但熊市跌幅大 [17] - 盈亏同源，不同风格在不同市场周期表现差异显著 [18] 指数差异与历史表现 - 上证指数仅涵盖上交所股票，未包含深交所及创业板股票 [9][10] - 2019-2021年牛市期间，深证成指上涨124%，创业板指上涨超150%，上证指数仅上涨49% [12][13] - 2021年后熊市中，上证指数最大回撤29.4%，深证成指回撤52.9%，创业板指回撤58.6% [14] - 2023年5.9星反弹以来，上证指数上涨37.6%，深证成指上涨46.9%，创业板指上涨61.2% [15][16] 中证系列指数优势 - 中证全指覆盖沪深两市全部上市公司，2019-2021年上涨约80%，2021年初达6000多点（3点几星） [20][21] - 中证全指比单一市场指数更稳定，当前4000多点对应5点几星，5000多点对应4点几星，6000多点对应3点几星 [23] - 2015年泡沫期，中证全指最高达8000多点 [24] ETF估值工具 - 「今天几星」小程序新增「ETF估值表」功能，支持查看主流ETF核心数据、实时估值、历史估值及折溢价率 [26][27][35] - 功能包括自选ETF添加、指数估值数据查询等 [29] 投资者策略 - 定投低估优质份额可摊薄成本，长期持有是关键 [32] - 好收益需结合好价格、好品种及长期坚持 [33] 估值数据 - 中证价值市盈率10.93，股息率4.00%；中证800市盈率15.37，股息率2.18% [38] - 创业板市盈率33.80，市净率4.37；标普500市盈率24.90，市净率5.30 [38] - 绿色品种为低估适合定投，黄色为正常暂停定投，红色为高估 [40]

纪要涉及的行业或公司 未明确提及特定公司，主要围绕金融投资领域的风格轮动研究，涉及市场风格轮动框架构建及相关策略分析 纪要提到的核心观点和论据 - **风格轮动框架构建关键问题**：需选择合适指数描述大小盘及价值成长风格，不同指数效果不同；要考虑宏观周期、市场结构和经济背景等因素驱动的投资者风险偏好转移；风格指数构建要凸显特定风格收益表现，避免过拟合，通过市值占比切分大小盘股票并适当调整调仓频率[1][3][4] - **风格轮动历史案例**：20世纪美国机构投资者观测到大小盘风格切换，法玛和French 1992年提出三因子模型，美林证券2004年提出投资时钟理论；国内2013 - 2015年创业板牛市、2017年供给侧改革体现不同经济周期下不同风格资产表现优异[5] - **量化分析风格轮动**：通过构建多维度回溯验证检验主观认知差异，使用Barra风险模型中的因子分析，市值和价值成长因子重要，实际策略需考虑指数选择[6] - **市场常用指数**：常用沪深300代表大票，中证500代表小票，中证1000近年被认为更像中盘指数，需更小规模指数代表小票；价值与成长需合适股票池或指数界定[1][7] - **国内市场杠铃策略表现**：近年来国内市场大盘与成长风格走弱，小盘与价值（红利）走强，反映投资者缩圈现象；构建风格轮动框架需独立判断大小盘，个股主题ETF需匹配相应策略[1][8] - **市场风格判断及轮动**：中长期核心风格判断依赖宏观和中观指标，短期考虑资金流、情绪和机构等因素；通过定量分析和均线指标确定大小盘及价值成长轮动组合[1][9] - **风格指数构建挑战及解决方法**：市面上风格指数存在过拟合问题，样本容量限制有挑战；构建时不追求过多筛选条件，通过市值占比切分大小盘股票，适当调整调仓频率[10][11] - **实际操作轮动配置**：对宏观、中观、微观趋势打分，配置轮动策略，用均线指标确定轮动组合，按市值占比切分大小盘股票池[12] - **市值分布稳定性及影响**：保持市值分布稳定性可避免频繁调整小盘风格基准，方便进行长时间回溯测试[13] - **成长因子选择及分组**：选择营收增速和净利润增速同比平均值作为成长因子，按一定比例分组，使指数更能代表极致成长风格[14] - **价值指数编制及特点**：采用简单纯粹方法，用E/P和B/P因子，不添加额外因素，更好刻画价值风格，长期表现稳定[15] 其他重要但是可能被忽略的内容 - **长江精工研究计划**：过去12个月进行系统化研究，计划每周进行一个专题汇报，涵盖风格轮动、转债量化等多个专题[2] - **后续汇报安排**：今天进行大框架汇报，明天开始向投资者和领导详细汇报具体策略，周二至周四继续与投资者见面[16]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **市场环境划分模型** - 模型构建思路：通过计算市场收益率和波动率的分位数，将市场划分为不同的环境区间[16] - 模型具体构建过程： 1. 计算沪深300和中证800全收益指数的60日年化收益率和60日年化波动率 2. 计算滚动5年分位数 3. 定义市场环境： - 收益率>0为上涨，反之为下跌 - 波动率分位数<20%为低波，>80%为高波，20%-80%为中波 4. 组合划分出6种市场环境：低波上涨、中波上涨、高波上涨、低波下跌、中波下跌、高波下跌[16] - 模型评价：能够有效识别市场环境，低波上涨环境下市场表现最佳[16] 2. **短期量化择时模型** - 模型构建思路：综合基本面、估值面、情绪面、流动性四个维度的指标信号生成择时信号[18][19][20] - 模型具体构建过程： 1. 基本面指标： - 制造业PMI分位数 - 中长期贷款余额同比增速分位数 - M1同比增速（HP滤波去趋势）分位数 2. 估值面指标： - A股整体PE分位数 - A股整体PB分位数 3. 情绪面指标： - A股整体Beta离散度分位数 - A股整体量能情绪分位数（60日成交量与换手率布林带指标） - A股整体波动率分位数 4. 流动性指标： - 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 5. 对各维度指标信号加权生成总仓位信号[18][19][20] - 模型评价：长期表现优异，能有效控制回撤[20] 3. **成长价值风格轮动模型** - 模型构建思路：基于基本面、估值面、情绪面三个维度的指标信号生成风格配置建议[29] - 模型具体构建过程： 1. 基本面指标： - 盈利斜率周期水平 - 利率综合周期水平 - 信贷综合周期变化 2. 估值面指标： - 成长价值PE差分位数 - 成长价值PB差分位数 3. 情绪面指标： - 成长价值换手差分位数 - 成长价值波动差分位数 4. 对各维度指标信号加权生成风格配置建议[29] - 模型评价：长期能产生稳定超额收益[30] 4. **小盘大盘风格轮动模型** - 模型构建思路：类似成长价值模型，但针对小盘大盘风格[34] - 模型具体构建过程： 1. 基本面指标： - 盈利斜率周期水平 - 利率综合周期水平 - 信贷综合周期变化 2. 估值面指标： - 小盘大盘PE差分位数 - 小盘大盘PB差分位数 3. 情绪面指标： - 小盘大盘换手差分位数 - 小盘大盘波动差分位数 4. 对各维度指标信号加权生成风格配置建议[34] - 模型评价：长期表现优于基准[35] 5. **四风格轮动模型** - 模型构建思路：结合成长价值和小盘大盘模型的输出结果，生成四风格配置建议[39] - 模型具体构建过程： 1. 获取成长价值模型的成长/价值配置比例 2. 获取小盘大盘模型的小盘/大盘配置比例 3. 交叉生成小盘成长、小盘价值、大盘成长、大盘价值四种风格的配置比例[39] - 模型评价：长期超额收益显著[39] 模型的回测效果 1. **市场环境划分模型** - 沪深300在低波上涨环境下： - 未来60日平均年化收益率：18.23% - 胜率：63.65% - 赔率：1.77[17] 2. **短期量化择时模型** - 2012年底至今： - 年化收益率：16.81% - 年化超额收益率：12.44% - 最大回撤：27.70% - 夏普比率：1.0033[24] - 2024年以来： - 年化收益率：29.40% - 最大回撤：11.04% - 夏普比率：1.4977[27] 3. **成长价值风格轮动模型** - 2012年底至今： - 年化收益率：11.71% - 年化超额收益率：4.80% - 最大回撤：43.07% - 夏普比率：0.5409[33] 4. **小盘大盘风格轮动模型** - 2012年底至今： - 年化收益率：12.38% - 年化超额收益率：5.31% - 最大回撤：50.65% - 夏普比率：0.5408[38] 5. **四风格轮动模型** - 2012年底至今： - 年化收益率：13.29% - 年化超额收益率：5.82% - 最大回撤：47.91% - 夏普比率：0.5951[40] 量化因子与构建方式 （报告中未提及具体量化因子，故本部分省略） 因子的回测效果 （报告中未提及具体量化因子，故本部分省略）

报告核心观点 - 报告创新性提出基于赔率和胜率的投资期望结合方式，为价值成长风格切换问题提供定量模型解决方案，最新一期风格轮动模型推荐成长风格，2013 年至今该模型策略年化收益率 27.35%，夏普比率 1.01 [1][4] 分组1：前言 - 创新性提出基于赔率和胜率的投资期望结合方式应对价值成长风格切换问题，后续会在样本外跟踪并定期汇报 [8] - 采用个股因子合成刻画成长和价值风格，价值风格用账面市值比和净利润市值比，成长风格用单季度净利润同比增速等，对因子做市值中性化和标准化处理，选风格暴露前 20%个股为代表组合，周度换仓测算收益 [8] - 上周全市场成长风格组合收益 2.09%，价值风格组合收益 0.29% [1][8] 分组2：赔率 - 赔率指亏损为 1 时盈利的数值，一段收益率序列的赔率等于平均正收益与平均负收益绝对值的比值 [9] - 关注市场风格相对估值水平，用估值差的历史分位数法刻画并基于市场估值修正，包括计算初始估值差、除以全市场估值平均数、计算排位次序百分比 [11] - 市场风格相对估值水平与预期赔率负相关，根据最新估值差分位数，当下成长风格赔率估计为 1.11，价值风格为 1.08 [2][14] 分组3：胜率 - 梳理五个宏观指标和三个微观指标判断胜率，包括十年中债国债到期收益率、美国 6 个月国债收益率等 [16] - 七个胜率指标中 4 个指向成长，3 个指向价值，当下成长风格胜率为 53.87%，价值风格为 46.13% [3][16] 分组4：投资期望及策略收益 - 根据公式计算，最新成长风格投资期望为 0.14，价值风格为 -0.04，风格轮动模型推荐成长风格 [4][18] - 2013 年至今基于投资期望的风格轮动模型策略年化收益率 27.35%，夏普比率 1.01，总收益 1979.07% [4][19]

核心观点 报告围绕量化全天候策略展开，涵盖市场观点、ETF投顾策略、指数基金市场、资金流向及市场表现复盘等内容，指出A股市场风险偏好改善，港股市场暂时承压，各策略表现有差异，指数基金市场有新申报、成立、首发和上市情况，资金流向不同资产类别有别，全球各类资产表现各异[2][5]。 市场观点和ETF交易机会 国内市场 - A股本周成交1.44万亿，国家队买入使流动性风险缩小，风险偏好改善，中证红利领涨，看好三季度军工、半导体、内需消费配置机会[5] 港股市场 - 情绪面回落看空，流动性等较弱，金管局两周内四次承接港币卖盘，累计买入590.72亿港元，7月关税月风险定价悲观，看好地产等板块，国内经济基本面回暖利好港股分子端[5] ETF投顾策略跟踪 鑫选ETF绝对收益策略 - 样本外表现出色，过去三年年化收益14.23%，最大回撤8.6%，夏普比率1.44，2024年初至今总回报35.29%，最新持仓含黄金ETF等[11] 全天候多资产多策略ETF风险平价策略 - 结合多种策略，分散资产，2024年初至今收益率20.85%，最大回撤3.62%，持仓含黄金ETF等[14][16] 中美核心资产组合 - 结合RSRS和反转策略，2015年初至今年化回报34.05%，最新持仓含纳斯达克指数等[20] 高景气/红利轮动策略 - 构建轮动模型，2021年初至今年化收益20.11%，最新持仓含红利低波ETF等[23] 双债LOF增强策略 - 调整权重保证债券持仓占比，2019年初至今年化收益6.79%[26] 结构化风险平价（QDII） - 以国内中长期债券ETF为主，2024年初至今收益率25.58%，最大回撤2.38%[29] 策略表现总览（2024年初至今） - 各策略总收益率、年化收益率、最大回撤、波动率、夏普比率有差异[32] 指数基金新发市场追踪 新申报指数基金 - 本周新申报17只，含3只ETF、5只联接基金[34] 新成立指数基金 - 本周新成立公募基金20只，募集53.28亿元，其中指数基金11只，首发规模32.26亿元[35] 首发基金 - 下周26只指数基金首发，含华富中证A500指数A等[37] 上市基金 - 下周6只基金上市，如易方达国证价值ETF等[38] ETF资金流向 不同资产类别ETF资金流向 - 截至2025年7月4日，A股、债券、商品、跨境ETF本周净申赎金额分别为-136.4亿元、122.9亿元、23.7亿元、91.4亿元[43] A股ETF细分类别资金流 - 宽基ETF净卖出-333.84亿元，科创50获增持，银行等行业增持规模靠前，宽基红利遭抛售[44] 跨境ETF细分市场资金流 - 跨境ETF本周净买入92.91亿元，香港ETF获增持88亿元[48] 商品类ETF资金流 - 黄金ETF获增持23.18亿元[52] 市场表现复盘 全球大类资产表现回顾 - 各类资产本周、近一个月、年初至今涨跌情况不同，如中证红利本周涨1.93%等[56] 一级行业表现回顾 - 各行业本周、近1月、近1年、年初至今涨跌幅及PE、PB十年分位点有差异，如钢铁本周涨5.27%[57] 鑫选ETF池周涨幅TOP35 - 游戏ETF本周涨幅6.77%居首，各ETF年初至今涨跌幅不同，涉及传媒等行业[59]

市场表现 - 上周沪深300指数周涨幅1.54%，上证综指周涨幅1.40%，中证500指数周涨幅0.81%，市场延续上涨但内部结构分化[3] - 增量资金带动A股上攻3500点，但新增资金快速退坡，市场后期或重回震荡[4][5] 基本面分析 - 国内6月官方PMI较5月有所回升，但仍未走出4月贸易战冲击的压力区，经济回升趋势不明确[4] - 美国就业数据呈现巨大波动，4.1%的失业率已消除非法移民干扰，预计后续震荡上行[4] - 美国"大美丽法案"落地，属于财政刺激政策延续而非新增，对经济提振作用有限[4] 技术面分析 - 增量资金突袭推动市场反弹，但资金持续性不足，技术面脉冲信号已兑现[5] - 逆势增量资金带动A股冲高，但最新监控显示增量资金退潮[5] 仓位建议 - 主板建议重回中等仓位，因增量资金退坡且资金方向波动大[5] - 中小市值板块建议跟随主板重回中等仓位，风格转向均衡[5] 行业关注 - 短期动量模型建议关注银行行业[5]