债券税收政策调整 - 核心观点：8月8日起新发国债、地方债、金融债利息收入恢复征收增值税，取消原有免税政策[1][4] - 政策细节：仅针对利息收入中的增值税（原免税部分），不同投资者类型及券种税率差异显著（公募基金国债/地方债利息收入税率0%，其他资管产品非金融企业债利息收入税率27.45%）[3][4][5] 市场影响分析 - 新老划断效应：存续老券不受影响，新发债券需缴税，推动市场偏好转向老券（30年国债价格先跌后涨）[6] - 券种分化： - 利率债（国债、政金债）因续发机制短期影响有限，收益率或贴近老券[8] - 银行/券商金融债新发需全额缴税，收益率需补偿税收溢价[8] - 信用债因原有税率不变，与利率债税收差异收窄，相对利差缩小[9][10] 财政与机构影响 - 财政动机：上半年全国税收收入同比下降1.2%，政府性基金收入降2.4%，政策旨在拓宽财政收入来源[13][14][15] - 金融机构： - 银行/券商发债成本边际上升，自营债券收益税负增加，但对保险/券商利润影响微弱[16] - 银行受影响略显著，但整体对股价冲击有限[17] 投资者策略 - 个人投资者实际影响较小，无需过度反应[18][19] - 机构投资者需调整券种配置策略，关注老券与信用债的相对价值[6][9][12] 资产配置观点（非债券相关） - FOF基金经理建议： - 长期配置应注重地区分散与均衡（如创新药、军工板块）[21][24] - 区分长期逻辑与短期变量，避免追涨一致预期[22][24] - 市场工具推荐：FOF季报可作为资产配置参考，因其贴近普通投资者视角[24]

债券市场波动分析 - 近期债券市场波动加大主要由于"反内卷"政策落地和大宗商品价格上涨推升通胀预期，同时股市热情高涨导致风险偏好回升，债券吸引力下降 [4] - 短期来看风险偏好和通胀预期尚未降温，债市仍面临"逆风期" [4] - 长期影响因素为经济基本面和货币环境，当前经济仍需低利率支持，银行间流动性宽松，债市中长期前景依然积极 [4] 抗波动债券品种 - 久期较长的利率债波动最大，中长期信用债次之，中短期信用债再次，短久期信用债基金和偏货币类产品波动最小 [5] - 偏好稳健或不愿承担波动的投资者可考虑短期信用债基金或偏货币类产品 [5][6] 债券在牛市中的价值 - 债券价值不仅依赖价格涨跌，更关键是其票息提供的稳定现金回报 [7] - 在资产配置中债券可平衡风险、降低波动，是稳健型投资者不可或缺的"压舱石" [7] - 完整投资组合中债券始终有其功能，不同阶段收益不同但作用持续 [7]

债券市场环境 - 宏观政策保持稳定，债券市场情绪有望修复 [1] - 经济基本面和流动性未发生改变，商品和股市的阶段性波动不足以动摇债市基础 [1] - 央行在7月24日资金面异常波动后加大资金投放，使回购利率回落，显示对资金面的呵护态度 [1] - 政治局会议的召开缓解了近期债市投资者的焦虑 [1] 十年国债ETF产品特征 - 产品跟踪上证10年期国债指数，样本为剩余期限7到10年且在上交所挂牌的国债，组合平均久期为7.6年 [1] - 产品实行T+0交易，便于在高波动行情中捕捉波段交易机会 [2] - 产品交易费率低，可提高资金使用效率 [3] - 产品每日公布PCF清单，持仓透明 [4] - 产品可进行质押回购，为投资者参与其他资产投资提供流动性 [4] 十年国债ETF历史表现 - 产品成立以来净值屡创新高，截至一季度末近1年回报率达6.02%，近3年回报率达15.04%，近5年回报率达19.26%，成立至今累计回报率达34.63% [1] - 产品自2018至2024年共7个完整自然年度均保持每年正收益 [1]

市场表现与资金流向 - 早盘三大指数低开高走但市场仍存震荡担忧 [1] - 中证红利ETF单日吸金1.6亿元 [1] - 中证红利ETF十日净流入1.4亿元 [1] - 港股红利低波ETF连续20日净流入5.3亿元 [1] - 中证红利质量ETF十日净流入超2000万元 [1] 红利ETF产品特性 - 港股红利低波ETF采用月度分红机制并支持T+0交易 [3] - 港股红利低波ETF设置5%个股权重上限且可规避股息率陷阱 [3] - 中证红利ETF采用季度分红评估且上市后累计分红13次 [3] - 中证红利ETF过去五年年度分红比例介于4.14%-4.78% [3] - 中证红利质量ETF聚焦盈利能力与财务稳健的成长型企业 [3] 资金流入动因与策略 - 资金因中美会谈扰动及政策纠偏转向红利资产 [4] - 钢铁煤炭化工板块回调推动资金流向高分红资产 [4] - 红利+成长的哑铃策略成为市场主流配置逻辑 [4] - 建议采用515080(40%)+159209(30%)+520550(30%)的跨市场配置方案 [4]

最近梳理二季度各类产品的增量，不得不感叹一句，FOF也是好起来了。 在经历连续三年的规模下滑之后，今年以来，FOF迎来"两连增"，规模连续两个季度回升。曾经不被看 好的FOF，正以一种低调的姿态重新回到增长的路径上来。 Wind数据显示，截至 2025 年二季末， 全市场FOF 基金数量合计 518 只，较上季末增加 6 只。基金规 模合计 1657.1 亿元，较上季末上升 9.7%。 为什么今年以来FOF基金开始受到市场关注？ 这要先从FOF基金本身说起。简单来说，FOF是一种专门投资于其他基金的基金，通过持有多个基金， 实现资产的多元化配置，以分散风险并追求稳健的投资回报。 国泰基金FOF投资部投资总监曾辉做过一个有趣的比喻：管理FOF基金有点像"开餐厅"。 "如果将股票比作FOF产品的原材料，那么单只基金相当于餐厅的半成品，FOF要做的，就是将半成品 加工成成品。这非常考验餐厅的搭配能力，也就是资产配置的能力。" 说到底，FOF基金并不简单的是一种产品，而是提供了关于资产配置的一站式解决方案。 其次，FOF基金顺应了当前低利率环境下的财富管理需求。目前国有大行一年期定存利率已经进入0字 头，在低利率环境 ...

全球黄金需求趋势 - 2025年二季度全球黄金需求总量达1249吨，同比增长3% [1] - 黄金ETF投资是主要驱动力，二季度流入量达170吨，与2024年同期少量流出形成对比 [1] - 亚洲地区黄金ETF流入量达70吨 [1] - 上半年全球黄金ETF需求总量达397吨，创2020年以来最高上半年纪录 [1] 金饰消费市场 - 二季度全球金饰消费总量同比下降14%至341吨，为2020年三季度以来最低水平 [1] - 金饰消费总额同比大增21%至360亿美元 [1] - 中国二季度金饰消费需求降至69吨，同比下降20%，季环比下滑45% [1] - 上半年中国金饰消费需求总量降至194吨，同比下降28% [1] 金饰消费现象分析 - 金饰消费呈现"量跌价涨"现象，反映经济周期与消费结构变化叠加 [2] - 高金价抑制普通消费者购买意愿，年轻群体对金饰实用性需求下降 [2] - 金饰保值属性使其成为部分消费者通胀预期下的资产配置手段 [2] - 中国金饰消费下滑与居民负债率上升、房地产市场调整、消费信心不足相关 [2] 黄金ETF市场特点 - 黄金ETF具备流动性强、交易成本低、透明度高等优势 [2] - 成为机构与个人投资者对冲风险、分散投资组合波动的优选工具 [2] - ETF资金持续流入反映市场避险情绪浓厚 [2] - ETF持仓增加减少市场可交割金源，间接推动金价上行 [2] 投资策略建议 - 高金价环境下建议采取分层配置策略 [2] - 黄金ETF适合短期避险和资产对冲 [2] - 金条、金币更适用于长期价值储备 [2] - 金饰投资应侧重文化价值与传承意义 [2]

数据来源/《中国银行业理财市场半年报告（2025年上）》 制表/李静 2025年6月末 2025年3月末 2025年初 余额（万亿元） 占总投资资产比例（%） 余额（万亿元） 占总投资资产比例（%） 余额（万亿元） 占 总投资资产比例（%） 债券 13.78 41.8 13.68 43.9 13.98 43.5 现金及银行存款 8.18 24.8 7.27 23.3 7.68 23.9 非标准化债权类资产 1.82 5.52 1.75 5.6 1.74 5.4 公募基金 1.38 4.2 0.93 3 0.93 2.9 权益类资产 0.78 2.38 0.81 2.6 0.83 2.58 ...

进入7月之后，A股一路火花带闪电，上证指数连涨站稳3500点。 今年以来上证指数走势 等等派："现在上车怕被割，等等。胜利一定会属于等等派！" 接下来应该何去何从？面对波动和未知，有没有化繁为简的法子？ 解题关键：资产配置的思维模式 明明某类资产上一年风光无限，第二年就表现平平？ 精心挑了老半天的基金，也难抵挡市场的整体回调？ 数据来源Wind，统计区间2025年1月1日—2025年7月31日 行情起飞后，基民朋友们也分成了好几派： 激情派："冲冲冲！趋势在手，新高我有！" 恐高派："涨这么多还不跑？别坐过山车！" 想在起伏不定的市场中行稳致远，仅仅依靠押注单一资产或市场是不够的。解题的关键，在于掌握资产配置的思维。 · 跟着经济周期换"行头" 回顾近五年大类资产的年度回报，不难发现一个核心真理——没有永恒的上涨，各类资产在不同阶段都经历了不同程度的波动，这背后是不同经济周期的 影响。 | | 2024 | 2023 | 2022 | 2021 | 2020 | | --- | --- | --- | --- | --- | --- | | 中国股票 | 18.61% | -0.56% | -16.19% | ...

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. **高频宏观因子模型** - 构建思路：通过资产组合模拟构建高频宏观因子体系，观察市场交易的宏观预期变化[12] - 具体构建过程： 1. 对利率、汇率、信用等因子直接通过相关指数多空组合构建 2. 对高频经济增长和通胀因子： - 合成低频宏观指标（如工业增加值同比、CPI同比等） - 筛选领先于低频指标的资产（如恒生指数、CRB金属现货等） - 通过滚动多元回归确定资产权重，构建投资组合模拟宏观因子走势[12][13] - 评价：高频指标对低频宏观数据具有领先性，能有效捕捉市场预期变化[13] 2. **债券久期择时模型** - 构建思路：基于改进的Diebold2006模型预测收益率曲线变化[20] - 具体构建过程： - 水平因子预测：结合宏观变量预判和政策利率跟随 - 斜率/曲率因子预测：采用AR(1)模型 - 映射不同久期债券的预期收益[20] - 评价：能动态捕捉利率曲线形态变化 3. **黄金预期收益模型** - 构建思路：将黄金与TIPS实际回报关联[32] - 具体公式： $$E[Real\_Return^{gold}]=k\times E[Real\_Return^{Tips}]$$ $$E[R^{gold}]=\pi^{e}+k\times E[Real\_Return^{Tips}]$$ 其中k通过扩展窗口OLS估计，π^e取美联储2%通胀目标[32] - 评价：模型对黄金长期趋势有较强解释力 4. **主动风险预算模型** - 构建思路：将风险平价与主动信号结合动态调整股债配置[37][38] - 具体构建过程： 1. 多维度信号生成： - 股债比价（ERP）：$$ERP=\frac{1}{PE_{ttm}}-YTM_{TB}^{10Y}$$[39] - 股票估值分位数 - 市场流动性（M2-M1剪刀差）[42] 2. 信号通过softmax函数转化为风险预算权重： $$softmax(x)=\frac{\exp(\lambda x)}{\exp(\lambda x)+\exp(-\lambda x)}$$[47] - 评价：相比传统风险平价模型具有更好的动态适应性 5. **行业轮动3.0模型** - 构建思路：从交易行为、景气度等6维度构建子模型并动态合成[53] - 具体构建过程： - 交易行为模型：捕捉日内动量+隔夜反转效应 - 景气度模型：捕捉盈余动量 - 资金流模型：识别主动抢筹行为 - 其他维度包括筹码结构、宏观驱动、技术分析[53][55] - 评价：多维度合成有效提升行业轮动胜率 量化因子与构建方式 1. **转债估值因子** - 百元转股溢价率：衡量转债与正股相对估值[25] - 修正YTM-信用债YTM：剥离转股条款影响，比较偏债转债与信用债价值[25] 2. **转债风格因子** - 转股溢价率偏离度：识别高估值转债 - 理论价值偏离度：结合定价模型识别定价偏差[27] - 20日动量+波动率偏离度：捕捉市场情绪[27] 3. **基金选基因子** - 高质量因子：基于财务质量指标 - 高成长因子：基于盈利增长指标 - 低估值因子：基于估值分位数[86] 模型回测效果 1. **高频宏观因子** - 高频经济增长因子：7月同比上行[13] - 高频消费通胀因子：7月同比下行[17] - 高频生产通胀因子：7月同比上行[17] 2. **债券久期择时** - 7月策略超额收益32.4bp[21][24] - 近一年超额收益-2.11%[21] 3. **黄金预期模型** - 未来一年预期收益率22.4%[32][33] - 过去一年策略绝对回报39.77%[34][35] 4. **主动风险预算** - 全样本年化收益6.54%，收益波动比1.64[52][54] - 8月股票仓位7.44%，债券仓位92.56%[51] 5. **行业轮动3.0** - 7月多空收益3.07%[61][64] - 动态合成模型中景气度/资金流模型权重较高[67] 6. **转债风格轮动** - 2018-2025年化收益24.54%，IR 1.47[29] - 2025年收益35.17%[29] 7. **ETF轮动组合** - 7月超额收益1.83%[71][74] 8. **FOF组合** - 7月收益5.45%，超额-1.81%[83][84]

追涨杀跌是人性，我们对比偏股混合型基金的规模变化与沪深300的走势能很明显的看到这一点。 咱们更容易在高点大胆买入，而在低点小心谨慎，导致最终错失配置良机。 只能说，大家对资产配置还处于初学阶段，依然需要FOF等多元资产配置工具。 上半年，FOF规模较年初合计增长了356亿，（截至：2025/6/30；数据来源：万得）是连续3年规模萎缩 之后的首次回暖。 其中，偏债混合型FOF值得关注。 以万得偏债混合型FOF基金指数为例，从过往表现来看，相比沪深300和FOF基金指数波动较小、回撤 较低、夏普较高, 帮助抵御市场波动。 另一方面以债券基金打底，追求低波动的FOF基金，很适合银行渠道的客户群体。 以招行为例，从托管人视角看，截至2025/6/30招行FOF的保有规模已经达到了460亿。 | 基金托管人视角的 | | | --- | --- | | FOF规模保有量排行 | | | 托管行 | 规模(亿) | | 招商银行 | 460 | | 建设银行 | 174 | | 农业银行 | 159 | | 中国银行 | 148 | | 工商银行 | 117 | | : Choice · IFF LADD | 数据统 ...