报告核心观点 - 美股估值偏高，科技股易分化和承压，金融等行业面临压力，不同行业重要个股会单日回调；欧洲市场易震荡，日经225指数将进一步下跌，新兴市场指数易震荡；港股市场进一步分化，涨幅大、机构拥挤资产易回调，不建议无分化追高，低估值、基本面好且受贸易冲击小的局部低位资产有低吸机会 [1] 本周全球市场表现 - 多数发达市场反弹，纳斯达克指数涨幅2.18%较大，日经225指数跌幅0.59%较大 [8] - 多数新兴市场涨跌不一，伊斯坦堡ISE100指数涨幅5.18%较大，巴西IBOVESPA指数跌幅0.67%较大 [9] 美股市场近一周表现 美股大盘本周表现 - 标普500、纳斯达克、道琼斯工业指数均上涨，涨幅分别为1.5%、2.18%、1.17% [2][11] - 标普500细分行业多数上涨，通讯服务涨幅3.19%较大，日常消费跌幅1.57%较大 [11] - 标普500指数表现前十个股中可选消费和信息技术行业占比大，达乐、美光科技、SL格林不动产涨幅前三，分别为16.69%、14.93%、13.37% [15] 美国中概股本周表现 - 纳斯达克金龙指数上涨3.65%，建议跟踪中概股相关政策发展 [19] - 美国中概股表现排名前十个股中可选消费和医疗保健行业占比大，新蛋、天境生物、宝盛涨幅前三，分别为114.88%、87.02%、55.37% [22] 港股市场近一周表现 本周港股大盘以及不同行业表现 - 恒生、恒生中国企业、恒生香港中资企业指数均上涨，涨幅分别为2.16%、2.34%、1.93%，恒生科技指数上涨2.25% [2][3][23] - 恒生细分行业多数上涨，原材料业涨幅5.59%较大，电讯业跌幅0.58%较大 [27] 港股市场本周表现较好的个股 - 恒生指数表现排名前十个股中综合企业占比大，石药集团、百威亚太、恒基地产涨幅前三，分别为10.8%、6.85%、6.24% [29] - 恒生中国企业指数表现排名前十个股中金融业占比大，快手 - W、石药集团、中国太保涨幅前三，分别为10.88%、10.8%、6.73% [32] - 恒生香港中资企业指数表现排名前十个股中金融业和公用事业占比大，中国光大控股、中国建筑国际、中国太平涨幅前三，分别为10.99%、7.25%、5.64% [33] - 恒生科技指数表现排名前十个股中非必需性消费和资讯科技业占比大，快手 - W、阅文集团、万国数据 - SW涨幅前三，分别为10.88%、8.58%、5.5% [34] 本周重要海外经济数据 - 2025年5月，欧元区CPI同比增速1.9%低于前值2.2%，核心CPI同比增速2.3%低于前值2.7% [3][39] - 2025年4月，欧元区PPI同比增速0.7%低于前值1.9%；第一季度，实际GDP环比增速0.6%高于前值0.3% [42] - 2025年5月，美国失业率4.2%与前值持平，ISM非制造业PMI为49.9低于前值51.6 [47]

报告的核心观点 - 近年来A股市场风格切换频繁、主线热点轮动加快，传统行业配置策略难以捕捉结构性机会，需构建新的行业配置系统 [2] - 基于XGBoost模型，结合“周期 - 信号 - 动量”配置框架，构建数据驱动、结构清晰、逻辑可循的行业配置系统，支持策略判断与行业轮动决策 [2] - AI行业配置模型回测表现良好，筛选Top3行业累积收益率高于同期等权重行业指数，夏普比率、最大回撤等指标也更优 [3] 各部分内容总结 “周期 - 信号 - 动量”中观行业配置体系概述 - 研究背景：A股市场风格切换频繁，传统策略难以捕捉机会，策略研究需从经验驱动向数据驱动转型，构建可解释、可落地的行业配置系统 [16] - “周期 - 信号 - 动量”行业配置框架：周期定风格，关注资本开支周期与库存周期确定优势风格；信号找行业，结合“次年g - 复合g”景气衔接体系与行业特有信号体系判断投资机会；动量辅助择时，结合市场动量因素判断投资时机 [17][18] “周期 - 信号 - 动量”行业配置体系信号系统 - 周期资源品：业绩与经济周期密切相关，行情与大宗商品价格高度相关，是典型的顺周期行业 [29] - 建筑地产与公用事业：地产具有逆周期特征，行情与地产周期高度相关；公用事业有较强防御属性，在市场偏好弱势时表现坚挺 [32] - 必选消费：防御性强，价格驱动效应明显，行情与CPI具有较高相关性 [36] - 可选消费：行情受居民收入及消费预期驱动，与社零同比高度相关 [41] - 科技和高端制造：具有显著的产业周期驱动特征，充裕的流动性会助推行情，如3G、4G、5G周期及“能源革命”推动相关板块行情 [43] - 金融类行业：行情受金融周期驱动，银行投资关注“量价 - 质量”因素，保险投资关注负债端保费收入与资产端10年期国债收益率变动 [48] AI行业配置模型构建与实证方法 - XGBoost模型简介：是基于梯度提升框架的增强型决策树方法，具有高效拟合、非线性建模和良好泛化能力，能建立“经济环境 - 市场情绪 - 行业表现”量化映射关系 [57][58] - 基于XGBoost的AI行业配置系统构建流程：包括数据样本及因子选择、因子体系构建、XGBoost模型构建、行业预测与筛选、模型因子Shap分析、输出配置分析六个核心步骤 [63] - 数据样本及因子选择：选取2006年1月至2025年3月的月度数据，纳入15个核心因子，采用8年滚动训练 + 逐月预测方式回测与模拟预测 [67][68] - 模型构建与参数选取：以次月月度收益率为因变量，与30个行业的15个因子构建面板数据，选取特定参数进行建模 [80] AI行业配置模型回测表现与配置建议 - AI行业配置模型回测表现：2014年1月 - 2025年3月，模型筛选Top3行业累积收益率为122.31%，高于同期等权重行业指数的80.26%；Top3组合夏普比率、最大回撤均优于等权重指数及传统宽基指数 [85][88] - 模型因子Shap分析：不同时期模型主要贡献因子不同，对应不同市场风格，如2014年“移动互联网”行情中ERP与10年期美债因子贡献度高，输出成长风格行业 [93][96] - 5月行情配置分析：5月AI行业配置模型输出TOP10行业主要分布在消费、红利等风格，截至5月22日，TOP3、TOP5、TOP10行业平均收益率均高于全行业平均收益 [98]