2026年全球大类资产配置建议书：精准施策，驭势而行

一、市场回顾

回顾今年以来全球市场各类资产的表现，全球权益市场整体上涨，韩国、港股领涨。首先，韩国综合指数 上涨超过 70%，主要动力来自于韩国半导体等科技产业的强劲发展，全球科技产业链需求回暖带动三星、SK 海力士等龙头企业盈利大幅提升，叠加外资对韩国高成长性科技资产的持续流入，推动指数创下亮眼涨幅。其 次，港股市场表现亮眼，恒生科技上涨 32.23%、恒生指数上涨 29.15%，主要依托政策推动下互联网龙头业绩 改善，以及海外美元流动性宽松下，低估值资产获得外资回流青睐。尽管上半年受日本央行加息预期、日元波 动及全球经济放缓担忧影响出现调整，但后续企业盈利结构优化，叠加央行政策预期趋于稳定，市场情绪逐步 修复，推动日经 225 指数反弹，收涨超过 30%。美股方面，纳斯达克上涨 22.86%，标普 500 上涨 16.30%，由 前期震荡转为上涨，主要受益于美联储降息落地，实际利率下行推动科技成长股估值修复；同时消费、金融等 价值股凭借稳定分红抵御波动，成长和价值共同支撑市场。A 股前期受经济弱复苏、地产消费修复滞后及关税 扰动影响表现承压，后期随着国内经济政策发力，地产和消费领域边际改善，市场信心回升，指数实现反弹， 沪深 300 年内收涨 17.94%。 商品方面，黄金延续强势表现，原油承压下跌。SGE黄金 9999 整体涨幅接近 50%，短期金价受到市场情 绪和预期驱动，波动较大；而从资产配置的角度来看，黄金行情的支撑因素主要是美联储降息、全球地缘政治 不确定性延续、央行持续购金，使其具有中长期的配置价值；但全球经济数据若超预期，可能引发资金从黄金 转向高风险资产。原油年内表现不佳，ICE 布油陷入供需双弱，年内收跌 13%，供给端 OPEC+减产执行力不 足、美国页岩油产量上扬，需求端相对疲软叠加新能源替代加速，油价持续承压。

国内方面，北证 50 大幅领跑，小盘成长风格整体占优，主动权益基金超额修复；有色、TMT 表现领先， 食品饮料收跌。依托政策红利，北交所流动性大幅改善，具有科创属性的专精特新小盘股受到关注，获得较高 估值弹性；创业板指下半年也大幅反弹，年内涨幅领先。风格来看，小盘成长整体占优，大盘价值相对落后。 主动基金今年以来超额收益修复，万得偏股基金指数年内收涨 32.47%，跑赢多数宽基指数。债券市场方面，今 年整体波动加剧，年初在资金面偏紧和外部压力的冲击下债市大幅回调，之后随着资金面转松有所反弹，央行 10 月底宣布重启公开市场国债买卖操作提振了市场信心，但同时股市表现强势、市场风险偏好上升，年内中债 -新综合指数收涨 0.75%。 从一级行业表现来看，黄金、白银行情推动下，有色金属行业表现领先，涨幅接近 80%。同时，AI 产业链 业绩亮眼，推动电子、通信等科技产业大幅上涨，算力需求爆发拉动光模块等产品放量，消费电子也进入复苏。 全球能源转型背景下，储能市场高速增长，龙头企业海外业务扩张，推动了三季度电力设备及新能源行业的反 弹。食品饮料今年以来表现落后，略微收跌，主要由于大众品终端需求偏弱，行业整体营收增速放缓；同时资 金更多流向科技板块，公募基金持仓比例降至低位。

2025 年，中国资本市场改革与开放进程加速推进，多项重大政策落地与市场结构性变化交织。上半年，互 认基金客地销售比例正式放宽，引发申购热潮；保险资金投资黄金业务试点开启；公募基金市场迎来重磅改革， 证监会公开印发《推动公募基金高质量发展行动方案》。下半年多项改革持续推进，推动行业高质量发展，市 场结构也持续优化。 公募基金销售费用重塑。9 月 5 日，中国证监会修订发布《公开募集证券投资基金销售费用管理规定（征求 意见稿）》，是分阶段推进费率改革的“最后关键一步”，主要包括六方面内容：合理调降公募基金认购费、申 购费、销售服务费率水平，降低投资者成本；优化赎回费安排，明确公募基金赎回费全额计入基金财产；鼓励 长期持有，明确对投资者持有期限超过一年的股票型、混合型、债券型基金，不再计提销售服务费；坚持权益 类基金发展导向，设置差异化的尾随佣金支付比例上限；强化基金销售费用规范，统筹解决基金销售结算资金 利息归属、基金投顾业务双重收费等问题；建立基金行业机构投资者直销服务平台，为基金管理人直销业务发 展提供高效、便捷、安全服务。 总结来看，《公开募集证券投资基金销售费用管理规定（征求意见稿）》主要旨在降低投资成本，引导长 期投资，保护基金持有人利益。对于基金公司而言，直销业务收入将受到一定影响，但整体相对有限；对于银 行、券商以及第三方销售平台将产生重大影响，认申购费、销售服务费收入大幅减少，机构客户尾随佣金比例 下降，同时 FISP 平台也将极大冲击机构投资者使用第三方销售平台的必要性。从产品发展导向来看，整体进一 步支持权益类基金特别是 ETF 的发展，引导长期投资的理念下，基金短期交易成本的增加进一步凸显了 ET F 低 成本、交易灵活的优势。

落实高质量发展行动方案的又一重大举措，公募基金迎基准改革。10 月 31 日，中国证监会与基金业协会 分别发布公募基金业绩比较基准指引和操作细则，核心含五方面：突出基准对产品的表征作用、强化对投资的 约束、指导考核、构建良性互动生态、存量产品过渡期促平稳过渡。从 2025 年 5 月以来新发基金的情况来看， 股票基准凸显“代表性”与“风格化”的双重趋势，在宽基指数确保代表性的基础上，很多主题、行业与策略指 数被采用，直接响应了新规要求基准“能够表征基金的投资风格”。债券基准追求“客观性”与“标准化”，以 “中债综合全价(总值)指数”为核心的中债综合系列指数占主导地位，符合新规对基准“可量化、可持续、标的 资产可公允定价”的要求。 同时，年内已有 124 只基金变更基准，核心趋势是从“模糊宽泛”转向“精准表征”，旨在使基准真实反 映基金的投资风格与策略，以响应监管新规并提升信息透明度。新规倒逼行业专业化，规范基金经理行为，保 护投资者利益，助力资本市场稳定。以权益基金业绩比较基准的调整为例，一方面，沪深 300 指数、恒生指数 等具有强代表性、高公信力的宽基指数依然是主流选择，确保了基金基准的稳定性和可比性；另一方面，基准 选择呈现出高度的风格化与主题化特征，很多基金转向了能够精准定位投资策略的指数。这一变化凸显了新规 的核心要求，即业绩基准必须清晰、准确地表征基金的投资风格和产品定位，避免风格漂移，方便投资者识别。 总结来看，对于基金经理而言，新规将薪酬与“长期跑赢业绩基准”这一目标深度绑定，引导其投资行为 更趋理性；对投资者来说，新规极大地提升了信息透明度与权益保障水平；从资本市场的整体视角看，此项改 革将引导公募基金发挥更为稳定的机构投资者作用。

险资加快入市步伐。今年以来，监管部门推出一系列政策，包括上调险资权益类资产配置比例、扩大保险 资金长期投资改革试点等。在政策利好、险资增厚投资收益需求等因素的作用下，保险资金正在加快入市步伐。 年内险资举牌活跃度显著提升，超过 30 次，达到了 2015 年有举牌披露记录以来的新高。其中，平安人寿共举 牌 12 次，以港股金融股为主。综合来看，险资股票投资以中长期视角为主，低估值、高股息仍然是其投资的重 要方向之一；同时随着市场风格的变化，成长性板块也是关注重点。

科技成长成为投资主线，北向资金持续流入，主动权益持仓显著集中。截至三季度末，北向资金持有 A 股 数量环比减少超 150 亿股，但伴随着三季度权益市场反弹，持仓市值增加近 3000 亿元。从行业资金流向来看， 三季度北向资金明显增持电子，持股市值增加 1446 亿元，持股数量增加 19.70 亿股；明显减持的行业之一是银 行，持股市值减少在 800 亿元左右，持股数量减少约 70 亿股。总体上看，在成长行情的推动下，北向资金三季 度持续增持科技板块，减持红利类资产；持仓变动反映两大趋势，一是政策驱动下的估值修复；二是产业升级 背景下的结构调整。随着中国经济高质量发展持续推进，科技、新能源等成长板块有望成为外资长期配置重点。

从公募基金持仓来看，近一年主动权益基金行业配置快速向电子集中，并在最新一期达到 24%，超过了 2020- 2021 年主动权益基金在医药和食品饮料行业的配置比例；食品饮料占比在 2020Q4-2021Q1 达到高点后持续下 降，最新一期不到 5%，和 2016 年的配置水平相当；电新行业配置比例从 2022 年末开始逐步降低，但整体保持 在 10%左右，最新一期有所回升。除此以外，通信行业占比最新一期明显提升，也达到了 2015 年以来的最高水 平。截至三季度末，主动权益基金重仓行业依次为电子、电力设备及新能源、医药、通信、有色金属、机械等， 最新一期主动偏股基金重仓股明显加仓电子、通信，减持银行、家电。

二、宏观及资产配置

2.1 全球宏观经济展望

2.1.1 海外宏观：经济温和增长，货币开启宽松周期

美国：政策驱动温和复苏

OECD 预计 2026 年美国经济将实现 1.5%的增速，结合美联储的温和降息（预计 1-2 次）与财政刺激政策的 组合效应。当前经济呈现韧性趋缓特征，劳动力市场显著降温，8 月非农就业新增人数仅为 2.2 万人且前期数据 大幅下修，但内需仍具支撑，居民收入增速维持在 5.3%。通胀中枢预计从 2025 年的 2.9%回落至 2.7%，但劳动 力市场韧性与服务业通胀粘性可能延缓回落进程。货币政策方面，美联储在 2025 年 Q4 启动降息后，2026 年可 能再降息 1-2 次，政策利率有望从当前的 3.50%-3.75%区间降至 3.00%-3.25%，以实现经济“软着陆”。

欧元区：财政约束下增长速度有限

欧元区经济增速维持低位，IMF 预计维持 2026 欧元区 GDP 为 1.2%，能源转型成本与制造业外迁压力持 续制约增长动能，德国服务业虽有回升但制造业仍陷入收缩，南欧国家受财政约束扩张空间有限。通胀预计回 落至 2.0%-2.5%，能源价格下行主导趋势，但工资谈判与地缘风险可能引发阶段性反弹。欧盟方面，明年仍将 受到地缘政治因素扰动，俄乌冲突的持续要求欧洲在 2026 年承担起乌克兰主要支持者的角色，进一步消耗财 政资源。货币政策上，欧央行预计累计降息 50bp 至 2.0%以下以应对经济疲软，但财政碎片化问题制约政策效 果，需在支持增长与防控风险间寻求平衡。

日本：“高市交易”经济改革预期

日本经济或维持温和增长。在日本自民党总裁选举中获胜的高市早苗预计将当选新一任日本首相，其政策 主张集中在推动日元贬值、加大财政与投资支出力度。因此日本的货币政策预计仍将是主要发达经济体中最为 宽松的，国内私人投资有望持续迎来边际改善，带来的日元贬值同时有利于提振出口，但也需看到特朗普关税 升级带来的削弱作用，以及日本经济增长的结构性问题（人口老龄化、内需不足）难以在短期内解决。OECD 预计 2025 年、2026 年日本 GDP 增速分别为 1.1%、0.5%。

2.1.2 国内宏观：经济延续稳中有进

今年以来中国经济整体平稳运行，国内宏观政策持续显效。前三季度，国内生产总值为 101.5 万亿元，按不 变价格计算，累计同比增长 5.2%，超过 5%的全年经济增长目标。分季度来看，今年一、二、三季度同比增长分 别为 5.4%、5.2%、4.8%，季度增速边际放缓，经济平稳运行的背后仍需政策持续发力。分产业来看，第一、三 产业贡献平稳增长，第二产业贡献持续下降，截至三季度末，第一、二、三产业对 GDP 累计同比贡献率分别为 4.7%、34.6%、60.7%。展望 2026 年，中国经济有望延续稳中有进的发展趋势，宏观政策或将持续发力，市场活 力将逐步提升，进而支撑国民经济向好发展。

生产端，整体凸显韧性，新质生产力促进发展。今年以来规模以上工业增加值保持增长，截至三季度末， 规模以上工业增加值累计同比为 6.2%。从利润总额数据来看，今年以来工业企业利润有所恢复，高技术制造业 带动作用明显。前三季度，规模以上工业企业利润总额累计同比为 3.2%，其中规模以上高技术制造业利润总额 累计同比为 8.7%，成为工业企业高质量发展的重要动力。

消费端，中国社会消费品零售总额同比增长 4.50%，反映消费市场呈现企稳回升趋势，其中以旧换新等促 进消费政策落地见效，市场消费活力有所增强。此外服务消费增长加快，前三季度服务零售额同比增长 5. 20%， 比同期社会消费品零售总额同比增速高出 0.70%。

投资端，今年以来总体呈现“低速增长、结构分化、动能转换”的特征。固定资产投资同比下降 0. 5%，但 扣除房地产开发投资后增长 3.0%，表明非地产领域投资仍具韧性。制造业投资增长 4.0%，基础设施投资增速放 缓至 1.1%。投资波动的主要原因在于传统行业产能利用率下降、外部不确定性与关税压力导致企业投资决策趋 于谨慎。结构上，新旧动能加速切换，以新质生产力为代表的高技术产业仍是主要增长引擎，其中信息服务业、 航空航天装备制造业、计算机及办公设备制造业投资分别增长 33.1%、20.6%和 7.4%。房地产投资方面，2025 年 以来中国 30 大中城市商品房成交面积仍处于低位。

出口端，2025 年前三季度货物进出口总额同比增长 4.0%，其中出口增长 7.1%，进口下降 0.2%，表明货 物贸易顺差扩大。今年以来制造业 PMI 新出口订单指数总体有所回落，但仍处于较为适中的水平。另外从今 年以来我国港口集装箱吞吐量数据来看，当前处于同期较高水平，可见我国产品出口数量仍显示出较强韧性且 预期延续。

2.2 大类资产趋势展望

2.2.1 股票资产：AH 股占优，美日股市或延续增长

A 股：多重因素驱动，配置价值凸显

2025 年，A 股市场总体稳步上行，核心驱动力来源于国内股票整体估值偏低、政策层面引导资金入市、二 三季度关税风险缓和，以及偏乐观的流动性预期等。截至 2025/10/31，上证指数今年以来上涨 17.99%，接近 4000 点。从不同市场指数来看，今年以来北证 50、创业板指领涨，涨幅约 50%；成长风格明显占优，中小盘表现优于大盘。

展望 2026 年，多重因素共同驱动，A 股配置价值凸显。盈利方面，整体呈现复苏态势。万得全 A(除金融、 石油石化)ROE开始企稳回升，三季度 ROE（TTM）为 6.61%，较二季度上升了 0.1 个百分点。A 股与中国企业 经营状况指数走势相似，今年以来上行趋势明显，十月份中国企业经营状况指数达到 51.99，较 2024 年年末的 48.29 增加了 3.69。估值方面，去年四季度以来，A 股绝对估值持续修复，中证 800 市盈率 TTM 较去年“924” 前修复约 34%至 15.99 倍（截至 2025/10/31）。流动性方面，今年国内整体流动性维持宽松，中国金融条件指数 呈现下行趋势。

港股：分母端流动性改善，分子端盈利预期上修

2025 年港股呈现“V 型反转”，恒生指数全年上涨 26.4%，领跑全球主要市场。一季度受 DeepSee k 技术突 破与南向资金流入推动，科技板块涨幅超 30%；4 月特朗普关税政策引发单日暴跌 13%，随后在政策缓和与盈 利修复下反弹，恒生科技指数今年以来收涨 32.23%。 2026 年港股宏观大类资产趋势预计呈现分子端与分母端共同驱动的格局。分母端受益于美联储预防型降息 周期带来的流动性改善；分子端则受 AI 产业革命推动，港股汇聚中国在人工智能、云计算等领域的优质企业， 有望从全球科技资本开支上升中实现估值提升和盈利预期上修，形成科技板块的双击效应。同时，港股央国企 红利资产凭借约 6%的股息率，相较债券收益率具防御优势，但市场整体表现仍取决于中国内地经济基本面的修 复进程。若企业盈利如期兑现，港股或迎来科技成长主线的持续性行情，但需警惕外部风险如贸易摩擦的潜在 扰动。

美股：预防式降息衰退风险可控

2025 年美股呈现“先抑后扬”的震荡格局，政策不确定性与科技估值重估主导市场走势。一季度受特朗普 关税政策冲击及中国 AI 技术突破（如 DeepSeek）影响，纳斯达克指数跌幅 7.89%，标普 500 指数下跌 4.50% ， 科技股估值承压明显。二季度随着关税政策缓和及企业盈利韧性显现，市场逐步修复，6 月“三巫日”期权到期 推动技术性反弹，标普 500 与纳斯达克指数于 6 月再创历史新高。三季度美股在就业韧性、盈利增长和货币政 策转向的推动下实现上涨，但通胀黏性和外部风险制约了节奏。季度初因就业数据疲软而震荡，中旬受益于盈 利超预期反弹，末期在降息和外部不确定性中收高。 2026 年美股预计呈现增长放缓但衰退风险可控的局面，美国经济增速预计从 2025 年的 1.2%温和回升至 1.6%，主要受益于美联储预防型降息和财政刺激支撑；通胀维持高于目标但温和可控，9 月核心服务 CPI 同比 3.0%，制约货币政策宽松幅度；关税政策持续扰动企业盈利，企业可能转嫁剩余成本，同时催生国产替代等结 构性机会；政府停摆风险带来短期信息缺口和波动，但历史经验显示震荡后随经济数据修复回升。

日股：经济政策和公司治理改革推动股市

2025 年日股延续强势，截至 10 月 31 日，日经 225 指数全年上涨 31.37%，创历史新高，企业治理改善与结 构性机会主导市场。一季度受 AI 与半导体设备板块推动，东京电子、Advantest 等个股涨幅超 50%；下半年受 益于日元贬值与国内消费复苏，零售、酒店板块补涨，东证指数 ROE 提升至 10。日本央行维持宽松政策，外资 流入创三年新高。 2026 年日股表现将深度耦合于国内政策转向与外部环境变化。随着高市早苗当选日本新首相，其政策主张 明确延续“安倍经济学”框架，倾向于维持货币宽松、推动日元贬值和实施财政扩张。这一政策导向意味着日 本央行可能放缓加息步伐，同时政府计划推出规模达 15 万亿日元的经济刺激方案，较 2024 年的 13.9 万亿日元 进一步扩大，重点围绕对抗通胀、成长型产业投资和国家安全三大领域展开。公司治理改革继续为日股提供长 期支撑，随着企业改革持续，股东回报率显著提升，2024 财年日本市场的股份回购金额按年增长近 90%。日企 增加派息的意愿也日益提升，这一转变不仅反映出日本经济的周期性复苏，也显示日企在营运理念上的转变，即逐步从囤积现金转向具有纪律的资本配置。另外，母子公司同时上市的情况逐渐减少，日本市场资本效率不 断改善。然而外部风险因素不容忽视，美国对日本输美商品加征的关税将削弱出口竞争力，丰田等企业已宣布 削减产量计划。同时，若日元因货币政策宽松而过度贬值，虽有利于出口企业盈利，但也可能推高进口成本并 加剧国内通胀压力。

2.2.2 债券资产：中债延续震荡，美债期限结构或陡峭化

中国国债：震荡格局延续，短久期防御为主

2025 年，国内债券市场呈现震荡调整趋势，债券价格整体缺乏单边上行动能。受宏观政策导向、经济修复 节奏及资金面变化影响，债市走势今年以来进入盘整期。截至 2025/10/31，中债-国债总指数、中债-信用债总指 数今年以来收益率分别为 0.39%、1.71%，信用债受益于经济企稳相对占优。 展望 2026 年，国内债券市场或将延续震荡格局。经济基本面支撑下，债券收益率大幅走低的空间有限。 货币宽松预期升温，流动性整体维持合理充裕。同时政府债供给较少，抑制收益率下行幅度。但与此同时，潜 在压力则可能来自于稳增长政策的进一步加码或“反内卷”叙事增强。

债券配置策略方面，建议以短久期防御为主，获取稳定票息收益，同时把握长久期利率债的阶段性交易机 会。我们对国内债券构建季度调仓的久期择时策略，每季度末选择未来一年预期收益率最高的期限品种进行集 中持仓，当策略一段时间表现不佳时选择将持仓信号改为动量信号，即选择过去一段时间表现较好的品种进行 集中持仓。结果显示：从 2014 年 1 月至 2025 年（截至 10 月底），中债久期择时组合年化收益 5.99%，最大 回撤 1.06%，季度胜率 93.75%；同期中债国债总指数年化收益 4.87%，最大回撤 3.38%，季度胜率 79.17%。在 中债各个期限品种中，四季度配置建议为短久期防御。

美国国债：期限结构陡峭化，政策宽松与财政压力的博弈

2025 年美债市场呈现“熊平”与“熊陡”交替特征，美联储政策路径与经济数据主导利率走势。一季度 受经济“类滞胀”预期影响，10 年期美债收益率在 4.1%-4.6%区间震荡。二季度随着关税缓和与通胀回落，10 年期收益率在 4.0%-4.6%区间震荡。9 月美联储开启降息周期，10 月第二次降息，三季度 10 年期美债收益率 持续下行。 2026 年美债市场将呈现宽幅震荡格局，收益率走势受多重因素制约。随着美联储在 2025 年 9 月开启降息 周期，市场预期 2026 年将继续降息 1-2 次，政策利率有望从当前的 3.50%-3.75%区间降至 3.00%-3.25%。然 而，地缘冲突和贸易保护政策带来的结构性通胀压力依然显著，2025 年 9 月美国 CPI 同比已回升至 3.0%，核 心 CPI 同比维持在 3.0%的高位。受关税政策的持续传导影响，预计 2026 年美国 CPI 同比回落速度缓慢。与此 同时，美国联邦债务规模已突破 38 万亿美元，持续的国债供给压力将对长期利率形成上行支撑。综合来看， 短端利率（2 年期）将紧密跟随政策利率下行，预计 2026 年底降至 3.0%-3.25%；长端利率（10 年期）受经济 前景和财政压力制约，下行幅度有限，收益率曲线陡峭化趋势延续。

2.2.3 商品资产：中长期看多贵金属和工业金属，原油震荡走弱

黄金：短期高位震荡，中长期看多

美元信用弱化、地缘风险升级与央行购金潮构成长期支撑，美联储降息周期降低持有成本，推动金价突破 历史高位。黄金短期预计维持高位震荡走势，受投资资金扰动，SPDR 黄金 ETF 持有量减少，地缘风险缓和及 美联储政策预期修正抑制上行空间，10 月价格从历史高点 4392 美元回撤超 8%后，市场情绪趋于谨慎。中长 期维持看多方向，需求端全球央行购金提供坚实底部，2025 年前三季度净买入 890 吨，95%央行计划继续增 持，结构性支撑金价。避险属性，美国结构性赤字与去全球化加剧通胀压力，美联储预期 2026 年降息，但美 元信用收缩趋势不可逆，美元在外汇储备占比降至 54%，黄金占比升至 18.3%，强化避险价值。

白银：金融与工业双重属性驱动，中长期仍有支撑

白银短期承压，受工业属性与金融属性双重拖累，10 月末沪银期货单日跌幅曾达 3.99%，技术面超买信号 触发获利了结。中长期来看，白银受益于光伏及半导体工业需求刚性增长，2025 年全球光伏装机量超 655GW，白银供需缺口达 4000 吨，推动价格中枢上移。美联储降息和美元信用收缩趋势对贵金属仍有支撑。 估值方面，金银比处于 80 左右，距离 70 仍有一定空间。

铜：供应短缺与工业需求支撑维持强势

全球铜市面临三重支撑：供应端扰动加剧、需求端逐步企稳以及库存端持续低位。全球前三大铜矿埃斯康 迪达、格拉斯伯格和卡莫阿-卡库拉均面临运营问题，仅格拉斯伯格矿事故就可能导致 2026 年全球铜缺口扩 大。需求端，欧洲需求从 2024 年低点回升，当前同比增速约 2%，中国能源转型与数据中心建设拉动结构性需 求。ICSG预计 2025 年全球精炼铜市场将过剩大约 17.8 万吨，2026 年则将短缺 15 万吨。全球铜库存本就处于 历史低位，而市场此前对 “美国贸易限制” 的预期进一步加剧了库存分布失衡，COMEX-LME 套利驱动全球 库存向美国转移，进一步收紧海外供应。

原油：供需宽松格局或延续

2026 年原油市场供需宽松格局大概率延续，供应端非 OPEC+（美国页岩油、巴西等）产能持续释放， OPEC + 减产力度或因市场压力调整；需求端受全球经济温和增长与能源转型加速的双重作用，增速维持低 位；库存累库趋势下，地缘政治（中东局势、对俄制裁）及美联储货币政策成为价格波动的主要扰动因素。 IEA 在 10 月的报告中指出，受需求增长放缓及供应快速增加影响，预计今年全球石油供应将增加 300 万桶/日 （此前预测为增加 270 万桶/日），明年将增加 240 万桶/日，较先前预测的 270 万桶/日和 210 万桶/日均有上 调。

豆粕：中美贸易释放积极信号，中长期仍受供给影响

中美经贸磋商近期取得关键突破，2025 年 10 月 30 日美国财政部长贝森特表示，中国承诺在 1 月前购买 1200 万吨本年度生产的美国大豆，并在未来三年内每年购买 2500 万吨大豆。中美贸易回暖推升美豆成本，进 口成本支撑价格震荡上行。中长期来看，尽管采购政策出现变化，仍需关注供给格局，全球大豆供应宽松格局 未变，巴西 2025/26 年度产量预期 1.75 亿吨，但播种期拉尼娜发生概率达 54%，若导致巴西南部干旱，单产下 调将触发价格上升。

2.3 资产配置方案

2.3.1 普林格周期配置模型

普林格周期脱胎于美林时钟模型，在美林时钟模型增长/通胀的基础上加入信贷指标来更好的适应货币主 义时代。在普林格周期中，使用先行指标（M1、M2 同比），同步指标（GDP 同比、工业增加值同比），滞 后指标（PPI 同比）三个指标来衡量经济周期，将经济周期划分为六个阶段，并计算了在上述各个阶段中各类 资产的回报率和股票不同风格回报率，结果表明，在经济周期各个阶段的轮换中，不论是大类资产还是股票风 格，其收益率均有所分化，优势品种有超越大市的表现。

在经济周期第一阶段，央行仍实行宽松的货币政策，继续增加货币供应量，推行各种财政政策刺激经济。 从资产配置的角度看，此时一般短期利率会上行，同时债市经历熊市之后也将迎来拐点，因此债券与现金成为 这一时刻的优质资产。但是在这一阶段，生产与通胀仍处于下降区间，高波动资产依然有相当高的风险，不建 议配置。在经济周期第二阶段，通货膨胀继续回落，GDP 增长率开始上升，虽然闲置的生产力还没有完全的利用 起来，但企业的利润率已企稳开始回升，同时央行为了使经济全面恢复会持续增加货币供给。从资产配置的角 度看，这时权益市场筑底完成，是配置的最佳时期，建议高配。 在经济周期第三阶段，三指标同步上行，经济全面恢复，企业利润率高速上行。从资产配置角度看，此时 各行各业生产力火力全开，对原材料需求较高，商品迎来行情，致使股票受益于企业基本面快速抬升以及经济 上行的预期会获得普涨，此阶段建议高配股票和商品。 在经济周期第四阶段，生产增长开始减缓，通货膨胀上升。GDP 增长虽然在上升，但增速已明显放缓， 为抑制过热的投资，央行开始加息减少货币供应量。从资产配置角度看，由于股票投资收益依赖企业的利润率 和利率水平，商品是最佳的资产配置选择，同时股票也有一定的配置价值，但是需要重点关注盈利支撑。 在经济周期第五阶段，GDP 增长降低到长期增长趋势以下，但是通货膨胀依然继续上升，经济进入滞胀 阶段。从资产配置角度看，权益市场已经疲态初现，不建议配置，而商品处于最后的疯狂，可以配置但是有一 定的风险，此时黄金成为最优资产。 在经济周期第六阶段，三指标同步下行，经济增长严重乏力，从而导致了通货膨胀开始下降，企业利润率 也遭遇滑铁卢。从资产配置角度看，此时建议配置避险属性明显的黄金与债券。 根据我们的改进版普林格周期，普林格六周期信号更新：阶段 3。面对外部环境不确定性与降息预期，以 M1 和 M2 为代表的先行指标有望延续上行趋势。今年以来规模以上工业增加值保持增长，截至三季度末，规 模以上工业增加值累计同比为 6.2%；10 月制造业 PMI 受国庆假期等因素影响回落至 49.0%，而在节日效应带 动下，非制造业商务活动指数上升至 50.1%，后期经济走势需进一步观察。9 月 CPI 和 PPI 同比降幅均收窄， 滞后指标短期上行。模型建议配置股票和商品。根据我们改进的普林格周期理论构建的策略，自 2016 年以来 年化收益 22.43%，夏普比率 1.90，月度最大回撤-6.38%，该策略每年均获得正收益，今年以来收益率为 29.49%。

2.3.2 宏观因子风险平价策略

本节选取涵盖股票、债券、商品三大类的 7 种国内资产，构建基于主成分宏观因子的月频调仓风险平价策 略，选取的具体标的为：权益资产中的沪深 300 全收益、中证 1000 全收益指数，债券资产中的中债国债总财富 1-3 年指数、中债国债总财富 3-5 年指数、中债国债总财富 7-10 年指数及中债信用债总财富指数，商品期货 中的金指数。然后每月末求解各资产的权重，使得各宏观因子对组合的风险贡献相等，具体参见《宏观因子构 造及应用指南》一文。 对选定的七类资产，采用全区间的收益率数据提取的主成分结构如下表。从构成来看，各主成分有清晰的 宏观含义。第一主成分在债券类资产上的系数较高，其余系数绝对值较小，与利率水平因子对应。第二主成分 在权益类资产的系数为正，债券类资产系数为负或较小，对应增长因子。第三主成分在黄金上的系数为最高， 对应商品因子。第四主成分在信用债上的系数最高，在利率债上的系数为负数，其余系数绝对值较小，对应信 用因子。第五主成分在短久期的国债上系数最高，在长久期的国债上系数为负数，二者绝对值相近，对应利率 斜率因子。第六主成分在沪深 300 上的系数最高，在中证 1000 上的系数最低，其余系数绝对值较小，对应权 益大小盘因子。第七主成分在中等久期的国债上系数最高，在长/短久期的国债上系数为负数且绝对值相近， 其余系数绝对值较小，对应利率凸度因子。从因子的解释度来看，第一/二/三主成分可解释各类资产 39.2%、 25.2%、15.2%的波动，前三个主成分累计解释度近 80%。

从策略表现来看，自 2010 年 3 月以来，基于宏观因子的风险平价策略取得了 3.87%的年化收益率，年化 波动率 1.49%，月度最大回撤-2.42%，夏普比率 2.63，月度胜率 81.82%，双边年化换手率 267.87%。策略最近 12 个月收益率 4.07%，月度最大回撤-0.15%。总体来看基于宏观因子的风险平价策略表现稳健。

从最新持仓来看，策略在沪深 300 和中证 1000 上的权重分别为 2.17%和 0%；在债券资产中选择中债国债 总财富 1-3 年指数的权重为 96.14%，增持短久期利率债；在沪金上的配置比例 1.69%。

2.3.3 全球配置 ETF 组合

我们在报告《基金配置系列：基于宏观状态识别的多资产配置 ETF 组合》中具体介绍了针对 A 股、债 券、黄金、美股和港股的中长期配置模型，总体思路是通过宏观层面的经济增长、通胀、流动性、货币政策、 美元指数、汇率、央行购金等指标及因子，采用马尔可夫转移模型识别宏观状态，分别探讨股票、债券和黄金 的投资价值，根据市场环境的变化进行动态调整不同资产的风险预算，并综合考虑宏观状态、风险分配及业绩 动量，构建多目标优化模型进行资产配置分析，构建 ETF 配置组合。 我们借鉴美林时钟的思路，通过构建综合增长因子和综合通胀因子来挖掘股票投资价值较高的时机。与传 统美林时钟不同的是，我们不仅关注因子变化方向，同时也将当前的状态纳入考虑。其中增长因子主要考虑 PMI、工业增加值、社会消费品零售总额、固定资产投资完成额和出口金额这 5 个指标，通胀因子主要考虑 CPI 和 PPI 这 2 个指标。采用流动性因子用于债市的风险监控，流动性因子采用 M1 同比来衡量。除了宏观层 面的因素外，股市本身的特征也对其投资价值具有重要影响。采用 ERP（股权风险溢价指标）、EP（1/PE） 和 BP(1/PB)指标来构建股债性价比因子，监控股市极端情况，并结合货币因子综合评估股票投资机会。

黄金的投资价值和美元指数的关联度较高。过去数十年间，美元与黄金的负相关关系都是支撑金价走势判 断的核心。然而自俄乌冲突爆发以来，美元与黄金的负相关体现就日渐趋弱，避险情绪和“去美元化”或许是 黄金价格变化的重要因素。另外，由于黄金是美元计价，对于国内而言，汇率也是黄金投资的考虑因素之一。 因此我们通过美元指数、央行购金和汇率等因素，构建黄金投资因子，衡量黄金的动态配置价值。

采用多目标优化模型进行业绩增强。传统风险平价及风险预算主要考虑的是资产之间的协方差，即重点关 注风险分配。我们对该模型进行微调，将资产动量也纳入考量，构建多目标优化模型。我们考虑采用 ETF 来 构建基于宏观状态的基金组合。考虑到可投性、相关性和模型适用范围，我们将 A 股、港股、美股的相关 ETF 纳入股票产品类型，风险分配上偏重 A 股，A 股考虑底仓型宽基 ETF，并根据市场环境做风格配置调 整；商品仅考虑黄金 ETF，债券考虑短融和 10 年期国债 ETF。我们采用 ETF 跟踪的指数进行业绩回测，并采 用相对均衡的投资方式来进行风格配置，并且控制除债以外资产的配置上限。债券方面我们根据流动性因子状 态进行微调，当流动性因子状态显示为“高”时缩短配置久期，加大对短融的配置。 构建目标波动率为 5%、10%和 15%的稳健、平衡和积极组合，并限制对于黄金、美股和港股的投资比例 上限为 10%，并根据宏观状态信号动态月度调整风险预算，整体的非债券配置比例大约在 30%、40%和 50%。 对比宏观状态模型和风险平价模型，稳健、平衡和积极组合的年化超额收益分别为 3%、5%和 9%，组合回撤 表现有明显变好，夏普比率表现优秀。从今年以来业绩表现来看，目标波动率为 5%、10%和 15%的稳健、平 衡和积极组合 2025 年以来收益分别约 7.9%、10.3%、12.2%。

从最新的宏观因子状态信号来看，流动性因子自 9 月底以来提示债券利空风险；股票投资建议以红利+宽 基+成长的配置思路，其中红利与宽基为底仓；黄金信号仍处于积极区间。综合宏观信号及多目标优化模型得 到最终的多资产 ETF 配置方案，今年以来稳健、平衡和积极组合在债券方面增持短融、减持 10 年期国债，在 股票方面增持 A 股且偏好红利和宽基；由于黄金近期波动较大，稳健组合对黄金配置比例有所减少。

三、行业配置

3.1 行业轮动体系

我们在 2025 年 3 月 6 日发布的《多策略行业轮动体系构建：多维轮动，更上层楼》中具体介绍了基于因 子动量思想以及宏观、基本面、资金面，事件动量等子维度构造的复合行业轮动策略。每个维度均具备独立的 逻辑：宏观维度主要刻画了行业的经济周期动量效应；财务维度则主要从三大报表出发优选财务状况较好的行 业；分析师预期展示分析师预期边际上调的行业动量效应；ETF 份额变动逻辑为超卖行业 ETF 反转；公募基 金/优选基金仓位动量刻画了公募基金/优选基金重仓行业的动量效应；事件动量效应的逻辑则是事件发生时的 市场惯性（非线性行业动量）。

在报告《宏观因子行业轮动体系》中，我们介绍了使用宏观数据来解释行业截面收益差异的若干途径，最 终我们选择使用变量筛选+行业超额对宏观变量回归的方式作为我们宏观模块的策略并持续样本外跟踪。我们 使用的宏观变量范围如下表，这些变量均为数值型变量，为了方便建模，我们将数值型变量处理为标记型变 量，即仅保留宏观变量上行下行趋势（1，-1，0）而不再考虑其变化幅度，因变量则为每月行业相对行业等权 的超额收益。 经过研究，最终模型每个月变量会综合考量过去半年每月的变量选择结果，对变量出现的次数进行排序， 使用出现次数在前 5 名的变量并剔除仅入选 1 次的变量作为最终模型入选变量。模型拟合分为两步，首先使用 行业超额收益率为因变量，逐步回归筛选出的变量为自变量进行 OLS 拟合并计算拟合残差，接着使用残差为 因变量，月度示性变量为自变量进行第二步拟合。残差进行第二步拟合主要是为了刻画月度效应。

在报告《基于基本面及分析师预期的复合行业轮动策略》中，我们介绍了使用三大报表披露的财务数据并 以整体法计算财务因子。为了保证个股实际财务数据的可得性和一致性，统一设定报告期与因子时点的匹配规 则：4-7 月使用一季报数据计算，8-9 月使用中报计算，10 月-次年 3 月使用三季报计算。此外，考虑到财务指 标对金融地产适用性较低，财务因子的计算不涉及银行、非银行金融、房地产、综合金融这四个行业。经过批 量测试，我们最终使用的复合因子为资产负债率、成本费用利润率、净利润环比增长率、利润总额环比增长 率、净资产收益率、归母净利润环比增长率六个因子的等权。

同样在报告《基于基本面及分析师预期的复合行业轮动策略》中，我们还介绍了使用朝阳永续的个股一致 预期数据来计算行业的分析师预期因子。计算细节方面，我们会根据各行业的历史净利润分布规律将年度的预 期净利润分拆到各单季度，另外在计算行业整体的净利润时，按照正式财报、业绩快报、业绩预告、年度预期 分拆、上年同期数据的优先级，计算成分股的实际/预期净利润数据。通过批量测试发现，行业预期 ROE 的调 整值要比行业预期 ROE数值更具备行业比较能力。最终我们使用的分析师预期因子：按成分股汇总当前时点 对 2 个自然季度后的预期行业 ROE，计算相比 3 个月之前的变化值。 在报告《利用散户、公募及私募的资金流构造行业轮动策略》中，我们介绍了如何利用行业 ETF 资金流 构建行业轮动策略。从统计结果来看，行业类 ETF 的机构持有率偏低，因此行业 ETF 的投资形态很大程度上 反映了市场中散户的投资行为。我们使用 ETF 的份额变动构造策略，首先用在某个中信一级行业有较高占比 的 ETF 来代替该中信一级行业，具体来说，ETF 披露全持仓（新发 ETF 为所跟踪指数持仓）在某个中信一级 行业的投资占比超过某个阈值时，定义该 ETF 为某行业 ETF。每月末计算各个 ETF 过去一段窗口期的份额变 动比率，在每个行业内，将该行业对应的若干 ETF 的份额变动比率使用规模加权求和，将每个行业的 ETF 份 额变动比率从低到高进行排序分为若干等分。多头持有份额减少较多的行业，空头持有份额增加较多的行业。

公募基金持仓预测的行业资金流变动估算模型基金池选择并入二级分类 18 个月以上的中高仓位基金。由 于中信一级行业分类共有 30 个，短期内会出现同涨同跌情况，使用回归时共线性问题会导致对行业仓位的估 算出现较大误差，所以我们将 30 个中信一级行业分类人为降维至 10 个板块进行分析。在时点 t，使用板块指 数过去 1 个月收益率对万得全 A（881001.WI）同期收益率作线性回归并取残差作为板块的超额收益率，同方 法获取基金的超额收益率。接着使用有约束的半衰加权 Lasso 回归，即在最小二乘回归中，将残差平方和目标 乘以随时间半衰的权重后加 L1 范数作为惩罚项，这样能够保证稀疏的同时使距离 t 时点越近的信息在回归中 占有更高的权重。将基金的超额收益率对 10 个板块的超额收益率做约束回归。以周度为频率，每周末对公募 基金板块仓位进行测算。由于周度频率测算波动较大，在此基础上我们做了 MA(12)一个季度的平滑处理。最 后根据过去 28 周至前 5 周的板块变动率的动量构建行业轮动信号。

我们从主动权益基金中缩小范围，如果每一期我们只考察核心能力最优秀的基金仓位变动，并且进行一定 的复制跟随，能否获得超过使用全体主动权益基金的行业观点结果。对于核心能力优秀的基金筛选条件，我们 参考长期能力因子系列报告中对长期能力因子的构造以及细化，使用基金的择时、行业-风格配置、行业-风格 选股以及交易能力，将四个因子等权配置构成长期能力因子。在每个时点截面，选取可得信息中长期能力因子 排序前 20 的基金，根据 20 只基金的行业仓位测算平均，按照仓位配比排序，取前 3 只和后 3 只（3 只即为前 10%）配置多头和空头组合。我们将多头部分表现较好的放大优选基金仓位配置和空头部分表现较好的优选基 金仓位变动结合，构成我们基于长期能力因子的行业轮动策略。我们在每个月计算组合时，在过去时间段的多 个参数组计算每组的收益波动比，将收益波动比最高的一组参数组输入进次月使用参数，用于计算次月多空行 业组合。

相比于传统的固定窗口期动量，事件型动量策略具有不定时触发、计算动量所用窗口期较短且不连续的特 点。我们主要定义宏观数据披露，市场触底反弹，高位下跌，横盘突破四种事件，使用事件发生时的动量作为 因子值，原始因子值是日频，通过每月回看过去一个月的日频信号进行时间衰减加权将频率降至月频以便与其 他模块进行后续融合。 最后，我们动态选取若干维度信号等权复合，复合效果的上限一定程度由子模块间的相关性决定。从相关 性来看，相关性最低的四个信号为宏观、事件动量、优选基金仓位、ETF 份额变动，而财务因子、分析师预 期、全体基金仓位三者相关性较高，源于三者本质上都是基本面驱动、容易同涨同跌，但是三者在部分时段的 超额表现又有一定差异，因此仍将其作为单一维度与其他维度一起复合。复合策略构造参考了因子动量的思 想，每月底选择近期超额表现较为优秀的维度作为下月决策的依据，具体是使用过去一段时间的超额胜率作为 筛选依据。

3.2 行业轮动效果

我们对复合因子和单因子的轮动效果进行历史回溯，同时补充报告《估值比较视角下的行业轮动策略》中 构建的估值比较因子。考虑到各维度数据的可得性，将回溯区间设置为 2019 年 1 月至 2025 年 10 月。根据多 头组的绩效表现，复合因子策略展现出显著优势：年化超额达到 30.7%，信息比率为 2.36，月度胜率为 74%。 这些核心指标均显著优于单一维度策略，充分验证了多信号动态复合机制在风险调整收益和稳定性上的优越 性。 观察今年以来各模块的表现，复合信号多空两端均表现稳健，多头超额为 22.9%、胜率 70%，空头超额13.3%、胜率 70%。子模块方面，整体上空头端略优于多头端：多头端主要是优选仓位、ETF 份额和事件动量 表现较优，其中优选仓位的超额达到 13.6%；而在空头端，估值比较、事件动量、优选仓位、全体仓位、财务 和分析师均有不俗表现，尤其是优选仓位的空头超额高达-22.3%，展现了出色的反向剔除能力。

观察复合信号截至今年 10 月的分月表现， 10 次调仓操作中仅有 3 次跑输基准，分别是 3 月、5 月和 10 月，整体胜率为 70%、盈亏比达到 2.34。我们统计了前五行业命中比例（推荐行业属于收益前五数量 / 推荐 行业总数），月均命中率为 30%、相当于每期能命中 1.5 个行业，除了 5 月之外其余月份均有命中。复合信号 表现最为突出的时段是 6 月至 9 月，连续 4 个月跑赢基准，主要源于模型持续推荐 TMT 行业（电子和通 信）。

3.3 DeepSeek + RAG 行业轮动策略

我们构建一个 DeepSeek-R1+RAG（Retrieval-Augmented Generation）系统用于行业轮动。通过运用大模型 的推理能力以及反省机制，对行业进行全面而细致的分析，以期挖掘更深层次的 Alpha 信息。 为了全面对行业进行分析，模型采用了技术指标、新闻数据以及研究报告等多维度数据。技术分析涵盖了 行业的关键数据，核心指标囊括了短期动量、中期动量、MACD（异同移动平均线）、RSI（相对强弱指 数），以及相对于过去 52 周峰值的价格变动百分比。这些多元化的指标共同勾勒出行业的当前趋势，并且反 映了其走势与整体市场趋势的异同。新闻数据集采用聚源新闻数据库，汇聚了来自主流财经网站的新闻资源， 涵盖了超过 500,000 条精心筛选的财经新闻文章，包含了市场动态、宏观经济指标、公司业绩等多方面的关键 信息。平均每日收录的新闻条目约 1,061 篇，每篇文章的中位数长度为 519 字，平均字数为 826 字。新闻数据 因其内容和格式的多样性和复杂性，直接应用于模型中存在一定的挑战。为了解决这一问题，我们采用检索增 强生成（RAG）策略，将数据经过清洗和预处理之后，存储到向量数据库之后，通过 Embedding 方式进行语 义检索，这一过程能够精准地捕捉到新闻内容的深层语义信息，并有效地检索出与我们的分析目标最为相关的 新闻片段。最后将筛选得到新闻片段输入到大型模型中，以进行深入的分析和处理。投资研究报告蕴含了资深 分析师深入的财务评估与前瞻性的市场预测，承载着大量宝贵信息。具体采用源自东方财富网发布的宏观以及 策略研究报告摘要，这些摘要格式统一、篇幅适中，有效规避了冗长文本处理的问题。

DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型 推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。但是 DeepSeek 并非专为市 场预测而构建，其内在的逻辑思维能力与市场的特定逻辑可能存在部分差异。为了克服这一局限性，我们采用 了自反省机制以增强大模型能力。该机制的工作原理是，在每一轮的预测过程中，首先向模型提供上一轮预测 的准确性反馈。如果上一轮预测未能达到预期的准确度，模型将启动自我反省程序，深入分析预测失误的原 因。通过这一过程，模型能够学习并吸收过去的经验教训，从而在未来的预测中做出更为精准的判断。这种自 反省机制不仅有助于提升模型的预测性能，也使得模型能够不断适应和学习股票市场的变化，使其预测结果更 加贴近实际市场情况。通过这种方式，我们也能够了解大模型的分析思路，为我们理解市场提供一定的借鉴。 我们将 DeepSeek-R1 作为资深的策略分析师，让其从相关信息中分析未来股票市场的走势。每周将中信行 业指数技术指标，市场重要新闻，以及策略研报信息交由大模型进行分析，将上周预测结果输入大模型进行自 我反省。根据以上信息让 DeepSeek-R1 输出本周推荐的五个行业代码。利用 5 个行业指数构建等权组合，基准 为 30 个行业等权。最终策略 Alpha 为 11.7%，夏普比率为 0.44。

3.4 行业推荐组合

行业推荐组合区分短期视角与中期视角。现阶段市场以结构再平衡为主，短期而言前期强势板块面临调整 压力、低位板块则凸显性价比，但中长期仍会回归到由产业趋势、盈利周期与政策导向共同驱动的核心方向。 由此我们尝试将信号（纳入大模型维度）划分为短期与中期两类，再参考今年以来的表现给予信号权重，最后 加总得分后再转化为模型配置权重。综合考虑单信号组合表现和信号间相关性，我们选择了宏观、财务、优选 仓位、ETF 份额、事件动量和大模型这六个信号。短期视角下，事件动量、ETF 份额和大模型主要捕捉技术面 和资金面的短期波动特征，分别给予 50%、30%和 20%的信号权重。中期视角下，优选仓位、财务和宏观更聚 焦基本面的长期驱动因素，分别给予 50%、30%和 20%的信号权重。 我们建议短期关注顺周期行业、中期关注科技成长行业。根据模型推荐结果，短期看好建材、煤炭、石油 石化等顺周期行业，中期则看好通信、计算机、电子等科技成长行业。短期视角下，市场展现出“高切低”特 征，技术面和资金面信号捕捉到了这种相对吸引力变化，规避处于估值高位的科技行业、转向相对低位的顺周 期行业。中期视角下，根据三季报业绩披露来看，科技板块业绩释放明显，电子、通信等行业持续高增长；结 合主动权益基金的仓位变动来看，加仓方向主要是科技、新能源等高景气赛道，多个信号对于科技成长行业具 有较高共识度。

四、风格配置

4.1 基于宏观因子的风格推荐

4.1.1 价值成长动量

为了择时模型的简便，我们将国证价值比国证成长构造价值/成长线，在之后模型介绍中，我们都只对该 线进行择时。 通过过去净值可以发现，价值/成长风格 2015 年之前并无太大差距，处于长期平稳，短期震荡的状态中； 而在 2015 年后，价值和成长风格具有明显的趋势效应，即：风格属性相对明确后，会持续一段时间，例如 2016 年至 2018 年的价值风格，2018 年至 2021 年底的成长风格，2022 年至 2023 年的价值风格。 因此，我们利用动量效应来构造一个模型对这种趋势性非常明显的价值成长风格进行跟随。在季度层面， 我们每季度末计算过去半年的价值/成长收益，当价值/成长收益为正时，在接下来的一个季度配置多头价值/成 长组合，反之则配置空头。策略自 2013 年 6 月至 2025 年 9 月取得 8.42%的年化收益，同期价值/成长年化收益 为 2.37%。同时，策略的换仓频率并不高，仅有 10 次切换，季度择时准确率 71.43%。

以上我们用简单的动量就完成了季度上的风格择时，这是在量价维度上。基本面上，价值-成长的风格内 核主要依托美债利率，美国货币政策的变化对全球资本流动有传导影响，深港通开通以来，美债利率对于 A 股市场的影响力度明显增强。美债抬升会压制成长风格：一方面，美债利率抬升影响美元计价的投资资金成 本，从而影响北向资金预期回报率；此外，美元流动性收紧通过全球资本市场流动抑制新兴市场的金融条件， 挤压依赖远端现金流的成长股估值。

我们统计过去美债 10 年名义收益率和实际收益率和价值/成长线的变化，可以看到当美债利率抬升时，会 压制成长股，这种变化需要传导时间，从过去 10 年经验来看大约是 3 个月，也就是正好一个季度。因此，我 们使用 10 年美债收益率 1 年同比，并滞后 1 个季度作为基本面上美债的价值/成长风格择时观点。当美债上行 时，多头价值/成长，反之则配置空头。策略取得 8.64%的年化收益，略高于量价角度的半年动量。信号端共计 14 次信号，季度择时准确率 66.67%。

使用量价和基本面角度对价值/成长线进行择时后，我们发现这种简单跟随效果较好。但是存在问题即在 风格发生变化的时间点会滞后一个甚至多个季度才会进行模式切换。为了让该风格择时模型更灵活，我们引入 一个“模式切换按钮”。美债 10 年利率的 1 年变动会滞后 1 个季度传导至国内价值和成长风格，我们用 MA12 的美债和自身对比，会发现美债利率上穿和下穿自身 MA12 线能够更精准提示风格切换的时点。因此， 我们每个季度末计算美债 10 年利率和自身 MA12 的数据，当美债 10 年利率大于 MA12 线时，配置多头价值/ 成长，反之则配置空头。策略取得 7.07%的年化收益，信号端共计 13 次信号，季度择时准确率 61.22%。在风 格切换的时间点能够第一时间切换风格。

经过以上 3 小节，我们从 3 个角度构建了对价值/成长择时的模型，各有优劣。趋势跟随类的策略优点在 于切换频率低且稳定，但缺点在于反应较慢。基本面类策略优点在于易于解释，缺点在于滞后效应不好把握。 模式切换类策略优点为反应灵敏，缺点在于跟随效果较差。 因此，本小节我们使用逻辑上可解释的简单算法将以上三种小策略进行组合构造最终的策略。最终的策略 分为两层：外层为模式识别，内层为跟随。我们在每个季度末首先计算之前介绍的信号，同时提取上个季度末 该信号，当当期信号和上期信号不同时，即是发生了上穿/下穿。此时我们使用模式切换后的信号；如果当期 信号和上期信号相同，则此时进入跟随模式的识别。跟随模式的识别里，我们取样动量和美债两组信号过去两 年的正确率和命中率标准差，将正确率和命中率标准差相比得到置信度，该值越大表明过去 2 年该信号的准确 性越高。我们在季度末将不同信号置信度进行对比，使用置信度较高的信号作为当期信号。策略取得 12.15% 的年化收益，信号端共计 16 次信号，季度择时准确率 75.51%。

4.1.2 大小盘轮动

我们同样利用动量效应来构造模型对大小盘风格（沪深 300 和国证 2000）进行跟随，由于大小盘风格短 期层面震荡效应更强，因此我们将动量的回看长度设置为半年。在季度层面，我们每季度末计算过去半年的大 盘/小盘收益，当大盘/小盘收益为正时，在接下来的一个季度配置多头大盘/小盘组合，反之则配置空头。策略 自 2014 年 6 月至 2025 年 9 月取得-3.53%的年化收益，同期大盘/小盘年化收益为-1.1%。策略样本期内换仓 5 次，季度择时准确率 53.49%。

信用利差代理变量使用 5 年期中短期票据到期收益率(AA+)与中债 5 年期国开债到期收益率的差值计算。 由于中小企业融资外部依赖度更高，因而对信用利差的敏感度更高。我们利用信用利差的一年同比构造大小盘 轮动的信号，当信用利差走强时，企业融资成本提升，中小企业受到冲击更大，策略多头配置大盘/小盘，反 之策略空头配置大盘/小盘。策略自 2014 年 6 月至 2025 年 9 月取得 11.85%的年化收益。策略样本期内换仓 14 次，季度择时准确率 65.12%。

短端利率我们使用 Shibor3M，长端利率使用国债到期收益率 1Y，短端利率表示短期银行间资金面充裕程 度，而国债到期收益率 1Y 表示短期投资无风险收益水平，短端利率相对较高表示银行相对投资短期一年国债，把钱在超短期拆给同业能获取更高收益，差额表示超短期拆借利率超出短期投资收益率水平，所以该相对 值越高表示金融机构层面资金面越紧张。我们用短端利率减去长端利率代理货币宽松程度。当货币宽松度一年 半同比为正时，说明当前货币较为宽松，策略多头配置大盘/小盘，反之策略空头配置大盘/小盘。策略自 2014 年 6 月至 2025 年 9 月取得 0.28%的年化收益。策略样本期内换仓 11 次，季度择时准确率 58.14%。

货币供应量是全社会可用于各种交易的货币总量，是某一时点承担流通和支付手段的金融工具总和。 我 国货币供应量依据货币流动性强弱，可以划分为 M0，M1 和 M2 三个层次。其中 M0 指流通中现金，M1 为狭 义货币供应量，M2 为广义货币供应量：M0=流通中现金。M1=M0+企业活期存款；度量了居民及企业手中的 现金流，是居民企业进行消费、投资的支付手段。M1 高代表居民消费意愿高、储蓄意愿低，企业扩产意愿 强、为投资和经营预留了充足的流动性，是微观主体活跃度的直观反映。M2=M1+准货币（定期存款+居民储 蓄存款+其他存款），度量了广义货币流动性。 我们用 M1 和 M2 的同比增速差，即 M1M2 剪刀差和其 6 个月 MA 的差值表示货币活化程度。在使用货 币供应量数据时需要注意到，M1 和 M2 数据通常为每月 10-15 日披露上月末值，因此我们每个月末使用值默 认采用上个月末的 M1 和 M2 数据。当 M1M2 剪刀差比 6 个月 MA 高时，策略多头配置大盘/小盘，反之策略 空头配置大盘/小盘。策略自 2014 年 6 月至 2025 年 9 月取得-2.23%的年化收益。策略样本期内换仓 13 次，季 度择时准确率 62.79%。

我们将以上四个信号等权结合得到总信号。策略自 2014 年 6 月至 2025 年 9 月取得 10.03%的年化收益。 策略样本期内换仓 11 次，季度择时准确率 76.74%。基于多宏观因子结合，我们当前给出的中期风格判断为大 盘、成长。

4.2 基于 ETF 资金流的风格推荐

从净流入的角度看，同时考虑了份额变动和均价的影响。我们将净流入按照 ETF 申购赎回清单的风格配 置分配至各行业后全市场 ETF 汇总，风格配置来自于我们将股票每个月末划分成：价值、成长和均衡三类， 同样在市值风格方面划分成：大盘、中盘和小盘三类。我们将 ETF 的净流入根据 ETF 的持仓分配给不同风格 后全市场聚类加总，每个月末选择上月流出最多的风格指数做多，选择流入最多的风格指数做空。 风格指数的构造上，我们使用月度再平衡、流通市值加权的方法构造各个风格指数，我们将我们构造的风 格指数和市场上常用的风格指数进行对比。 结果显示我们构造的多个风格指数和主流指数差异并不大，仅在均衡风格上有差异，不过我们认为在最后 的策略构建时，使用我们自己构造的风格指数进行风格轮动也是有一定参考意义的。 每个月末，我们选取净流入最多的风格做空，净流入最少（净流出最多）的风格做多，形成风格轮动。 基于 ETF 资金流信号，我们当前给出的短期风格判断为大盘和成长。因此结合中短期信号，我们对 2025 年第四季度风格判断为在短期和长期均为大盘和成长风格占优。

五、基金组合配置

5.1 长期能力因子 FOF 组合及风格轮动应用

5.1.1 长期能力因子方法论简介

我们在报告《基金长期能力因子构建——从选股和择时角度》和《基金长期能力因子构建之二——基金选 股能力因子应用》中构建了长期能力因子，在上述报告中，我们基于 Brinson 模型，结合行业指数以及主动权 益基金视角，构造了中信建投行业择时三层业绩分解模型，将基金超额收益拆分为交易、选股、行业配置和择 时四个分项。 新构建的业绩拆分模型构造出的交易和行业配置因子在选基方面能够体现比原始 Brinson 模型构建的选基 因子更好的效果，在择时层面，我们引用经典的 H-M 和 T-M 模型计算基金的择时能力。最终我们构建的长期 能力选基因子包含 TM 模型构造的择时项以及业绩分解模型构造的行业配置和交易两项，在构造基金组合时， 剔除不可购买基金，半年调仓。 在后续研究中，我们对长期能力因子不断改进，我们引入风格因素，将基金超额收益中的选股以及配置项 从另一角度拆分，从而将基金的选股和配置超额收益从行业和风格两个角度进行分解，并且引入交叉项，从而 分解成行业选股、行业收益、风格选股、风格收益、行业-风格选股和行业-风格收益六个分项。

最后对因子的构造施加基于公募主动权益基金抱团热度的因子择时信号，在基金内，当基金抱团因子处于 前 30%分位点以下，在原有的长期因子：择时、交易、配置框架中，修改行业配置为行业-风格配置因子，加 入风格选股因子，而当基金抱团程度过热，即因子分位点位于近两年前 20%分位点时，在构造基金组合时，不 使用选股因子。最后构造组合时，使用选用因子等权，半年度调仓，同样剔除不可申赎基金。 在报告《市场交易保守程度量化指标能够用来做什么？》，我们讨论了市场交易保守程度对于选基的影 响， 将交易倾向因子作为负向筛选指标，加入长期能力因子组合，在市场交易热度上升时，给予交易因子更 高权重，在市场交易热度降温时，给予交易因子低权重。

5.1.2 长期能力因子+风格轮动组合方法论简介

在报告《基金长期能力因子应用之二——价值成长和大小盘风格轮动及基金组合构建》中，我们利用美债 利率对国证价值/国证成长进行择时，利用信用利差、货币宽松和货币供应对大盘/小盘风格轮动分别构造了相 关模型进行季度择时。使用季度风格轮动信号叠加长期能力因子，构建季度调仓的风格轮动 FOF 组合。

5.1.3 季度 KF-Alpha+交易 FOF 组合方法论简介

在报告《基金长期能力因子构建之二——基金选股能力因子应用》中，我们对基金季报持仓进行猜测补 全，从而在季度层面实现业绩拆分；另外，基于卡尔曼滤波的行业测算，我们通过基金业绩-高精度估算净值 构造基金 KF-Alpha 因子，更好体现基金行业内选股能力。通过更高频的季度层面数据，我们构造了 KFAlpha+季度交易能力的基金组合。

5.1.4 基于基准寻优方法的 AlphaFOF 方法论简介

在报告《更准的基准，更好的 Alpha》中，我们通过多步骤逐步回归的方式，为主动权益基金寻找更贴合 投资范式的基准构成，基于更贴近基金投资的基准构造的 Alpha 因子经过检验相比传统方式构造的 Alpha 因子 有更好的选基效果，因此我们使用该因子作为优化目标，将 FOF 组合行业配置约束至和偏股混基金行业配置 相似，季度调仓，每期选取 30 只基金构造组合。

5.1.5 组合收益情况

长期能力因子组合 2025 年以来收益 32.77%，相对主动权益基金超额收益 4.28%。全时段策略年化收益 16.91%，相对基准超额收益 8.94%，信息比 1.11。

今年以来风格轮动 FOF 组合绝对收益 19.84%，相对主动权益基金超额收益-5.88%。全时段策略年化收益 18%，相对基准超额收益 9.52%，信息比 1.16。

今年以来季度 KF-Alpha+交易 FOF 组合绝对收益 31.84%，相对偏股混超额收益-1.86%。全时段策略年化 收益 16.95%，相对基准超额收益 8.21%，信息比 1.03。

今年以来基准寻优 AlphaFOF 组合绝对收益 46.16%，相对偏股混超额收益 8.81%。全时段策略年化收益 15.04%，相对基准超额收益 6.01%，信息比 1.5。

5.2 行业轮动 FOF 组合及 ETF 组合

5.2.1 六维度行业轮动产品组合

在如何将效果优秀的六维度行业轮动模型应用至落地产品化道路上，我们进行了一定的探索，基于报告 《如何从行业轮动信号构建 ETF 组合》介绍的方法，建立了基于打分法的六维度行业轮动主动权益基金产 品。该产品组合选基样本为成立六个月及以上的主动权益基金及 ETF 基金，使用基金行业打分和相对距离进 行组合构造，月度调仓。

5.2.2 行业轮动 ETF 组合

在行业轮动组合的基础上，我们构建了 3 层递补规划求解可交易指数轮动策略，标的池选择成立超过 12 个月的 ETF，策略组合同样月频调仓。具体来说：我们通过规划求解构建 ETF 组合，目标函数为最小化跟踪 误差，约束条件包括行业暴露匹配、权重上限和尾部误差等。使用真实持仓 OLS 估算暴露，测试显示跟踪误 差因子作为目标因子策略和行业轮动跟踪误差在 7%左右。估算行业持仓效果较差，误差显著上升。该方法在 控制跟踪误差和扩展性上较为平衡。

5.2.3 组合收益情况

行业轮动主动权益基金组合 2025 年收益 59.92%，相对基准超额 25.6%，全时段策略年化收益 23.7%，相 对基准超额收益 15.2%，信息比 1.25。 行业轮动 ETF 组合 2025 年收益 54.68%，相对 Wind 全 A 超额 21.46%。全时段策略年化收益 23.26%，相 对基准超额收益 17.9%，信息比 1.73。

5.3 陪伴式 FOF 组合

5.3.1 陪伴式偏股增强 FOF 组合

方法论

陪伴式偏股增强 FOF 以基金初选池作为研究对象，构建以 Alpha 为主、拥挤度为辅的动态多因子选基模 型，通过季度不断调整选基因子与权重进行组合优化。回测区间为 2012.1.1 至今，其中 2024 年以来为样本 外，每个季度末最后一个交易日进行调仓。基金初选池筛选条件为：成立满 2 年 3 个月；近 2 年平均股票仓位 不低于 60%的普通股票型、偏股混合型、灵活配置型、平衡混合型；基金规模不低于 2 亿元；任期最长的在任 基金经理至少任职满 1 年；剔除定开和持有期基金。因子优选时，以 Alpha 类因子为主、拥挤度因子为辅，同 时各调仓日筛选过去两年 IC、IR 表现较好的因子分配剩余权重。组合构建时，每期根据复合因子值大小取前 30 只基金加权构建 FOF 组合。

报告期收益情况

2025 年以来权益市场大幅上涨，截至 2025/10/31，陪伴式偏股增强 FOF 组合今年以来收益 27.46%，万得 偏股基金指数今年以来收益 32.47%，组合超额收益为-5.01%。全时段策略年化收益 15.29%，相对万得偏股基 金指数的年化超额收益为 5.44%。

5.3.2 陪伴式宽基增强 FOF 组合

方法论

陪伴式宽基增强 FOF 组合对基金初选池依次构建相对沪深 300 和中证 800 的主动权益宽基指数增强策略， 通过控制组合相对基准的行业板块暴露和市值风格暴露来控制组合的跟踪误差，在此基础上最大化组合的复合 因子得分。其中，单只基金复合因子的计算同样基于 Alpha 为主、拥挤度为辅的动态多因子选基模型。回测区 间为 2012.1.1 至今，每个季度末最后一个交易日进行调仓。

报告期收益情况

陪伴式 300 增强 FOF 组合今年以来收益 23.45%，沪深 300 指数今年以来收益 17.94%，组合超额收益为 5.51%。全时段策略年化收益 14.07%，相对沪深 300 指数的年化超额收益为 8.86%。 陪伴式 800 增强 FOF 组合今年以来收益 20.06%，中证 800 指数今年以来收益 20.50%，组合超额收益为0.44%。全时段策略年化收益 14.23%，相对中证 800 指数的年化超额收益为 8.79%。

编辑：火腿肠