宏观情景、资产配置与风格轮动展望。经济六周期：预计迈入信用扩张阶段概率较大，利好权益资产表现；财政刺激：节奏逐步加快，强劲的财政刺激对权益资产有显著驱动效果；宽基展望：GK模型显示大市值宽基指数具备更高预期收益；风格展望：结合微观三标尺和宏观周期视角，质量成长价值小盘；转债市场：当前转债市场已由“低价低估区间”进入“中等价格与估值”区间，转债配置性价比适中；宏观对冲的组合思路：在明年货币政策是主动宽松的基础假设下，可利用股债风险平价策略对冲增长，收获流动性。

  基金分析年度策略。1）行业仓位：成功领先者边际加仓家电、电力设备及新能源、通信、有色金属、房地产，成功独行者边际加仓餐饮、非银行金融、电力设备及新能源、家电、通信；2）基金推荐：成功领先者和成功独行者是相对优秀的基金类型，FOF组合年初至今仍具备超额收益。

  中观行业配置展望：当下可能处于主动去库存末期，重视电子、汽车、家电和有色等行业补库存机遇。配置观点：根据景气度-趋势-拥挤度打分，红利相关行业打分在10月明显下滑，成长板块相对占优，而左侧库存反转模型看好电子、汽车、家电和有色等。考虑到当下可能处于主动去库存末期，建议重视此类行业补库机遇；组合跟踪：截止2024年11月底右侧景气趋势模型表现稳健，绝对收益16.1%，相对wind全A指数超额4.1%；左侧库存景气反转策略绝对收益24.9%，相对行业等权超额13.5%。

  多因子策略回顾与展望。A股风格：2024年上半年，A股市场出现了较为频繁的大小盘风格切换，总的来看大盘风格占优；动量因子上半年的累计收益较高，但下半年波动较大；量价Alpha因子：今年以来，国盛金工量价类Alpha因子均取得正向收益，其中分钟换手稳定性因子、分钟收益波动因子的稳定性最高，年化信息比率分别是2.64、2.03。量化选股组合：1）基于增强ETF申赎清单构建的指增组合：截至2024年11月底，沪深300和中证500指增组合超额收益分别为5.2%和8.6%；2）基于量价交易信息的AI指数增强组合：中证500、中证1000指增组合今年以来超额收益分别为7.1%和11.0%。

  可转债市场回顾与量化展望。可转债市场估值修复基本完成，配置性价比适中。今年十月以来，转债处于低估值超高的性价比区间，转债的的资产表现出了优异的收益风险比。在正股波动率与信用环境较为保守的假设之下，目前转债的配置性价比适中，转债市场估值修复基本完成。转债估值有望贡献非线性收益。投资者感受到的可转债非线性收益大多数来源于于gamma收益与转债估值收益，当前转债估值中性偏低，未来估值有望继续上升，从而提升转债的非线性收益。

  量化择时核心结论。当下处于牛市的初级阶段，市场呈现普涨格局。刚确认周线上涨的行业有建筑、轻工、机械、电力设备及新能源、商贸零售、纺织服装、非银行金融、地产、计算机、传媒；下跌相对来说还是比较充分，有望迎来周线上涨的行业有医药、钢铁、建材、农林牧渔。

  风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。此外，本报告不构成对基金产品的推荐建议。

  基于货币传导理论机制，我们将宏观情景按照“货币-信用-增长”三因子方向划分成中国经济六周期，当前从基本面现实来看，处于宽货币-紧信用-弱增长的货币扩张状态。而近一个季度股债商三类资产均有不错表现，逻辑回归模型预测表明资产走势或已部分定价信用扩张预期。

  展望未来一年，彭博经济学家一致预测显示货币环境维持宽松（SHIBOR3M预测平稳下行）、信用开启反弹（M2预测趋势上行）、增长仍然偏弱（GDP预测波动向下），据此推演将切换至信用扩张阶段，利好权益资产表现。

  近一年在货币持续刺激下信用仍难见起色，导致经济周期长期停滞在货币扩张阶段，其核心矛盾在于私人部门需求不足，公共部门需加杠杆补足总需求，从而引导货币顺畅传导，同时提振市场预期，因此观测焦点应放在财政刺激。

  近阶段财政节奏加快下资产价格有所反弹但仍归于震荡，个人会使用一般公共预算和政府性基金预算加总的财政赤字率作为代理变量，测算发现强劲的财政刺激才对资产表现具有非常明显区分效果。若财政赤字维持四季度的扩张节奏，预计明年一季度有望攀升至前期高点，触及2倍标准差水平。

  GK模型认为股票收益来自于股息率、股本变动率、盈利增速和估值变化四个收益来源，《A股收益预测框架》中我们对四个分项分别进行未来一年的建模，从而构建了A股宽基指数未来一年的收益预测模型。

  当前来看，中证500未来一年的预期收益为-20.6%，似乎与上证50和沪深300拉开了巨大的差异，其差异大多数来源于于两项：

  1) 盈利预测：分析师一致预期修正模型认为中证500未来一年盈利增速为-8.6%；近期信贷脉冲近期也有所回落，信贷脉冲模型认为中证500未来一年盈利增速为-8.0%；

  2) 估值预测：9月23日至12月10日，中证500的估值拔升了37.5%，一部分来自于股价的提升， 一部分来自于三季报的盈利滑落，透支了中证500的估值空间；

  退一步说，哪怕我们对宽基指数的预期收益与真实收益之间有偏差，但是根据300和500预期收益差构建的宽基指数多空策略似乎是长期有效的，这在某种程度上预示着预期收益差具备300和500相对收益的长周期预测能力，因此，我们提议投资者未来一年更多聚焦大市值宽基指数。

  风格轮动的问题一般而言我们提议投资者以“微观为主，宏观为辅”的思路进行应对，微观层面我们一般是以“赔率-趋势-拥挤度”三标尺框架进行系统性的跟踪和观察。

  1)质量风格：即ROE因子和EPS稳定性因子，当前为高赔率-中等趋势-低拥挤状态，横向综合排名最高，建议长期超配；

  2)成长风格：即营收增速和净利润增速因子，当前为中等赔率-中等趋势-中等拥挤状态，整体各项指标均处于中间水平，前期的大涨使得赔率和拥挤度优势变弱，建议标配；

  3)价值风格：即PB、PE和股息率等因子，当前为低赔率-强趋势-中高拥挤状态，横向对比综合排名较低，长期或有相对收益压力，建议标配或低配；

  4) 小盘风格：即流通市值因子，当前为中等赔率-弱趋势-高拥挤状态，综合排名最低，尽管短期由于风险偏好等原因有显著涨幅，但长期而言风险仍在，建议低配；

  ② 宏观维度看风格。我们得知成长和价值的轮动与宏观环境具有较大的相关性，一般而言在中国经济六周期的前三阶段成长风格表现出色，而在后三个阶段是价值类风格表现出色。尽管当前我们仍处于阶段六，但从上文的推演可知，市场预期已经走向阶段一，而从经济学家一致预期来看未来一年我们切换至前三阶段的概率也会较高，因此聚焦成长风格应该是一个胜率较高的选择。

  基于微观三标尺和宏观六周期的综合判断，未来一年风格建议是：质量成长价值小盘。

  ③ 系统化风格轮动策略。基于微观三标尺的综合打分，我们构建了“大盘小盘-价值成长”四象限风格轮动策略，2019年以来年化跑赢中证全指10%，超额收益的月度胜率为61%。过去一年主要是在2023年11月从小盘价值切换至大盘价值，在2024年5月从大盘价值切换至大盘成长，今年以来累计绝对收益为23.3%，超额收益为9.0%。

  当前转债配置性价比适中。我们基于专题报告《可转债的赎回概率调整定价模型》，使用了以下两个指标来观察转债市场当前的赔率水平与左侧配置价值：

  价格水平类择时指标：信用债YTM与转债YTM差值。当该指标处于历史低位时，说明近期权益市场承压，绝大部分转债已经跌成了虚值期权。若在此时买入转债，转债期权的delta较低，权益市场下跌对转债价格的影响已比较有限。当前YTM差值-历史6年中位数位于2018年起64.47%分位数，市场处于“中等价格”区间。

  期权估值类择时指标：CCBA定价偏离度。我们计算定价偏离度=转债价格/CCBA模型定价-1，用来表征转债的期权估值水平，在低估时配置转债易获得正股与估值同时反弹的收益。当前CCBA定价偏离度为-0.19%，位于2018年起53.44%分位数水平，转债市场处于“中等估值”区间。

  由上可见，由于正股的快速反弹，转债市场情绪显著恢复，当前转债市场已由“低价低估区间”进入“中等价格与估值”区间，转债配置性价比适中。

  股债风险平价策略指数（股债RP指数）今年以来收益6.8%，最大回撤0.74%，表现异常亮眼。理论上，由于股票对增长正暴露，对流动性正暴露，而债券对增长负暴露，对流动性正暴露，因此股债风险平价组合大致上可以将股债的增长暴露对冲掉，剩下纯粹的流动性多头暴露。

  从下图可见，历史上两次股债RP指数的大回撤都是在货币政策主动收紧的环境中出现，而从历史的回归关系来看，货币宽松往往意味着股债风险平价策略将会有更高的收益。12月9日中央经济工作会议中对货币政策的表述是“适度宽松的货币政策”。因此如果在明年货币政策是主动宽松的基础假设下，我们预计股债RP策略依然会有较好的收益和较低的回撤。

  在之前的专题报告《从跨期模仿行为中寻找公募基金的领先者、跟随者和独行者》中，我们根据基金季报披露的真实持股信息，对公募基金的跨期持仓行为特征进行了分析，计算了基金的跨期领先效应和跨期跟随效应因子，然后根据因子寻找到公募基金中的三类基金参与者：领先者、跟随者、独行者。通过复盘发现，历史上各类基金对各行业的配置与切换节奏不一样，具体从历史各期配置数据分析来看，领先者和跟随者的行业切换速度较快（各行业配置比例的波动率较大），而独行者的板块配置比例相对来说比较稳定一些。成功领先者往往能够比跟随者更早地嗅到市场未来的热点方向，长久来看成功领先者的行业配置具有前瞻性。季报披露后观察全部公募基金整体的行业配置数据对投资的指导意义比较有限，而观察其中的成功领先者与成功独行者的行业配置数据更有意义。据历史数据回测结果，成功领先者、成功独行者的个股与行业投资具备一定的借鉴意义。

  截至今年Q3季报，从各类基金的最新板块配置与变动情况来看，主要有以下结论：

  截至今年Q3季报，从各类基金最新的中信一级行业配置情况去看，主要有以下结论：

  成功领先者：重仓前五行业为电力设备及新能源、电子、家电、有色金属、机械；

  成功领先者：边际加仓家电、电力设备及新能源、通信、有色金属、房地产，边际减仓计算机、医药、电子、国防军工、煤炭；

  成功独行者：边际加仓餐饮、非银行金融、电力设备及新能源、家电、通信，边际减仓基础化工、煤炭、电力及公用事业、机械、银行；

  不论是从长期历史回测结果来看，还是从短期今年样本外的业绩来看，成功领先者和成功独行者都是相对优秀的基金类型。这2类基金不仅投资行为具备参考意义，而且基金本身也具备较高的投资价值，能较好地适应近几年抱团程度较低的市场风格。截至2024年11月30日，今年以来公募偏股基金指数整体跑输万得全A指数，万得偏股混合基金指数收益率4.36%，同期万得全A收益率12.20%。截至2024年11月30日，我们跟踪的成功领先者50组合的收益率是9.82%，成功独行者50组合的收益率为7.28%。

  下面我们列示了成功领先者50组合&成功独行者50组合里面的部分优秀基金产品供投资者参考，详细的计算过程与最新基金名单欢迎联系国盛金工团队。

  近些年我们丰富了行业配置框架，目前包括右侧行业景气趋势模型和左侧库存景气反转模型，两个模型能够有效互补，适应市场变化。这里给出当前的配置观点和重要提示：

  核心观点：成长板块景气度-趋势-拥挤度打分占优。截止2024年11月底，右侧景气趋势模型绝对收益16.1%，相对wind全A指数超额4.1%。左侧库存景气反转策略绝对收益24.9%，相对行业等权超额13.5%。当下最显著的变化有两个：一个是稳定高股息板块（银行、电力和交运）趋势和拥挤度打分在10月明显下滑，目前均已被模型移出持仓，短期参与性价比不高；二个是成长板块景气度-趋势-拥挤度打分占优，例如汽车、通信、电子、军工、有色、化工和新能源等，结合前期月报我们提到通信、有色、电子和汽车等行业有望迎来库存底部反转机遇，建议重视。

  1）右侧景气度-趋势-拥挤度分析框架：选取景气高、趋势强和拥挤度不高的行业。考虑到近些年分析师定价权的提升，我们根据分析师盈利预测明细数据编制了分析师景气指数FAPI（Financial Analyst Pros Index），用于及时跟踪宽基指数、风格和行业的景气度。结合我们团队的趋势和拥挤度指标，截止2024年11月29日，行业各个分项指标如下。

  12月行业配置建议如下：补库存预期70%（有色金属17%、汽车17%、家电7%、通信16%，电子13%）、农林牧渔9%、国防军工7%、基础化工7%、电力设备及新能源7%。

  2）左侧的赔率-胜率分析框架：选取当前困境或者过去困境有所反弹的行业中，长期景气有望改善的行业。今年来，我们在该模型基础上，添加了基本面维度的信息，将行业库存周期的框架纳入进去。具体而言，剔除了库存和资本开支历史分位数80%、毛利率和自由现金流占比历史分位数

  根据最新一期打分，咱们提供如下库存景气图谱，建议关注右下角蓝色气泡行业，越往右下代表行业业绩预期更好，库存位置不高，红色点代表不符合买入必要条件（资本开支或库存历史分位数80%、毛利率或自由现金流占比历史分位数1）资源品：工业金属、稀有金属、化学纤维等；2）出口链：乘用车、汽车零部件、纺织制造等；3）AI：消费电子、元器件、计算机设备；4）医药：中药生产、化学制药等。

  此外，目前库存周期处于经济下、库存下的象限，也就是主动去库存阶段，我们基于库存周期构建的择时策略原则是在被动去库存和主动补库存阶段做多权益资产，考虑到经济稳步的增长指数在0轴以下，当前权益资产可继续等待。有必要注意一下的是，近期宏观经济和库存景气指数有明显修复迹象，并且上市公司三季报补库力度较大，当下可能处于主动去库存尾声，后续可重点跟踪有关数据披露和年报补库力度。

  考虑到目前宏观环境可能处于主动去库存末期，现在应该重视未来一年有望底部补库存的行业。根据10月底三季报披露情况，汽车、有色和电子等一级行业继续补库存，三季报库存和营收同比继续回补，并且资本开支处于历史中低位，毛利率和自由现金流等补库存条件类指标有企稳迹象，能关注起来。具体财务指标更新如下图所示：

  1）库存同比：这四个行业近期的库存同比均出现回补迹象。其中家电和电子从2023年下半年企稳上升，触底相对较早；汽车和有色于2024年半年报刚刚有触底回升的迹象，三季报汽车库存进一步回补。

  2）营收同比：这四个行业半年报的库存同比均出现企稳向上。其中家电和汽车2023年半年报附近企稳向上，有色和电子于2024年二季报有企稳迹象。

  3）资本开支/（固定资产+非货币性资产）：家电、有色和电子半年报的资本开支占比均处于历史低位，汽车历史分位数略高但近期显而易见地下降，已处于历史中枢位置。

  4）毛利率：家电、有色、汽车和电子半年报的毛利率均处于上行趋势，其中家电、汽车和有色同时处于历史较高位置，电子有较大上行空间。

  5）自由现金流/总资产：家电半年报的自由现金流显著为正且位于历史较高位置，但三季报有下滑趋势，可持续观察年报披露状况；汽车和有色均在0轴以上有见底企稳迹象；电子自由现金流长期为负处于资本投入状态，但近期处于上涨的趋势且处于历史较高位置。

  我们从成熟的盈利模式出发，构建具体的主动量化策略。目前跟踪的模型包括：行业配置模型、行业ETF配置模型和行业轮动+PB-ROE选股模型等。

  在前期发布的专题报告《行业配置模型的顶端优化》中，我们提出了两种适用不同市场环境的右侧行业配置解决方案：

  1)行业景气模型：高景气+强趋势，规避高拥挤。景气度为核心，进攻性强，需要拥挤度提示风险来保护，比较偏同步；

  2)行业趋势模型：强趋势+低拥挤，规避低景气。顺着市场趋势走，思路简单易复制，持有体验感强，比较偏右侧。

  历史回测结果如下图所示，基准是wind全A指数。行业配置模型多头年化22.7%，超额年化16.3%，信息比率1.74，超额最大回撤-7.4%，月度胜率71%。今年截止2024年11月底，相对wind全A指数超额4.1%，绝对收益为16.1%，表现较为稳健。

  随着近两年景气和动量因子效果有所衰退，两个细分模型出现阶段性失效的情况，近期我们基于赔率-胜率的角度研发出困境反转的行业配置模型，在当前困境或者过去困境有所反弹的板块中，挖掘分析师长期看好且仓库存储上的压力不大具备补库条件的板块，希望捕捉一些正处于补库周期的行业困境反转行情。

  模型历史回测结果如下图所示，基准是行业等权。模型多头年化13.4%，超额年化16.5%，信息比率1.76，超额最大回撤-8.7%。策略2023年获得绝对收益17.0%，相对行业等权超额20.7%，2024年截止11月底绝对收益24.9%，相对行业等权超额13.5%。

  行业ETF配置层面，在专题报告《行业ETF配置的解决方案》中，我们将行业景气度模型在ETF上进行落地。策略年化超额收益18.2%（基准中证800），信息比率1.87，2023年超额收益为6.0%，2024年截止11月底超额4.9%。

  12月ETF配置推荐如下：800汽车、通信设施、全指电力、5G通信、人工智能、中证畜牧、有色金属和科技龙头等。

  考虑到部分一级行业暂无可投资ETF，我们将行业模型配置也落实到选股层面。具体而言，我们先根据行业配置模型确定行业权重，然后根据PB-ROE模型选取行业内估值性能好价格低的股票（前40%），按流通市值和PB-ROE打分加权。

  行业景气度选股模型多头年化29.9%，年化超额wind全A指数22.9%，信息比率2.02，超额最大回撤-8.0%，月度胜率74%。2022年策略超额10.2%，2023年超额10.4%，2024年截止11月底策略绝对收益13.4%，超额wind全A指数1.2%，近3个月表现不佳，策略有绝对收益但超额回撤较大。最新推荐重仓股如下：

  我们首先统计了2024年初至11月底，国盛多因子风险模型中风格因子的纯因子收益。

  1）规模类因子：市值因子收益率是3.97%，非线%，表明市场整体偏向大市值风格，中小盘股表现不佳；

  2）量价类因子：beta和动量因子收益率分别为10.11%、9.50%，残差波动率和流动性因子收益率分别为-14.17%、0.26%，市场总体呈现高动量和低波动风格；

  3）基本面因子：基本面因子整体表现一般，价值、杠杆因子收益略为正，分别为1.09%、0.99%；成长、盈利因子收益为负，分别为-1.21%、-0.10%。

  行业上，剥离了风格后的行业纯因子收益显示，今年表现最好的五个行业分别是综合、保险、通信、银行、传媒，收益最低的五个行业分别是钢铁、餐饮、医药、农林牧渔、建材。

  1）右侧景气度-趋势-拥挤度分析框架，选取景气高、趋势强和拥挤度不高的行业。模型2023年相对wind全A指数超额9%，绝对收益为4%。截止2024年6月底，相对wind全A指数超额9.7%，绝对收益为1.7%，表现较为优异。

  再观察因子的净值曲线年出现了较为频繁的大小盘风格切换：年初至2月上旬，市场呈现明显的大盘风格；2月中旬开始，市场迅速切换至小盘风格，持续至4月中旬；随后，大小盘风格又经历了多次经常性更换，大盘在4月中旬、6月初、7月中上旬、9月下旬至10月上旬曾短暂明显占优，其余时段小盘占优或大小盘风格不明朗。动量因子上半年的累计收益较高，但下半年波动较大。Beta因子在9月下旬至10月中上旬的表现亮眼，其余时段的表现一般。盈利因子上半年表现较佳，但下半年持续回撤。另外，今年流动性、价值、成长、杠杆因子的表现均不尽如人意，累计净值的波动较大，频繁发生大幅回撤。

  1）动量/反转类因子：A股市场有显著的月度反转现象，但并不总是稳定；我们从反应不足/反应过度的方面出发，利用成交量、投资者结构等信息，对传统反转因子进行改进，提高其稳定性；有代表性的因子如volume_ret20、moneyflow_ret20（分别用成交量、大小单资金流，对月度反转因子进行改进）；

  2）流动性因子：我们得知过去一段时间交易量相对来说比较稳定的股票，在未来一个月具有非常明显的超额收益，因此基于日频换手率、分钟换手率的稳定性，分别构建选股因子daily_turn_std、minute_turn_std；

  3）波动率因子：A股市场有显著的“低波非正常现象”，即波动率较低的股票，未来收益更高；我们基于股票的分钟行情数据，计算分钟涨跌幅的标准差，构建高频波动率因子minute_volatility；

  4）价量相关性因子：想要预判股票的未来表现，仅仅依靠股价走势是不够的，还需要观察成交量的变化；价量相关性因子能够在一定程度上帮助我们结合价格与成交量的信息，有代表性的因子如daily_pv_corr、minute_pv_corr（分别基于日频、分钟数据，计算价量相关性，构建选股因子）；另外，我们得知价格变化的自相关性中，也拥有显著的选股信息，因此基于分钟价格序列的自相关性，构建因子minute_price_autocorr。

  构建上述量价类Alpha因子后，我们以全体A股为研究样本（剔除ST、停牌、上市未满60个交易日的股票），对因子进行月度10分组回测。下面两张图表分别展示了因子10分组多空对冲的净值走势、各项绩效指标。总的来看，量价类Alpha因子表现稳健，信息比率基本都在2以上；其中高频价量相关性因子、高频价格自相关性因子的稳健性最强，信息比率分别是3.02、2.82。

  今年以来，上述量价类Alpha因子都取得了正向收益，其中累计收益最高的为minute_volatility（分钟收益波动因子），录得收益20.18%；minute_turn_std（分钟换手稳定性因子）和daily_turn_std（日频换手稳定性因子）紧随其后，分别录得收益17.30%和14.97%。从信息比率来看，表现最好的是minute_turn_std（分钟换手稳定性因子）和minute_volatility（分钟收益波动因子），今年以来的年化信息比率分别是2.64和2.03。

  众所周知，量价类因子在中小市值股票中的有效性更强，因此在市场更偏中小市值风格的时候，量价因子的表现往往更好。我们选取常用的沪深300指数代表大盘股、中证1000指数代表中小盘股，观察两个指数从2012年以来的相对走势。不难发现在2017年以前，中证1000指数有较为稳定的优势；但从2017年开始至2021年年初，沪深300指数持续占优，观察同期量价因子的表现，就会发现许多传统量价因子的有效性显而易见地下降，比如传统反转因子在2017年出现长时间回撤，传统波动率、换手率因子在2018年、2019年多次出现大幅回撤，另外伴随着2020年至2021年初的机构抱团行情，我们构建的量价类Alpha因子的波动也明显增大；直到2021年3月份，市场重回中小市值风格，量价类因子的表现才开始回暖。

  在未来，如果我们预期大规模的机构抱团行情难以重现，且目前A股市场的股票数量较多，在许多未被研究机构覆盖的中小票中，也将出现较多具有投资价值的股票，那么我们始终相信量价类因子将会有更多的用武之地。

  我们将跟踪的量化选股组合大体分为3类：其1）为基于增强ETF申赎清单构建的指增组合；其2）为基于量价交易信息的AI指数增强组合；其3）为主动量化选股组合：

  1)传统多因子选股体系，我们另辟蹊径基于增强ETF申赎清单直接构建增强组合；

  2)深度学习选股体系，基于量价数据驱动，采用AI模型的短周期交易型指增组合；

  3)通过对价值投资或行为金融的深度理解，捕捉市场反应不足/过度的定价错误，组合构建流程基于金融逻辑和因果推断，根据特定事件或指标筛选股票池。

  作为将指数增强基金和ETF交易模式相结合的工具性产品，近年来增强ETF的发展在A股结构性行情中不断升温。自2021年末上市以来，增强ETF的规模与数量逐步扩大，且可以在一定程度上完成每年稳定战胜基准指数的目标。不同于场外指数增强基金每季度披露投资报告，增强ETF每日公告申购赎回清单，可借助清单中对其当前持仓一窥究竟。

  借助增强ETF每日通过PCF披露的申赎清单，我们对增强ETF的持仓情况做还原。分析表明PCF“清单权重”无论在持仓明细还是净值走势都能良好还原增强ETF本身。

  增强ETF申赎清单本身即为股票多头信息，我们从两个不同维度基于增强ETF申赎信息构建对应标的指数的增强策略。基于增强 ETF 申赎因子，间接构建组合，其优点是我们不再受限于ETF 本身的持仓组成，可以综合多个ETF 对于个股的综合评价信息，对于组合的风险约束也将具有更大的自主权利。

  我们基于增强ETF申赎清单构建增强组合，截至2024-11-29日，今年以来沪深300指数增强组合超额收益为5.2%，中证500指数增强组合超额收益为8.6%，中证1000指数增强组合超额收益为1.9%。

  基本面因子是低频多因子模型的重要alpha来源，但是2021年以来业绩类因子出现普遍性的大面积回撤。而量价+AI类模型基于数据驱动，基于短期交易数据层面捕捉市场短期的定价不充分，这与基本面模型具有较高的独立性，因此我们基于深度学习模型构建了周频调仓的指数增强组合。

  截至2024-11-29，今年以来中证500指数增强组合绝对收益14.9%，超额中证500指数7.1%，组合日度胜率55.0%。

  截至2024-11-29，中证1000指数增强组合今年以来绝对收益16.1%，超额中证1000指数11.0%，组合日度胜率56.8%。

  Piotroski（2002）提出F-SCORE指标用于低估值（高BP）股票投资，他认为低估值股票更适用于财务报表分析：

  2.公司欠缺主动的信息公开披露渠道，由于业绩表现差，主动的信息公开披露可能不被信任；

  因此，在低估值股票中我们大家都希望借助于财务信息，寻找估值具有抬升潜质、同时基本面出现改善、安全边际高的股票，在低估值股票中寻找盈利和估值同步抬升的机会。

  首先，股价的短期变化反应在情绪面和基本面，情绪映射成估值的变化，基本面反应在企业短期的盈利改善，因此股价增长取决于估值和盈利两个维度。

  我们发现，低估值股票估值变动幅度本身更大，而市场关注度低的中小市值、低成交量股票在短期由情绪主导的估值提升越来越明显，基于此逻辑我们筛选出冷门价值股票池。

  然而，低估值股票都会存在“便宜只有便宜的道理”，这些股票整体的盈利能力弱于市场中等水准，存在陷入“价值陷阱”的风险。盈利改善是避免“价值陷阱”出现的前提，而股价安全边际是避免“价值陷阱”的重要保障。因此，我们在寻找具有估值提升潜质的标的时，同样关注股票本身的盈利能力改善和股价安全边际。

  基于此思路，我们在冷门低估值股票池中选取基本面改善的股票，最终考虑价格的安全边际，每期选取100只股票等权构建小盘价值精选组合。

  以国证2000指数作为业绩比较基准，小盘组合2012年以来年化收益30.9%，超额国证2000指数22.4%，信息比2.19。截至2024-11-29，组合今年以来取得绝对收益16.4%，超额国证2000指数12.8%。

  公募权益基金整体相对于市场宽基指数呈现出显著超额收益，然而由于市场风格的变化，单只基金长期保持稳定靠前的业绩水平具有较高难度。

  我们在跟踪权益基金整体的风格、行业配置前提下，利用alpha模型获取超额收益，构建权益基金业绩增强组合。截至2024-11-29，今年以来组合取得绝对收益2.2%，跑输基准指数，相对偏股基金指数超额收益为-3.0%。

  股票的收益来自于两部分：股息收入和资本利得，其中股息收入能够最终靠股息率来刻画。股息率是Smart Beta中红利策略最核心的因子。红利策略优化的方式能在于对高股息股票的进一步优选。我们在红利低波策略的基础上来优化，寻找高成长性标的，筛选出的股票组合具有低波动性、高股息率和高成长性的特点。截至2024-11-29，今年以来组合取得绝对收益18.5%，超额中证红利指数10.0%。

  基于分析师对于股票最新业绩的点评报告，我们筛选鉴定市场上业绩超预期的股票；综合股票基本面信息优选个股构建超预期精选组合。截至2024-11-29，今年以来组合取得绝对收益9.4%，超额中证500指数1.6%。

  ①今年十月以来，转债资产表现出了优异的收益风险比。我们曾在月报《十月配置建议：12个择时指标怎么看A股》与《权益市场反弹，转债估值新低——十月可转债量化月报》中提及权益市场快速反弹，而转债估值仍处于低位，性价比较高建议超配。自今年10月初以来，转债走出了稳定向上的估值修复行情，中证转债指数从收益与风险维度均优于大部分宽基指数，具备优秀能力的收益风险比，可见使用估值来衡量转债配置价值的重要性。

  我们一般常使用定价偏离度（转债价格/模型定价-1）来衡量当前转债的估值，可以由下图看出，当前转债定价偏离度仍然处于低位，位于2018年开始14.29%的分位数水平。然而模型定价有时会受到输入参数不准确的影响，其中影响较大的分别为正股波动率与信用评级，因此我们下文意在讨论当处于不同波动率与信用环境下时，转债当前的估值水平究竟是高是低。

  ②若对正股波动率进行保守假设，转债当前估值中性。转债中期权部分的定价往往和波动率相关，波动率越高模型倾向于给出更高的定价。我们前文在计算定价时使用的是中短期的3个月历史波动率，由于9月底开始正股快速上涨，大幅拉高了正股波动，模型可能有高估转债定价的风险，从而可能会低估当前转债估值水平。

  为了对当前转债的模型定价进行更保守的估计，我们将转债正股历史波动率的长期中枢（3个月历史波动率的过去2年中位数）带入到定价模型中进行测算，从而尽量消除短期异常波动所带来的影响。由下图可见，当前基于历史波动率中枢计算的定价偏离度为-0.19%，相对于8月底的估值低点已出现显著恢复，位于2018年开始53.44%的分位数水平，说明在较为保守的正股波动假设下，转债当前处于合理估值位置。

  ③在信用风险适中的环境中，转债配置性价比中性。今年5月以来转债快速下跌的部分原因主要在于市场担心其信用尾部风险，为了衡量市场所隐含的信用风险，我们做了如下测算。首先我们选取平价低于80、余额3个亿以上、评级AA-及以上、正股价大于2的偏债转债进行统计，有以下两种情况：

  今年以来隐含利差于8月23号达到顶配水平，资质较弱的非国企转债的隐含利差接近2021年2月的高点。当前隐含利差已显著恢复，截止至12月13日，国企转债隐含利差为0.47%，非国企隐含利差为0.62%。

  我们取从2018年以来隐含利差的不同分位数，并带入定价模型中重新计算定价偏离度。如下图所示，只有在市场认为转债仍存在较高的信用风险，即隐含信用利差位于70%分位数左右时，转债市场估值才会开始显著较高。因此在信用风险适中的环境中，转债配置性价比中性。

  我们在专题报告《可转债定价模型与应用》中介绍过转债的收益分解模型，可以将转债收益进行如下拆解。由下图能够准确的看出，股票和估值收益存在很明显的周期波动，而gamma收益较为稳定，平均每年能够贡献2.8%的收益。

  但是实际上，投资者所感受到的gamma收益并不是很稳定，当市场情绪强的时候，投资者感受到的gamma收益更加显著；当市场情绪差的时候，投资者感受到的gamma收益并不明显，如在今年中开始，感受到的gamma收益甚至为负，即转债随着正股上涨的少，但是下跌的更多。可见感受到的gamma和估值上升与下降有关，因此我们大家可以定义广义gamma收益=gamma收益+转债估值收益+债底收益。

  但是实际上，投资者所感受到的gamma收益并不是很稳定，当市场情绪强的时候，投资者感受到的gamma收益更加显著；当市场情绪差的时候，投资者感受到的gamma收益并不明显，如在今年中开始，感受到的gamma收益甚至为负，即转债随着正股上涨的少，但是下跌的更多。可见感受到的gamma和估值上升与下降有关，因此我们大家可以定义广义gamma收益=gamma收益+转债估值收益+债底收益。

  由下图可见，今年年中转债市场快速下跌时，投资者便感受到了转债的“负gamma收益”，主要是由于估值的快速压缩所导致。同时转债的定价偏离度对未来一年转债估值收益有着一定的预测能力，当前转债估值中性偏低，未来估值有望继续上升，从而提升转债的非线性收益。

  目前，几乎所有的规模指数都已形成了周线级别上涨，而且周线级别上涨绝大部分都只走了1浪结构，这说明当下才处于牛市的初级阶段。一波周线级别上涨持续的时间平均1-2年左右，结构上平均会走出3-5浪，市场的中期上涨才刚刚开始。

  就行业配置角度而言，我们推荐周线上涨刚确认或周线下跌足够充分的行业。目前来看，建筑、轻工、机械、电力设备及新能源、商贸零售、纺织服装、非银行金融、地产、计算机、传媒刚确认周线级别上涨，且周线浪，上涨趋势大概率没结束；医药、钢铁、建材、农林牧渔周线浪结构，而且多数都已经走出双底结构，后续会逐步走出底部，可以积极布局。

  风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。此外，本报告不构成对基金产品的推荐建议。