7月配置：風格均衡配置，看多非銀、有色、通信、計算機等 | 開源金工

（轉自：建榕量化研究）

報告發布日期：2025-06-30

01

多資產配置觀點：看多短債、偏股低估轉債、黃金

1.1、高頻宏觀因子跟蹤

在報告《高頻宏觀因子構建與資產配置應用》中，我們通過資產組合模擬構建一套高頻宏觀因子體系，用以觀察市場交易的宏觀預期變化。

在六類宏觀風險因子之中，利率因子、匯率因子、信用因子和期限利差均可使用相關指數以做多或者做空的方式構造投資組合。而對於高頻經濟增長和高頻通貨膨脹，構造方式可以分為三步：（1）真實宏觀指標合成低頻宏觀因子；（2）篩選領先於低頻宏觀因子的資產；（3）以資產同比收益率為自變量，低頻宏觀因子同比為因變量，通過滾動多元領先回歸確定資產權重，構建投資組合模擬宏觀因子走勢。

從高頻宏觀因子和低頻宏觀因子的走勢來看，高頻經濟增長、高頻消費通脹、高頻生產通脹指標相對低頻宏觀因子有一定領先性。截至2025年6月27日，高頻經濟增長同比較前值上行；截至2025年5月31日，低頻經濟增長同比較前值下行；經濟增長高頻指標與低頻指標變動方向相反。

截至2025年6月27日，高頻消費通脹同比較前值上行；截至2025年5月31日，低頻消費通脹同比較前值不變；消費通脹高頻指標與低頻指標變動方向相反。截至2025年6月27日，高頻生產通脹同比較前值上行；截至2025年5月31日，低頻生產通脹同比較前值下行；生產通脹高頻指標與低頻指標變動方向相反。

1.2、 債券久期擇時觀點

在報告《債券預期收益框架與久期擇時策略》中，我們利用改進的Diebold2006模型預測即期收益率曲線，並映射出不同久期債券的預期收益。模型分別預測了水平、斜率、曲率因子，水平因子的預測基於兩個視角：宏觀變量預判和政策利率跟隨，斜率和曲率因子的預測則基於AR(1)模型。

2025年6月27日，模型預測未來三個月水平因子上升，斜率因子陡峭化，曲率因子增凸，推薦持有1年期短久期債券。

每個季度持有預期收益最高的債券，開源久期調整策略6月回報31.6bp，等權基準收益率為33.7bp，策略超額收益-2.1bp。最近一年，開源久期調整策略回報1.78%，等權基準收益率為4.74%，策略超額收益-2.96%。

1.3、 轉債配置觀點

在報告《可轉債配置：低估值增強與風格輪動》中，我們進行了三項研究：（1）如何比較轉債和正股的相對估值？（2）如何比較偏債型轉債與同等級期限的用債配置價值？（3）如何在轉債內部進行風格輪動？

對於可轉債與正股的估值比較，我們構建出時序上可比的估值指標「百元轉股溢價率」，並計算滾動歷史分位數衡量轉債和正股當前的相對配置價值。截至2025年6月27日，「百元轉股溢價率」為29.47%，滾動三年分位數處於59.0%，滾動五年分位數處於62.2%，相對於正股整體配置性價比偏低。

對於偏債型轉債與信用債的估值比較，我們將轉股條款對轉債YTM產生的影響進行剝離，取「修正YTM–信用債YTM」中位數衡量偏債型轉債和信用債之間的相對配置價值。截至2025年6月27日，「修正YTM–信用債YTM」指標中位數為-0.77%，偏債型轉債的整體配置性價比適中。

從長期來看，高估值轉債會系統性的帶來負收益。我們構建出轉股溢價率偏離度因子和理論價值偏離度因子，綜合剔除高估值轉債。而股性和債性是轉債最大的風格特徵，我們選擇轉債20日動量與轉債波動率偏離度作為市場情緒捕捉指標，雙周頻調倉構建轉債風格輪動組合。

從轉債風格輪動收益風險特徵來看，2018年2月14日至2025年6月27日，轉債風格輪動年化收益為23.87%，最大回撤16.67%，信息比率1.43，月度勝率64.77%；2025年以來收益為25.21%。根據2025年6月27日的最新信號，接下來兩周風格輪動將配置偏股低估轉債指數。

1.4、 黃金配置觀點

在報告《黃金的預期收益框架與COT擇時因子》中，我們將黃金和美國抗通脹債券(TIPS)的遠期實際回報關聯，構建了黃金的預期收益模型。

我們通過擴展窗口OLS估計參數k，以美聯儲長期通脹目標2%作為π^e的代理。2025年6月30日，模型測算未來一年黃金的預期收益率為23.0%。

當前黃金資產的預期收益>10%，擇時策略發出延續一年的看多信號。回顧過去一年，基於TIPS收益率的擇時模型持續看多黃金資產，策略絕對回報為40.72%。

02

股債配置:權益風險預算不變，股票倉位小幅下降

在戰術資產配置中，股票和債券是最常見的兩類資產，而如何進行股債的配比才能達到組合最優的風險收益比，也是廣大投資者最為關注的主題。開源金工將風險平價模型與主動信號結合構建主動風險預算模型，每月底給出股票與債券的最優配置權重，為投資者提供穩健的資產配置建議。我們將以中證800（000906.SH）和中債總財富指數（CBA00301.CS）這兩大寬基指數作為標的，月度對股債配置模型的表現進行跟蹤與回顧。

2.1、權益資產多維度比價

風險平價的核心是讓各資產對組合的波動貢獻相同確定資產配置權重，而主動風險預算模型則進一步利用多維度指標對資產波動貢獻進行動態調整，進而確定資產權重。其中，調節風險貢獻的主動指標將從股債橫向比價、股票縱向估值水平、市場流動性三個維度展開觀察。

在股債橫向比價維度，我們借鑑美聯儲FED模型，將股權風險溢價ERP定義為：

其中， 為中證800滾動市盈率、 為10年期國債到期收益率。觸發主動信號規則，當股權風險溢價 時超配權益資產，當  時低配權益資產。

在股票縱向估值水平維度，我們滾動窗口計算股票估值在近5年曆史中的分位數，當估值分位數位於25%之下時超配權益資產，反之當估值分位數位於75%之上時低配權益資產。

在市場流動性維度，M2與M1的差額爲準貨幣，包括單位定期存款、個人存款、證券保證金等；M2-M1剪刀差反映了可隨時兑換成貨幣的資金邊際變化。當 時，市場流動性寬松，超配權益資產；當   時，市場流動性收緊，低配權益資產。

2.2、 主動風險預算配置建議

綜上三個維度，我們將權益資產做出看多（1）、看空（-1）、中性（0）三類信號匯總，把權益資產的信號得分代入softmax函數，使信號轉化為權益資產風險預算權重。

其中，    為權益匯總信號，   為風險調整係數。進而，我們根據權益風險預算計算權益倉位的變化，如下圖所示。 

回顧6月股債配置，股權風險溢價ERP、流動性信號看多，歷史估值分位數信號為中性，股票倉位為21.50%，債券倉位為78.50%，6月組合收益0.92%。展望7月股債配置，股權風險溢價ERP、流動性信號看多，歷史估值分位數信號為中性，股票倉位為18.72%，債券倉位為81.28%。

在全樣本區間內，主動風險預算組合年化收益率6.51%，最大回撤4.89%，收益波動比1.64，收益回撤比1.33。下圖展示了主動風險預算配置與風險平價、股債等權重配置的淨值表現對比。

03

行業輪動：看多非銀、有色、通信、計算機等

我們於2024年12月發佈專題報告《行業輪動3.0：範式、模型迭代與ETF輪動應用》，從交易行為、景氣度、資金面、籌碼結構、宏觀驅動、技術分析六個維度出發，分別構建行業輪動子模型並對模型動態合成雙周頻優選行業。

交易行為模型捕捉行業日內動量+隔夜反轉效應；景氣度模型捕捉行業盈余動量效應；資金流模型捕捉主動搶籌+被動派發行為；籌碼結構模型捕捉持倉收益+阻力支撐效應；宏觀驅動模型捕捉高頻宏觀預期在行業上的映射；技術分析模型捕捉行業成份股在趨勢、振盪、量能指標上的交易信號。

3.1、 行業輪動節奏跟蹤

我們從行業輪動的賠率與勝率角度出發，觀察市場行業輪動操作的難易程度。對於行業輪動賠率而言，我們按照周度行業按收益率分成五組，計算每周漲幅最高組與最低組平均收益的差值，並對該周度行業分化時間序列提取趨勢項。從下圖中我們可以發現，近期行業輪動賠率緩慢下降，下滑至歷史中低水平。

對於行業輪動勝率而言，我們觀察行業動量的延續性，將行業按照過去K周漲幅進行五分組，做多漲幅最高組、做空漲幅最低組並持有K周，觀察K周漲幅的多空表現。從下圖可以看出，近期行業輪動速度提升，2周動量較強。

3.2、 行業輪動最新觀點

回顧2025年6月，行業多頭組合收益為1.05%，空頭組合收益為2.50%，行業等權基準收益為2.03%，多頭超額為-0.98%，空頭超額為-0.47%，多空收益為-1.45%。

最新行業配置觀點：非銀金融、有色金屬、通信、計算機、銀行、國防軍工。如果將30個一級行業分為大科技、大製造、大金融、大消費、大周期5大板塊，行業板塊上看多大科技、大金融板塊。風格判斷上，成長組與價值組得分相近，推薦風格均衡配置。

從近12周各模型動態合成行業輪動信號，其中籌碼結構模型、資金流模型、景氣度模型佔比較高；交易行為模型、技術分析模型、宏觀驅動模型貢獻佔比較低。

下圖為當前各行業的PB-ROE分佈用來衡量當前各行業的風格特徵，圖中圓點的顏色代表了行業的本月漲幅，文字為紅色的行業代表下月看好的行業。

3.3、 ETF輪動組合持倉

我們利用行業輪動信號構建ETF輪動組合，雙周度調整組合持倉，近期ETF輪動組合的持倉明細見下表。

回顧2025年6月ETF輪動組合，組合先后持有有色金屬、農林牧漁、傳媒、石油石化、建築材料、家用電器6個行業的ETF產品，組合收益率為-0.55%，有ETF跟蹤的行業平均收益率為2.39%，超額收益率為-2.93%。最新ETF輪動組合配置推薦：證券ETF、黃金股ETF、通信ETF、金融科技ETF。

04

「配置+選基」FOF組合：6月組合收益為3.03%

在「基金投資策略研究」系列的三篇報告中，我們系統化地梳理了我們對於主動權益基金投資的研究與思考。在第一篇《打造主動權益基金的投資策略標籤體系》報告中，我們構建32個刻畫基金投資特徵的指標，通過相似網絡對基金進行社羣聚類，自適應地對基金構建三級標籤體系。基金策略三級標籤分類包含投資標籤、策略標籤、特徵標籤，在不同顆粒度上對主動權益基金進行分類刻畫。

在第二篇《主動權益基金投資策略的遷移特徵與動態監控》報告中，我們比較了各類投資策略的收益表現差異，分析了基金經理的投資風格切換與策略遷移規律，同時對各類投資策略收益表現進行跟蹤。

在第三篇《主動權益基金的投資策略配置與選基因子增強》報告中，我們討論如何通過因子擇時進行基金策略配置，並結合分域選基因子增強構建FOF組合。

2025年6月，開源「配置+選基」FOF組合收益率為3.03%，偏股型基金指數收益率為3.39%，組合超額收益為-0.36%。2025年7月，我們看空高成長、高質量因子、低估值因子，相應高配小票黑馬風格基金，低配高成長、高質量大盤、低估值風格基金。

在《選基因子體系迭代與FOF組合應用》報告中，我們對選基因子進行迭代更新，同時通過組合優化方式構建「配置+選基」FOF組合。開源「配置+選基」FOF組合爲季調組合，要求基金的最新管理規模大於1億元且不限制大額申贖，在每類策略中不重複選入同一管理人的多隻產品，當前FOF組合持倉明細如下。

本報告模型及結果通過歷史數據統計、建模和測算完成，在市場波動不確定性下可能存在失效風險；歷史數據不代表未來業績。基金投資策略分類基於對公開的歷史數據的定量測算與統計，對基金產品和基金管理人的研究分析結論不能保證未來的可持續性，不構成對該產品的推薦投資建議。

做「開源」的量化研究

to be a quant，to be open-minded.

更多交流，歡迎聯繫：

開源證券金融工程團隊 | 魏建榕 張翔 傅開波 高鵬 蘇俊豪 胡亮勇 王志豪  盛少成 蘇良 何申昊 蔣韜