（来源：建榕量化研究）

报告发布日期：2025-07-31

01

多资产配置观点：看多短债、偏股低估转债、黄金

1.1、高频宏观因子跟踪

在报告《高频宏观因子构建与资产配置应用》中，我们通过资产组合模拟构建一套高频宏观因子体系，用以观察市场交易的宏观预期变化。

在六类宏观风险因子之中，利率因子、汇率因子、信用因子和期限利差均可使用相关指数以做多或者做空的方式构造投资组合。而对于高频经济增长和高频通货膨胀，构造方式可以分为三步：（1）真实宏观指标合成低频宏观因子；（2）筛选领先于低频宏观因子的资产；（3）以资产同比收益率为自变量，低频宏观因子同比为因变量，通过滚动多元领先回归确定资产权重，构建投资组合模拟宏观因子走势。

从高频宏观因子和低频宏观因子的走势来看，高频经济增长、高频消费通胀、高频生产通胀指标相对低频宏观因子有一定领先性。截至2025年7月31日，高频经济增长同比较前期上行；截至2025年6月，低频经济增长同比较前期下行；经济增长高频指标与低频指标变动方向相反，市场交易经济回暖预期。

截至2025年7月31日，高频消费通胀同比较前期下行；截至2025年6月，低频消费通胀同比较前期上行；消费通胀高频指标与低频指标变动方向相反，市场交易消费通胀下行预期。截至2025年7月31日，高频生产通胀同比较前期上行；截至2025年6月，低频生产通胀同比较前期下行；生产通胀高频指标与低频指标变动方向相反，市场交易生产通胀上行预期。

1.2、 债券久期择时观点

在报告《债券预期收益框架与久期择时策略》中，我们利用改进的Diebold2006模型预测即期收益率曲线，并映射出不同久期债券的预期收益。模型分别预测了水平、斜率、曲率因子，水平因子的预测基于两个视角：宏观变量预判和政策利率跟随，斜率和曲率因子的预测则基于AR(1)模型。

2025年7月30日，模型预测未来三个月水平因子上升，斜率因子陡峭化，曲率因子增凸，推荐持有1年期短久期债券。

每个季度持有预期收益最高的债券，开源久期调整策略7月回报6.6bp，等权基准收益率为-25.8bp，策略超额收益32.4bp。最近一年，开源久期调整策略回报1.61%，等权基准收益率为3.72%，策略超额收益-2.11%。

1.3、 转债配置观点

在报告《可转债配置：低估值增强与风格轮动》中，我们进行了三项研究：（1）如何比较转债和正股的相对估值？（2）如何比较偏债型转债与同等级期限的用债配置价值？（3）如何在转债内部进行风格轮动？

对于可转债与正股的估值比较，我们构建出时序上可比的估值指标“百元转股溢价率”，并计算滚动历史分位数衡量转债和正股当前的相对配置价值。截至2025年7月25日，“百元转股溢价率”为33.71%，滚动三年分位数处于84.4%，滚动五年分位数处于81.3%，相对于正股整体配置性价比偏低。

对于偏债型转债与信用债的估值比较，我们将转股条款对转债YTM产生的影响进行剥离，取“修正YTM–信用债YTM”中位数衡量偏债型转债和信用债之间的相对配置价值。截至2025年7月25日，“修正YTM–信用债YTM”指标中位数为-2.06%，偏债型转债的整体配置性价比偏低。

从长期来看，高估值转债会系统性的带来负收益。我们构建出转股溢价率偏离度因子和理论价值偏离度因子，综合剔除高估值转债。而股性和债性是转债最大的风格特征，我们选择转债20日动量与转债波动率偏离度作为市场情绪捕捉指标，双周频调仓构建转债风格轮动组合。

从转债风格轮动收益风险特征来看，2018年2月14日至2025年7月25日，转债风格轮动年化收益为24.54%，最大回撤15.89%，信息比率1.47，月度胜率65.17%；2025年以来收益为35.17%。根据2025年7月25日的最新信号，接下来两周风格轮动将配置偏股低估转债指数。

1.4、 黄金配置观点

在报告《黄金的预期收益框架与COT择时因子》中，我们将黄金和美国抗通胀债券(TIPS)的远期实际回报关联，构建了黄金的预期收益模型。

我们通过扩展窗口OLS估计参数k，以美联储长期通胀目标2%作为π^e的代理。2025年7月27日，模型测算未来一年黄金的预期收益率为22.4%。

当前黄金资产的预期收益>10%，择时策略发出延续一年的看多信号。回顾过去一年，基于TIPS收益率的择时模型持续看多黄金资产，策略绝对回报为39.77%。

02

股债配置:权益风险预算下调，股票仓位大幅下降

在战术资产配置中，股票和债券是最常见的两类资产，而如何进行股债的配比才能达到组合最优的风险收益比，也是广大投资者最为关注的主题。开源金工将风险平价模型与主动信号结合构建主动风险预算模型，每月底给出股票与债券的最优配置权重，为投资者提供稳健的资产配置建议。我们将以中证800（000906.SH）和中债总财富指数（CBA00301.CS）这两大宽基指数作为标的，月度对股债配置模型的表现进行跟踪与回顾。

2.1、权益资产多维度比价

风险平价的核心是让各资产对组合的波动贡献相同确定资产配置权重，而主动风险预算模型则进一步利用多维度指标对资产波动贡献进行动态调整，进而确定资产权重。其中，调节风险贡献的主动指标将从股债横向比价、股票纵向估值水平、市场流动性三个维度展开观察。

在股债横向比价维度，我们借鉴美联储FED模型，将股权风险溢价ERP定义为：

其中，为中证800滚动市盈率、为10年期国债到期收益率。触发主动信号规则，当股权风险溢价时超配权益资产，当 时低配权益资产。

在股票纵向估值水平维度，我们滚动窗口计算股票估值在近5年历史中的分位数，当估值分位数位于25%之下时超配权益资产，反之当估值分位数位于75%之上时低配权益资产。

在市场流动性维度，M2与M1的差额为准货币，包括单位定期存款、个人存款、证券保证金等；M2-M1剪刀差反映了可随时兑换成货币的资金边际变化。当时，市场流动性宽松，超配权益资产；当  时，市场流动性收紧，低配权益资产。

2.2、 主动风险预算配置建议

综上三个维度，我们将权益资产做出看多（1）、看空（-1）、中性（0）三类信号汇总，把权益资产的信号得分代入softmax函数，使信号转化为权益资产风险预算权重。

其中，   为权益汇总信号，  为风险调整系数。进而，我们根据权益风险预算计算权益仓位的变化，如下图所示。 

回顾7月股债配置，股权风险溢价ERP、流动性信号看多，历史估值分位数信号为中性，股票仓位为18.72%，债券仓位为81.28%，7月组合收益0.84%。展望8月股债配置，股权风险溢价ERP、流动性信号为中性，历史估值分位数信号看空，股票仓位为7.44%，债券仓位为92.56%。

在全样本区间内，主动风险预算组合年化收益率6.54%，最大回撤4.89%，收益波动比1.64，收益回撤比1.34。下图展示了主动风险预算配置与风险平价、股债等权重配置的净值表现对比。

03

行业轮动：看多钢铁、非银、有色、通信等

我们于2024年12月发布专题报告《行业轮动3.0：范式、模型迭代与ETF轮动应用》，从交易行为、景气度、资金面、筹码结构、宏观驱动、技术分析六个维度出发，分别构建行业轮动子模型并对模型动态合成双周频优选行业。

交易行为模型捕捉行业日内动量+隔夜反转效应；景气度模型捕捉行业盈余动量效应；资金流模型捕捉主动抢筹+被动派发行为；筹码结构模型捕捉持仓收益+阻力支撑效应；宏观驱动模型捕捉高频宏观预期在行业上的映射；技术分析模型捕捉行业成份股在趋势、振荡、量能指标上的交易信号。

3.1、 行业轮动节奏跟踪

我们从行业轮动的赔率与胜率角度出发，观察市场行业轮动操作的难易程度。对于行业轮动赔率而言，我们按照周度行业按收益率分成五组，计算每周涨幅最高组与最低组平均收益的差值，并对该周度行业分化时间序列提取趋势项。从下图中我们可以发现，近期行业轮动赔率缓慢下降，下滑至历史中低水平。

对于行业轮动胜率而言，我们观察行业动量的延续性，将行业按照过去K周涨幅进行五分组，做多涨幅最高组、做空涨幅最低组并持有K周，观察K周涨幅的多空表现。从下图可以看出，近期行业轮动速度提升，2周动量较强。

3.2、 行业轮动最新观点

回顾2025年7月，行业多头组合收益为7.91%，空头组合收益为4.83%，行业等权基准收益为5.96%，多头超额为1.95%，空头超额为1.12%，多空收益为3.07%。

最新行业配置观点：钢铁、非银金融、有色金属、通信、医药生物、电子。如果将30个一级行业分为大科技、大制造、大金融、大消费、大周期5大板块，行业板块上看多大周期、大科技、大金融板块。风格判断上，成长组得分高于价值组，推荐配置成长风格。

从近12周各模型动态合成行业轮动信号，其中景气度模型、资金流模型、筹码结构模型、交易行为模型占比较高；技术分析模型、宏观驱动模型贡献占比较低。

下图为当前各行业的PB-ROE分布用来衡量当前各行业的风格特征，图中圆点的颜色代表了行业的本月涨幅，文字为红色的行业代表下月看好的行业。

3.3、 ETF轮动组合持仓

我们利用行业轮动信号构建ETF轮动组合，双周度调整组合持仓，近期ETF轮动组合的持仓明细见下表。

回顾2025年7月ETF轮动组合，组合先后持有有色金属、钢铁、非银金融、医药生物、建筑材料、传媒、通信、计算机8个行业的ETF产品，组合收益率为8.39%，有ETF跟踪的行业平均收益率为6.56%，超额收益率为1.83%。最新ETF轮动组合配置推荐：矿业ETF、钢铁ETF、证券ETF、创新药ETF沪港深。

04

“配置+选基”FOF组合：7月组合收益为5.45%

在“基金投资策略研究”系列的三篇报告中，我们系统化地梳理了我们对于主动权益基金投资的研究与思考。在第一篇《打造主动权益基金的投资策略标签体系》报告中，我们构建32个刻画基金投资特征的指标，通过相似网络对基金进行社群聚类，自适应地对基金构建三级标签体系。基金策略三级标签分类包含投资标签、策略标签、特征标签，在不同颗粒度上对主动权益基金进行分类刻画。

在第二篇《主动权益基金投资策略的迁移特征与动态监控》报告中，我们比较了各类投资策略的收益表现差异，分析了基金经理的投资风格切换与策略迁移规律，同时对各类投资策略收益表现进行跟踪。

在第三篇《主动权益基金的投资策略配置与选基因子增强》报告中，我们讨论如何通过因子择时进行基金策略配置，并结合分域选基因子增强构建FOF组合。

2025年7月，开源“配置+选基”FOF组合收益率为5.45%，偏股型基金指数收益率为7.26%，组合超额收益为-1.81%。2025年8月，我们看多高质量因子、看空高成长、低估值因子，相应高配高质量大盘风格基金，低配高成长、低估值、小盘黑马风格基金。

在《选基因子体系迭代与FOF组合应用》报告中，我们对选基因子进行迭代更新，同时通过组合优化方式构建“配置+选基”FOF组合。开源“配置+选基”FOF组合为季调组合，要求基金的最新管理规模大于1亿元且不限制大额申赎，在每类策略中不重复选入同一管理人的多只产品，当前FOF组合持仓明细如下。

本报告模型及结果通过历史数据统计、建模和测算完成，在市场波动不确定性下可能存在失效风险；历史数据不代表未来业绩。基金投资策略分类基于对公开的历史数据的定量测算与统计，对基金产品和基金管理人的研究分析结论不能保证未来的可持续性，不构成对该产品的推荐投资建议。

做「开源」的量化研究

to be a quant，to be open-minded.

更多交流，欢迎联系：

开源证券金融工程团队 | 魏建榕 张翔 傅开波 高鹏 苏俊豪 胡亮勇 王志豪  盛少成 苏良 何申昊 蒋韬