全球大类资产配置和A股相对收益策略：继续看多黄金和港股

摘要

核心观点：全球多资产配置绝对收益@低风险组合、全球多资产配置绝对收益@中高风险组合、

A股行业和风格轮动指数@相对收益组合，10月回报分别为06

、5.18

、-0.48

，本年回报分别为3.66、23.41

、3 75

。预测2025Q4万得全A和万得全A非金融的ROE为7.56和6.72（预测2026Q1分别为7.46和6.67

），分析师预期相比上月上调；

2025Q3的ROETTM为7.51

和6.34

；对万得全A指数2025Q4的内在价值估计继续上行。预测美元计价的黄金将继续走强。A股情绪指数下行，港股情绪指数抬升、对港股的择时观点为看多；A股，看多大盘、成长风格的相对收益，看多电力及公用事业、基础化工、电力设备及新能源、电子和计算机行业的相对收益。基本面和资产价格展望：按照自下而上的分析师预期加总，预测2025Q4万得全A和万得全A非金融的ROE为7.56

和6.72

（预测2026Q1分别为7.46

和6.67

），分析师预期相比上月上调；2025Q3的ROETTM为7.51

和6.34

。基于三周期（库存周期+产能周期+人口周期）对万得全A指数2025Q4的内在价值估计继续上行。美国和日本GDP同比进入下行周期，预测欧元区GDP同比高点在2025Q3，预测日元相对美元弱势，预测欧元相对美元的强势衰减；预测美元计价的黄金继续走强。。A股情绪指数下行，港股情绪指数抬升、对港股的择时观点为看多。全球多资产配置策略组合跟踪：全球多资产配置绝对收益@低风险组合，10月回报

06

，本年回报3.66

，年化收益率4.86

，最大回撤-2.20

；全球多资产配置绝对收益@中高风险组合，10月回报5.18%，

本年回报23.41%，

年化收益率15.03%，

最大回撤-8.25%；

A股行业和风格轮动指数@相对收益组合：10月回报-0.48%，

本年回报3

75%，

年化收益率28.73%，

最大回撤-25.25%。A股行业和风格轮动@相对收益：A股风格方面看多大盘、成长的相对收益。基于财务报表、分析师预期和行业中观数据构建行业景气度指标，电力及公用事业、基础化工、电力设备及新能源、电子和计算机的景气度比较高。截至2025年10月31日，煤炭、有色金属、机械、电力设备与新能源、国防军工、汽车、消费者服务、纺织服装、医药、银行、房地产、电子、计算机和传媒行业的PB分位数高于50，行业之间估值分化程度有所下降。当前机构关注国防军工和非银行金融行业，通信行业的机构关注度从高位下降。最近一周“石油石化”、“煤炭”、“钢铁”、“商贸零售”和“非银行金融”行业的机构关注度在提升。当前石油石化、煤炭、有色金属、电力及公用事业、基础化工、建筑、建材、轻工制造、纺织服装、银行、房地产和交通运输行业处于触发拥挤指标阈值的状态（流动性、成分股扩散、波动率）；近期整体拥挤信号和拥挤行业数量抬升。综合多维度，

2025年11月看多电力及公用事业、基础化工、电力设备及新能源、电子和计算机的相对收益；行业轮动策略历史详细业绩信息请关注 -PMS组合，“A股行业和风格轮动指数@相对收益”。23提纲

全球大类资产表现与周期定位全球大类资产配置策略组合表现A股行业和风格轮动组合表现风险提示4全球大类资产表现与周期定位

全球大类资产表现与周期定位全球大类资产表现康波视角下的周期定位基本面和资产价格展望黄金择时A股和港股市场情绪与择时

全球大类资产表现

图表：全球大类资产近期表现近20个交易日主要资产表现差异显著。A股市场整体温和上行，万得全A累计涨0.73%，沪深300微涨

03%，但中证500小幅回调0.14%。港股表现疲软，恒生指数下跌2.09%，恒生科技重挫8.08%。海外市场涨跌互现，日经225强势上涨7.8 ，纳斯达克指数涨3.59

，标普500涨2.30%，而德国DAX和法国CAC40则分别下跌0.50%和2.51%。商品市场波动加剧，伦敦金现上涨2.51%，但国际油价下跌

94%。债券市场延续稳健，上证10年国债涨0.96%，沪30年国债涨2.23%。56全球大类资产表现与周期定位

全球大类资产表现与周期定位全球大类资产表现康波视角下的周期定位基本面和资产价格展望黄金择时A股和港股市场情绪与择时

康波视角下的周期定位

图表：处于持续相互作用之中的变迁的技术、经济与制度领域erez,Carlota."GreatSurgesofdevelopmentandalternativeformsofglobalization."1998,资本体系的运作中，存在着三项特征，这些特征以浪潮的形式推动着发展，并决定了作为这些浪潮标志的一再重现的事件序列：1、技术变迁是以创新蜂聚的形式发生的，这些蜂拥而至的创新形成了相继出现而又互不相同的各次技术革命，而技术革命使整个生产结构得以现代化；2、金融资本和生产资本是既相联系又职能各异的当事者，在追逐利润的过程中，两者采纳的标准和行为都是不同的；3、面对变革，社会制度框架与技术经济领域相比（后者受到竞争的鞭策）有着大得多的惰性和阻力。这里的每一项特征都涉及，在三个领域之一，变革是如何发生的；这些领域（即技术、经济和社会制度）在发展过程中是协同演化的。正是这些处于变革中的领域相互作用、相互影响的方式，产生了在每次浪潮中一再重现的序列。制度变迁社会—制度框架社会—政治思想和行动经济变迁金融资本生产资本技术变迁技术—经济范式技术革命7

康波视角下的周期定位

ujin,JJ

Van.”The

Long

Wave

in

Economic

Life.”George

Allen

&U1983图表：长波阶段特征特征萧条复苏繁荣衰退国民生产总值很少或没有增长增长率提高高增长增长率降低投资需求生产能力过剩；投资合理化；经济更新投资增加；新部门 资本存量强烈扩张；强调基础设施 投资规模增加；逐渐转8前景不利创立投资向合理化消费需求以减少储蓄为代价暂时继续增长购买力寻找新的出路所有部门的需求扩张新兴部门继续增长创新倾向:产品创新（新兴行业）++++++++产品创新（现有行业）++++++++工艺创新（现有行业）++++++++工艺创新（基本部门）++++++++就业由于合理化和需求停滞，出现大量失业由于更新投资和对新产品的需求上升，失业率下降由于主导部门的增长对一般经济的影响，（接近）实现充分就业由于劳动的替代，失业增加国民收入中劳动的份额随着实际工资的增长超过生产率的增长而上升由于高失业降低工资需求而下降在早期繁荣阶段下降，然后重新上升由于实际工资增长超过生产率增长而上升市场结构独家垄断和寡头垄断型市场；高破产率出现新市场，且只有少数竞争者繁荣的早期存在竞争性的市场，然后出现集中趋势多样化，兼并

康波视角下的周期定位

图表：历史上的五轮康波周期兰经济学家雅各布·范·杜生产力决定生产关系。过去两百年历史进步的主要动力靠科技-生产力突破，周期繁荣阶段一般经历13至20年，衰退阶段经历8至11年，萧条阶段经历7至10年，回升阶段经历10至20年，一个完整的康波周期在40年至60年之间。人工智能或引领下一轮智能化的康波周期。衰退期1815-1825（10年）萧条期回升期

繁荣期1836-1845

1845-1866（9年）

（21年）衰退期1866-1873（7年）萧条期1873-1883（10年）回升期1883-1892（9年）繁荣期1892-1913（21年）萧条期回升期1937-1948（11年）繁荣期1948-1966（18年）萧条期1973-1982（9年）回升期1982-1991（9年）繁荣期1991-2008（17年）萧条期2020-？回升期？衰退期1966-1973（7年）衰退期1920-1929（9年）衰退期2008-2020（12年）纺织和蒸汽机技术（63年）钢铁和铁路（47年）信息技术？汽车和电子计算机（43年）1825-1836（11年）注：1802-1815为拿破仑战争1929-1937（8年）注：1913-1920为一战1931-1945为二战电气和重化工业（56年）ChatGPT9AGI繁荣期1782-1802（20年）

康波视角下的周期定位

大爆炸酝酿期构造范式新产品新产业及新技术体系接连出现，并将现存的进行更新潜力受限时间技术成熟和市场饱和程度图表：一次技术革命的生命周期第一阶段 第二阶段 第三阶段 第四阶段新产品、新产业的爆炸性和迅速创新全部集群（新产业、技术体系和基础设施）最后的新产品和产业较早地接近成熟和市场饱和创新和市场潜力的全面扩张大约半个世纪兰经济学家雅各布·范·杜技术创新革命大爆炸后的第一阶段，出现了新产业的爆发性增长和迅速创新时期；新产品接踵而至，并揭示了界定其未来轨道的法则，范式形成并指引技术革命的扩散，产业、新技术体系和新基础设施伴随着强劲的投资与市场增长走向繁荣；在某一点，技术革命的潜力开始遇到限制，曾经作为增长引擎的核心产业开始遭遇市场饱和、技术创新收益递减，整个技术革命的动力逐渐衰竭。当一种范式的潜力达到极限，它所开拓的空间受到限制的时候，生产率、增长和利润就会受到严重的威胁。当行业处于增长的早期，通常是需求决定的阶段，这个时候投资相对好做，因为在满足需求的过程中，公司都能够获得成长。这是一个选赛道和周期判断的问题。当行业趋向于成熟时，往往是由供给决定的阶段，行业增速逐渐变慢，变成了一个少数赢家的游戏，这个时候优秀企业的优势会更大。10

康波视角下的周期定位

图表：中国人口（百万人）我国劳动年龄人口（15-59岁，含不满60周岁）人数的高点在2013年，为1,010.41百万人，预测劳动年龄人口先上行到2026年，然后再持续下降到2050年；就业人员的高点在2014年，为763.49百万人；核心劳动力（25-55岁）人数的高点在2017年，为699.53百万人，预测核心劳动力人数持续下降到2050年。2013,

1,010.412017,

699.532014,

763.490.00200.00400.00600.00800.001,000.001,200.00194919511953195519571959196119631965196719691971197319751977197919811983198519871989199119931995199719992001200320052007200920112013201520172019202120232025202720292031203320352037203920412043204520472049人口数:年龄:0-14（真实）人口数:年龄:15-64（预测）核心劳动力(25-55，真实，右轴)人口数:年龄:0-14（预测）人口数:年龄:65及以上（真实）核心劳动力(25-55，预测，右轴)人口数:年龄:15-64（真实）人口数:年龄:65及以上（预测）就业人员：合计

人口因素对股市的负面影响从2015年开始变得比较显著，且作用逐渐增强。11

康波视角下的周期定位

图表：中国产能利用率与产能周期（单位：%）产能利用率的单位为百分比%，产能周期为示意图、无单位中国产能利用率从2021年下降。-0.0004-0.0003-0.0002-0.000100.00010.00020.00030.000460.0062.0064.0066.0068.0070.0072.0074.0076.0078.0080.002014-122015-032015-062015-092015-122016-032016-062016-092016-122017-032017-062017-092017-122018-032018-062018-092018-122019-032019-062019-092019-122020-032020-062020-092020-122021-032021-062021-092021-122022-032022-062022-092022-122023-032023-062023-092023-122024-032024-062024-092024-122025-032025-06中国:工业产能利用率:当季值（左轴）中国:产能利用率:采矿业:当季值（左轴）中国:产能利用率:制造业:当季值（左轴）产能周期示意图（右轴）12

康波视角下的周期定位

图表：中国PPI与库存周期（单位：%）PPI的单位为百分比%，库存周期为示意图、无单位本轮库存周期从2023Q2见底回升，但受制于康波、人口和产能周期的下行压制，本轮PPI回升较弱，当前再次进入下行周期。-0.0005-0.0004-0.0003-0.0002-0.000100.00010.00020.00030.00040.0005-10.00-5.000.005.0010.0015.002007-112008-042008-092009-022009-072009-122010-052010-102011-032011-082012-012012-062012-112013-042013-092014-022014-072014-122015-052015-102016-032016-082017-012017-062017-112018-042018-092019-022019-072019-122020-052020-102021-032021-082022-012022-062022-112023-042023-092024-022024-072024-122025-052025-10中国:PPI:全部工业品:当月同比（左轴）库存周期示意图（右轴）13

康波视角下的周期定位

图表：全球主要经济体CPI（单位：%）CPI的单位为百分比%中国、美国和日本的CPI同比下行，欧元区的CPI当月同比上行。-2.000.002.004.006.008.0010.00

CPI:当月同比

2025-10-15

美国:CPI:当月同比

2025-10-24

日本:CPI:当月同比

2025-10-24

欧元区:HICP(调和CPI):当月同比

2025-10-3114

康波视角下的周期定位

图表：全球主要经济体制造业PMI（单位：%）PMI的单位为百分比%中国和日本的PMI边际下行，美国和欧元区的PMI边际上行。65.0060.0055.0050.0045.0040.0035.0030.002010-012010-052010-092011-012011-052011-092012-012012-052012-092013-012013-052013-092014-012014-052014-092015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-052020-092021-012021-052021-092022-012022-052022-092023-012023-052023-092024-012024-052024-092025-012025-052025-09美国:PMI欧元区:PMI中国:PMI日本:PMI1516全球大类资产表现与周期定位

全球大类资产表现与周期定位全球大类资产表现康波视角下的周期定位基本面和资产价格展望黄金择时A股和港股市场情绪与择时

全部A股ROE实时预测

图表：预测万得全A和万得全A非金融指数的未来ROE按照自下而上的分析师预期加总，预测2025Q3万得全A和万得全A非金融的ROE为6.94%和5.93%（预测2025Q4分别为7.51%和6.84%），分析师预期相比上月略微上调；2025Q2的ROETTM为7.36%和6.30%。0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%90.00%100.00%0.00%2.00%4.00%6.00%8.00%10.00%12.00%2015-012015-042015-072015-102016-012016-042016-072016-102017-012017-042017-072017-102018-012018-042018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-012021-042021-072021-102022-012022-042022-072022-102023-012023-042023-072023-102024-012024-042024-072024-102025-012025-042025-072025-102026-012026-042026-072026-102027-012027-042027-07万得全A非金融（预测）万得全A（绝对预测偏差）万得全A（真实）万得全A非金融（绝对预测偏差）万得全A非金融（真实）万得全A（预测）新信息率（全部A股，右轴）17

万得全A内在价值

图表：基于剩余收益模型估算万得全A的内在价值从历史来看，一轮完整的市场牛熊分为四个阶段：第一阶段（估值修复），股票整体估值处于历史低位，无风险利率和风险溢价下行推升股票估值，带来估值修复行情；第二阶段（戴维斯双击），盈利数据逐渐好转，无风险利率上行且风险溢价下行，估值与盈利齐升带来戴维斯双击的大幅上涨；第三阶段（增量资金入市），随着股价上涨、赚钱效应提升，越来越多的趋势追涨资金进入股市，推升股票价格到远高于内在价值的状态；第四阶段（戴维斯双杀），随着企业盈利下行，处于估值高位的股票逐渐被警觉的投资者抛售带来市场下跌，趋势投资者进一步跟随趋势卖出，股票估值逐渐修复到合理水平。基于三周期（库存周期+产能周期+人口周期）对万得全A指数2025Q4的内在价值估计相比2025Q3上行。0.001,000.002,000.003,000.004,000.005,000.006,000.007,000.002001-122002-052002-102003-032003-082004-012004-062004-112005-042005-092006-022006-072006-122007-052007-102008-032008-082009-012009-062009-112010-042010-092011-022011-072011-122012-052012-102013-032013-082014-012014-062014-112015-042015-092016-022016-072016-122017-052017-102018-032018-082019-012019-062019-112020-042020-092021-022021-072021-122022-052022-102023-032023-082024-012024-062024-112025-042025-09万得全A收盘价(右轴)价值(三周期)市场情绪(三周期)18

十年期国债利率

预测十年期国债利率上行。0.00%00%2.00%3.00%4.00%5.00%2002-032002-082003-012003-062003-112004-042004-092005-022005-072005-122006-052006-102007-032007-082008-012008-062008-112009-042009-092010-022010-072010-122011-052011-102012-032012-082013-012013-062013-112014-042014-092015-022015-072015-122016-052016-102017-032017-082018-012018-062018-112019-042019-092020-022020-072020-122021-052021-102022-032022-082023-012023-062023-112024-042024-092025-022025-072025-122026-052026-10图表：十年期国债利率预测十年期国债利率 十年期国债利率-拟合及预测6.00%19

基本面和资产价格展望

1996-031996-111997-071998-031998-111999-072000-032000-112001-072002-032002-112003-072004-032004-112005-072006-032006-112007-072008-032008-112009-072010-032010-112011-072012-032012-112013-072014-032014-112015-072016-032016-112017-072018-032018-112019-072020-032020-112021-072022-032022-112023-072024-032024-112025-072026-03图表：美国GDP预测（单位：%）美国:GDP:不变价:季调:同比 美国:GDP:预测15.0010.005.000.00-5.00-10.00

美国GDP同比进入下行周期。20

基本面和资产价格展望

1996-031996-111997-071998-031998-111999-072000-032000-112001-072002-032002-112003-072004-032004-112005-072006-032006-112007-072008-032008-112009-072010-032010-112011-072012-032012-112013-072014-032014-112015-072016-032016-112017-072018-032018-112019-072020-032020-112021-072022-032022-112023-072024-032024-112025-072026-03图表：日本GDP预测（单位：%）日本:GDP:不变价:当季同比

日本:GDP:预测10.008.006.004.002.000.00-2.00-4.00-6.00-8.00-10.00-12.00

预测日本GDP同比进入下行期。21

基本面和资产价格展望

1996-031996-111997-071998-031998-111999-072000-032000-112001-072002-032002-112003-072004-032004-112005-072006-032006-112007-072008-032008-112009-072010-032010-112011-072012-032012-112013-072014-032014-112015-072016-032016-112017-072018-032018-112019-072020-032020-112021-072022-032022-112023-072024-032024-112025-072026-03图表：欧元区GDP预测（单位：%）欧元区:GDP:不变价:同比 欧元区:GDP:预测20.0015.0010.005.000.00-5.00-10.00-15.00-20.00

预测欧元区GDP同比高点在2025Q3。22

基本面和资产价格展望

预测美元兑日元走强。1996-011996-081997-031997-101998-051998-121999-072000-022000-092001-042001-112002-062003-012003-082004-032004-102005-052005-122006-072007-022007-092008-042008-112009-062010-012010-082011-032011-102012-052012-122013-072014-022014-092015-042015-112016-062017-012017-082018-032018-102019-052019-122020-072021-022021-092022-042022-112023-062024-012024-082025-032025-10图表：美元兑日元预测美元兑日元:月:平均值:同比 美元兑日元:月:平均值:同比:预测0.15000.10000.05000.0000-0.0500-0.1000-0.150023

基本面和资产价格展望

预测欧元兑美元的强势逐渐衰减。1996-011996-081997-031997-101998-051998-121999-072000-022000-092001-042001-112002-062003-012003-082004-032004-102005-052005-122006-072007-022007-092008-042008-112009-062010-012010-082011-032011-102012-052012-122013-072014-022014-092015-042015-112016-062017-012017-082018-032018-102019-052019-122020-072021-022021-092022-042022-112023-062024-012024-082025-032025-10图表：欧元兑美元预测欧元兑美元:月:平均值:同比 欧元兑美元:月:平均值:同比:预测0.15000.10000.05000.0000(0.0500)(0.1000)(0.1500)2425全球大类资产表现与周期定位

全球大类资产表现与周期定位全球大类资产表现康波视角下的周期定位基本面和资产价格展望黄金择时A股和港股市场情绪与择时

黄金择时

图表：黄金最新择时信号（左）

&

黄金择时策略回测（右，20251031）经济偏弱、市场波动增加、物价波动增加，中长期依然看多黄金。因子名称当前信号上月信号胜率TIPS信号看空看空58.95%名义利率信号看空看空55.26%通胀预期信号看空看多48.42%PMI信号看多看多55.79%OECD信号看空看空50.53%非农就业信号看空看空48.95%美元信号看空看空66.84%美元和VIX信号看多看多658%VIX信号看多看空54.21%CPI波动率信号看多看空55.26%GPR信号看空看多46.32%黄金需求信号中性中性0.00%黄金持仓信号看空看多56.84%黄金相对标普信号看多看空65.79%金银比信号看空看多605%金铜比信号看多看空60.53%择时看多看多63.16%26图表：美元指数与黄金价格走势（左）

&

美国10年期国债实际利率与伦敦现货黄金价格走势（右）伦敦现货黄金单位为美元/盎司，名义美元指数以2006年1月为基期（100），国债收益率单位为%。历史上黄金与美元指数负相关，黄金与美国实际利率负相关；近期美元指数抬升、实际利率略微上行。

黄金择时

27伦敦现货黄金单位为美元/盎司，地缘政治威胁指数以1985-2019年为基期（100），黄金总需求量的单位为吨。黄金总需求抬升，助推黄金价格。

黄金择时

图表：地缘政治威胁指数GPR与黄金价格走势（左）

&

黄金总需求与黄金价格走势（右）2829全球大类资产表现与周期定位

全球大类资产表现与周期定位全球大类资产表现康波视角下的周期定位基本面和资产价格展望黄金择时A股和港股市场情绪与择时有效市场假说

“有效市场假说”一直以来都是学术界对经典金融市场理解的假设基础。1970年Eugene

Fama提出“有效市场假说”并做出了四个基本假设：1、在证券交易中，不存在交易成本、政府税收等交易障碍；2、市场信息的交流是高效率的，即所有投资者所获取的信息均是无成本的；3、证券价格不受个别人和个别机构交易的影响，即市场参与者是价格的接受者；4、所有的投资者都是理性地追求个人效用最大化的市场参与者，即所有投资者均是理性经济人。若满足上述假设条件，证券的价格应该立即对新的有效信息作出反应，即有利的信息会立即导致证券价格上升，而不利的信息会立即导致证券价格下降。因为信息的出现是随机的，因此可以推断股票的未来走势及收益率是无法预测的，当下股票的价格就应该等于其内在价值：𝑃=𝑉=

σ𝑡 𝑡 𝑖=1∞

𝐸

𝐷𝑡

𝑡+𝑖

1+𝑟

𝑖其中，𝑉𝑡

是股票在时刻t的基本面价值，𝐸𝑡

𝐷𝑡+𝑖

是基于t时刻的可获得信息所预测的第t+i时刻的股利，r是经风险调整的折现率。公式是经典的股利折现模型，其断言，时刻t的股价𝑃𝑡等于未来股利的期望值𝑉𝑡

。有效市场假说（EMH）的假设在现实中很难实现，尤其是“市场信息的交流是高效率的，即所有投资者所获取的信息均是无成本的”和“所有的投资者都是理性地追求个人效用最大化的市场参与者，即所有投资者均是理性经济人”。首先，在现实世界中，获取信息并不是无成本的。同时，信息在不同投资者之间的传递速度是不同的，由于投资的时间跨度不同（长期投资和中短期投资），不同投资者对信息的反应并不一致，有时甚至会出现不同投资者对同一信息出现相反的反应。其次，大部分投资者的投资行为并非是完全理性的，Richard

Thaler在他的那篇著名的《ASurvey

of

Behavior

Finance》中论述了人类根深蒂固的行为偏差并阐明投资人并不是理性的经济人。30噪音投资者模型

Shiller（1984）提出了噪声交易者模型，该模型通过显性地引入有成本的信息套利，巧妙地将三个关键因素融入证券价格的形成过程，即基本面、投资者情绪和套利成本。在噪声交易者模型中，由于套利活动是有一定成本的，因此错误定价成为一种均衡现象。也就是说，市场价格与基本面有关，但并不仅仅由基本面决定。Shiller引入两类投资者的存在：精明投资者（Smart-money

investors）和噪声交易者（Ordinary

investors），精明投资者基于基本面信息进行交易，但其行为同时受到资金的限制，这意味着精明投资者要根据现有资金做最优的资产配置。精明投资者能够快速、准确地对有关基本面的信息作出反应，并计算出公司内在价值（依据公式（1）），因此精明投资者的假设接近于有效市场假设中的理性经济人（但并不完全一样）。相反，噪声交易者指那些没有根据基本面信息作出最优决策的人。对两类投资者对股票的需求进行数学化的表达：精明投资者（Smart-money

investors）：将精明投资者在t时刻对股票的需求，设为总流通股股数的百分比𝑄𝑡，则𝑄𝑡

=𝐸𝑡𝑅𝑡

−

𝜌Τ𝜑，其中𝐸𝑡𝑅𝑡为t时刻的股票预期收益率，𝜌为使精明投资者需求为0的预期收益率，𝝋为促使精明投资者持有所有流通股的风险溢价。因此，若𝐸𝑡𝑅𝑡

=

𝜌+

𝜑，则𝑄𝑡

=

1，此时精明投资者将愿意持有所有流通股。噪声交易者（Ordinary

investors）：噪声交易者的需求随时间变化而变化，但并不是依据期望收益率的最优估计作出的，因此假设他们需求的每股价值为𝑌𝑡，因此噪声交易者对股票的需求也为总流通股股数的百分比即：𝑌𝑡Τ𝑃𝑡。31噪音投资者模型

𝑡𝑘=0在均衡条件下，当需求等于供给时市场出清，此时精明投资者与噪声交易者的需求总和应该等于总流通股股数，即：𝑄𝑡

+

𝑌𝑡Τ𝑃𝑡

=

1。根据条件𝐸𝑡

𝐸𝑡+𝑘

=𝐸𝑡进行递归，我们就可以从上述理性预期均衡模型中解出市场出清价格：∞𝐸𝑡𝐷𝑡+𝑘+𝜑𝐸𝑡

𝑌𝑡+𝑘𝑃=

෍1+𝜌+𝜑

𝑘+1方程表达的是，股票的市场价格是预期的未来股利𝐸𝑡

𝐷𝑡+𝑘

与噪声交易者未来的需求的每股价值𝐸𝑡

𝑌𝑡+𝑘

乘以𝜑之和的现值，折现率为

1

+

𝜌

+

𝜑

。简言之，股票的市场价格是由公司的基本面价值（未来股利）与噪声交易者的需求共同决定的。其中，两者的重要性由𝜑的大小决定，而𝜑是促使精明投资者持有所有流通股的风险溢价，也可以理解为精明投资者的套利成本，当𝜑越小时，精明投资者越来越有影响力。当𝜑

=

0时，方程（2）就变成一个关于预期股利的折现公式，这与方程（1）的表述是一致的。换言之，当套利成本很低的时候噪声交易者模型与有效市场假说接近，也可以说有效市场假说是噪声交易者模型的一个特殊情况。然而，当𝜑越大时，噪声交易者会变的越来越重要，当𝜑

=

∞时，公司的股价只由噪声交易者的需求决定。因此，研究𝜑的大小就成为了一个很重要的问题，根据经验一般来说以下几个因素影响𝜑的大小；（1）交易成本，与建仓、平仓相关的成本，包括经纪人佣金、价格滑点、买卖价差等；（2）持有成本，与维持头寸相关的成本，受诸多套利头寸的持有时间和卖空成本等因素的影响；（3）信息成本，与获取、分析和监控信息相关的成本。Shleifer

and

Vishny（1997）有相关论述并建立了套利限制模型。综上，噪声交易者模型表达的主要观点：市场价格是噪声交易者和理性投资者在成本约束下相互作用的结果。因此，噪声交易者模型强调了基本面分析和证券分析的区别。精明的投资者在进行选股和拟定策略时，不仅要考虑基本面分析，还要考虑噪声交易者的行为，即𝑌𝑡的变化趋势。假如𝒀𝒕服从白噪声（即𝒀𝒕是随机的），那么股票的市场价格𝑷𝒕依然是公司内在价值𝑽𝒕的最优估计；但如果𝒀𝒕满足均值复归（Mean-reversion），则基本面分析就可以创造超额收益阿尔法。32

A股情绪指数

图表：A股情绪指数等权合成法（左）

&

中证全指基于A股情绪指数的择时信号图（右）中证全指的单位为点，情绪指数由创新高个股数量、创新低个股数量、涨停股票数量、跌停股票数量、成交金额、换手率、融资余额、融资买入、A股账户新增开户数、中国新成立偏股型基金份额、市盈率、隐含风险溢价等指标合成，取值范围在0到1之间，无单位。“A股情绪指数_等权”对分项指标直接等权合成。基于“A股情绪指数_等权”

对中证全指的多层次阈值择时策略仓位为空仓。33

A股情绪指数

图表：中证全指基于A股情绪指数的择时策略持有累计收益率是一直持有中证全指收益率，单位为100%，策略累计收益率是对中证全指基于A股情绪指数_等权多层次阈值择时的累计收益率，单位为100%

。34

A股情绪指数

图表：创新高个股数量（左）

&

创新低个股数量（右）基准指数为中证全指，单位为点。创新高个股数量和创新低个股数量的构造方式相比传统方式做了改进，是指当前股价处于历史相对高位或相对低位的股票数量，而非收盘价是历史最高价或历史最低价的股票数量，单位为家数。近期创新高个股数量下降，创新低个股数量抬升。35

A股情绪指数

图表：涨停股票数量（左）

&

跌停股票数量（右）基准指数为中证全指，单位为点。涨停股票数量和跌停股票数量的单位为家数。近期涨跌停股票数量整体没有很极端。36

A股情绪指数

图表：成交金额（左）

&

换手率（右）基准指数为中证全指，单位为点。成交金额单位为万亿元人民币，换手率无单位。近期A股成交金额和换手率高位下降。37

A股情绪指数

图表：融资余额（左）

&

融资买入（右）基准指数为中证全指，单位为点。融资余额的单位为万亿元人民币，融资买入的单位为千亿元人民币。融资买入金额高位下降38

A股情绪指数

图表：A股账户新增开户数（左）

&

中国新成立偏股型基金份额（右）基准指数为中证全指，单位为点。A股账户新增开户数为月度统计指标，单位为百万户。中国新成立偏股型基金份额的单位为亿份。近期A股账户新开户数增加，中国新成立偏股型基金份额去年9.24以来较多。39

A股情绪指数

图表：市盈率（左）

&

隐含风险溢价（右）基准指数为中证全指，单位为点。市盈率单位为倍数，隐含风险溢价无单位。近期A股估值下降，隐含风险溢价抬升。40

港股情绪指数

图表：港股情绪指数PLS合成法（左）

&

恒生指数基于港股情绪指数的择时信号图（右）恒生指数的单位为点，情绪指数由成交金额、换手率、市盈率、隐含风险溢价、恒生AH股溢价指数、1-卖空金额占成交金额比重、RSI、股债收益差等指标合成，取值范围在0到1之间，无单位。“港股情绪指数_PLS”由恒生指数修正分项指标重要性后合成。“A股情绪指数_等权”对分项指标直接等权合成。基于“港股情绪指数_PLS”对恒生指数的多层次阈值择时策略仓位为空仓。41

股指期权VIX

图表：上证50股指

&

沪深300股指

&

南方中证500ETF

&

中证1000股指上证50的VIX略微抬升，沪深300、中证500和中证1000的VIX下降。42

港股情绪指数

图表：港股情绪指数PLS合成法（左）

&

恒生指数基于港股情绪指数的择时信号图（右）恒生指数的单位为点，情绪指数由成交金额、换手率、市盈率、隐含风险溢价、恒生AH股溢价指数、1-卖空金额占成交金额比重、RSI、股债收益差等指标合成，取值范围在0到1之间，无单位。“港股情绪指数_PLS”由恒生指数修正分项指标重要性后合成。“A股情绪指数_等权”对分项指标直接等权合成。基于“港股情绪指数_PLS”对恒生指数的多层次阈值择时策略仓位为做多。43

港股情绪指数

图表：恒生指数基于港股情绪指数的择时策略持有累计收益率是一直持有恒生指数的收益率，单位为100%，策略累计收益率是对恒生指数基于港股情绪指数_PLS多层次阈值择时的累计收益率，单位为100%

。44

港股情绪指数

图表：成交金额（左）

&

换手率（右）恒生指数的单位为点。成交金额单位为万亿元人民币，换手率无单位。近期港股成交金额下降，换手率下降。45

港股情绪指数

图表：市盈率（左）

&

隐含风险溢价（右）恒生指数的单位为点。市盈率单位为倍数，隐含风险溢价无单位。近期港股市盈率抬升，隐含风险溢价下降。46

港股情绪指数

图表：恒生AH股溢价指数（左）

&

1-卖空金额占成交金额比重（右）恒生指数的单位为点。

AH溢价指数单位为倍数，“1-卖空金额占成交金额比重”单位为%。近期恒生AH溢价指数抬升，“1-卖空金额占成交金额比重”处于历史较高水平。47

港股情绪指数

图表：RSI（左）

&

股债收益差（右）恒生指数的单位为点。RSI的单位为%，股债收益差的单位为%。近期港股RSI和股债收益差下降后抬升。4849提纲

全球大类资产表现与周期定位全球大类资产配置策略组合表现A股行业和风格轮动组合表现风险提示50大类资产策略组合表现

大类资产策略组合表现大类资产配置模型理论全球多资产配置绝对收益@低风险全球多资产配置绝对收益@中高风险投资者偏好

马科维茨均值方差模型最早提出将数理统计的方法应用到投资组合选择上，并将资产的期望收益率的波动率定义为风险,在该定义下,我们使用收益率的均值𝑬(𝒓)和标准差。𝝈(𝒓)来刻画“收益”和“风险”。通常，我们认为人们是“风险厌恶”的，并构造如下形式的效用函数来代表投资者的投资偏好𝟏51𝟐𝟐𝑼𝒓=𝑬

𝒓

− 𝑨𝝈

(𝒓)其中𝑬(𝒓)表示投资组合的预期收益率，𝝈𝟐(𝒓)表示投资组合的方差；预期收益率越高效用值越高，收益方差越大，效用值越小。这表明投资者喜欢更高的

𝑬(𝒓)，而不喜欢高的

𝝈𝟐(𝒓)。由于不同的投资者对于风险和收益有不同的偏好，因此在效用函数中加入风险恶系数参数A来表示投资者的不同偏好，A越大，则表示投资者为了追求更高的收益愿承担更小的风险，或者说该投资者需要更高的收益来补偿面临的风险。投资者偏好

图表：相同效用U=0.3不同风险偏好A的无差异曲线（左）

&

相同风险偏好A=2.0不同效用的无差异曲线（右）52资产有效前沿

假设有两种资产

𝑬𝟏

和

𝑬𝟐

，其预期收益率和方差分别为

𝒓𝟏、𝝈𝟐和

𝒓𝟐、𝝈𝟐，收益率相关系数为

𝝆。另有，𝒓𝟏

<

𝒓𝟐

、𝟎

<𝟏 𝟐𝝈𝟏

<

𝝈𝟐。如果同时投资于两种资产，权重分别为

𝒘

、𝟏

−

𝒘，则组合的期望收益率和方差可表示为:𝒓=𝒘𝟏𝒓𝟏+(𝟏−

𝒘𝟏)𝒓𝟐𝝈𝟐=𝒘𝟐𝝈𝟐+(𝟏−𝒘)𝟐𝝈𝟐+𝟐𝒘(𝟏−𝒘)𝝆𝝈

𝝈𝟏

𝟏 𝟏 𝟐 𝟏 𝟏 𝟏

𝟐很容易证明，当且仅当

𝝆

=

𝟏时资产组合标准差与预期收益呈线性关系。由于𝝆的取值范围为-1∼1,因此在通常情况 下𝟏

𝟏 𝟏 𝟐 𝟏 𝟏 𝟏

𝟐 𝟏

𝟏 𝟏 𝟐53𝝈𝟐=𝒘𝟐𝝈𝟐+(𝟏−𝒘)𝟐𝝈𝟐

+

𝟐𝒘 𝟏

−

𝒘 𝝆𝝈

𝝈

<

(𝒘

𝝈

+

(𝟏

−

𝒘

)𝝈

)𝟐

即组合标准差小于两种资产标准差的加权平均，收益-标准差点在两种资产收益-标准差点连线的左侧。甚至在大多数情况下，当开始把波动率更大的资产2引入组合时，其收益动甚至比只投资于资产1时更小，当经过最小方差临界点时才会慢慢增大。这也体现了投资组合的重要性:通过分散投资以更小的组合风险获得更高的收益。资产有效前沿

图表：两种资产不同相关性下的有效前沿曲线54大类资产配置模型的发展历程

图表：大类资产配置模型的发展历程信建投恒定混合模型初期简单模型风险平价模型/风险预算模型追求资产风险的均衡化均值方差模型/B-L模型给定预期收益，追求组合风险的最小化因子配置模型寻找驱动资产价格变化的底层逻辑，在因子层面分散股债60/40策略等权重策略Markowitz（1952）Blackand

Litterman（1992）BridgeWater（1996）Qian

(2005)Lustig（2013）Kellyet

al.（2014）Blythet

al.（2016）Bassetal.

（2017）Benderet

al.（2019）55大类资产配置模型理论

等权重

：每个成分股的权重都一样，权重的计算公式如上，其中，N为成分股的个数𝒘𝟏=

𝟏𝑵最小方差：用于保证组合整体风险最小，在上式中，𝜴为各资产的协方差矩阵，𝝎为各资产的权重列向量。𝟐𝒘∗=𝒎𝒊𝒏𝟏

𝝎′𝜴𝝎𝒘′=

𝟏𝝎𝒊≥

𝟎最大多元化：首先假设组合投资没有风险的功能，那么组合波动率就可以像收益率一样加权求得，但在实际情况下组合投资可以降低组合风险，那么最大多元化(也就是最大分散度)可以被定义为组合内各资产的加权波动率与组合整体波动率的比值。𝜴为各资产的协方差矩阵，𝝎为各资产的权重列向量，𝝈为各资产的标准差列向量。𝒎𝒂𝒙𝑫𝝎

=𝝎′𝝈𝝎′𝛀𝝎56𝒔.

𝒕. 𝒘′𝟏=

𝟏𝝎′≥

𝟎大类资产配置模型理论

风险平价：用于保证每个资产对组合整体风险的贡献都一样，𝜴为各资产的协方差矩阵，𝝎为各资产权重列向量𝑀𝑅𝐶1

=𝜕𝑤1 𝜎𝑃=

1

1 2 1 2

=

1 2

𝜕𝜎𝑃 𝑤𝜎2+𝑤𝐶𝑜𝑣(𝑅,

𝑅

) 𝐶𝑜𝑣(𝑅,𝑅

)𝜎𝑃资产𝐸1对组合的总风险贡献为：1 1 1 1𝐶𝑜𝑣(𝑅1,

𝑅2)𝑇𝑅𝐶=𝑤𝑀𝑅𝐶=

𝑤𝜎𝑃组合P总风险可表示为各项资产总风险贡献之和：𝜎𝑃=𝑇𝑅𝐶1+

𝑇𝑅𝐶2𝑵𝒎𝒊𝒏𝒇𝝎=

෍𝑵෍ 𝝎𝒊𝛀𝝎𝒊−𝝎𝒋𝛀𝝎

𝒋57𝟐𝒊=𝟏 𝒋=𝟏𝒔.

𝒕. 𝒘′𝟏=

𝟏𝝎𝒊≥

𝟎假设有两种资产

𝑬𝟏和

𝑬𝟐可供选择，如果同时投资于这两种资产，权重分别为

𝒘𝟏、𝒘𝟐则组合风险可表示为𝜎𝑝

= 𝑤2𝜎2+𝑤2𝜎2+2𝑤𝑤𝐶𝑜𝑣(𝑅,𝑅

)1

1 2

2 1

2 1 2用资产

𝑬𝟏的权重

𝒘𝟏增长带来的组合风险边际增长定义资产

𝑬𝟏的边际风险贡献,可表示为：大类资产配置模型理论

图表：全球股票、大宗商品和债券组成的有效前沿曲线58大类资产配置模型理论

图表：全球股票、大宗商品和债券组成的有效前沿曲线和最大效用组合“54.1%黄金+40.7%纳斯达克+2.9%日经225+2.3%豆粕”将获得最大效用（U=0.0950），可以发现最大效用组合主要投资黄金和纳斯达克，这也和老百姓热衷买黄金、专业投资者热衷买美股的现象一致。对全球资产做配置可以获得较好的投资体验，对于A股则需要采取较为积极的主动投资，努力获取超额收益。5960大类资产策略组合表现

大类资产策略组合表现大类资产配置模型理论全球多资产配置绝对收益@低风险全球多资产配置绝对收益@中高风险

全球多资产配置绝对收益@低风险

图表：全球多资产配置绝对收益@低风险

组合净值06%，本年回报3.66%，年化收益率4.86%，Alpha3.21%，业绩基准为中债总财富（总值）指数全球多资产配置绝对收益@低风险组合：本周回报0.27%，本月回报最大回撤