[Table_ReportInfo] 2026 年 03 月 05 日 证券研究报告•宏观简评报告 会议点评 稳中应变，开新局、留空间 ——2026 年政府工作报告点评 点评 西南证券研究院 [Table_Author] 分析师：叶凡 执业证号：S1250520060001 电话：010-57631106 邮箱：yefan@swsc.com.cn 分析师：刘彦宏 执业证号：S1250523030002 电话：010-55758502 邮箱：liuyanhong@swsc.com.cn 联系人：徐小然 邮箱：xuxr@swsc.com.cn 相关研究 请务必阅读正文后的重要声明部分 1 扩内需提质增效，政策工具更趋多元化。"内需主导"包括两层含义：消费方 面，立足于建设"强大国内市场"，持续优化"两新"政策实施，深入推进提 振消费专项行动。2026 年 除安排超长期特别国债 2500亿元支持消费品以旧换 新外，还新设 1000 亿元财政金融协同促内需专项资金，同时扩大个人消费贷 款与服务业经营主体贷款贴息政策覆盖。政策协同性持续增强、工具更加多元， 投向更加精准 。2025 年 12月，首批 625亿元超长期特 ...

西南证券研究院 2026年3月 海外研究团队 分析师：王梓溢 执业证号：S1250525050003 电话：15770906520 邮箱：wzyi@swsc.com.cn 核心观点 1 海外核电专题报告 从基荷能源到科技引擎，AI巨头的战略押注与投资逻辑重构 分析师：王湘杰 执业证号： S1250521120002 电话：0755-26671517 邮箱：wxj@swsc.com.cn 发展现状：全球核电行业正迎来新一轮发展机遇期。在能源安全、低碳转型和AI算力需求等多重因素驱动下，核电作为稳定、高效的清洁基荷 电源，其战略价值被重新评估。 行业需求：根据国际原子能机构(IAEA)最新数据，截至2024年底，全球在31个国家和地区共运行417台核电机组，总装机容量达377GW。基 于国际原子能机构（IAEA）的预测，全球核电装机容量预计到2050年将达到561GW（低值预测）至992GW（高值预测），比2024年分别增 加48.8%和163.1%。 最新技术：全球核电发展至今已历经四代技术演进，目前正处在第三代规模化部署、第四代技术示范突破的现状。当前最新的技术焦点集中在 第四代核能系统和小型模块化反应堆（S ...

[Table_IndustryInfo] 2026 年 03 月 01 日 强于大市(维持) 证券研究报告•行业研究•机械设备 机器人行业周报（0223-0301） 宇树科技发布新款机器狗， 宝马欧洲工厂即将部署人形机器人 投资要点 西南证券研究院 [Table_Author] 分析师：邰桂龙 执业证号：S1250521050002 电话：021-58351893 邮箱：tgl@swsc.com.cn 分析师：周鑫雨 执业证号：S1250523070008 电话：021-58351893 邮箱：zxyu@swsc.com.cn 分析师：杨云杰 执业证号：S1250525100001 电话：021-58351893 邮箱：yyjie@swsc.com.cn [Table_QuotePic] 行业相对指数表现 数据来源：聚源数据 -18% -7% 4% 16% 27% 38% 25/2 25/4 25/6 25/8 25/10 25/12 26/2 机械设备 沪深300 相关研究 请务必阅读正文后的重要声明部分 [Table_Summary 行情回顾：本周（] 2 月 23 日-3 月 1 日）机器人指数跑输大盘 ...

ooo[Table_ReportInfo] 2026 年 02 月 27 日 证券研究报告•宏观定期报告 宏观周报（2.24-2.27） 激活银发经济再出招，央行出手干预升值斜率 摘要 [Table_Summary] 一周大事记 国内：LPR报价继续持稳，银发经济扩容提质。2月 24日，央行公布 2月 LPR 报价，LPR连续第 9个月保持不变，1年期 LPR为 3.0%，5年期以上 LPR为 3.5%。预计年内降准降息仍有一定空间，但节奏和幅度将保持温和；同日，国 务院部署银发经济和养老服务发展有关工作，政策首次将"释放银发消费需求" 置于突出位置，标志我国正将人口老龄化挑战转化为保障民生、促进消费、升 级产业的历史机遇；25 日，上海市推出稳楼市"沪七条"政策，新政以梯度 松绑、分区施策为特点，在坚守"房住不炒"底线的同时，有助于修复市场预 期；27 日，中共中央召开政治局会议。本次会议是两会前的最后确认环节， 完成了从"十四五"到"十五五"的阶段转换确认，释放出未来五年将更加注 重结构优化与效率提升的明确信号。 海外：人民币汇率持续走强，日本 CPI 跌破政策目标。当地时间 2月 24日， 特朗普发表第 ...

[Table_Author] 分析师：杨杰峰 执业证号：S1250523060001 电话：18190773632 邮箱：yangjf@swsc.com.cn 分析师：叶昱宏 执业证号：S1250525070010 电话：18223492691 邮箱：yeyuh@swsc.com.cn 联系人：李茂怡 电话：15528164673 邮箱：limaoyi@swsc.com.cn 相关研究 请务必阅读正文后的重要声明部分 [Table_ReportInfo] 2026 年 03 月 02 日 证券研究报告•固定收益定期报告 债券 ETF 周度跟踪（2.24-2.27） 两会在即，布局超长债与转债 ETF 弹性机会 摘要 西南证券研究院 S 各类债券 ETF资金净流入情况：短期仍受股市行情牵制。上周利率债类 ETF、 信用债类 ETF、可转债类 ETF净流入资金分别-32.93亿元、-62.10亿元、+9.30 亿元，债券 ETF 市场合计净流入金额-85.73 亿元。整体来看，年后第一周 A 股强势表现对资金吸引力仍大，此外上周上海出台地产新政，其他城市后续或 跟进，短期内对债市情绪有所牵制，利率债类、信用债类 ...

[Table_Report 2026 年 03 月 02 日 证券研究报告•固定收益定期报告 债券市场跟踪周报（2.24-2.28） 债市回调压力显现，市场或呈现震荡格局 核心观点 西南证券研究院 [Table_Author] 分析师：杨杰峰 执业证号：S1250523060001 电话：18190773632 邮箱：yangjf@swsc.com.cn 分析师：叶昱宏 执业证号：S1250525070010 电话：18223492691 邮箱：yeyuh@swsc.com.cn 相关研究 请务必阅读正文后的重要声明部分 S 上周债券市场整体呈现回调压力，10年期国债收益率在 1.8%的关键点位附近 展开拉锯战，市场多空博弈加剧。春节假期后首个交易日（2月 24日），债市 收益率下行势头遭遇阻力，券商作为节前推动 10 年国债收益率下行的主要力 量，当日虽继续增持 7-10 年期国债，但增持力度已有所减弱，而中小银行、 保险及基金等机构则延续止盈操作，市场分歧初现。次日（2月 25日），债市 收益率下行受阻进一步放大止盈压力，券商虽仍在大量增持 7-10 年期国债， 且增持力度超过大型银行的配置盘需求，但在中 ...

xxBING 2026 年 02 月 28 日 证券研究报告•行业研究•医药生物 医药行业周报（2.24-2.27） 创新药板块利好频现、Q2 多项大会值得期待， 持续关注创新药、脑机接口、AI 医疗 投资要点 西南证券研究院 [Table_Author] 分析师：杜向阳 执业证号：S1250520030002 电话：021-68416017 邮箱：duxy@swsc.com.cn 联系人：王钰玮 电话：021-68415819 邮箱：wangyuwei@swsc.com.cn 相关研究 请务必阅读正文后的重要声明部分 行情回顾： [Table_Summary] 本周医药生物指数上涨 0.50%，跑输沪深 300指数 0.58个百分点， 行业涨跌幅排名第 26。2026 年初以来至今，医药行业上涨 2.96%，跑赢沪深 300 指数 1.21 个百分点，行业涨跌幅排名第 24。本周医药行业估值水平 (PE-TTM)为 31.06倍，相对全部 A 股溢价率 66.99% (+0.89pp)，相对剔除银行 后全部 A 股 溢价 率为 23.79%(+9.76pp)，相对沪深 300 溢价率为 130.93%(+2 ...

202[Table_ReportInfo] 6 年 02 月 25 日 证券研究报告•金融工程专题报告 资产配置研究系列三 基于 BLACK-LITTERMAN 模型 融合资产择时与风格轮动的资产配置研究 在全球经济周期缩短、地缘政治冲突与技术革命叠加的背景下，市场"不确定性" 已成为投资管理的核心挑战，构建抗脆弱的组合是资本稳健增值的关键。传统均 值-方差模型（MVO）虽为资产配置基石，却因输入参数敏感性高、难以系统融合 主观观点而受限。Black-Litterman（BL）模型通过贝叶斯方法将市场均衡收益与 投资者观点结合，在量化严谨性中兼容主观判断，为机构资产配置提供新范式。 本文基于 BL模型原理，构建"战略+战术"双轮驱动的资产配置模型。战略端以 资产择时与回归分析生成资产收益后验分布，提升配置决策的前瞻性；战术端设 计 A股风格轮动策略，动态跟踪市场风格切换优化投资组合，增强 A股资产收益 表现。模型实现了长期战略配置与短期战术调整的有机结合，为大类资产配置提 供了系统性解决方案。 资产择时层 债券端立足经济基本面（经济增长、地产周期）与市场利率（质押回购、国债利 率）择时中债国债；商品端围绕黄金 ...

Investment Rating - The report maintains an "Outperform" rating for the engineering machinery sector [1]. Core Insights - January 2026 saw strong sales growth in excavators and loaders, driven by a combination of replacement cycles and external demand. The outlook for 2026 is positive, supported by proactive fiscal policies, stabilization in the European construction sector, and sustained high demand in emerging markets. The report emphasizes the importance of focusing on domestic demand renewal and overseas expansion strategies [5][11]. - The engineering machinery index rose approximately 0.15% in January 2026, underperforming the Shanghai Composite Index by 3.61 percentage points [11]. - Excavator sales in January 2026 reached 18,708 units, a year-on-year increase of 49.5%, with domestic sales at 8,723 units (up 61.4%) and exports at 9,985 units (up 40.5%) [16]. - Loader sales for the same month totaled 11,759 units, reflecting a 48.5% year-on-year increase, with domestic sales of 5,293 units (up 42.8%) and exports of 6,466 units (up 53.4%) [16]. Summary by Sections Market Review - The engineering machinery index in January 2026 increased by about 0.15%, lagging behind major indices such as the Shanghai Composite and CSI 300 [11]. - The performance of different segments showed mixed results, with the average price-to-earnings (PE) ratios for complete machine manufacturing and components being 29 and 39, respectively [11]. Industry Tracking - The report highlights significant growth in excavator and loader sales, with excavators showing a 49.5% increase and loaders a 48.5% increase in January 2026 [16][18]. - The report notes that electric excavators and loaders are gaining traction, with electric loader sales reaching 2,990 units and a penetration rate of 25.43% [16]. Macro Dynamics - The manufacturing PMI for January 2026 was reported at 49.3%, indicating a slight contraction in manufacturing activity. However, production levels remain above the critical point, suggesting ongoing expansion in manufacturing [44]. - Infrastructure investment is supported by the issuance of special bonds amounting to approximately 367.7 billion yuan, a year-on-year increase of 79.5% [5]. Key Targets - Recommended key players in the sector include leading manufacturers such as Zoomlion (000157), Sany Heavy Industry (600031), and XCMG (000425), as well as core component suppliers like Hengli Hydraulic (601100) and Aidi Precision (603638) [5][54].

Quantitative Models and Construction Methods 1. Model Name: GAN_GRU Model - **Model Construction Idea**: The GAN_GRU model combines Generative Adversarial Networks (GAN) for feature generation and Gated Recurrent Unit (GRU) for time-series feature encoding to create a stock selection factor[4][13][14] - **Model Construction Process**: - **GAN Component**: - The GAN consists of a generator (G) and a discriminator (D). The generator learns the real data distribution and generates realistic samples, while the discriminator distinguishes between real and generated data[23][24] - Generator loss function: $$L_{G} = -\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ where \(z\) is random noise, \(G(z)\) is the generated data, and \(D(G(z))\) is the discriminator's output probability for generated data being real[24][25] - Discriminator loss function: $$L_{D} = -\mathbb{E}_{x\sim P_{data}(x)}[\log D(x)] - \mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ where \(x\) is real data, \(D(x)\) is the discriminator's output probability for real data, and \(D(G(z))\) is the discriminator's output probability for generated data[27][29] - GAN training alternates between updating the generator and discriminator parameters through backpropagation[30] - The generator uses an LSTM model to preserve the sequential nature of input features, while the discriminator employs a CNN model to process the 2D structure of the generated features[33][37] - **GRU Component**: - Two GRU layers (GRU(128, 128)) are used, followed by an MLP (256, 64, 64) to output predicted returns (\(pRet\)) as the stock selection factor[22] - Input features include 18 price-volume characteristics (e.g., closing price, turnover rate) sampled over the past 40 days to predict cumulative returns for the next 20 trading days[14][18] - Data preprocessing includes outlier removal, standardization, and cross-sectional normalization[18] - Training is conducted semi-annually with rolling updates, using Adam optimizer, a learning rate of \(1e-4\), and IC as the loss function[18] - **Model Evaluation**: The GAN_GRU model effectively integrates GAN's feature generation capabilities with GRU's time-series encoding, making it suitable for capturing complex price-volume patterns in stock selection[4][13] --- Model Backtesting Results GAN_GRU Model - **IC Mean**: 0.1096*** (2019.02–2026.02)[41] - **ICIR (Non-Annualized)**: 0.87[42] - **Turnover Rate**: 0.82X[42] - **Recent IC**: -0.0105*** (latest period)[41][42] - **1-Year IC Mean**: 0.0517***[41][42] - **Annualized Return**: 38.13%[42] - **Annualized Volatility**: 23.18%[42] - **IR**: 1.64[42] - **Maximum Drawdown**: 27.29%[42] - **Annualized Excess Return**: 22.32%[41][42]