当前债券市场正经历深刻变革。无风险收益率持续下行，传统债券投资收益空间急剧压缩。私募机构债券产品收益率中枢明显下移，不少产品今年前五个月 收益率已降至1.8%以下。这与去年全年平均7.91%的回报形成鲜明对比。债券产品收益率已缺乏吸引力，"躺赢"时代宣告结束。 回撤控制需要投资策略更有纪律性。明确的风险预算理念，设立仓位控制框架不可或缺。不仅要有严格的止损位，还需要根据动态的安全垫来控制风险资产 的敞口。交易能力成为债券投资策略增厚收益的重要来源。宏观择时、分析外界扰动行为以及与交易对手频繁沟通，从信息不对称中攫取更多交易线索，均 考验着机构的交易能力。 为提高交易胜率，机构需要加强市场监测和信息收集。密切跟踪债券价格变动、资金流向、新债发行等信息成为日常工作重点。当前债券市场缺乏趋势性机 会，不确定性较强，经常受到突发事件影响。从绝对收益水平来看，目前债券收益率已不具有吸引力，赛道非常拥挤。机构需要在有限的收益空间中，通过 精细化操作和策略创新来维持竞争优势。 策略升级成为破局关键 来源：金融界 面对收益空间被大幅透支的现实，私募机构纷纷升级债券投资策略。不少机构选择丰富产品策略，将重点转向跨境复合产品。通 ...

跟踪经济、掘金市场 策略月报：指数化投资策略月报（2025 年 6 月） 证券研究报告 | 主要观点： | 报告日期：2025-06-03 | | --- | --- | | √ 中证全指的风险溢价百分位为 80.41%，表明市场整体处于高 | 执业信息 | | 回报区域。 | 林烽 策略分析师 执业编号：S1750522120001 | | √ 目前上证指数、沪深 300、中证 800 的风险溢价百分位和当 | 电话：18605980882 | | 前值的匹配度较佳，值得重点关注。 | 邮件：linfeng@jypscnet.com | | √ 中证全指的市净率百分位为 8.98%，表明市场整体处于严重 | 免责声明 | | 低估的状态。 | 报告观点基于逻辑分析、 | | √ 目前上证指数、创业板 50、沪深 300、中证 800 均处于严重 | 数据规律推演，并不能预知不 | | 低估状态，值得重点关注。 | 同市场主体在复杂约束下的 多样选择结果。 | | √ 中证全指乖离率为-4.03%，表明市场整体价格水平处于正常 | | | | 相关报告 | | 区域。 | 20250102《策略月报：指 | ...

1．情绪模型观点：市场情绪得分有所下降 根据《从结构化视角全新打造市场情绪择时模型》文中提到的构建思路，目前我们用于构建市场情绪结构指标所用到 的细分指标如下表。 在指标合成方法上，模型采用打分的方式，根据每个分项指标所提示的情绪方向和所处布林轨道位置计算各指标分 数，指标分数可分为（-1，0，1）三种情况，最终对各个指标分数等权求和。最终的情绪结构指标为求和后分数的20 日均线，如图1所示，指标整体围绕0轴在[-6,6]的范围内上下波动，近5年A股市场情绪波动较大，其中2023年大部分 时间指标都处于较低位置，直至2024年10月市场情绪得分突破2。 截至5月30日，市场情绪指标数值为2.5，较上周五的2.65有所下降，代表市场情绪已经结束了进一步向上修复的趋 势，观点偏空。从所有分项指标分数之和的变化来看，本周分数之和有所下降。 1.1 从分项指标出发：本周行业交易活跃度下降，市场情绪向上修复态势结 本周各项情绪指标分数较上周有一定边际下行，行业间交易波动率、PCR结合VIX指标分数下降，从行业交易活跃度 和期权波动率两方面佐证资金情绪的不确定性增加。此外市场风险偏好进一步下降且行业涨跌趋势得分继续为负。 ...

当优选机构多头持仓增加且空头持仓减少时，我们认为多头资金与空头资金对后续判断均偏多，发出做多 信号；当优选机构多头持仓减少且空头持仓增加时，我们认为多头资金与空头资金对后续判断均偏空，发 出做空信号；其余情况则不发出信号。 回测结果表明，蜘蛛网策略在 TS 合约上展现出显著择时优势： 2020 年 1 月 1 日至 2025 年 4 月 10 日期间，基于前 20 家会员机构多空持仓构建的策略实现年化收益 1.84% （较基准提升 1.45% ），夏 普比率 0.83 （较基准提升 1.46 ），而其余合约表现相对平庸，其背后反映出并非所有合约都适合以前 20 家会员机构作优选机构。 针对这一局限，我们选择利用动态调整"蜘蛛网"节点进行改进：首先根据不 同合约投资者特性预设"蜘蛛网"节点（ 优选会员机构） 的可选择范围，再通过滚动窗口定期筛选出最优 节点。实证显示，动态调整后的策略能够灵活匹配不同合约，显著提升年化收益与夏普比率，成功弥补了 传统蜘蛛网策略超额收益有限的问题。 寻找"聪明资金"：基于单个会员的蜘蛛网策略。 不同会员背后的客户群体不同，所表现出来的行为可能 也会有较大差异，那么其中是否存在着更加 ...

报告导读： 从技术面来看， Wind 全 A 依旧处于 SAR 点位之下且均线强弱指数仍未出现 大幅下降，并未形成底部。因此，我们认为，节后市场或将出现由中小盘股引领的震荡上 行。 下周市场观点：市场或将出现由中小盘股引领的震荡上行。 从量化指标上看，基于沪深 300 指数的流动 性冲击指标周五为 0.13 ，低于前一周（ 1.13 ），意味着当前市场的流动性高于过去一年平均水平 0.13 倍标准差。上证 50ETF 期权成交量的 PUT-CALL 比率震荡上升，周五为 1.15 ，高于前一周（ 0.94 ），投资者对上证 50ETF 短期走势谨慎程度上升。上证综指和 Wind 全 A 五日平均换手率分别为 0.76% 和 1.30% ，处于 2005 年以来的 50.17% 和 63.97% 分位点，交易活跃度有所下降。从宏观因 子上看， 1. 上周人民币汇率震荡，在岸和离岸汇率周涨幅分别为 -0.08% 、 -0.48% 。事件驱动上， 1. 上周美股市场震荡上行。道琼斯工业指数、标普 500 指数和纳斯达克指数周收益率分别为 1.6% 、 1.88% 、 2.01% 。根据 Wind ，美国 4 月核心 ...

Quantitative Models and Construction Methods 1. Model Name: Commodity Term Structure Simulation Portfolio - **Model Construction Idea**: This is a long-short strategy that dynamically holds long positions in commodities with high roll yields and short positions in commodities with low roll yields. The strategy aims to capture the term structure premium in commodity markets while reducing dependency on single market trends[33][35][34]. - **Model Construction Process**: 1. **Roll Yield Factor**: The roll yield is calculated to measure the contango or backwardation state of a commodity. 2. **Dynamic Positioning**: Commodities with high roll yields are dynamically allocated long positions, while those with low roll yields are allocated short positions. 3. **Portfolio Balancing**: The portfolio is rebalanced periodically to maintain the desired exposure to the roll yield factor[35][38]. - **Model Evaluation**: The strategy demonstrates flexibility in adapting to market risks and provides stable returns even in weak market trends[34]. 2. Model Name: Commodity Time-Series Momentum Simulation Portfolio - **Model Construction Idea**: This strategy captures medium- to long-term trends in commodity prices using multiple technical indicators. It dynamically allocates long positions to upward-trending assets and short positions to downward-trending assets[33][35]. - **Model Construction Process**: 1. **Trend Indicators**: Technical indicators such as moving averages and momentum are used to identify price trends. 2. **Dynamic Positioning**: Commodities with upward trends are allocated long positions, while those with downward trends are allocated short positions. 3. **Portfolio Rebalancing**: Positions are adjusted periodically based on updated trend signals[35][45]. - **Model Evaluation**: The strategy effectively tracks price trends but may underperform in volatile or trendless markets[45]. 3. Model Name: Commodity Cross-Sectional Inventory Simulation Portfolio - **Model Construction Idea**: This strategy uses inventory data to capture fundamental changes in commodity markets. Commodities with declining inventories are allocated long positions, while those with increasing inventories are allocated short positions[33][35]. - **Model Construction Process**: 1. **Inventory Factor**: Changes in inventory levels are calculated to assess supply-demand dynamics. 2. **Dynamic Positioning**: Commodities with declining inventories are dynamically allocated long positions, while those with increasing inventories are allocated short positions. 3. **Portfolio Rebalancing**: Positions are adjusted periodically based on updated inventory data[35][49]. - **Model Evaluation**: The strategy is effective in capturing fundamental supply-demand imbalances but may be sensitive to data accuracy and reporting delays[49]. --- Model Backtesting Results 1. Commodity Term Structure Simulation Portfolio - **Annualized Return**: 3.03% (YTD 2025)[33][38] - **Annualized Volatility**: Not explicitly mentioned - **Maximum Drawdown**: Not explicitly mentioned - **Sharpe Ratio**: Not explicitly mentioned - **Calmar Ratio**: Not explicitly mentioned 2. Commodity Time-Series Momentum Simulation Portfolio - **Annualized Return**: -1.33% (YTD 2025)[45] - **Annualized Volatility**: Not explicitly mentioned - **Maximum Drawdown**: Not explicitly mentioned - **Sharpe Ratio**: Not explicitly mentioned - **Calmar Ratio**: Not explicitly mentioned 3. Commodity Cross-Sectional Inventory Simulation Portfolio - **Annualized Return**: 2.88% (YTD 2025)[49] - **Annualized Volatility**: Not explicitly mentioned - **Maximum Drawdown**: Not explicitly mentioned - **Sharpe Ratio**: Not explicitly mentioned - **Calmar Ratio**: Not explicitly mentioned --- Quantitative Factors and Construction Methods 1. Factor Name: Roll Yield Factor - **Factor Construction Idea**: Measures the contango or backwardation state of a commodity to capture the term structure premium[35]. - **Factor Construction Process**: 1. Calculate the roll yield as the difference between the spot price and the futures price. 2. Normalize the roll yield across commodities to ensure comparability. 3. Rank commodities based on their roll yields and allocate positions accordingly[35]. 2. Factor Name: Trend Factor - **Factor Construction Idea**: Captures medium- to long-term price trends using technical indicators[35]. - **Factor Construction Process**: 1. Use moving averages, momentum, and other technical indicators to identify trends. 2. Normalize trend signals across commodities to ensure comparability. 3. Rank commodities based on their trend strength and allocate positions accordingly[35]. 3. Factor Name: Inventory Factor - **Factor Construction Idea**: Measures changes in inventory levels to capture supply-demand imbalances[35]. - **Factor Construction Process**: 1. Calculate the percentage change in inventory levels over a specified period. 2. Normalize inventory changes across commodities to ensure comparability. 3. Rank commodities based on their inventory changes and allocate positions accordingly[35]. --- Factor Backtesting Results 1. Roll Yield Factor - **Annualized Return**: Not explicitly mentioned - **Annualized Volatility**: Not explicitly mentioned - **Maximum Drawdown**: Not explicitly mentioned - **Sharpe Ratio**: Not explicitly mentioned - **Calmar Ratio**: Not explicitly mentioned 2. Trend Factor - **Annualized Return**: Not explicitly mentioned - **Annualized Volatility**: Not explicitly mentioned - **Maximum Drawdown**: Not explicitly mentioned - **Sharpe Ratio**: Not explicitly mentioned - **Calmar Ratio**: Not explicitly mentioned 3. Inventory Factor - **Annualized Return**: Not explicitly mentioned - **Annualized Volatility**: Not explicitly mentioned - **Maximum Drawdown**: Not explicitly mentioned - **Sharpe Ratio**: Not explicitly mentioned - **Calmar Ratio**: Not explicitly mentioned

以下文章来源于焦易圈 ，作者焦易圈 焦易圈 . 雪球2024年度基金影响力用户。努力做一个分享有深度、投资有纪律的观察者。 风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。 作者：焦易圈 来源：雪球 继 《 推动公募基金高质量发展行动方案 》 之后 ， 首批 26 只浮动管理费基金今日发售 。 这批基金的收费方式有一大特色 —— 按每个投资者每笔份额的持有时长 、 区间收益分档计费 ， 真正实现 了 "千人千面" 的差异化收费模式 。 简单来说 ， 基金公司会看每笔资金在买入卖出期间 ， 和业绩目标比有没有多赚钱 ： 如果明显赚得更多 ， 管理费就会提高 ； 要是没赚到甚至亏了 ， 管理费可能还会降 。 但问题在于 ， 投资者什么时候买 、 什么 时候卖 ， 基金经理根本控制不了 。 要是还像以前那样大幅调整仓位 、 大幅度行业偏离来追求高收益 ， 就 可能出现这种情况 ： 基金经理获得超额收益的时候投资者已经赎回或者未持仓 ， 而基金经理跑平或者跑输业绩基准的时候投资者 申购或者持仓 ， 哪怕基金经理在三年维度下创造了跑赢指数的超额收益 ， 可能因为超额的分布与投资者的 ...

科技投资策略的适用性与趋势性出现变革：首先，DeepSeek 的技术突破提振市 场对中国科技实力的信心，推动 A 股和港股 AI 产业链股票估值提升，重塑 相关 科技公司从"价值股"向"成长股"的叙事转变，促使科技投资逻辑从"讲故事"转向"看应用"，建议科技领域组合投资仍然需要重视自上而下和自下而上相 结 合策略。把握更多行业基本面变化和产业链上的大机会；其次，科创投资重视"硬 科技"，公募持仓结构出现变化，科创板成分股持仓占比从 2021年 H1 的 10.31% 持续提升至2023 年 H2的 41.78%；再者，市场情绪以融资余额为代表，投资逻 辑转向左侧布局趋势，人工智能指数融资余额一直呈现出较为稳定 的上升趋势， 在 2024年 Q4 单季度增加314.09 亿元，提升幅度高达48.03%；科技子赛道走 势分化，行业分散化程度有所提高，对过往以"重仓单一行业博得 弹性收益"为 投资策略的基金经理提出来更高的考验，未来科技投资的发展将"从单一领域到 多元新兴领域"，同时对于科技成长主动权益基金的选股能力提 出了更高的要求。 科技成长主动权益产品相较指数产品长期更具配置优势：从历史业绩看，相比于 被动科 ...

行业拥挤度：机械设备、综合、商贸零售、环保和汽车的行业拥挤度相对较高。 交通运输和有色金属的行 业拥挤度上升幅度相对较大。 风险提示。 市场系统性风险、海外市场波动风险、模型误设风险。 文章来源 本文摘自：2025年5月25日发布的 量化择时和拥挤度预警周报（20250525） 郑雅斌 ，资格证书编号： S0880525040105 曹君豪 ，资格证书编号： S0880525040094 报告导读： 从技术面来看，Wind全A向下突破 SAR点位，但均线强弱指数依旧处于平均 值以上，并未出现见底形态。下周即将迎来端午假期，投资者或将出现节前避险情绪。 因此，我们认为，下周A股或将继续维持震荡。 下周市场观点： A 股或将继续维持震荡。 从量化指标上看，基于沪深 300 指数的流动性冲击指标周五为 1.13 ，低于前一周（ 2.63 ），意味着当前市场的流动性高于过去一年平均水平 1.13 倍标准差。上证 50ETF 期权成交量的 PUT-CALL 比率震荡下降，周五为 0.94 ，低于前一周（ 1.03 ），投资者对上证 50ETF 短期走势谨慎程度下降。上证综指和 Wind 全 A 五日平均换手率分别为 0 ...

1. 情绪模型观点：市场情绪得分较稳定 根据《从结构化视角全新打造市场情绪择时模型》文中提到的构建思路，目前我们用于构建市场情绪结构指标所用到 的细分指标如下表。 在指标合成方法上，模型采用打分的方式，根据每个分项指标所提示的情绪方向和所处布林轨道位置计算各指标分 数，指标分数可分为（-1，0，1）三种情况，最终对各个指标分数等权求和。最终的情绪结构指标为求和后分数的20 日均线，如图1所示，指标整体围绕0轴在[-6,6]的范围内上下波动，近5年A股市场情绪波动较大，其中2023年大部分 时间指标都处于较低位置，直至2024年10月市场情绪得分突破2。 截至5月23日，市场情绪指标数值进一步上行，代表当前市场情绪是近20日的较高位置，观点偏多。从所有分项指标 分数之和的变化来看，近两周分数之和没有明显变化。 1.1 从分项指标出发：市场情绪较上周没有显著变化，成交量和投资主线仍是未来情绪进一步上行的重要因素 本周各项情绪指标分数较上周没有变化，价量匹配度没有显著变化，沪深300RSI指标分数上升，市场资金情绪尚可， 但市场风险偏好进一步下降且行业涨跌趋势得分继续为负。我们维持未来市场情绪进一步上行需要来自成交 ...