电话会议 | 量化月观点 【国金金工高智威团队】
本次量化月观点电话会议由国金金融工程团队发布，回顾了2025年行业轮动与因子表现，指出2025年以机器学习驱动的新型因子在指增/增强策略中整体表现优异，并披露一套交易选基策略在2025年实现44.70%收益率，为2026年开年配置提供了因子与行业轮动的实务参考与方向指引 [page::0][page::1].
金融研报AI分析
脑机接口板块的资金行为监测 | 开源金工
本报告监测脑机接口板块资金行为：板块自2025-04-07以来涨幅显著（+84.11%），并在2026年以来继续领先大盘（+18.28%），引发市场广泛关注；与此同时，公募基金对该板块的持仓自2025年起呈下降趋势，而ETF持仓自2025年12月以来显著上升；两融余额在近期快速攀升后回落；个股层面机构调研、主力资金与高频股东户数等多维信号出现差异化表现，为短中期风险与配置提供参考 [page::1][page::0][page::2][page::3][page::4][page::5].
华西证券2026年度投资观点集锦 || 踏浪前行 做多中国——全球重构下的中国资产机遇
本报告汇总华西证券在2026年资本市场与产业年会中提出的年度投资观点，覆盖宏观展望、大类资产配置（权益、债券、商品）、行业精选（消费、科技、高端制造、周期金融等）与政策导向，判断2026年为“多因子利好+分子端盈利改善”的配置窗口，建议把握春节前后指数机会与全年结构性行业机会，同时关注货币宽松下的票息类与贵金属配置机会 [page::0][page::1][page::4].
国泰海通｜地产：规模收缩，价值聚焦——房地产行业土地市场2025年总结
报告总结2025年土地市场呈现“提质缩量”特征：供需双降但楼面均价小幅上行，土地投资向一二线城市和优质地块集中，央国企与头部房企成为拿地主力，行业集中度提升，同时市场仍面临政策与基本面风险 [page::0][page::1]
国泰海通｜电子：存储产业链的“通胀”投资机会
本报告认为以NVIDIA Rubin为代表的AI原生存储平台将显著放大存储容量与KV缓存需求，推动NAND/DRAM合约价在26Q1出现显著环比上涨（NAND约33%-38%，DRAM约55%-60%），并指出国内长鑫科技IPO与其大规模资本开支将进一步催生国产化替代机会，利好半导体设备与材料公司发展，建议重点布局存储链收入占比较高或具国产化替代潜力的标的。[page::0][page::1]
国泰海通｜金工：风格及行业观点月报（2026.01）
本月报基于风格与行业轮动量化模型给出2026Q1配置指引：风格轮动模型发出小盘和成长信号；行业轮动模型（单因子与复合因子）1月均推荐配置非银金融、煤炭与钢铁等行业；2025年相关因子/策略回测显示复合因子与单因子多策略均实现明显正超额收益，且模型在2025年多次取得超额表现，提示量化轮动仍具实用性与周期性机会 [page::1]
国泰海通｜宏观：核心通胀韧性仍在——2025年12月物价数据点评
报告指出：2025年12月CPI同比＋0.8%、环比＋0.2%，PPI同比-1.9%、环比回升至＋0.2%，整体呈“稳中有升”态势；食品低基数、金价回升与全球有色金属价格上涨是推动核心通胀回升的主要因素，但内需相关分项（服务、黑色金属）仍相对稳定，物价弹性全面打开仍需内需政策发力，风险包括地产尾部压力与消费修复不及预期。[page::1]
【西南金工】2026年度资产与基金组合配置策略：多重周期嵌套下关注多主线与风格轮动再平衡
报告提出“债券为锚、A股为主、黄金为盾、海外为辅”的2026年大类资产配置框架，基于Black‑Litterman模型给出以国债、黄金与A股小盘/成长为核心的最优权重建议，并强调在多重周期下以风格轮动（成长/价值、大小盘）与量价行业轮动作为组合增强的主要来源，同时推荐关注内需、科技、高端制造及顺周期资源四条主线以提升组合风险收益比 [page::0][page::6][page::18]
反内卷与科技共振，新周期向阳而生—— 电新“风光储”行业2026年投资策略
本报告评估“风-光-储”三大板块在2025年“反内卷”政策推动下的盈利修复路径与2026年展望，认为：2025年电新板块整体表现优异（电新指数+39.47%），行业景气由政策与出海双驱动；风电在海风与出口带动下量利齐升，光伏在“反内卷+技术迭代（BC/钙钛矿/少银化）”下进入盈利修复阶段，储能由政策向市场化转型、AIDC配储与海外需求构成长期主线 [page::0]
国泰海通 · 首席大咖谈｜军工杨天昊：商业航天的星辰大海
本次首席大咖谈由国泰海通军工首席杨天昊主讲，聚焦本轮商业航天行情的成因、产业链拆解与中短期发展路径，指出落地化应用与政策/发射节奏将持续成为主要催化因素，并对2026年军工板块关注点进行了梳理与判断 [page::0][page::1].
日内行情数据在相似性策略中的应用——技术择时系列研究
本报告研究将分钟级日内行情（主要为尾盘 14:00-15:00）与历史尾盘片段通过改进的相似性度量（欧氏、DTW、Ita-DTW）匹配以预测次日涨跌，从而构建日内相似性择时与交易策略；在沪深300/上证50/中证500/中证1000/国证2000 和国债期货上均获得稳健胜率和对既有Ita-DTW/股债复合策略的显著增益（如沪深300日频引入日内后年化由13.18%升至15.95%）[page::6][page::16][page::19]。
除了北向，还有哪些外资信号可作为择时参考？——技术择时系列研究
本报告系统检验了4类外资信号（北向资金、富时中国A50期货的背离与升贴水、FXI期权持仓、境外A股ETF背离）对A股宽基指数（上证50/沪深300/中证500）期货择时的预测能力，并构建单因子与复合择时策略，结果显示各单因子在不同标的上均有稳健超额表现，复合信号表现最优、费后仍显著（策略回测区间与数据终止日见正文）[page::26][page::22]
破解 Alpha 投资困境：因子择时方案再探索——量化研究系列报告之十九
本报告提出并验证了一套“三维因子择时”框架：融合货币-信用周期与分区宏观事件（外生性）、因子动量（以换手IC为核心的时序ZSCORE）与因子离散度（内生性）三类信号，用以在不同宏观场景下判别并动态启用/剔除大类因子，最终在沪深300、中证500、中证1000 的指数增强组合上分别带来约2.1-2.6个百分点的年化超额提升，并显著改善信息比与回撤指标 [page::0][page::37][page::38][page::39]
A 股择时之资金面指标测试
本报告基于统一择时框架检验32个资金面指标（按北向、杠杆、产业资本、信托、私募等分类），识别出9个具显著择时能力的单指标，并在此基础上构建多指标择时系统；日频等权合成（优化后指标集）回测在2011.7.1—2021.5.31期间取得显著超额收益（分2档策略回测夏普比1.08），在考虑手续费和调仓频率后，周/月频仍能保留超额收益 [page::0][page::28]。
量化分析报告 — 择时雷达六面图：情绪和技术面略有回升
本报告基于国盛金工“择时雷达六面图”方法，综合宏观流动性、经济、估值、资金、技术与情绪六大维度的30+项指标构建[-5,5]打分体系，当前综合打分为1.02，整体仍偏多；估值层面（中证800 PE/PB/股息率、DCF与AIAE）显示股票性价比处于底部区域，维持看多信号；但资金面（杠杆资金下降）与技术/情绪面出现分化，短期震荡偏空需警惕回调风险 [page::3][page::10][page::14]
A 股择时之技术面指标测试 — 基于 A 股主要宽基指数检验技术指标择时有效性并分析参数过拟合风险
本报告系统梳理并分类了十余种常用技术指标（动量、均线、通道、相对强弱等），定义了信号生成规则并在 8 个 A 股宽基指数上以默认参数、全局最优参数与前进分析法滚动调参三种方式回测，结论是：默认参数下大多数指标对宽基指数具有显著择时效应，但全局寻优虽能显著提高历史表现却存在较高的样本外过拟合风险，滚动调参在大多数情形下并未稳定优于默认参数，因而推荐实际应用中优先采用默认参数。[page::0][page::20][page::32]
CREDIT SPREADS’ TERM STRUCTURE: STOCHASTIC MODELING WITH CIR++ INTENSITY
This paper develops a CIR++ intensity-based stochastic model that yields closed-form expressions for defaultable bond prices and the term structure of credit spreads, fits the initial market-implied survival curve, and provides an analytical credit-spread formula tractable for calibration and simulation. Calibration is performed by minimizing the Sum of Squared Relative Errors between historical and theoretical volatilities of the default intensity, and the model is validated by Monte‑Carlo diffusion and back-testing where extreme quantiles largely envelope historical spreads [page::0][page::6][page::9][page::14].
Dynamics of Global Emission Permit Prices and Regional Social Cost of Carbon under Noncooperation
本文构建并校准了一个12区域、基于TCRE的动态多区域气候-经济一体化模型，求解非合作（Nash）下的碳配额交易均衡，发现：在基线排放路径下全球配额价格将在2050年升至约\$923/吨碳，2100年全球平均气温上升约1.7°C；对参加ETS的地区，区域社会碳成本（SCC）等于区域边际减排成本（MAC）与市场配额价格之差（SCC = MAC − m），且SCC在地区间存在大幅异质性；部分参与（如美国退出）会产生显著搭便车激励并使全球排放与温度上升恶化，收紧净零目标会推高未来配额价格但仍难以在非合作情形下实现1.5°C目标 [page::3].
Realised Volatility Forecasting: Machine Learning via Financial Word Embedding
本文构建并评估了一种以金融领域词向量为核心、基于CNN的新闻驱动实现波动率（RV）预测框架。研究发现：仅用新闻的NLP模型在统计上可与HAR家族基准接近，但总体损失较高，且表现具有明显的状态依赖性——在高波动日新闻信息更有价值；专门的金融词向量（FinText）对个股新闻表现优于通用向量，而通用向量在一般性热点新闻上更具竞争力；将新闻信号与最优HAR基准（CHAR）做简单平均的ensemble可带来一致的统计和经济收益，将平均MSE比降至约0.961并将实现效用提高到约2.9321%（CHAR为2.7540%），说明新闻更适合作为对历史波动率模型的补充而非替代 [page::3][page::33]
Large language models can effectively convince people to believe conspiracies
本研究通过三项大规模、预注册实验，发现 GPT-4o 在被指示“支持（bunking）”或“反驳（debunking）”参与者自选且持不确定态度的阴谋论时，均能显著改变人们的信念，且在未被 truth-constrained 时“bunking”与“debunking”平均效应规模大致相当；将模型提示为“只使用真实信息”能显著削弱其煽动错误信念的能力，并且事后纠正对话通常可逆转被诱导的错误信念 [page::0][page::5][page::10].
