（来源：何康 徐特等 华泰证券金融工程）

本周观点：技术面提示短期超卖，建议以风格均衡迎接超跌反弹

上周 A 股主要宽基指数有所回调，多维打分模型的得分同步回落，但布林带、W&R、BIAS 等短周期技术指标已呈现超卖特征，短期修复条件或正在积累。风格择时模型由前期的看好成长转为成长 - 价值均衡配置，市值风格建议增配小盘；行业轮动模型的信号亦由前期相对集中在 AI 产业链行业向通信、建材、工业金属、轻工制造、房地产等更为均衡的配置倾斜。综合来看，市场或进入震荡修复与风格再平衡阶段，单一风格持续占优的确定性下降，均衡配置有望更好应对快速轮动，并可关注超跌方向的边际改善。

A 股多维打分模型：维持谨慎乐观

A 股多维打分模型涵盖估值、情绪、资金、技术四大类共 26 个底层因子，通过投票法合成 12 个子维度，再将各子维度的多空择时信号进一步合成为对宽基指数的综合打分。今年以来，多维打分模型 _A 对万得全 A 多空择时收益 13.85%，上周收益 9.11%；多维打分模型 _B 对万得全 A 多空择时收益 1.03%，上周收益 -5.47%。模型最新信号显示，主要宽基得分有所回落，对大盘维持谨慎乐观判断，建议控制仓位。

风格择时模型：成长价值建议均衡配置，市值风格建议增配小盘

对于红利风格，我们结合中证红利相对中证全指的动量、10Y-1Y 期限利差和银行间质押式回购成交量三者的趋势进行择时。模型本周观点由偏好成长转为均衡配置。其中，期限利差维持看多成长，相对动量由中性转为看多红利，银行间市场成交量维持中性。对于大小盘风格，我们采用基于拥挤度分域的趋势模型进行择时，其中拥挤度采用小盘和大盘的动量之差和成交额之比刻画。大盘风格拥挤度处于高位，观点从上周的看好大盘变为看好小盘。

行业轮动模型：关注通信、建材、工业金属、轻工制造、房地产

行业轮动模型采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库。模型周频调仓，每周末选出多因子综合得分最高的五个行业进行等权配置。今年以来，模型取得绝对收益 -16.05%，跑输行业等权基准 10.35 pct。上周，前期 AI 主线出现调整，模型再次被反转逻辑拖累，在押注电子、通信设备等行业超跌反弹的同时，净值被显著拖累，超额收益大幅回撤。本周模型继续关注通信设备、工业金属、房地产等行业，剔除电子、汽车零部件，纳入建材、轻工制造，整体配置相较上周更偏价值。

中国境内全天候增强组合：今年以来绝对收益 2.05%

中国境内全天候增强组合采用宏观因子风险预算框架，选取增长超预期 / 不及预期、通胀超预期 / 不及预期四种宏观风险源作为平价对象；在四象限风险平价的基础上，基于宏观预期动量的观点主动超配看好象限，实现全天候增强。7 月配置观点为增配 " 增长不及预期 " 和 " 通胀不及预期 " 象限：股票端整体减配，且防御性提升；债券端整体增配；商品端除黄金外，其他品种显著减配。上周，全天候策略收涨 0.37%。今年以来策略的绝对收益为 2.05%。

A 股多维打分模型涵盖估值、情绪、资金、技术四大类的 26 个底层因子，通过投票法合成 12 个子维度，基于子维度分别发出多空择时信号后，将子维度的择时信号进一步合成为对宽基指数的综合打分。基准版打分结果（多维得分 A）采用 12 个子维度等权投票而成，形成【-1~1】之间的综合打分结果，帮助投资者直观、及时的观测和理解市场。优化版打分结果（多维得分 B）引入不同路径下的指标优选规则，在追高、抄底、追空、逃顶等四条路径下，仅取夏普前 8 的适用子维度，通过限制指标仅在其擅长场景发挥作用，显著提升了择时稳定性，但需关注过拟合风险。

基于多维打分构建多空择时策略，规则如下：当得分大于 0，看多；得分等于 0，看平；得分小于 0，看空。今年以来，多维打分模型 _A 对万得全 A 多空择时收益 13.85%，上周收益 9.11%；多维打分模型 _B 对万得全 A 多空择时收益 1.03%，上周收益 -5.47%。

红利风格择时参考前期报告《红利因子择时与 2025Q1 行业 ETF 投资建议—— ETF 智投系列研究之三》（2025-01-07）。择时的标的为中证红利指数相对中证全指的收益率。择时体系包括三个指标：

1 ) 中证红利相对中证全指的动量：红利风格正向指标；

2 ) 10Y-1Y 期限利差：红利风格负向指标——当期限利差走阔时，" 借短买长 " 的投资越有利可图，投资者越倾向于长久期投资，如成长风格，红利资产吸引力削弱；

3 ) 银行间质押式回购成交量：红利风格正向指标——银行间市场成交量越大，说明资金空转程度越严重，对应 " 资产荒 " 越严重，红利资产吸引力增强。

三个指标从趋势维度日频发出信号，每日信号取值为 0、+1、-1，分别代表看平、看多、看空三种观点。以各维度得分之和的正负性，作为红利风格多空观点的依据。当模型看好红利风格时，全仓持有中证红利；当模型不看好红利风格时，全仓持有中证全指；基准是中证红利和中证全指等权配置，在信号变化日再平衡。

今年以来策略收益为 4.13%，同期基准为 -2.11%，模型超额收益为 6.24%。模型本周观点由偏好成长转为均衡配置。其中，期限利差维持看多成长，相对动量由中性转为看多红利，银行间市场成交量维持中性。

大小盘风格择时参考前期报告《基于趋势和拐点的市值因子择时模型》（2025-05-25）。在大多数情况下，大小盘风格的走势不如红利等其他风格温和，因此投资者对待大小盘风格的视角因市场状态而异——在低拥挤的时候，大小盘风格的驱动力源于宏观环境，而宏观基本面的变化较慢，投资者一般更在意风格的中长期趋势而忽视短期波动；在高拥挤的时候，大小盘风格的驱动力源于资金抱团，一旦 " 击鼓传花 " 停止，大小盘风格随时可能发生反转，投资者一般会对其短期趋势保持警惕。

以沪深 300 指数和万得微盘股指数为大小盘风格的代表。首先，我们从动量视角和成交视角计算大小盘风格拥挤度得分：

1 ) 动量之差：计算万得微盘股指数与沪深 300 指数的 10/20/30/40/50/60 日动量之差，进一步计算各窗长动量之差的 3.0/3.5/4.0/4.5/5.0 年分位数的均值，对 6 个计算窗长下分位数最高的 3 个结果取均值，作为小盘风格的动量得分；对 6 个计算窗长下分位数最低的 3 个结果取均值，作为大盘风格的动量得分。

2 ) 成交额之比：计算万得微盘股指数与沪深 300 指数的 10/20/30/40/50/60 日成交额之比，进一步计算各窗长成交额之比的 3.0/3.5/4.0/4.5/5.0 年分位数的均值，对 6 个计算窗长下分位数最高的 3 个结果取均值，作为小盘风格的成交量得分；对 6 个计算窗长下分位数最低的 3 个结果取均值，作为大盘风格的成交量得分。

3 ) 将小盘风格的动量得分和成交量得分取均值，得到小盘风格的拥挤度得分，大于 90% 视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值，得到大盘风格的拥挤度得分，小于 10% 视为触发高拥挤。

若最近 20 个交易日中，小盘风格或者大盘风格曾触发过高拥挤，视为模型运行在高拥挤区间中，否则就是运行在低拥挤区间中。在高拥挤区间中，我们采用参数值较小的双均线模型来应对随时可能出现的风格反转；在低拥挤区间中，我们采用参数值较大的双均线模型来跟住风格的中长期趋势。

今年以来策略收益 1.41%，同期基准 -5.06%，模型超额收益 6.47%。当前，大盘风格拥挤度处于高位，观点从上周的看好大盘变为看好小盘。

行业轮动模型：关注通信、建材、工业金属、轻工制造、房地产

遗传规划行业轮动模型的底层资产为 33 个中信行业指数，因子更新频率为季频，调仓频率为周频。每周末，模型选出多因子综合得分最高的五个行业进行等权配置，次周第一个交易日按均价完成调仓。回测始于 2022-09-30，模拟盘跟踪始于 2024-05-20。今年以来，模型取得绝对收益 -16.05%，跑输行业等权基准 10.35 pct。上周，前期 AI 主线出现调整，模型再次被反转逻辑拖累，在押注电子、通信设备等行业超跌反弹的同时，净值被显著拖累，超额收益大幅回撤。本周模型继续关注通信设备、工业金属、房地产等行业，剔除电子、汽车零部件，纳入建材、轻工制造，整体配置相较上周更偏价值。

遗传规划模型是采用类似于 " 生物育种 " 的原理，直接对行业指数的量价、估值等数据进行挖掘，而不再依托逻辑去设计行业打分规则。

前期报告《量化行业轮动的 " 崎岖之路 "》（2026-03-13）将传统的单目标遗传规划改造为了多目标遗传规划。多目标遗传规划使用 |IC|、IC 胜率、NDCG@k 等三个指标（y1/y2/y3）来同时评价因子的分组单调性、时序稳定性、多头组表现。在 NSGA-II 算法的加持下，能够挖掘出兼具分组表现单调、超额收益持续、多头表现优秀的行业轮动因子。

传统的单目标遗传规划仅以 λ 1y1+ λ 2y2+ λ 3y3 单个目标为因子评价指标，容易陷入 " 内卷 " 状态，导致因子同质化、过拟合。NSGA-II 算法在不增加时间复杂度的前提下，能够实现等同于执行数十次不同 λ 1/ λ 2/ λ 3 单目标遗传规划的效果，这是多目标遗传规划能够提升因子多样性、降低过拟合风险的主要原理。对于挖掘得到的行业轮动备选因子，我们结合贪心策略和方差膨胀系数，将共线性较低的多个因子合成为行业得分。

中国境内全天候增强组合的构建方式参考前期报告《从资产配置走向因子配置：中国版全天候增强策略》（2025-06-03）。报告中提出了一套宏观因子风险平价的框架，强调真正的风险分散不是分散于资产，而是分散于驱动资产的底层宏观风险源。策略构建分为三步：

1 ) 宏观象限划分与资产选择：选择增长和通胀维度，根据是否超预期划分为四象限——增长超预期、增长不及预期、通胀超预期、通胀不及预期。结合 " 定量 + 定性 " 的方式确定各象限适配的资产。

2 ) 象限组合构建与风险度量：象限内资产等权构建子组合，注重刻画象限的下行风险。

3 ) 风险预算模型确定象限权重：每月底，根据 " 象限观点 " 调整象限风险预算，从而进行主动超配，实现策略增强。" 象限观点 " 由宏观预期动量指标给出，该指标综合考虑资产价格交易的 " 买方预期动量 " 和经济指标预期差体现的 " 卖方预期差动量 "。

7 月配置观点为增配 " 增长不及预期 " 和 " 通胀不及预期 " 两个象限：股票端整体减配，且防御性提升；债券端整体增配；商品端除黄金外，其他品种显著减配。上周，全天候策略收涨 0.37%。今年以来策略的绝对收益为 2.05%。

1 ) 周度模型基于数据和逻辑推演，具有一定的局限性；

2 ) 相关模型均根据历史规律总结，历史规律可能失效；

3 ) 模型输出不构成投资建议。

研报《金工：技术面提示短期超卖》2026 年 7 月 19 日

研究员：何 康 S0570520080004 | BRB318

研究员：徐 特 S0570523050005

研究员：孙浩然 S0570526070001

研究员：应宗珣 S0570525070009

联系人：李 薇 S0570124070087