广发证券宏观联席首席分析师 陈礼清 博士

chenliqing@gf.com.cn

广发宏观郭磊团队

报告摘要

第一，从大类资产视角看，任何资产都有“久期”属性，本质上是未来现金流在时间维度上的分布特征，可以理解为资产对利率的敏感度。任何资产的现值均可以理解为三个维度汇总：未来预期现金流多寡、贴现率大小、现金流对贴现率的敏感度。一般理解长久期股票通常对应成长股，短久期对应价值股。然而，久期与成长/价值风格仅具统计相关性，本质隶属两个独立概念。若高成长资产近端现金流确定性提升，则传统意义上的成长股也可阶段性享受“久期缩短溢价”；反之，价值股若因资本开支消耗现金流或盈利稳定性下降，则边际受损于“久期拉长折价”。这实质上是久期时变性的体现，而这一时变可以通过计算“凸性”得到，正凸性赋予资产面对利率变化时"涨多跌少"的非线性保护。本报告旨在运用"久期-凸性"框架，探讨美股科技股对利率脱敏的先决条件。

第二，首先来看美股科技股久期与凸性的经验数据。本文延续联立方程法（详见《基于久期与凸性量化黄金空间》），结果显示，纳指100凸性从2014年的-1256升至2024-2025年的2530，正凸性有效抑制了利率与纳指的联动。2012-2017年负凸性期，两者滚动相关稳定在+0.40以上；2018年凸性首度转正后脱敏现象逐步形成。2026年以来，科技股久期自年初18.5年先升至20.3年后回落至16.02年，凸性降至894。久期缩短使线性敏感度下降，但同时凸性正向保护边际递减。简单理解，纳指与利率关系由“强脱敏”转为“温和脱敏”。按最新参数，利率升/降100BP对应纳指跌11.6%、涨20.5%。

第三，其次来看基于“久期×凸性”的美股科技择时效果。科技股对美债利率脱敏的最佳状态是"短久期+正凸性"，最敏感状态为"长久期+负凸性"。基于久期与凸性变化，我们构建了科技股相对利率的综合敏感度打分指数，配合美债利率月度变化设计择时策略，即敏感度上升且利率上行时空仓，敏感度上升且利率下行时满仓，敏感度走平则对应80/20仓位配置，敏感度下降时保持中性五成仓位。初始策略基准为50%纳指100、50%现金，回测显示，该策略2006年以来累计收益191.7%，年化5.4%，胜率66.3%，夏普比率0.39，最大回撤21.1%，远优于满仓纳指的56.8%回撤。若以美债替代现金，累计收益升至312.5%，年化7.2%，夏普比率0.54。该框架证明，久期×凸性双维敏感度可作为有效的科技股仓位管理依据。

第四，进一步审视科技股正凸性与黄金正凸性的区别。黄金作为零息资产，凸性取决于短期宏观因子与中长期叙事催化的定价权博弈。正凸性放大意味着去美元叙事主导，推动黄金"涨多跌少"。2026年黄金回归实际利率框架过程中，久期自4.6升至10.05年，正凸性自1226收窄至856。权益资产则不同。Chen(2022)的有效权益久期框架指出，将债券久期公式推广至股票，前提是宏观折现率变化时未来现金流不发生系统性改变，而该假设在股债间存在重大差异。股票存在分子增长预期变化的“间接渠道”：一方面贴现率上行导致未来现金流现值收缩、股价承压（传统渠道）；另一方面贴现率上行隐含再通胀与经济韧性，企业盈利改善反而支撑股价。当后者占优时，有效久期可能较“财报久期”更快收窄，表现为科技股对利率脱敏。因此，贴现率上行对股价的影响，既是近端与远端现金流的“纵向结构赛跑”，也是盈利增长改善与折现率上行的“横向赛跑”。对于部分周期股，往往盈利增长预期与贴现率呈正相关，“分子赚钱多”逻辑往往强于“估值缩水”逻辑。

第五，上述策略仅关注久期风险的胜率，欠缺赔率刻画，即市场价格反推的久期本身是否有合理波动区间。权益久期有两类测度口径，分别是Dechow et al.(2004)基于未来现金流加权平均到达时间的"物理久期"，与Chen(2022)基于股价对贴现率敏感度的"市场隐含久期"，二者常有差异。我们参考Dechow方法测算纳指100物理久期，核心思想是将未来现金流表征为每股账面价值交乘股东权益回报率与收入增长率的轧差，并采用AR(1)均值回复框架，强调长期盈利中枢对估值的约束。结果显示，纳指物理久期2007年以来围绕19.1年中枢在16.9-23.8年区间波动。2009-2010年QE期久期先升后降；2016-2019年从21年降至17年，彼时FAAMG贡献标普500逾九成盈利增长；2025-2026年久期在18.0年附近小幅下降，反映巨头Capex与盈利兑现两股对冲力量的均衡，前者推高远端权重，后者维持近端现金流权重。

第六，两种口径下的久期进行标准化后，轧差保持均值往复规律。这一轧差可以理解为市场是否相信利率上行时分子端盈利可对冲，本质是折现率与现金流的预期协方差变体。当物理久期大于有效久期，市场信心充足，定价分子端能对冲利率上升；反之则意味市场趋于谨慎，定价增长将被利率挤压。我们进一步基于标准化Z分数构建赔率择时策略，即Z+2空仓纳指。回测显示，该单一赔率信号策略2006年以来累计收益436%，年化8.6%，胜率73.6%，夏普比率0.72，最大回撤28.6%，全面优于基准组合。稳健性检验中90/10方案以年化8.97%最优。该框架证实物理久期与有效久期的轧差具备均值回复特征，可作为有效的赔率信号进行仓位管理。

第七，最后，我们将久期胜率信号（久期×凸性）与赔率信号（物理久期-有效久期轧差）等权融合，构建完整择时框架。赔率端由Z分数位置及边际变化ΔZ驱动，胜率端由利率方向与综合敏感度指数驱动，两者信号叠加决定最终仓位。该"胜率+赔率"双维度策略2006年以来累计收益446.5%，年化8.7%，夏普比率0.84，最大回撤23.4%，年化波动9.1%低于基准。收益与满仓纳指相当，但波动与回撤显著更优。分年度看，21年中15次跑赢基准，胜率71.4%。2026年以来收益5.2%，最新信号提示40%纳指、60%美债。稳健性检验中90/10方案以年化8.9%最优。该框架探索了美股科技股择时中风险收益比的部分优化。

第八，简单总结，科技股对利率脱敏的最佳状态为“短久期+正凸性”，最敏感状态为“长久期+负凸性”。简单理解，靠近前者的先决条件有三：一是现金流时间分布从“远端预期”切换至“近端兑现”，即在主流商业模式下，企业净利润当期兑现度比较高，现金流从“画饼”变成“烙饼”。二是当名义增长上升时，不仅利率上升，这些科技公司的实际现金流更显著上升，即企业现金流与利率“同向奔跑”且速度更快。三是有效久期持续低于物理久期但不极端，也就是市场定价积极但未透支，预期下阶段现金流将继续改善并能在近端兑现，“短久期现实”具有进一步演绎的空间。从上述三个标准看当前，条件一中性偏正面，物理与有效久期均仍处下行通道；条件二的正凸性有所衰减，利率变化由震荡转上行，科技股相对利率“涨多跌少”正在趋于“涨跌对称”；条件三仍处于支持区间，市场目前对科技股下阶段现金流大小与兑现时间的预期仍处于合理乐观状态，综合而言，科技股对美债利率上行仍可呈现一定程度的温和脱敏。未来需观察若美联储进入加息周期，商业环境和现金流条件可能出现的变化。

报告简版

（简版7767字）

第一

大类资产视角看，任何资产都有“久期”属性，本质上是未来现金流在时间维度上的分布特征，可以理解为资产对利率的敏感度。任何资产的现值均可以理解为三个维度汇总：未来预期现金流多寡、贴现率大小、现金流对贴现率的敏感度。一般理解长久期股票通常对应成长股，短久期对应价值股。然而，久期与成长/价值风格仅具统计相关性，本质隶属两个独立概念。若高成长资产近端现金流确定性提升，则传统意义上的成长股也可阶段性享受“久期缩短溢价”；反之，价值股若因资本开支消耗现金流或盈利稳定性下降，则边际受损于“久期拉长折价”。这实质上是久期时变性的体现，而这一时变可以通过计算“凸性”得到，正凸性赋予资产面对利率变化时"涨多跌少"的非线性保护。本报告旨在运用"久期-凸性"框架，探讨美股科技股对利率脱敏的先决条件。

传统意义上，“久期与凸性”的概念主要针对于固收类的资产，但实质上可以理解为一切资产对利率的敏感度。任何资产，无论是否生息或含权，当前的内在价值都可以理解为“近端、远端”两个时间维度的未来价值折现。美股存在“短久期溢价、长久期折价”现象。Dechow et al. (2004)与Weber (2018) 的研究均表明平均而言，长久期股票对应低 B/M（即账面市值比较小，股价远高于净资产，对应成长股），短久期股票对应高 B/M（即账面市值比较大，股价接近或低于净资产，对应价值股）。

我们认为久期与“成长、价值”风格仅具备统计相关性，本质上隶属两个独立概念。如果某一类高成长资产的近端即期现金流确定性提升（长协锁定或业绩兑现），则回报流的时间分布更均衡，对高利率的免疫力就有所提升。该情境下，传统意义上的成长股阶段性享受了“久期缩短的溢价”。

相反，如果价值/红利/周期股出现Capex消耗现金流或者盈利稳定性下降，则回报流时间分布中的近端权重下降，则对高利率的免疫力就会下降。该情境下，传统意义上的价值/红利/周期股则边际受损于“久期拉长的折价”。表面上，这是成长与价值边际的模糊化，而实质上，这是久期时变性的体现。久期时变性的观察抓手或是“凸性”。因为久期是价格对贴现率的敏感度，是“价格——收益率曲线”的斜率，而“凸性”是价格对贴现率敏感度的变化，是“价格——收益率曲线”的曲度。正凸性是一种正向缓冲保护，量化资产价格相对贴现率“涨多跌少”的非线性、非对称程度。正凸性资产在面对利率下行时，涨得比单纯久期预测的多，而利率上行时，跌得比单纯久期预测的少。

在前期报告《基于久期与凸性量化黄金空间》中，我们在2022年即认为黄金与美债实际利率并非彻底背离，而是久期出现了时变。黄金与利率之间存在“正凸性”特征，中长期去美元叙事催升了“凸性”放大，最终形成黄金定价与利率的“非线性”涨多跌少关联。2026年以来，伴随着黄金中长期催化降温，黄金重新回归实际利率框架，这本质上也是久期拉长、正凸性回落、“非线性”程度走平的表现。

关于美股，我们在前期报告《重设相关锚，布局下阶段：2025年中期大类资产展望》中已指出，在近两年AI科技革命的引领下，全球大类资产中的标普500开始具备一定凸性特征，即对经济利率风险反应钝化。

第二

首先来看美股科技股久期与凸性的经验数据。本文延续联立方程法（详见《基于久期与凸性量化黄金空间》），结果显示，纳指100凸性从2014年的-1256升至2024-2025年的2530，正凸性有效抑制了利率与纳指的联动。2012-2017年负凸性期，两者滚动相关稳定在+0.40以上；2018年凸性首度转正后脱敏现象逐步形成。2026年以来，科技股久期自年初18.5年先升至20.3年后回落至16.02年，凸性降至894。久期缩短使线性敏感度下降，但同时凸性正向保护边际递减。简单理解，纳指与利率关系由“强脱敏”转为“温和脱敏”。按最新参数，利率升/降100BP对应纳指跌11.6%、涨20.5%。

对比纳指100对数价格与美债利率关系，可以看到在2006-2016年期间，两者呈现明显线性负相关关系，2017-2026年期间，线性负相关转为正凸性负相关，考虑了利率变动平方项后，利率对股价的解释力度提升至58%。

凸性从2014年的−1256（负凸性）升至2024–2025年的2530（强正凸性，即利率上行时跌幅被缓冲）。结合纳指100与10年期美债利率的60个月滚动相关系数来看，正凸性抑制了利率与纳指的联动，负凸性则起到了放大作用。2012–2017年是负凸性典型期（均值−1,200至−1,535），对应的滚动相关稳定在+0.40至+0.43的区间，该六年期间纳指几乎完美地扮演了“利率敏感型资产”的角色。

2016年初凸性触底回升，2018年凸性首次从负值转正（+185），滚动相关随即从+0.32降至+0.26，之后一路下滑。2019–2020年凸性持续上升（+845→+1,357），滚动相关从+0.30降至+0.23，脱敏的现象在凸性转正后逐渐形成。

2026年以来，美股科技股的久期与凸性均先升后降。久期自年初的18.5升至2月的20.3，再回落至6月的16.02年，而凸性自5月的1228降至894，仍处于历史中高保护厚度。前者意味着纳指对利率线性敏感度为每100BP利率变动对应纳指100±16.0%，后者则意味着每100BP利率变动的凸性保护垫是4.47%。纳指与利率的关系不再是“强脱敏”，而是“温和脱敏”。

截至6月14日，纳指100录得29720点，在美债利率下行20BP的条件下，“久期-凸性”模型对应的合理空间上下限较Q1有所下移，自[30885,31016]下移至[30599,30730]；而对于美债利率上行20BP的条件，“久期-凸性”模型对应的合理空间上下限较Q1有所上移，自[28626,28757]上移至[28816,28947]。

第三

其次来看基于“久期×凸性”的美股科技择时效果。科技股对美债利率脱敏的最佳状态是"短久期+正凸性"，最敏感状态为"长久期+负凸性"。基于久期与凸性变化，我们构建了科技股相对利率的综合敏感度打分指数，配合美债利率月度变化设计择时策略，即敏感度上升且利率上行时空仓，敏感度上升且利率下行时满仓，敏感度走平则对应80/20仓位配置，敏感度下降时保持中性五成仓位。初始策略基准为50%纳指100、50%现金，回测显示，该策略2006年以来累计收益191.7%，年化5.4%，胜率66.3%，夏普比率0.39，最大回撤21.1%，远优于满仓纳指的56.8%回撤。若以美债替代现金，累计收益升至312.5%，年化7.2%，夏普比率0.54。该框架证明，久期×凸性双维敏感度可作为有效的科技股仓位管理依据。

科技股对利率脱敏的最佳状态是“短久期叠加正凸性”，而最为敏感的状态是“长久期叠加负凸性”。

对于科技股面对的利率环境，最不利与最有利的场景是美债利率上行或下行，同时面临科技股对美债利率的敏感度走高，即久期拉长、凸性变小；具有对冲效果的场景，一是，美债利率上行时，科技股的利率敏感度下降，久期缩短，正凸性保护垫增大，进而美债利率形成不了强宏观冲击。二是，美债利率下行时，科技股的利率敏感度也正在下降，久期拉长，正凸性保护垫变小，进而美债利率形成不了强宏观利好。

再配合美债利率每月上下行变化，我们设计择时策略（简称方案一）如下：（1）基准情形为50%纳指100+50%现金；（2）当月美债利率上行，且科技股综合敏感度指数上升，则最为利空风险资产，设定仓位转为0%纳指100、100%现金；（3）当月美债利率下行，且且科技股综合敏感度指数上升，则最为利多风险资产，设定仓位转为100%纳指100、0%现金；（4）当月美债利率上行，且科技股综合敏感度指数走平，则次利空风险资产，设定仓位转为20%纳指100、80%现金；（5）当月美债利率下行，且科技股综合敏感度指数走平，则次利多风险资产，设定仓位转为80%纳指100、20%现金；（6）当月不管美债利率是否上下，只要科技股对利率的综合敏感度指数下降，则风险资产与现金之间保持中性仓位，设定仓位转为50%纳指100、50%现金。

回测结果显示，以利率敏感度（久期-凸性双维）为择时因子的仓位管理方案（80/20作为“次利多/次利空”风险资产），2006年以来获得累积收益191.7%，年化收益约为5.4%，高于50%纳指100、50%现金的基准情形，胜率66.3%，夏普比率为0.39，卡玛比率为0.26。最大回撤为21.1%，发生在金融危机期间，为2007.10.09-2009.03.09，远小于单纯满仓纳指的最大回撤56.8%，也小于50%纳指100、50%现金时的32.5%。年化波动率为11.7%，与基准情形相近。此外，我们还对“次利空”、“次利多”时风险资产比例从20%缩放（至10%、30%、40%）来进行稳健性检验。结果发现，60/40方案以年化6.05%跑赢。

若将现金切换为美债，则2006年以来的策略累积收益明显提升至312.5%，年化收益为7.2%，高于50%纳指100、50%现金的基准情形（6.6%）。夏普比率为0.54，卡玛比率为0.28。

第四

进一步审视科技股正凸性与黄金正凸性区别。黄金作为零息资产，凸性取决于短期宏观因子与中长期叙事催化的定价权博弈。正凸性放大意味着去美元叙事主导，推动黄金"涨多跌少"。2026年黄金回归实际利率框架过程中，久期自4.6升至10.05年，正凸性自1226收窄至856。权益资产则不同。Chen(2022)的有效权益久期框架指出，将债券久期公式推广至股票，前提是宏观折现率变化时未来现金流不发生系统性改变，而该假设在股债间存在重大差异。股票存在分子增长预期变化的“间接渠道”：一方面贴现率上行导致未来现金流现值收缩、股价承压（传统渠道）；另一方面贴现率上行隐含再通胀与经济韧性，企业盈利改善反而支撑股价。当后者占优时，有效久期可能较“财报久期”更快收窄，表现为科技股对利率脱敏。因此，贴现率上行对股价的影响，既是近端与远端现金流的“纵向结构赛跑”，也是盈利增长改善与折现率上行的“横向赛跑”。对于部分周期股，往往盈利增长预期与贴现率呈正相关，“分子赚钱多”逻辑往往强于“估值缩水”逻辑。

对于黄金这种零息资产，凸性的大小完全取决于现金流的分布特征。即市场短期宏观因子与中长期叙事催化的定价权博弈。当正凸性放大时，则意味着中长期去美元叙事更占主导，推动黄金“涨多跌少”。2026年黄金回归实际利率框架的过程中，我们检测到黄金久期拉长（4.6→10.05），正凸性明显收窄（1226→856）（详见报告《全球单边的5月之后：大类资产配置月度展望》）。

而对于权益资产，除了“现金流是否分布上向近端集中”会影响久期凸性，市场对现金流本身大小的预期，也会扭曲股价与贴现率的关系。因此，Chen(2022)给出的新“有效权益久期”框架中指出，直接将债券的久期公式推广到股票，前提是宏观折现率变化时，股票资产的未来现金流大小不发生系统性变化。而这点假设在固收类与权益类资产中存在较大差异。

对于固收类资产，票息稳定，现金流确定性强，而对于股票，在折现率上行时，可能存在分子增长预期变化的“间接渠道”。

根据Chen(2022)，一方面，贴现率上行，对应未来现金流现值收缩，股价承压（股债类似的传统渠道）；

另一方面，贴现率上行，隐含再通胀预期、经济韧性向好，企业盈利增长改善，股价反而可能出现上行。

并且，当后者更占上风时，有效久期可能较物理意义上的“财报久期”更快收窄，也即表观看到美股科技股对利率反映有所脱敏。

因此，贴现率上行对股价的影响，一方面是近端现金流和远端现金流之间的纵向结构赛跑，另一方面也是“盈利增长预期改善”与“折现率上行”的横向赛跑。Chen(2022)指出对于部分周期性公司而言，其盈利增长预期与贴现率呈高度正相关（股债跷跷板），这些公司在利率上行的“分子赚钱多”逻辑往往强于“估值缩水”逻辑。

第五

上述策略仅关注久期风险的胜率，欠缺赔率刻画，即市场价格反推的久期本身是否有合理波动区间。权益久期有两类测度口径，分别是Dechow et al.(2004)基于未来现金流加权平均到达时间的"物理久期"，与Chen(2022)基于股价对贴现率敏感度的"市场隐含久期"，二者常有差异。我们参考Dechow方法测算纳指100物理久期，核心思想是将未来现金流表征为每股账面价值交乘股东权益回报率与收入增长率的轧差，并采用AR(1)均值回复框架，强调长期盈利中枢对估值的约束。结果显示，纳指物理久期2007年以来围绕19.1年中枢在16.9-23.8年区间波动。2009-2010年QE期久期先升后降；2016-2019年从21年降至17年，彼时FAAMG贡献标普500逾九成盈利增长；2025-2026年久期在18.0年附近小幅下降，反映巨头Capex与盈利兑现两股对冲力量的均衡，前者推高远端权重，后者维持近端现金流权重。

由上，我们可知，“久期、凸性”综合考虑后的指数，是一种刻画美股科技股对利率敏感度的方式。但“在美债利率下行且美股对利率敏感度提升”的窗口做多科技股的方案，仅仅考虑了久期风险的胜率层面，即在利率顺风期，积极做多久期与凸性。但上述策略缺少久期风险的赔率刻画，即利用市场价格反推的久期本身是否应该有合理波动区间？

权益久期有两种常用的测度口径。一是衡量公司未来现金流的加权平均到达时间（Dechow et al. (2004) ），二是股价对贴现率（利率）变化的敏感程度（Chen (2022））。虽然理论上，基于公司未来现金流加权平均到达时间测算的久期（Dechow et al. (2004) ），应该与资产价格倒推计算的利率敏感度（Chen (2022) ）基本相当。但事实上，前者更类似于当前财务结构内涵的“物理久期”，而后者更接近融合市场隐含定价，两者往往具有差异性。

首先，我们模仿Dechow et al. (2004) 做法，从纳指100财务指标中计算物理久期。在前期报告《高分红策略的宏观逻辑与择时体系》中，我们用类似做法剥离了A股各类权益指数的隐含久期。结果发现，2005年至今，国内TMT指数的隐含久期最高，平均久期在18.7年，而中证红利指数、中特估的隐含久期仅有13.2年、13.6年。

从测算结果来看，纳指100物理久期自2007年以来围绕19.1年的中枢在16.9至23.8年的区间波动。进入2025–2026年，纳指100久期在18.0年中枢附近小幅下降，我们理解，这背后是巨头Capex与盈利兑现两股对冲力量的均衡，前者提高现金回报远期权重，后者维持近端现金流权重。

第六

两种口径下的久期进行标准化后，轧差保持均值往复规律。这一轧差可以理解为市场是否相信利率上行时分子端盈利可对冲，本质是折现率与现金流的预期协方差变体。当物理久期大于有效久期，市场信心充足，定价分子端能对冲利率上升；反之则意味市场趋于谨慎，定价增长将被利率挤压。我们进一步基于标准化Z分数构建赔率择时策略，即Z+2空仓纳指。回测显示，该单一赔率信号策略2006年以来累计收益436%，年化8.6%，胜率73.6%，夏普比率0.72，最大回撤28.6%，全面优于基准组合。稳健性检验中90/10方案以年化8.97%最优。该框架证实物理久期与有效久期的轧差具备均值回复特征，可作为有效的赔率信号进行仓位管理。

两种口径下的久期并不具有长期趋势，而是保持在合理区间，具有一定均值往复的规律。我们理解，该轧差反映市场是否相信利率上行时，分子端盈利可以继续增长，本质是一种“折现率与现金流”的协方差变体。因而，资产价格反推的久期应与物理久期保持一定锚定效应。

（1）当物理久期 > 有效久期时，意味着市场信心更足，认为分子端盈利能对冲利率上升，往往对应宏观面处于扩张状态。当物理久期远超过有效久期时，即便实际的物理久期也在缩短，但速度远赶不上市场预期，市场定价过于乐观，提示下一期的预警信号。

（2）反之，当有效久期 > 物理久期时，意味着市场对于贴现率上行时，现金流将承压，往往对应宏观面收缩状态。而当物理久期远低于有效久期时，即便物理久期也有放大趋向，但市场的灵敏度跑的更远，不仅定价现金流的分布趋于远端，更定价“增长将被利率挤压”。

我们首先来检验单一的赔率信号。将两者经标准化后的轧差转为一年Z-score。设置择时策略如下（简称方案二）：（1）基准情形为50%纳指100+50%标普10年美债；（2）当月Z分数小于-2，则对应下月对风险资产将趋于乐观，仓位转为100%纳指100、0%标普10年美债；（3）当Z分数处于[−2, -1]时，则提示目前风险资产趋于顺风，但赔率已开始兑现，市场反推的有效久期仍低于物理久期，但已两者轧差已有初步收敛。仓位转为80%纳指100，20%标普10年美债；（4）当Z分数处于[−1, +1]时，维持50%纳指100+50%标普10年美债的基准组合；（5）当Z分数处于[+1, +2]时，则提示目前风险资产趋于逆风，但赔率逐渐打开，市场反推的有效久期逐渐高于物理久期，两者轧差明显走扩。仓位转为20%纳指100，80%标普10年美债；（6）当月Z分数大于+2，则对应下月对风险资产保持谨慎，仓位转为0%纳指100、100%标普10年美债。

以上述Z分数单一信号为择时因子的仓位管理方案（80/20作为“次利多/次利空”风险资产），2006年以来获得累积收益436%，年化收益约为8.6%，高于50%纳指100、50% 10年期美债的基准情形（年化6.6%），策略胜率73.6%，夏普比率为0.72，卡吗比率为0.3，年化波动率略高于基准情形。最大回撤同样发生在金融危机期间，为28.6%，与50%纳指100、50%十年期美债基准的最大回撤25.6%相近。

第七

最后，我们将久期胜率信号（久期×凸性）与赔率信号（物理久期-有效久期轧差）等权融合，构建完整择时框架。赔率端由Z分数位置及边际变化ΔZ驱动，胜率端由利率方向与综合敏感度指数驱动，两者信号叠加决定最终仓位。该"胜率+赔率"双维度策略2006年以来累计收益446.5%，年化8.7%，夏普比率0.84，最大回撤23.4%，年化波动9.1%低于基准。收益与满仓纳指相当，但波动与回撤显著更优。分年度看，21年中15次跑赢基准，胜率71.4%。2026年以来收益5.2%，最新信号提示40%纳指、60%美债。稳健性检验中90/10方案以年化8.9%最优。该框架探索了美股科技股择时中风险收益比的部分优化。

最后，我们将久期胜率面（久期凸性信号）与久期赔率面（物理久期-有效久期）融合构建完整的择时信号。为了避免过拟合风险，我们将赔率和胜率信号权重进行“等权”设置，即由上述“Z分数与ΔZ”构成的信号占50%权重，而由“久期凸性”生成的信号亦占50%权重。

最终形成新的择时策略如下（简称方案四）：（1）基准情形为50%纳指100+50%标普10年美债；（2）当月Z分数小于-2，且ΔZ>0时，从久期赔率信号而言，有效久期显著高于物理久期但有初步低位企稳迹象，提示下期市场情绪正在触底回升，未来上行空间较大。若此时观察到“美债利率下行+美股科技股对利率的综合敏感度指数上升”，则久期胜率又利好风险资产，此时下月仓位为最为侧重进攻，仓位为(80%+20%)*0.5+0.5*(100%)=100%纳指，0%美债；若此时ΔZ<0，则仓位设置为(80%-20%)*0.5+0.5*(100%)=80%纳指，20%美债。以此类推。

以上述久期“胜率+赔率”信号为择时因子的仓位管理方案（80/20为在等权分配赔率胜率信号后，“次利多/次利空”信号的风险资产比重），2006年以来获得累积收益446.5%，年化收益约为8.7%，高于50%纳指100、50% 10年期美债的基准情形（年化6.6%），夏普比率为0.84，卡玛比率为0.37，策略胜率57.7%，年化波动率9.1%略低于基准情形的9.3%。最大回撤同样发生在金融危机期间，为23.4%，略小于50%纳指100、50% 10年期美债基准的最大回撤25.6%相近。至此策略实现了年化收益明显大于基准，与满仓纳指100相当，但年化波动与最大回撤反而更小。

从分年度看，该策略在2006年至今的21年中，15次跑赢，占比71.4%。2026年以来收益为5.2%，小幅跑赢基准情形的3.4%，其中2026年3月回撤仅为4.2%。最新一期信号提示仓位应为40%纳指100，60%10年 美债。

此外，我们还对“次利空”时风险资产比例从20%缩放（至10%、30%、40%）来进行稳健性检验。结果同样发现四组自2006年以来均有超100%的超额收益，并且90/10方案以年化8.9%跑赢，夏普比率为0.82，卡玛比率0.4。

第八

简单总结，科技股对利率脱敏的最佳状态为“短久期+正凸性”，最敏感状态为“长久期+负凸性”。简单理解，靠近前者的先决条件有三：一是现金流时间分布从“远端预期”切换至“近端兑现”，即在主流商业模式下，企业净利润当期兑现度比较高，现金流从“画饼”变成“烙饼”。二是当名义增长上升时，不仅利率上升，这些科技公司的实际现金流更显著上升，即企业现金流与利率“同向奔跑”且速度更快。三是有效久期持续低于物理久期但不极端，也就是市场定价积极但未透支，预期下阶段现金流将继续改善并能在近端兑现，“短久期现实”具有进一步演绎的空间。从上述三个标准看当前，条件一中性偏正面，物理与有效久期均仍处下行通道；条件二的正凸性有所衰减，利率变化由震荡转上行，科技股相对利率“涨多跌少”正在趋于“涨跌对称”；条件三仍处于支持区间，市场目前对科技股下阶段现金流大小与兑现时间的预期仍处于合理乐观状态，综合而言，科技股对美债利率上行仍可呈现一定程度的温和脱敏。未来需观察若美联储进入加息周期，商业环境和现金流条件可能出现的变化。

目录

正文

PART1

一个理解资产价格与利率关系的框架：久期×凸性

在前期报告《基于久期与凸性量化黄金空间》中，我们从大类资产的视角更广义地理解资产的“久期与凸性”。虽然传统意义上，“久期与凸性”的概念主要针对于固收类的资产，但实质上可以理解为一切资产对利率的敏感度。任何资产，无论是否生息或含权，当前的内在价值都可以理解为“近端、远端”两个时间维度的未来价值折现。

因而，现值取决于三个方面：（1）未来预期现金流多寡、（2）贴现率大小以及（3）未来现金流对贴现率的敏感度（未来现金流的时间分布）。前两者并不改变未来价值与利率的关系，后者则可以反映单位贴现率变化对价值的影响，即久期。

经验上，美股存在“短久期溢价、长久期折价”现象。Dechow et al. (2004)与Weber (2018) 的研究均表明平均而言，长久期股票对应低 B/M（即账面市值比较小，股价远高于净资产，对应成长股），短久期股票对应高 B/M（即账面市值比较大，股价接近或低于净资产，对应价值股）。

这与直觉相符，即市场往往认为科技股价值取决于遥远的终端价值，因此属于“长久期资产”，对宏观折现率高度敏感。因为当利率上升，远端的现金流被的“折现效应”更为剧烈。相应地，价值股或者周期股则因为现金流聚焦于近端，具备短久期确定性。

但是否就此，可以机械认为长久期=成长股，而短久期股票=价值或周期股？我们认为久期与“成长、价值”风格仅具备统计相关性，本质上隶属两个独立概念。久期的本质是现金流在未来时间维度上的不确定分布。而成长与价值的划分在于估值、市值以及盈利增速差异。

如果某一类高成长资产的近端即期现金流确定性提升（长协锁定或业绩兑现），则回报流的时间分布更均衡，对高利率的免疫力就有所提升。该情境下，传统意义上的成长股阶段性享受了“久期缩短的溢价”。

相反，如果价值/红利/周期股出现Capex消耗现金流或者盈利稳定性下降，则回报流时间分布中的近端权重下降，则对高利率的免疫力就会下降。该情境下，传统意义上的价值/红利/周期股则边际受损于“久期拉长的折价”。表面上，这是成长与价值边际的模糊化，而实质上，这是久期时变性的体现。

那么久期时变性的观察抓手或是什么？我们理解是“凸性”。因为久期是价格对贴现率的敏感度，是“价格——收益率曲线”的斜率，而“凸性”是价格对贴现率敏感度的变化，是“价格——收益率曲线”的曲度。正凸性是一种正向缓冲保护，量化资产价格相对贴现率“涨多跌少”的非线性、非对称程度。正凸性资产在面对利率下行时，涨得比单纯久期预测的多，而利率上行时，跌得比单纯久期预测的少。

在前期报告《基于久期与凸性量化黄金空间》中，我们在2022年即认为黄金与美债实际利率并非彻底背离，而是久期出现了时变。黄金与利率之间存在“正凸性”特征，中长期去美元叙事催升了“凸性”放大，最终形成黄金定价与利率的“非线性”涨多跌少关联。2026年以来，伴随着黄金中长期催化降温，黄金重新回归实际利率框架，这本质上也是久期拉长、正凸性回落、“非线性”程度走平的表现。

关于美股，我们在前期报告《重设相关锚，布局下阶段：2025年中期大类资产展望》中已指出，在近两年AI科技革命的引领下，全球大类资产中的标普500开始具备一定凸性特征，即对经济利率风险反应钝化。

本报告进一步聚焦到美股科技股，旨在利用同样的“久期-凸性”框架来探讨美股科技股对利率脱敏的先决条件。

PART2

基于“久期×凸性”框架映射未来空间

（一）利用联立方程法计算美股科技股的久期与凸性

首先，对比纳指100对数价格与美债利率关系，可以看到在2006-2016年期间，两者呈现明显线性负相关关系，2017-2026年期间，线性负相关转为正凸性负相关，考虑了利率变动平方项后，利率对股价的解释力度提升至58%，传统意义上的“加息压制科技股估值”转变为“加息时压制结果明显小于降息时推升效果”。

我们通过类似于黄金久期-凸性估算的联立方程法估算美股科技股的久期凸性参数（详见《基于久期与凸性量化黄金空间》），相似的做法有Chen (2022）。

我们发现，凸性从2014年的−1256（负凸性）升至2024–2025年的2530（强正凸性，即利率上行时跌幅被缓冲）。

结合纳指100与10年期美债利率的60个月滚动相关系数来看，正凸性抑制了利率与纳指的联动，负凸性则起到了放大作用。2012–2017年是负凸性典型期（均值−1,200至−1,535），对应的滚动相关稳定在+0.40至+0.43的区间，该六年期间纳指几乎完美地扮演了“利率敏感型资产”的角色。

2016年初凸性触底回升，2018年凸性首次从负值转正（+185），滚动相关随即从+0.32降至+0.26，之后一路下滑。2019–2020年凸性持续上升（+845→+1,357），滚动相关从+0.30降至+0.23，脱敏的现象在凸性转正后逐渐形成。

2026年以来，美股科技股的久期与凸性均先升后降。久期自年初的18.5升至2月的20.3，再回落至6月的16.02年，而凸性自5月的1228降至894，仍处于历史中高保护厚度。前者意味着纳指对利率线性敏感度为每100BP利率变动对应纳指100±16.0%，后者则意味着每100BP利率变动的凸性保护垫是4.47%。纳指与利率的关系不再是“强脱敏”，而是“温和脱敏”。

（二）利用当前久期凸性参数估算美股空间

按照最新的“久期-凸性”参数测算，未来利率升/降100BP，对应纳指100分别跌11.6%、涨20.5%，换言之凸性减少了4.5个百分点的跌幅与额外贡献了 4.5 个百分点的涨幅，涨跌比约1.77x，即涨的时候比跌的时候多 77%。

但Q2与Q1参数均值对比来看，久期自19.72降至16.02，凸性自2006降至1227，科技股不仅存在“久期缩短”效应，即对利率变动的线性敏感度有所下降；并且额外的正向保护有所减弱，“涨多跌少”的不对称优势部分回落。

截至6月14日，纳指100录得29720点，在美债利率下行20BP的条件下，“久期-凸性”模型对应的合理空间上下限较Q1有所下移，自[30885,31016]下移至[30599,30730]；

而对于美债利率上行20BP的条件，“久期-凸性”模型对应的合理空间上下限较Q1有所上移，自[28626,28757]上移至[28816,28947]。

换言之，美股科技股在二季度比一季度对利率上行更具免疫力，这种免疫力的主要贡献来自久期缩短，而不是凸性放大，凸性的保护功能是正在边际递减的。

当前美债利率波动对美股科技股的影响正在趋于对称，前期的高正凸性支持了利率“越紧缩反而越抱团”的叙事，而随着利率影响趋于对称，利率对科技资产的双边影响也开始出现。

PART3

基于“久期×凸性”框架进行美股科技择时

（一）将久期与凸性转化为胜率择时信号

科技股对利率脱敏的最佳状态是“短久期叠加正凸性”，而最为敏感的状态是“长久期叠加负凸性”。

对于科技股面对的利率环境，最不利与最有利的场景是美债利率上行或下行，同时面临科技股对美债利率的敏感度走高，即久期拉长、凸性变小；具有对冲效果的场景，一是，美债利率上行时，科技股的利率敏感度下降，久期缩短，正凸性保护垫增大，进而美债利率形成不了强宏观冲击。二是，美债利率下行时，科技股的利率敏感度也正在下降，久期拉长，正凸性保护垫变小，进而美债利率形成不了强宏观利好。

由此，基于久期变化以及凸性变化，我们构造了美股科技股的利率综合敏感度打分指数，具体法则如下表所示。

（二）基于科技股利率敏感度进行择时

再配合美债利率每月上下行变化，我们设计择时策略（简称方案一）如下：

（1）基准情形为50%纳指100+50%现金；

（2）当月美债利率上行，且科技股综合敏感度指数上升，则最为利空风险资产，设定仓位转为0%纳指100、100%现金；

（3）当月美债利率下行，且且科技股综合敏感度指数上升，则最为利多风险资产，设定仓位转为100%纳指100、0%现金；

（4）当月美债利率上行，且科技股综合敏感度指数走平，则次利空风险资产，设定仓位转为20%纳指100、80%现金；

（5）当月美债利率下行，且科技股综合敏感度指数走平，则次利多风险资产，设定仓位转为80%纳指100、20%现金；

（6）当月不管美债利率是否上下，只要科技股对利率的综合敏感度指数下降，则风险资产与现金之间保持中性仓位，设定仓位转为50%纳指100、50%现金。

回测结果显示，以利率敏感度（久期-凸性双维）为择时因子的仓位管理方案（80/20作为“次利多/次利空”风险资产），2006年以来获得累积收益191.7%，年化收益约为5.4%，高于50%纳指100、50%现金的基准情形，胜率66.3%，夏普比率为0.39，卡玛比率为0.26。最大回撤为21.1%，发生在金融危机期间，为2007.10.09-2009.03.09，远小于单纯满仓纳指的最大回撤56.8%，也小于50%纳指100、50%现金时的32.5%。年化波动率为11.7%，与基准情形相近。

此外，我们还对“次利空”、“次利多”时风险资产比例从20%缩放（至10%、30%、40%）来进行稳健性检验。结果发现，60/40方案以年化6.05%跑赢。

若将现金切换为美债，则2006年以来的策略累积收益明显提升至312.5%，年化收益为7.2%，高于50%纳指100、50%现金的基准情形（6.6%）。夏普比率为0.54，卡玛比率为0.28。

PART4

科技股的正凸性来源与黄金比，有何特殊性？

对于黄金这种零息资产，凸性的大小完全取决于现金流的分布特征。即市场短期宏观因子与中长期叙事催化的定价权博弈。当正凸性放大时，则意味着中长期去美元叙事更占主导，推动黄金“涨多跌少”。2026年黄金回归实际利率框架的过程中，我们检测到黄金久期拉长（4.6→10.05），正凸性明显收窄（1226→856）（详见报告《全球单边的5月之后：大类资产配置月度展望》）。

而对于权益资产，除了“现金流是否分布上向近端集中”会影响久期凸性，市场对现金流本身大小的预期，也会扭曲股价与贴现率的关系。因此，Chen(2022)给出的新“有效权益久期”框架中指出，直接将债券的久期公式推广到股票，前提是宏观折现率变化时，股票资产的未来现金流大小不发生系统性变化。而这点假设在固收类与权益类资产中存在较大差异。

对于固收类资产，票息稳定，现金流确定性强，而对于股票，在折现率上行时，可能存在分子增长预期变化的“间接渠道”。

根据Chen(2022)，一方面，贴现率上行，对应未来现金流现值收缩，股价承压（股债类似的传统渠道）；

另一方面，贴现率上行，隐含再通胀预期、经济韧性向好，企业盈利增长改善，股价反而可能出现上行。

并且，当后者更占上风时，有效久期可能较物理意义上的“财报久期”更快收窄，也即表观看到美股科技股对利率反映有所脱敏。

因此，贴现率上行对股价的影响，一方面是近端现金流和远端现金流之间的纵向结构赛跑，另一方面也是“盈利增长预期改善”与“折现率上行”的横向赛跑。

Chen(2022)指出对于部分周期性公司而言，其盈利增长预期与贴现率呈高度正相关（股债跷跷板），这些公司在利率上行的“分子赚钱多”逻辑往往强于“估值缩水”逻辑。

PART5

融合久期“赔率+胜率”的美国股债轮动方案

（一）物理久期的测算

由上，我们可知，“久期、凸性”综合考虑后的指数，是一种刻画美股科技股对利率敏感度的方式。但“在美债利率下行且美股对利率敏感度提升”的窗口做多科技股的方案，仅仅考虑了久期风险的胜率层面，即在利率顺风期，积极做多久期与凸性。但上述策略缺少久期风险的赔率刻画，即利用市场价格反推的久期本身是否应该有合理波动区间？

权益久期有两种常用的测度口径。一是衡量公司未来现金流的加权平均到达时间（Dechow et al. (2004) ），二是股价对贴现率（利率）变化的敏感程度（Chen (2022））。虽然理论上，基于公司未来现金流加权平均到达时间测算的久期（Dechow et al. (2004) ），应该与资产价格倒推计算的利率敏感度（Chen (2022) ）基本相当。但事实上，前者更类似于当前财务结构内涵的“物理久期”，而后者更接近融合市场隐含定价，两者往往具有差异性。

首先，我们模仿Dechow et al. (2004) 做法，从纳指100财务指标中计算物理久期。在前期报告《高分红策略的宏观逻辑与择时体系》中，我们用类似做法剥离了A股各类权益指数的隐含久期。结果发现，2005年至今，国内TMT指数的隐含久期最高，平均久期在18.7年，而中证红利指数、中特估的隐含久期仅有13.2年、13.6年。

该做法的核心思想是比较将未来现金流表征为上期（季度）每股账面价值交乘“股东权益回报率与每股收入增长率的轧差”。当企业盈利能力高于维持增长所需的再投资强度时，超额盈利可以转化为可分配现金流；反之，若增长依赖较高再投资，则当期可归属于股东的现金流会被压缩。

其中的一个关键假设是我们参考文献，在每个时点展望远期的盈利和增长路径时，采用AR(1)均值回复框架。这一设定隐含相对审慎未来假设，即企业盈利能力和收入增速虽具有一定惯性，但竞争、资本开支、技术扩散和商业周期最终会推动其向长期均衡水平回归。换言之，模型并不是机械地每期线性外推短期盈利改善，而是更强调长期盈利中枢对估值的约束。具体做法详见附录。

从测算结果来看，纳指100物理久期自2007年以来围绕19.1年的中枢在16.9至23.8年的区间波动。

2009-2010年QE期间，该久期显著先升后降，初期宽松推升远端估值抬升，久期拉长，后期随着盈利修复跟随，现金流分布上近端权重上升，久期缩短。

另一个值得关注的时期是，2016–2019年期间，纳指100物理久期从21年降至17年，为20年数据较持续的久期缩短期。该时期美国科技五巨头（FAAMG）的盈利能力有所兑现，据Refinitiv 数据 ，FAAMG五家在2019 Q4贡献了$7.93B盈利增长，而S&P 500整体仅增长$8.6B，即相当于92.2%的盈利增长来自五家科技巨头。

进入2025–2026年，纳指100久期在18.0年中枢附近小幅下降，我们理解，这背后是巨头Capex与盈利兑现两股对冲力量的均衡，前者提高现金回报远期权重，后者维持近端现金流权重。

（二）有效久期与物理久期的锚定效应

其次，我们看到在经过标准差后，两种口径下的久期并不具有长期趋势，而是保持在合理区间，具有一定均值往复的规律。我们理解，该轧差反映市场是否相信利率上行时，分子端盈利可以继续增长，本质是一种“折现率与现金流”的协方差变体。因而，资产价格反推的久期应与物理久期保持一定锚定效应。

（1）当物理久期 > 有效久期时，意味着市场信心更足，认为分子端盈利能对冲利率上升，往往对应宏观面处于扩张状态。当物理久期远超过有效久期时，即便实际的物理久期也在缩短，但速度远赶不上市场预期，市场定价过于乐观，提示下一期的预警信号。

（2）反之，当有效久期 > 物理久期时，意味着市场对于贴现率上行时，现金流将承压，往往对应宏观面收缩状态。而当物理久期远低于有效久期时，即便物理久期也有放大趋向，但市场的灵敏度跑的更远，不仅定价现金流的分布趋于远端，更定价“增长将被利率挤压”，因此市场更为谨慎，此时反而提示下一期的信息重建。

（三）基于久期风险赔率信号的择时

我们首先来检验单一的赔率信号。将两者经标准化后的轧差转为一年Z-score。设置择时策略如下（简称方案二）：

（1）基准情形为50%纳指100+50%标普10年美债；

（2）当月Z分数小于-2，则对应下月对风险资产将趋于乐观，仓位转为100%纳指100、0%标普10年美债；

（3）当Z分数处于[−2, -1]时，则提示目前风险资产趋于顺风，但赔率已开始兑现，市场反推的有效久期仍低于物理久期，但已两者轧差已有初步收敛。仓位转为80%纳指100，20%标普10年美债；

（4）当Z分数处于[−1, +1]时，维持50%纳指100+50%标普10年美债的基准组合；

（5）当Z分数处于[+1, +2]时，则提示目前风险资产趋于逆风，但赔率逐渐打开，市场反推的有效久期逐渐高于物理久期，两者轧差明显走扩。仓位转为20%纳指100，80%标普10年美债；

（6）当月Z分数大于+2，则对应下月对风险资产保持谨慎，仓位转为0%纳指100、100%标普10年美债。

以上述Z分数单一信号为择时因子的仓位管理方案（80/20作为“次利多/次利空”风险资产），2006年以来获得累积收益436%，年化收益约为8.6%，高于50%纳指100、50% 10年期美债的基准情形（年化6.6%），策略胜率73.6%，夏普比率为0.72，卡吗比率为0.3，年化波动率略高于基准情形。最大回撤同样发生在金融危机期间，为28.6%，与50%纳指100、50%十年期美债基准的最大回撤25.6%相近。

此外，我们还对“次利空”时风险资产比例从20%缩放（至10%、30%、40%）来进行稳健性检验。结果发现，90/10方案以年化8.97%跑赢，夏普比率为0.72，卡玛比率0.31。

考虑到该轧差的边际变化也隐含市场久期缩短比物理久期更快的现实。因此，我们再叠加一层动量，即预留20%的仓位管理取决于“物理久期-有效久期”的轧差边际变化。

若Z分数边际加速，即ΔZ>0，意味着Δ物理久期 > Δ有效久期，对应在每个区间内市场信心趋于乐观（市场久期更慢拉长或更快缩短），则对应边际增加20%的风险资产权重。剩余80%的仓位仍按照原来Z分数标准差位置是否极端而定。

形成新的择时策略如下（简称方案三）：

（1）基准情形为50%纳指100+50%标普10年美债；

（2）当月Z分数小于-2，且ΔZ>0，则进一步增加对风险资产乐观信号，仓位设置为“80%+20%”纳指100、0%标普10年美债；若此时ΔZ<0，则仓位设置为“80%-20%”纳指100，40%标普10年美债。

（3）当Z分数处于[−2, -1]时，且ΔZ>0，则仓位设置为“64%+20%”纳指100、36%标普10年美债；若此时ΔZ<0，则仓位设置为“64%-20%”纳指100，56%标普10年美债。

以此类推。

以上述Z分数“位置+边际”的双重信号为择时因子的仓位管理方案（80/20作为“次利多/次利空”风险资产），2006年以来获得累积收益583.7%，年化收益约为9.9%，高于50%纳指100、50% 10年期美债的基准情形（年化6.6%），夏普比率为0.85，卡玛比率为0.4，策略胜率58.1%，年化波动率10.5%略高于基准情形的9.3%。最大回撤同样发生在金融危机期间，为26.1%，与50%纳指100、50% 10年期美债基准的最大回撤25.6%相近。

此外，我们还对“次利空”时风险资产比例从20%缩放（至10%、30%、40%）来进行稳健性检验。结果发现四组均有超额收益，并且60/40方案以年化10.1%跑赢，夏普比率为0.81，卡玛比率0.35。

（四）融合久期胜率与赔率信号的择时

最后，我们将久期胜率面（久期凸性信号）与久期赔率面（物理久期-有效久期）融合构建完整的择时信号。为了避免过拟合风险，我们将赔率和胜率信号权重进行“等权”设置，即由上述“Z分数与ΔZ”构成的信号占50%权重，而由“久期凸性”生成的信号亦占50%权重。

最终形成新的择时策略如下（简称方案四）：

（1）基准情形为50%纳指100+50%标普10年美债；

（2）当月Z分数小于-2，且ΔZ>0时，从久期赔率信号而言，有效久期显著高于物理久期但有初步低位企稳迹象，提示下期市场情绪正在触底回升，未来上行空间较大。若此时观察到“美债利率下行+美股科技股对利率的综合敏感度指数上升”，则久期胜率又利好风险资产，此时下月仓位为最为侧重进攻，仓位为(80%+20%)*0.5+0.5*(100%)=100%纳指，0%美债；若此时ΔZ<0，则仓位设置为(80%-20%)*0.5+0.5*(100%)=80%纳指，20%美债。

（3）当月Z分数小于-2，且ΔZ>0时，但胜率面搭配为“美债利率上行+美股科技股对利率的综合敏感度指数上升”，即赔率面为最有利于风险资产，而胜率面为最不利于风险资产，则下月仓位在信号对冲后转向偏中性，仓位为(80%+20%)*0.5+0.5*(0%)=50%纳指，50%美债；若此时ΔZ<0，则仓位设置为(80%-20%)*0.5+0.5*(0%)=30%纳指，80%美债。

（4）当月Z分数小于-2，且ΔZ>0时，但胜率面搭配为“当月美债利率下行，且科技股综合敏感度指数走平”，即赔率面为最有利于风险资产，而胜率面为不是最有利但倾向于配置风险资产，则下月仓位在信号小幅对冲后转向偏多，仓位为(80%+20%)*0.5+0.5*(80%)=90%纳指，10%美债；若此时ΔZ<0，则仓位设置为(80%-20%)*0.5+0.5*(80%)=70%纳指，30%美债。

（5）当月Z分数小于-2，且ΔZ>0时，但胜率面搭配为“当月美债利率上行，且科技股综合敏感度指数走平”，即赔率面为最有利于风险资产，而胜率面为不是最不利但倾向于配置债券资产，则下月仓位在信号小幅对冲后转向中性偏多，仓位为(80%+20%)*0.5+0.5*(20%)=60%纳指，40%美债；若此时ΔZ<0，则仓位设置为(80%-20%)*0.5+0.5*(20%)=40%纳指，60%美债。

以此类推。

以上述久期“胜率+赔率”信号为择时因子的仓位管理方案（80/20为在等权分配赔率胜率信号后，“次利多/次利空”信号的风险资产比重），2006年以来获得累积收益446.5%，年化收益约为8.7%，高于50%纳指100、50% 10年期美债的基准情形（年化6.6%），夏普比率为0.84，卡玛比率为0.37，策略胜率57.7%，年化波动率9.1%略低于基准情形的9.3%。最大回撤同样发生在金融危机期间，为23.4%，略小于50%纳指100、50% 10年期美债基准的最大回撤25.6%相近。至此，策略实现了年化收益明显大于基准，与满仓纳指100相当，但年化波动与最大回撤反而更小的优化。

从分年度看，该策略在2006年至今的21年中，15次跑赢，占比71.4%。2026年以来收益为5.2%，小幅跑赢基准情形的3.4%，其中2026年3月回撤仅为4.2%。最新一期信号提示仓位应为40%纳指100，60%10年 美债。

此外，我们还对“次利空”时风险资产比例从20%缩放（至10%、30%、40%）来进行稳健性检验。结果同样发现四组自2006年以来均有超100%的超额收益，并且90/10方案以年化8.9%跑赢，夏普比率为0.82，卡玛比率0.4。

PART6

总结：美股科技股对利率脱敏的先决条件

简单总结，科技股对利率脱敏的最佳状态是“短久期叠加正凸性”，而最为敏感的状态是“长久期叠加负凸性”。而靠近“短久期叠加正凸性”状态的先决条件主要有三：

一是现金流时间分布从"远端预期"切换至"近端兑现"，即在主流商业模式下，企业净利润当期兑现度比较高，现金流从“画饼”变成“烙饼”。

二是当名义增长上升时，不仅利率上升，这些科技公司的实际现金流更显著上升，即企业现金流与利率“同向奔跑”且速度更快。

三是有效久期持续低于物理久期但不极端，也就是市场定价积极但未透支，预期下阶段现金流将继续改善并能在近端兑现，条件一中的“短久期现实”具有进一步演绎的空间。

从上述三个标准看当前，条件一中性偏正面，物理与有效久期均仍处下行通道；条件二的正凸性有所衰减，利率变化由震荡转上行，科技股相对利率“涨多跌少”正在趋于“涨跌对称”；条件三仍处于支持区间，市场目前对科技股下阶段现金流大小与兑现时间的预期仍处于合理乐观状态。

综合而言，科技股对美债利率上行仍可呈现一定程度的温和脱敏。未来需观察若美联储进入加息周期，商业环境和现金流条件可能出现的变化。

风险提示：一是宏观择时策略目前选用指标仅限于宏观基本面，尚未考虑情绪、筹码等交易层面因素，择时结果可能存在偏差；二是回测模型构建基于历史数据，可能在未来有较大经济冲击或者市场改变时并没有很强的样本外超额效果；三是模型仍有待将各类参数进行敏感性分析，提高策略的稳健性。

附录

物理久期的测算方法

与债券久期衡量现金流回收期限的思想类似，股票的隐含物理久期刻画当前股价中隐含的未来现金流期限结构：若估值更多依赖远期现金流，则物理久期较长；若估值更多由近期盈利和现金流支撑，则物理久期较短。

具体测算中，我们将未来权益现金流表示为账面价值、盈利能力与增长之间的函数。对第 q 个预测季度。

现金流定义为：

其中，BPS 为每股账面价值，ROE 代表股东权益回报率，SG 代表每股收入增长率。该设定的经济含义在于：当企业盈利能力高于维持增长所需的再投资强度时，超额盈利可以转化为可分配现金流；反之，若增长依赖较高再投资，则当期可归属于股东的现金流会被压缩。

在盈利与增长路径设定上，我们采用 AR(1) 均值回复框架：

该设定反映的经济假设是，企业盈利能力和收入增速虽具有一定惯性，但竞争、资本开支、技术扩散和商业周期最终会推动其向长期均衡水平回归。

为降低季度财务数据中的短期扰动，我们对 ROE 和 SG 进行 AR 残差去噪。首先基于 AR(1) 方程得到拟合值和残差，再对残差进行 10%-90% winsorize，并按 λ=0.7 进行收缩：

随后对去噪后的序列进行 4 个季度 EWMA 平滑，作为进入久期递推的状态变量。该处理方式既保留盈利和增长变化中的方向性信息，同时降低单季度异常值、会计扰动或短期经营波动对久期估计的影响。

在得到未来现金流后，我们对未来 10 年、共 40 个季度的现金流进行折现，并加入终值项。物理久期定义为未来现金流现值的加权期限：

若有限期现金流占比较低，说明当前价格更多依赖远期现金流和终值支撑，物理久期相应较长；若有限期现金流占比较高，则说明估值更多由中短期盈利兑现支撑，物理久期相应较短。相比直接观察估值倍数，物理久期能够更清晰地刻画股价对远期增长预期和利率变化的敏感程度。

参考文献

【1】Dechow, P. M., Sloan, R. G., & Soliman, M. T. (2004). Implied equity duration: A new measure of equity risk. Review of Accounting Studies, 9(2), 197-228.

【2】Lettau, M., & Wachter, J. A. (2007). Why is long‐horizon equity less risky? A duration‐based explanation of the value premium. The journal of finance, 62(1), 55-92.

【3】Gormsen, N. J., & Lazarus, E. (2023). Duration‐driven returns. The Journal of Finance, 78(3), 1393-1447.

【4】Chen, Z. (2022). Inferring stock duration around fomc surprises: Estimates and implications. Journal of Financial and Quantitative Analysis, 57(2), 669-703.

【5】Broughton, J. B., & Lobo, B. J. (2017). Equity Duration and Portfolio Risk Management. The Journal of Invesfing, 26(3), 29-40.

【6】Weber, M. (2018). Cash flow duration and the term structure of equity returns. Journal of Financial Economics, 128(3), 486-503.

广发宏观述评系列

【广发宏观团队】目前处于周期叠加的什么阶段？

【广发宏观团队】海外科技股为何对无风险利率上行不敏感，对加息敏感

【广发宏观团队】资产背后的四个开关

【广发宏观团队】利率反映旧经济，权益定价新经济

【广发宏观团队】AI和地缘影响下菲利普斯曲线还能稳定吗

【广发宏观团队】广义建筑业的中期调整是否结束

【广发宏观团队】“六张网”背后的政策新思路

【广发宏观团队】美国经济看就业，中国经济看投资

【广发宏观团队】为何接下来的固投走势是市场定价关键？

【广发宏观团队】本轮物价转正背后的五条隐线

【广发宏观团队】应怎样看地缘政治冲突对我国出口的影响

【广发宏观团队】应该如何度过“贝叶斯定价”的阶段？

【广发宏观团队】全球资产隐含的定价假设是什么？

【广发宏观团队】地缘政治冲突框架下资产定价的四个阶段

【广发宏观团队】地缘政治冲突框架下的五类资产交易逻辑

【广发宏观团队】怎么看所谓2028年“全球智能危机”的观点

【广发宏观团队】2026年投资的相对弹性最大

【广发宏观团队】全球叙事切换：杯弓蛇影还是未雨绸缪？

【广发宏观团队】从达沃斯论坛看全球经济的关注焦点

【广发宏观团队】技术进步两阶段的宏观效应

【广发宏观团队】五年规划首年名义增长易出现反弹？

【广发宏观团队】中美制造业为何呈现周期熨平特征

【广发宏观团队】贵金属和有色金属继续上行背后

【广发宏观团队】新增长线索弥补金融条件

【广发宏观团队】从宏观视角看入境消费

【广发宏观团队】促消费有哪些政策空间

【广发宏观团队】人民币在过去一个月里为何升值加快

【广发宏观团队】促进房地产市场回稳的政策空间

【广发宏观团队】明年通胀中枢会有所回升吗？

【广发宏观团队】中国经济增长的五个潜在空间

【广发宏观团队】全球资产主流叙事：一致预期松动但尚未逆转

【广发宏观团队】投资补短板：观测四季度和明年经济的关键线索

【广发宏观团队】如何看宏大叙事对资产定价的影响

【广发宏观团队】关于外部关税扰动：三点历史经验

【广发宏观团队】从宏观上如何理解本轮权益资产重估：一个框架系列

【广发宏观团队】资产重估行至当下：约束与动能

【广发宏观团队】年内第三轮政策集中发力期

【广发宏观团队】年初以来大类资产在定价什么

【广发宏观团队】今年经济节奏为何季末高、季初低

【广发宏观团队】怎么观测流动性与市场定价的关系

【广发宏观团队】资产的高成长叙事一般是在什么样的宏观阶段？

【广发宏观团队】再谈本轮权益市场修复的背后驱动

【广发宏观团队】本轮权益资产定价修复：复盘与展望

【广发宏观团队】关于优化供需比路径的深层探讨

【广发宏观团队】容易被忽视的本轮人民币升值

【广发宏观团队】浮出水面的两条政策线索

【广发宏观团队】如何理解房地产发展“新模式”

【广发宏观团队】反内卷的三个意义

【广发宏观团队】几个潜在想象空间对冲基本面放缓

【广发宏观团队】三季度的增长条件

【广发宏观团队】严格账期是“反内卷”的第一步

【广发宏观团队】工程师红利与研发收获期

【广发宏观团队】回看本轮消费触底

【广发宏观团队】静待三条线索的发酵

【广发宏观团队】下限已经抬高，上限尚待打开

【广发宏观团队】供需比与中美宏观经济政策

【广发宏观团队】对中期影响深远的三个政策线索

【广发宏观团队】如何理解后续政策节奏

【广发宏观团队】风险计提之后：偶发冲回与积极对冲

【广发宏观团队】规模+效率就是护城河

【广发宏观团队】底盘的缓步抬升

【广发宏观团队】今年经济节奏可能不同于过去两年

【广发宏观团队】面对逆全球化贸易环境：同与不同

【广发宏观团队】广谱性是一个观察视角

【广发宏观团队】从弹性空间到“必要条件”

【广发宏观团队】微观活跃的三个条件

【广发宏观团队】基本面承接风险偏好

【广发宏观团队】中国资产何以迎来开门红

郭磊篇

【广发宏观郭磊】泾渭分明的结构特征：5月经济数据简评

【广发宏观郭磊】通胀上行的宏观效应

【广发宏观郭磊】出口高增长的宏观效应

【广发宏观郭磊】从PMI看5月经济的三个特征

【广发宏观郭磊】从BCI数据看5月经济新特征

【广发宏观郭磊】4月经济数据回踩的原因是什么

【广发宏观郭磊】怎么看初步抬升的通胀数据

【广发宏观郭磊】从PMI和BCI看4月经济情况

【广发宏观郭磊】一季度政治局会议有哪些关注点

【广发宏观郭磊】一季度经济数据：主要亮点和短板分析

【广发宏观郭磊】为何3月劳动密集型产品和技术产品出口分化

【广发宏观郭磊】3月PMI：主要短板和亮点简析

【广发宏观郭磊】从3月BCI数据看企业端最新状况

【广发宏观郭磊】经济开年数据简析

【广发宏观郭磊】怎么看出口的强势开局

【广发宏观郭磊】通胀上行继续加快

【广发宏观郭磊】政府工作报告的十个关注点

【广发宏观郭磊】从PMI和BCI数据看当前内需特征

【广发宏观郭磊】中东地缘政治对于宏观和大类资产的影响：一个框架

【广发宏观郭磊】从政策框架看资产配置的均衡化

【广发宏观郭磊】通胀上行加快

【广发宏观郭磊】1月PMI向下，BCI向上

【广发宏观郭磊】从年度数据复盘2025年经济情况

【广发宏观郭磊】出口超预期收官：总结2025年四大结构特征

【广发宏观郭磊】继续改善的价格弹性

【广发宏观郭磊】PMI年末超季节性反弹的可能原因

【广发宏观郭磊】有效需求不足凸显，政策加力空间打开

【广发宏观郭磊】中央经济工作会议精神的十个关注点

【广发宏观郭磊】政策保持连续性

【广发宏观郭磊】出口背后的三个中期线索

【广发宏观郭磊】11月BCI初步显示政策性金融工具影响

【广发宏观郭磊】经济温差缩小，资产叙事收敛：2026年宏观环境展望

【广发宏观郭磊】10月经济：一般消费好转，但总量压力有所上行

【广发宏观郭磊】如何看10月通胀数据及其影响链条

【广发宏观郭磊】如何看10月出口和目前宏观面

【广发宏观郭磊】10月PMI、宏观面与股债定价

【广发宏观郭磊】未来五年有哪些新重点：十五五和十四五规划建议稿的比较研读

【广发宏观郭磊】BCI数据继续印证广义财政影响

【广发宏观郭磊】四中全会公报关键细节研读

【广发宏观郭磊】三季度经济数据：哪些线索需要关注

【广发宏观郭磊】如何认识最新的价格数据和当前宏观面

【广发宏观郭磊】如何认识最新的出口数据和出口形势

【广发宏观郭磊】9月PMI的七个信号

【广发宏观郭磊】从BCI看9月经济和股债定价

【广发宏观郭磊】经济数据延续放缓，政策加力概率上升

【广发宏观郭磊】价格趋势有小幅改善

【广发宏观郭磊】8月出口与目前经济驱动结构

【广发宏观郭磊】PMI价格指标连续第三个月回升

【广发宏观郭磊】8月BCI延续6月以来的放缓特征

【广发宏观郭磊】从国务院第九次全体会议看短期政策重点

【广发宏观郭磊】7月经济数据边际放缓的两个源头

【广发宏观郭磊】哪些价格低于预期，哪些价格相对积极

【广发宏观郭磊】出口超预期降低基本面风险

【广发宏观郭磊】7月“软数据”放缓

【广发宏观郭磊】7月底政治局会议的关键细节

【广发宏观郭磊】上半年增长顺利收官，6月边际变化值得重视

【广发宏观郭磊】出口增速为何延续韧性

【广发宏观郭磊】6月PPI低于预期的原因

【广发宏观郭磊】穿越减速带，布局新均衡：2025年中期宏观环境展望

【广发宏观郭磊】6月PMI表现为何好于EPMI和BCI

【广发宏观郭磊】6月BCI数据：继续确认的边际变化

【广发宏观郭磊】5月经济数据：支出法视角下的分化

【广发宏观郭磊】5月经济情况到底怎么样：BCI数据分析

【广发宏观郭磊】经济呈现哪些基本特征：5月PMI的整体分析

【广发宏观郭磊】物价仍是宏观面关键变量

【广发宏观郭磊】关于5月出口的几个具体问题

【广发宏观郭磊】4月经济数据：亮点和短板分别在哪里

【广发宏观郭磊】如何看中美经贸会谈进展

【广发宏观郭磊】如何看4月物价数据和央行货政报告对于价格的分析

【广发宏观郭磊】如何看4月出口韧性超预期

【广发宏观郭磊】4月BCI数据初步显示外需影响

【广发宏观郭磊】四个细节和四个抓手：政治局会议精神学习理解

【广发宏观郭磊】如何看一季度经济数据

【广发宏观郭磊】如何看最新出来的一季度出口数据

【广发宏观郭磊】3月物价数据与后续政策线索

【广发宏观郭磊】如何看美国本轮加征关税的影响

【广发宏观郭磊】3月PMI的几个特征

【广发宏观郭磊】从最新的BCI数据看3月经济

【广发宏观郭磊】怎么解读前两个月的经济数据

【广发宏观郭磊】六个角度认识消费

【广发宏观郭磊】如何看2月物价及政策对价格问题的最新表述

【广发宏观郭磊】如何看前两个月的出口表现

【广发宏观郭磊】政府工作报告的关键线索

【广发宏观郭磊】对2月PMI数据的几点印象

【广发宏观郭磊】如何看2024年经济数据

【广发宏观郭磊】回看2024年出口及其宏观影响

【广发宏观郭磊】推动价格中枢回升有待供给端优化

【广发宏观郭磊】如何看12月PMI和BCI数据

【广发宏观郭磊】经济基本面数据仍待一致性信号

【广发宏观郭磊】理解中央经济工作会议

【广发宏观郭磊】出口与全球贸易环境

【广发宏观郭磊】通胀数据与财政货币政策新组合

【广发宏观郭磊】新的信号：对12月政治局会议精神的理解

【广发宏观郭磊】重塑广谱性增长：2025年宏观环境展望

陈礼清篇

【广发宏观陈礼清】全球单边的5月之后：大类资产配置月度展望

【广发宏观陈礼清】抱团的宏观规律

【广发宏观陈礼清】全球风险偏好经历一轮集中上行：大类资产配置月度展望

【广发宏观陈礼清】静待贝叶斯收敛：大类资产配置月度展望

【广发宏观陈礼清】油价的阈值效应研究：基于大类资产视角

【广发宏观陈礼清】全球资产短期类滞胀交易特征的宏观线索

【广发宏观陈礼清】本轮人民币升值：驱动和后续趋势的再理解

【广发宏观陈礼清】高波动遇上真空期：大类资产配置月度展望

【广发宏观陈礼清】如何看商品指数年度再平衡及今年白银定价

【广发宏观陈礼清】快慢变量分野，新老资产收敛：2026年大类资产展望

【广发宏观陈礼清】叙事松动，均衡化增强：大类资产配置月度展望

【广发宏观陈礼清】如何量化“叙事”对资产定价的影响

【广发宏观陈礼清】从交易预期到定价现实：大类资产配置月度展望

【广发宏观陈礼清】高成长叙事的宏观条件与择时落地

【广发宏观陈礼清】宽度下降后的叙事流转：大类资产配置月度展望

【广发宏观陈礼清】观测汇率预期的七个切面

【广发宏观陈礼清】高风偏遇上减速带：大类资产配置月度展望

【广发宏观陈礼清】重设相关锚，布局下阶段：2025年中期大类资产展望

【广发宏观陈礼清】用宏观因子穿透资产

【广发宏观陈礼清】5月以来的宏观交易主线：大类资产配置月度展望

【广发宏观陈礼清】复盘4月大类资产表现与五一假期最新变化

【广发宏观陈礼清】黄金定价的十个交易面观测指标

【广发宏观陈礼清】3月以来的宏观交易主线：大类资产配置月度展望

【广发宏观陈礼清】建筑业景气度与融资价格：一种固收择时框架

【广发宏观陈礼清】解读“全天候”策略

【广发宏观陈礼清】1月以来的宏观交易主线：大类资产配置月度展望

【广发宏观陈礼清】迎接新联动模式：2025年大类资产展望

吴棋滢篇

【广发宏观吴棋滢】从财政数据视角看4月经济

【广发宏观吴棋滢】从一季度财政数据看年内经济节奏

【广发宏观吴棋滢】如何理解今年的财政政策与固定资产投资

【广发宏观吴棋滢】开年财政支出节奏前置

【广发宏观吴棋滢】财政：12月收支变化与2026年开年预期

【广发宏观吴棋滢】延续必要强度，优化发力路径：2026年财政政策展望

【广发宏观吴棋滢】11月财政收支情况简评

【广发宏观吴棋滢】10月税收增速为何偏强

【广发宏观吴棋滢】经济大省的投资修复是2026年的关注点之一

【广发宏观吴棋滢】如何看9月财政数据及5000亿结存限额的增量政策

【广发宏观吴棋滢】地方财政“清欠”进度如何？

【广发宏观吴棋滢】8月财政收支数据简析：亮点和约束

【广发宏观吴棋滢】税收收入增速进一步有所好转

【广发宏观吴棋滢】6月财政数据简评

【广发宏观吴棋滢】总量紧平衡，节奏镜像化：2025年中期财政环境展望

【广发宏观吴棋滢】5月财政收支数据：主要特征和后续线索

【广发宏观吴棋滢】税收收入同比增速年内首月转正

【广发宏观吴棋滢】如何理解一季度财政数据

【广发宏观吴棋滢】再看今年的财政力度和节奏

【广发宏观吴棋滢】1-2月财政数据点评

【广发宏观吴棋滢】2024年财政数据简评及开年表现

【广发宏观吴棋滢】专项债管理机制优化有何影响

【广发宏观吴棋滢】探究超常规组合：2025年财政政策展望

贺骁束篇

【广发宏观贺骁束】6月经济初窥

【广发宏观贺骁束】高频数据下的5月经济：数量篇

【广发宏观贺骁束】高频数据下的5月经济：价格篇

【广发宏观贺骁束】高频数据下的4月经济：数量篇

【广发宏观贺骁束】高频数据下的4月经济：价格篇

【广发宏观贺骁束】4月经济初窥

【广发宏观贺骁束】高频数据下的3月经济：数量篇

【广发宏观贺骁束】高频数据下的3月经济：价格篇

【广发宏观贺骁束】3月经济初窥

【广发宏观贺骁束】近期上游价格变化线索梳理

【广发宏观贺骁束】高频数据下的2月经济：数量篇

【广发宏观贺骁束】高频数据下的2月经济：价格篇

【广发宏观贺骁束】高频数据下的1月经济：价格篇

【广发宏观贺骁束】高频数据下的1月经济：数量篇

【广发宏观贺骁束】核心线索渐变，价格潜流蓄势：2026年通胀环境展望

【广发宏观贺骁束】高频数据下的12月经济：价格篇

【广发宏观贺骁束】高频数据下的12月经济：数量篇

【广发宏观贺骁束】12月经济初窥

【广发宏观贺骁束】高频数据下的11月经济：数量篇

【广发宏观贺骁束】高频数据下的11月经济：价格篇

【广发宏观贺骁束】11月经济初窥

【广发宏观贺骁束】高频数据下的10月经济：数量篇

【广发宏观贺骁束】高频数据下的10月经济：价格篇

【广发宏观贺骁束】国庆假期国内宏观关注点

【广发宏观贺骁束】高频数据下的9月经济：数量篇

【广发宏观贺骁束】高频数据下的9月经济：价格篇

【广发宏观贺骁束】9月经济初窥

【广发宏观贺骁束】高频数据下的8月经济：数量篇

【广发宏观贺骁束】高频数据下的8月经济：价格篇

【广发宏观贺骁束】8月经济初窥

【广发宏观贺骁束】高频数据下的7月经济：数量篇

【广发宏观贺骁束】高频数据下的7月经济：价格篇

【广发宏观贺骁束】7月经济初窥

【广发宏观贺骁束】高频数据下的6月经济：数量篇

【广发宏观贺骁束】高频数据下的6月经济：价格篇

【广发宏观贺骁束】6月经济初窥

【广发宏观贺骁束】高频数据下的5月经济：数量篇

【广发宏观贺骁束】高频数据下的5月经济：价格篇

【广发宏观贺骁束】4月高频数据与五一假期最新变化

【广发宏观贺骁束】4月经济初窥

【广发宏观贺骁束】高频数据下的3月经济

【广发宏观贺骁束】3月经济初窥

【广发宏观贺骁束】高频数据下的2月经济

【广发宏观贺骁束】2月经济初窥

【广发宏观贺骁束】高频数据下的1月经济

【广发宏观贺骁束】趋向更合意中枢：2025年通胀环境展望

钟林楠篇

【广发宏观钟林楠】如何看陆家嘴论坛期间货币政策的几项新举措

【广发宏观钟林楠】边际初好转，趋势待巩固：5月金融数据简评

【广发宏观钟林楠】4月金融数据简评

【广发宏观钟林楠】26Q1货政报告的六点增量信息

【广发宏观钟林楠】本轮流动性宽松的原因与后续展望

【广发宏观钟林楠】居民资产负债表分析：一个理解经济和资产特征的新框架

【广发宏观钟林楠】季度居民资产负债表的编制与估算

【广发宏观钟林楠】怎么看3月金融数据

【广发宏观钟林楠】2月金融数据与开年广义流动性简评

【广发宏观钟林楠】1月金融数据简评

【广发宏观钟林楠】2025年四季度货政报告的四个关注点

【广发宏观钟林楠】存款的流向

【广发宏观钟林楠】货币弹性下降，定价矛盾切换：2026年流动性环境展望

【广发宏观钟林楠】2025年最后一份金融数据及结构性工具降息简评

【广发宏观钟林楠】如何理解11月金融数据

【广发宏观钟林楠】三季度货政报告：四个专栏的信息解读

【广发宏观钟林楠】对央行恢复国债买卖操作的理解

【广发宏观钟林楠】如何看待9月信贷、M1与非银存款的变化

【广发宏观钟林楠】居民活动收支表的构建、分析与运用

【广发宏观钟林楠】8月金融数据的亮点与短板

【广发宏观钟林楠】从买断式逆回购操作看货币政策

【广发宏观钟林楠】如何理解信贷与M1的分化

【广发宏观钟林楠】对个人消费贷款与服务业贷款贴息政策的理解

【广发宏观钟林楠】对国债等债券利息收入恢复征收增值税的理解

【广发宏观钟林楠】等待新变量，打破旧共识：2025年中期货币环境展望

【广发宏观钟林楠】M1增速为何上行较快

【广发宏观钟林楠】如何评价5月金融数据

【广发宏观钟林楠】LPR与存款利率下调的三个细节

【广发宏观钟林楠】如何理解4月信贷社融数据

【广发宏观钟林楠】如何理解三部委的一揽子金融政策

【广发宏观钟林楠】3月金融数据简评与二季度货币环境展望

【广发宏观钟林楠】怎么看利率走势

【广发宏观钟林楠】怎么看2月社融

【广发宏观钟林楠】1月信贷如期实现开门红

【广发宏观钟林楠】如何理解2024年12月金融数据

【广发宏观钟林楠】四季度货币政策委员会例会五点增量信息

【广发宏观钟林楠】央行暂停买入国债的政策逻辑与市场影响

【广发宏观钟林楠】修复结构性失衡：2025年货币环境展望

王丹篇

【广发宏观王丹】"六张网"：内容、规模及产业链影响

【广发宏观王丹】5月中观面新旧分化延续

【广发宏观王丹】工企利润增速随PPI扩张，但广谱性尚待提升

【广发宏观王丹】5月经济情况：基于新出来的EPMI数据的观察

【广发宏观王丹】“南方国家工业化”与中国企业机遇

【广发宏观王丹】制造业景气度集中于三条产业线索

【广发宏观王丹】油价对工企利润带来影响了吗：3月数据简析

【广发宏观王丹】4月EPMI超预期

【广发宏观王丹】如何看待工企利润高增的持续性和分布格局

【广发宏观王丹】3月EPMI显示基本面继续运行良好

【广发宏观王丹】从细节看重点：对“十五五”规划纲要的简要梳理

【广发宏观王丹】3月6日经济主题记者会的十大增量信息

【广发宏观王丹】2月EPMI数据带来哪些增量信息

【广发宏观王丹】春节期间国内宏观九大线索

【广发宏观王丹】1月中观景气结构暂延续前期特征

【广发宏观王丹】同比转正，新旧分化：2025年工业企业利润数据点评

【广发宏观王丹】需求端补短板，驱动力再优化：2026年中观环境展望

【广发宏观王丹】2026年第一份软数据EPMI表现如何

【广发宏观王丹】12月PMI反季节性回升的中观线索

【广发宏观王丹】2026年“两新”政策的新变化

【广发宏观王丹】前11个月工业企业利润结构分析：领跑和拖累行业

【广发宏观王丹】12月EPMI量回落、价企稳

【广发宏观王丹】10月工业企业利润同比回踩的原因解析

【广发宏观王丹】11月EPMI淡季回落，基本面有待新的信号指引

【广发宏观王丹】10月经济中观面：新兴与传统行业分化

【广发宏观王丹】前三季度工业企业利润：哪些行业贡献较大

【广发宏观王丹】如何理解10月EPMI的超季节性上行

【广发宏观王丹】9月经济的中观面拆解

【广发宏观王丹】8月利润反弹的背后原因分析

【广发宏观王丹】从EPMI数据看9月经济

【广发宏观王丹】要素市场化配置改革试点启动

【广发宏观王丹】8月中观面的四个景气线索

【广发宏观王丹】工业企业利润增速降幅收窄，三季度末预计小幅转正

【广发宏观王丹】地产政策、“沪六条”与宏观经济

【广发宏观王丹】8月EPMI：出口韧性、生产约束、价格偏强

【广发宏观王丹】7月中观面分化

【广发宏观王丹】聚焦再平衡，关注“供需比”：2025年中期中观环境展望

【广发宏观王丹】6月中游制造行业利润分化

【广发宏观王丹】7月EPMI淡季同比小幅转正，反内卷下销售价格企稳

【广发宏观王丹】5月企业盈利增速出现调整的原因

【广发宏观王丹】6月PMI背后的七个中观线索

【广发宏观王丹】制造业淡季和出口回调下6月EPMI有所放缓

【广发宏观王丹】利润增速较快的主要是四类行业

【广发宏观王丹】行业出现哪些边际变化：5月PMI的中观拆解

【广发宏观王丹】哪些行业景气度逆势上行：4月PMI简析

【广发宏观王丹】出口订单带动5月EPMI反弹

【广发宏观王丹】一季度企业盈利数据及后续行业利润分布可能的变化

【广发宏观王丹】4月EPMI初步显示外需影响

【广发宏观王丹】如何理解《关于完善价格治理机制的意见》

【广发宏观王丹】3月中观景气度分布特征分析

【广发宏观王丹】如何评价2025年第一份企业盈利数据

【广发宏观王丹】3月EPMI显著上行

【广发宏观王丹】提振消费专项行动：政策线索下的十个想象空间

【广发宏观王丹】从2月EPMI看节后经济情况

【广发宏观王丹】1月经济的中观线索

【广发宏观王丹】春节假期国内宏观线索简评

【广发宏观王丹】2024年及12月企业盈利数据简评

【广发宏观王丹】1月EPMI数据简评

【广发宏观王丹】引导供需比优化：2025年中观环境展望

陈嘉荔篇

【广发宏观陈嘉荔】美联储6月议息会议信号偏鹰

【广发宏观陈嘉荔】如何看日本央行的此次加息

【广发宏观陈嘉荔】什么曾阻挡了科技资产定价：历史案例复盘

【广发宏观陈嘉荔】油价和房租冲击下4月美国通胀超预期

【广发宏观陈嘉荔】美联储4月议息会议信号略偏鹰

【广发宏观陈嘉荔】沃什会带来“降息+缩表”吗

【广发宏观陈嘉荔】如何看油价冲击下的3月美国通胀

【广发宏观陈嘉荔】春节期间海外宏观九大线索

【广发宏观陈嘉荔】美国1月通胀相对温和

【广发宏观陈嘉荔】增长格局延续，资产范式渐变：2026年海外宏观环境展望

【广发宏观陈嘉荔】沃什时代前瞻：美联储货币政策的三个转向

【广发宏观陈嘉荔】美联储1月暂停降息的关键信息

【广发宏观陈嘉荔】美国12月通胀数据公布后降息概率有无变化

【广发宏观陈嘉荔】美国就业市场的新均衡特征

【广发宏观陈嘉荔】如何看美国三季度GDP

【广发宏观陈嘉荔】11月美国通胀降温：可能存在停摆扰动下的失真

【广发宏观陈嘉荔】如何理解一并公布的10月和11月非农数据

【广发宏观陈嘉荔】美联储12月降息的关键信息及其影响

【广发宏观陈嘉荔】9月非农回升削弱降息必要性

【广发宏观陈嘉荔】美联储12月会继续降息吗？停止缩表的考量是什么？

【广发宏观陈嘉荔】国庆假期海外宏观关注点

【广发宏观陈嘉荔】美联储9月降息的宏观与资产定价含义

【广发宏观陈嘉荔】美国通胀和就业数据对照加大9月降息概率

【广发宏观陈嘉荔】8月美国非农数据加大其9月降息概率

【广发宏观陈嘉荔】2025年杰克逊霍尔会议鲍威尔演讲简评

【广发宏观陈嘉荔】关税对美国通胀的影响继续有所体现

【广发宏观陈嘉荔】鲍威尔顶住压力继续暂停降息

【广发宏观陈嘉荔】置身变奏曲，直面多线索：2025年中期海外环境展望

【广发宏观陈嘉荔】关税对美国通胀的影响开始体现

【广发宏观陈嘉荔】美联储议息会议：审慎决策的背后

【广发宏观陈嘉荔】怎么看美国6月非农就业数据

【广发宏观陈嘉荔】如何看美国5月通胀数据

【广发宏观陈嘉荔】如何理解稳定币

【广发宏观陈嘉荔】5月非农就业数据支持美联储观望姿态

【广发宏观陈嘉荔】30年期美债利率破5%的背后

【广发宏观陈嘉荔】如何理解美国财政现状和其未来演变

【广发宏观陈嘉荔】等待：美联储5月议息会议解读

【广发宏观陈嘉荔】五一假期海外宏观简评

【广发宏观陈嘉荔】为何美国3月通胀降温并未利好其资产价格

【广发宏观陈嘉荔】鲍威尔的两难

【广发宏观陈嘉荔】美联储减缓QT，美股有所反弹

【广发宏观陈嘉荔】美国2月通胀降温下海外市场risk off情绪有所缓和

【广发宏观陈嘉荔】美国2月非农就业数据解读

【广发宏观陈嘉荔】美股本轮调整的原因是什么

【广发宏观陈嘉荔】本轮黄金价格走势：一个理解框架

【广发宏观陈嘉荔】新公布的1月美联储会议纪要说了什么

【广发宏观陈嘉荔】如何理解美国1月通胀反弹

【广发宏观陈嘉荔】1月就业数据：3月美联储降息可能性进一步降低

【广发宏观陈嘉荔】春节假期海外宏观线索简评

【广发宏观陈嘉荔】美国核心通胀放缓，美股定价流动性改善

【广发宏观陈嘉荔】如何理解12月非农数据

【广发宏观陈嘉荔】12月美联储议息会议纪要的增量信息

【广发宏观陈嘉荔】美联储货币政策的新信号

【广发宏观陈嘉荔】延续非典型着陆：2025年海外环境展望

文永恒篇

【广发宏观文永恒】AI对于宏观规律的影响：十点探讨

【广发宏观文永恒】AI浪潮下的就业：关于既有经典研究的综述

【广发宏观文永恒】技术浪潮驱动，产业范式重构：中长期宏观环境展望

【广发宏观文永恒】“居民消费率”初探

【广发宏观文永恒】展望十五五，把握新线索：2025年中期政策环境展望

【广发宏观文永恒】新一轮技术变革的宏观分析框架

【广发宏观文永恒】跨越多周期叠加：中期宏观环境展望

【广发宏观】“潜在名义增长率”初探

【广发宏观】关注新线索：2024年中期政策环境展望

【广发宏观】如何理解“耐心资本”

【广发宏观】数据要素化及其中长期影响

【广发宏观】资产负债表衰退理论与海外经验案例的实质

【广发宏观】布局现代化：2023年中期跨周期环境展望

【广发宏观】中等发达国家从1万到3万美元跨越的国际比较

【广发宏观】人工智能对经济的中长期影响：一个宏观框架

【广发宏观】中国式现代化的内涵与影响

法律声明：

本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。

完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。

在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。

本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。

本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。