本报告回顾了2024年证券市场的表现，同时对2025年市场环境进行展望。
●
展望二：
成长价值切换加速，推荐关注均衡策略
●
展望三：
高分红组合配置价值依旧值得关注
●展望四：
央国企市值管理事件蕴含投资机会
●展望五：
人工智能等主题有望维持投资热度
●展望六：
机器学习量化策略机会与挑战并存
●展望七：
ESG投资环境与策略表现有望持续改善
●展望八：
量化公募有望再起航，增强ETF或迎快速增长
●展望九：
被动投资首超主动权益，ETF或为未来市场主流
●展望十：主动管理ETF方兴未艾，债券ETF仍存较大发展空间
风险提示：本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险；本报告所提及个股或基金仅表示与相关主题有一定关联性，不构成任何投资建议。
看好价值类和技术类选股因子的表现
过去一年，从行业层面来看， 表现最好的五个行业为：银行、非银金融、家电、通信、商贸零售；表现最差的五个行业分别为：食品饮料、消费者服务、农林牧渔、医药和综合。从大类风格因子的表现来看，调整风格因子方向之后，表现最好的风格因子分别为：残差波动率、动量、非线性市值。图1、2分别展示了行业和风格因子近一年的表现。
从我们跟踪的选股因子表现来看，过去一年技术类、价值类、动量类指标表现优秀。在价值类因子中，单季度EP因子表现最好，过去一年中，行业中性的RankIC水平为5.40%，技术类因子中，以换手率为核心的因子，例如，过去20日日均换手率因子、非流动性因子以及波动率类的因子过去240日的已实现换手率均表现良好。此外质量类因子和情绪类因子表现不佳。图3中展示了截止20241231的不同选股因子多空收益排名情况。表1展示了因子RankIC及收益表现。
具体因子定义见表2
。
利用因子多头组合和空头组合的估值差历史分位数可以一定程度反应因子当前的因子拥挤度。具体计算方式为：统计因子分10组的多头组合（1组）以及空头组合（10组）的BP估值差，并计算当前处于历史分位数的水平。这里我们按照细分因子等权加权分别构建价值、成长、质量、动量、情绪、技术六大类因子并计算当前大类因子的拥挤度来反应不同类型的因子当前是否拥挤。图4展示了大类因子的历史估值水平走势。
当前来看，成长、情绪、市值、动量、价值、交易行为、大类因子的估值历史分位数分为为：81.51%、65.34%、45.64%、26.69%、12.11%、10.24%。总体来看，价值类因子、动量类因子、交易行为类（技术类）因子拥挤度较低；成长类因子、情绪类因子拥挤度较高；市值因子拥挤度适中。
未来一段时间看好价值类、交易行为（技术类）因子的表现
。
据Wind资讯的数据统计，2024年国证成长指数涨幅为3.85%，国证价值指数涨幅为19.65%。从数据结果来看，似乎价值风格在2024年更为占优。但如果我们从二月份开始计算，则国证成长的涨幅为21.26%，国证价值的涨幅为18.84%。因此可以看到，在宽幅震荡的2024年，成长和价值风格并未呈现出显著的绝对优势，而是在阶段性的呈现出相对强弱。
进一步的，我们在图6中统计了国证成长与国证价值的相对净值在一年的收益率标准差。从这几个结果可以看到，2024年的相对净值标准差为1.12%，而2013-2019年该值的平均值仅为0.59%。因此不难看出，
A股市场的成长价值风格切换在近几年呈现出了切换快、幅度大的特征
。
2.2.
短期内可能出现价值维稳，长期看好成长主线
在2023年2月23日发布的《
如何从赔率和胜率看成长/价值轮动
》报告中，我们经过验证后发现市场风格相应的相对估值水平是其预期赔率的关键影响因素，并且两者应该呈现出负相关。由于存在上述线性关系，我们根据最新的估值差分位数，即可推得当下成长风格的赔率估计为1.02，价值风格的赔率估计为1.14（见图7和图8）。因此在短期投资赔率上，价值风格优于成长风格。结合特朗普上任和春节假期的避险因素，
短期内我们认为价值风格可能会成为部分风险厌恶资金的避风港，形成一定的相对收益优
势
。
但从长期影响因素来看，市场流动性是影响成长价值风格的关键影响因素。一方面，美元已进入降息周期，全球市场流动性趋于宽松。从图9的我国十年国债收益率的趋势也可以看到，当前国债收益率已降至历史极致低位。根据自由现金流贴现模型，高成长企业的估值对于贴现率更加敏感，因此相对低利率的市场环境将有利于提升市场对高成长企业的估值。另一方面， 根据图10中的数据我们可以看到，我国M1在2024年四季度已形成企稳回升，并且Wind一致预期2025年M2有望继续回暖。而根据历史表现来看，M1增速上行情况下成长风格大概率占优。因此，
市场流动性宽松叠加相对积极的财政政策预期，我们在2025年看好一些高预期成长主线机会仍会形成出色的收益表现
。
在成长价值风格切换加快、幅度变大的市场环境之下，在投资实践中押注单边风格并非为一个理想选择。在这样的背景之下，我们推荐关注以GARP策略为核心的均衡类型策略。在我们2024年4月9日发布的报告《
鱼与熊掌亦可兼得？——招商GARP量化精选策略
》中，我们梳理并改进了传统的GARP策略。其中，结合业绩加速度后的PB-NISD策略在2024年的样本外表现优秀，在中证500中形成了23.34%的超额收益。基于这样一种兼顾成长和估值的GARP策略，我们可以挑选出估值合理的高盈利增速公司，可以更加有效的适应当下风格快速切换的市场特征。
展望2025年，我们认为可以持续关注高分红组合投资机会
。2024年3月，证监会发布“两强两严”新政，形成一系列举措提高上市公司质量，进一步强化全链条各环节监管。
其中，在促进分红方面，证监会将采取针对性举措，加强对分红的约束
。对于连续多年不分红或分红比例偏低的公司，在前期强制信息披露、限制控股股东减持等措施的基础上，进一步加强约束，综合其他指标，对一些不分红的公司实施ST风险警示，向投资者充分提示风险。还将推动有条件的公司一年多次分红。
11月，证监会发文鼓励董事会根据公司发展阶段和经营情况，制定并披露中长期分红规划，增加分红频次，优化分红节奏，合理提高分红率，增强投资者获得感。
近日，中国结算发布《关于对沪、深市场A股分红派息手续费实施优惠措施的通知》：自2025年1月1日起，对沪、深市场A股分红派息手续费实施减半收取的优惠措施，即按照派发现金总额的0.5‰收取分红派息手续费，手续费金额超过150万元的部分予以免收。
稳定的股息支付对于增加投资回报、促进投资理念的协调发展、推动市场健康增长、减少企业闲置资金、提高资产利用效率，并引导企业专注于核心业务方面具有积极作用。
我们在报告《
多视角解读红利投资
》中阐述了红利风格占优的影响因素：
从短期来看，我们认为红利风格的表现受到反转因子表现的影响；中期来看，我们认为投资者风险偏好和成长/价值风格的轮动是影响红利风格投资的重要因素；从中长期来看，我们认为美债收益率和中债收益率的走势会影响红利风格的表现
。此外，我们发现使用
中证红利指数成分股每日成交额占市场成交额的比例，能够较好的实现识别拥挤泡沫破裂，可以用来衡量红利风格的拥挤度水平
。
从当前时点来看，ERP指数仍处于历史较高水平，表征当前投资者风险偏好则处于较低的水平，且长端利率下行，红利资产配置的性价比提高，或是配置红利资产的好时机。
从交易层面上看，近期红利风格拥挤度有所回升，到达当前31.5%左右位置，短期内发生拥挤导致阶段性回调的风险较低。
除此之外，我们认为可以关注上市公司分红预案的事件驱动投资机会，特别是除年度及半年度分红以外的特别分红
。在去年的年度展望报告中，我们同样提示过相关投资机会。根据我们的测算，以2024年的特别分红事件为样本，以分红预案公告日为第1天，计算事件后60天的累计绝对收益与相对于公司所在中信一级行业指数、中证全指的超额收益。我们发现该事件能在事件发生后30天内带来较为显著的绝对收益以及超额收益，绝对收益为7.24%，相对中证全指超额4.26%，相对行业指数超额2.99%，且胜率均在55%以上。
为提高上市公司质量和投资价值，2024年9月24日，证监会就《上市公司监管指引第10号——市值管理（征求意见稿）》（简称“市值管理新规”）公开征求意见。“市值管理新规”是资本市场首次针对上市公司市值管理发布专项制度文件，明确了市值管理的定义和方式、相关主体的责任义务、两类公司（主要指数成份股、长期破净股）的特殊要求、禁止事项四个方面内容。
市值管理自提出以来，至今发展有20余年，经历了从概念萌芽与理论探索，到制度建设，再到科学细化的几个阶段。2014年的“国九条”首次以官方政策形式提出“鼓励上市公司建立市值管理制度”。2024年4月的新“国九条”提出“研究将上市公司市值管理纳入企业内外部考核评价体系”，为近期“市值管理新规”出台奠定基础。
2024年12月17日，国务院国资委发布《关于改进和加强中央企业控股上市公司市值管理工作的若干意见》（简称《意见》），详细阐述央企开展市值管理的目标与方式；一周后的央企负责人会议上，国资委在2025年发展改革工作部署中， 再次强调要树牢科学市值管理理念，更好维护资本市场稳定。
由此可见，并购重组、股份回购等方式将成为央国企2025年价值提升的重要抓手
。
如下图表所示，根据我们的测算，我们选择2022年以来的重大重组事件，筛选出央国企作为竞买方的样本，以首次披露日为第1天，计算事件后60天的累计绝对收益与相对于公司所在中信一级行业指数、中证全指的超额收益。我们发现该事件能在事件发生后20天内带来较为显著的绝对收益以及超额收益，绝对收益为18.20%，相对中证全指超额17.43%，相对行业指数超额16.25%，且胜率均在55%以上。
如下图表所示，根据我们的测算，我们选择2020年以来的股份回购事件，筛选出回购比例达到0.1%以上，回购目的为市值管理的央国企公司为样本。以回购预案公告日为第1天，计算事件后60天的累计绝对收益与相对于公司所在中信一级行业指数、中证全指的超额收益。我们发现该事件能在事件发生后60天内带来较为显著的绝对收益以及超额收益，绝对收益为10.42%，相对中证全指超额5.25%，相对行业指数超额5.42%，且胜率均在60%以上。
2024年是实施“十四五”规划的关键一年，也是国有企业改革深化提升行动落地实施的攻坚之年。2023年12月，国务院国资委召开中央企业负责人会议明确提出，国资央企作为推动中国式现代化的重要力量，围绕“六个着力”全面提升发展质效。
其一，着力提高质量效益
，坚持以高质量发展为目标，不断拓展投资新热点，推进数字化、智能化转型，强化精益化运营理念。
其二，着力加大科技创新力度
，在原创技术策源地建设和国际合作中发力，旨在培育更多新产业与新动能。
其三，着力推进布局优化和结构调整
，通过培育战略性新兴产业集群、改造升级传统产业，提升对关键环节的控制力。
其四，着力深化国资国企改革
，以完善中国特色现代公司治理与出资人监督体系为抓手，稳步推进战略性重组与专业化整合，增强企业核心功能。
其五，着力增强战略支撑托底能力
，通过参与国家重大区域、民生和国防项目建设，进一步发挥央企保障与带动作用。
其六，着力防范化解重大风险
，坚持健全合规管理长效机制和严控境外业务风险，强化安全环保责任制，切实守住不发生系统性风险的底线。通过这一系列举措，国资央企将为构建新发展格局、建设现代化产业体系及推进中国式现代化贡献更为稳固的力量。
继“3·15”系列政策与新“国九条”及其配套措施后，资本市场再次迎来重大政策利好：2024年9月24日，监管部门密集发布了包括并购重组与市值管理在内的新规，并宣布节前还将出台中长期资金入市相关指导意见。这三项政策共同构成了年内第三波资本市场系统性改革的重要组成部分，显示出监管层通过一系列组合拳来激发市场活力、完善市场治理及吸引更多长线资金入市的决心。主要内容包括三条：
“并购重组六条”
：①跨行业并购支持力度加大：拓宽上市公司收购优质未盈利资产的范围，从最初局限的科创板扩大到全部A股。②标的资质门槛放宽：科创板、创业板收购无需满足IPO下的板块属性要求，为更多创新型企业打开并购通道。③市场关注度高：政策牵涉上市公司、中介机构、股权投资基金等多方主体，被视为提振市场并购活力的关键举措。
“市值管理14条”
：①明确上市公司须重视市值管理：对董事会、董事、高管以及控股股东等不同主体的责任与义务进行专门规定；②差异化监管：对主要指数成份股公司和长期破净公司提出特别要求，力求改善市场表现和公司治理质效。
《中长期资金入市指导意见
》：①商业银行入市限制放宽：创设“股票回购增持专项再贷款”，允许商业银行向上市公司或主要股东提供贷款，用于回购或增持，极大丰富上市公司融资方式。②发展权益类公募基金：推动调整考核机制、优化“长钱长投”环境，吸引更多稳定资金入市。
近日，国资委发布《关于改进和加强中央企业控股上市公司市值管理工作的若干意见》，再提通过并购重组、分红提升、治理破净公司等央国企市值管理工具箱提升企业价值。2024年国资委全面推行市值管理、2025年将是国企改革3年行动的收官之年，且证监会“市值管理14条”、“科创板8条”、“并购6条”等新规更是激发了并购重组市场的活力。总的来看，
央国企公司可通过市值管理、并购重组等多种改革措施提升经营效率、盈利能力和分红水平，实现从基本面到估值的良性循环，将有望成为吸引长线资金入市的重要契机
。
近年来，越来越多的人认为人工智能（AI）是继蒸汽技术革命、电力技术革命、信息技术革命之后的第四次科技革命的核心驱动力。随着技术的快速迭代和应用场景的不断拓展，AI将对经济、社会、科学等众多领域的发展产生深远的影响。
我国政府对AI产业发展高度重视，先后出台了多项政策为国内AI产业的发展提供良好的外部环境，不少地方政府还发布了具体的行动计划推动AI产业与发展。2024年7月，
北京印发了《北京市推动“人工智能+”行动计划（2024-2025年）》
（以下简称《行动计划》）。该文件提出，到2025年底，将通过实施5个对标全球领先水平的标杆型应用工程、组织10个示范性应用项目以及推广一批商业化应用成果，力争形成3至5个具备先进可用、自主可控特性的基础大模型产品，打造100个优秀行业大模型产品、并打造1000个行业成功应用案例。
在此基础上，《行动计划》还明确指出，要依托首都所拥有的强大行业资源与科技创新能力，在机器人、教育、医疗、文化、交通等5大领域实施一系列重大应用工程。这样不仅有助于攻克大模型核心技术难关，同时也能显著提升人工智能的工程化水平与服务质量，最终形成涵盖多行业的大模型应用生态。
同样也是在2024年7月，
上海通过发布《上海市促进工业服务业赋能产业升级行动方案（2024-2027年）》（以下简称《行动方案》）
描绘了AI大模型的地方发展蓝图。《行动方案》提出，要深入挖掘人工智能在制造与研发领域的应用潜能，着力开发故障分析与流程工艺等工业语料产品，以推动工业大模型进步并实现制造全流程智能化。此外，方案还强调了大模型在药物筛选、分子结构预测、药品检验检测等方面的关键作用。到2027年，上海计划打造不少于100家针对中小企业的数字化、智能化转型服务平台，并吸引不少于100家人工智能大模型生态企业在“模速空间”集聚。通过这些举措，上海正努力构建兼具创新力与竞争力的AI大模型发展生态体系。
AI技术具有丰富的应用场景，能对经济与社会发展产生持续的推动作用
。例如，近两年AI视频等AI应用再次升级，为人工智能领域公司的2025年的发展提供更广阔的成长空间。“图生视频”功能支持用户将任意图片转化为5秒视频，同时用户可以添加提示词来控制图像运动。随着消费者对个性化内容的需求不断增加，图生视频技术可以根据用户的喜好和需求，生成定制化的视频内容。这将为广告、娱乐、教育等行业提供更加精准和个性化的服务。2024年9月30日，可灵AI再次迎来升级，全新上线“对口型”功能，支持对可灵AI生成的人物视频上传配音或歌唱，实现将音频内容与视频人物嘴型精准同步。同时，可灵AI还宣布正式全面开放API，并上线了AI创作社区“创意圈”，促进AI视频内容创作多元发展，推动视频生成大模型走向更多创新应用场景。此外，10月5日，Meta公司发布了最新的AI视频生成器Movie Gen，这是迄今为止最先进的媒体基础模型，只需用户提供文本或图片，Movie Gen即可迅速生成高质量视频，且能自动为视频配音并添加音效。
步入2025年，全球半导体市场普遍呈现出回暖态势，以AI、大数据激发出的巨大算力需求为代表，将推动半导体产业在2030年前后实现一万亿美元里程碑
。半导体行业协会（SIA）于2024年10月5日宣布，2024年8月全球半导体销售额达到531亿美元，较2023年8月的440亿美元增长20.6%，比2024年7月的513亿美元增长3.5%。2024年10月11日，国际半导体设备与材料协会（SEMI）在中国举办媒体招待会，SEMI全球副总裁、中国区总裁居龙表示，“从目前局势与未来趋势来看，半导体产业的前景令人充满期待。今年全球半导体市场有望实现15-20%的增长，市场规模将达到6000亿美金。”根据SEMI报告，从2025年到2027年，全球300mm晶圆厂设备支出预计将达到创纪录的4000亿美元。
自去年第二季度以来，国内半导体销售额当月同比呈现上升态势，且增速逐渐高于全球增速（见图18）。因此，预计中国乃至全球半导体产业未来发展势头将持续强劲，有助于在本土形成更完善的供应链与生态体系，也能在一定程度上增强产业自主可控能力，从而为AI场景的落地与规模化推广提供更加可靠而灵活的硬件支持。正是因为AI广阔的应用前景和对经济持续的拉动作用，我们相信，AI仍将是值得投资者高度关注的投资主题。
6.1.因子投资范式的转变
线性多因子模型经过多年发展，从最初的CAPM模型到如今运用广泛的BARRA因子模型，传统线性因子模型的投资的范式日趋完善。但随着纳入因子模型的变量越来越多，
如何进一步利用非结构化的另类数据构建新的有信息增量的因子/变量，如何处理这些数量众多的因子之间的交互关系，如何进行因子选择和组合逐渐成为因子投资面临的新挑战
。
传统的以人工挖掘特征->单因子检验->基于线性因子模型的组合优化在面对这些新的挑战时往往捉襟见肘。于是机器学习/深度学习等AI算法以其擅长处理高维、非结构化的数据、具有非线性的特性现在正逐步改变现有的因子投资框架。
机器学习场景下的资产定价模型可以抽象为隐变量因子模型：
6.2.
机器学习因子过去一年的表现
过去一年里，机器学习因子虽经历波折，但整体表现良好。从全A20组单调性来看相比于历史总体表现，中间组单调性有所降低，但整体单调性保持较好，RankIC在9月，10月有所下降，走势总体平稳向上。图20-23展示了机器学习综合因子在2024年的收益和RankIC表现。
从收益层面来看，2024年机器学习综合量价因子在沪深300内表现最好回撤最小，与2017年以来的整体表现呈现出显著不同（在中证1000表现更好）。2024年A股市场的风格发生剧烈波动和切换，回顾2024年整年的风格表现来看，大盘价值风格明显占优，同时与占优风格更契合的沪深300成分股内机器学习因子的表现更好。
总体来看，机器学习综合量价因子过去一年表现良好，单因子的RankIC均值整体无明显下降，除9月和10月以外的月份均表现优秀。因子多空组合在经历9月-10月的极端行情后收益迅速恢复。
6.3.
现
当前机器学习因子模型面临的挑战
通过对机器学习综合量价因子的分析，
我们发现这类因子呈现出空头端相对于基准组合的负超额远远强于多头端的现象（2024年表现更明显）
，也就是说这类因子的因子收益率大部分来自于空头端的贡献。在实际构建组合的时候，我们的组合优化目标为在控制风险的前提下去最大化组合的预期收益率（多头组合的RankIC/收益率表现是我们更关注的点）。在多头组合优化的场景下，这类因子的实际表现可能并不如单因子测试中多空组合表现那样强势。如图24，25所示，展示了综合机器学习因子近一年的表现。
第二个挑战是，
2017年以来机器学习综合量价因子的Alpha水平整体呈现出衰减的趋势
，具体表现为风格中性化后因子的RankIC水平整体呈现出逐渐降低的趋势。2022年至2023年机器学习因子的Alpha的衰减最为明显（未中性化的原始因子RankIC水平并未明显降低），2024年以来机器学习因子的Alpha水平反而有所回升。
第三个挑战是，
机器学习综合因子的多头风格暴露具有比较明显的尾部风险
。图26展示了因子2017年以来20组多头超额收益的走势。
我们在前期报告中也分析了机器学习因子多头组合出现大幅回撤的尾部风险区间都伴随着市值负向暴露的极值。但是同时我们也发现机器学习因子与市值因子的整体截面相关系数为0.12，这说明机器学习因子与市值因子在历史区间上并没有明显偏向（与多头组合的市值暴露有明显区别），但在尾部风险区间则呈现出负相关性增加的现象。图27，28分别展示了因子20组多头的市值暴露的走势和均值、因子与市值因子的截面相关系数时序走势以及均值。
我们观察到机器学习因子的多头组合因子值与市值的相关性与在所有分组的表现有明显区别，这也是导致因子多头组合出现大幅回撤的重要原因之一。因此，
如何优化机器学习模型得到的因子在多头组合（我们更关注的组合）的风格暴露或许是降低机器学习因子尾部风险的关键
