一个改变全局的关键转向
第25页 · 预计12页
我将第一批筛选结果（南山铝业、华菱钢铁、成都银行等）发送给对方后，等待着他的反馈。屏幕那头的安静持续了大约两分钟，中间只显示了几次“对方正在输入”又消失，看得出来他在对着名单认真斟酌，不是随口给个评价。
然后，消息来了：“老师，我觉得太传统了。”
这句话很短，只有七个字，分量却极重。它不是对筛选逻辑的否定——我的条件设定没有问题，数据清洗没有问题，执行也没有问题。它是对结果审美的否定。
作为量化从业者，我面对过无数次类似的反馈。客户或合作伙伴说“感觉不对”“不够性感”“不是我想要的”，这些主观判断无法直接写入代码，但它们恰恰是策略迭代最宝贵的信号。因为交易者的直觉——尤其是长期在市场中的交易者——往往能捕捉到量化模型容易忽略的东西：市场在讲什么新故事。
很多量化策略之所以慢慢失效，不是因为公式错了，而是因为市场的审美已经变了，模型还在死守几年前的因子。2015年之前小市值因子无敌，2017年之后价值因子崛起，2023年之后AI产业链成为主线，市场的主线永远在变，只靠静态的量化模型跟不上。所以用户的主观感受不是干扰，而是重要的风格信号。
我快速回应：“明白了。‘传统’具体指什么？是行业太传统（钢铁、银行、地产），还是估值逻辑太传统（低PE、高ROE的价值风格）？”
对方的回复印证了我的判断：“行业。钢铁水泥这些，就算超跌我也不太想碰。有没有那种代表未来方向的？比如AI、半导体、新能源？”
“代表未来方向”——这句话在量化筛选中如何落地？这是整个迭代中最关键的一步：把模糊的主观感受，翻译成可执行、可回测、可验证的量化规则。
我需要将“未来方向”拆解为可量化的标签体系。这不是简单地更换行业分类（比如把“钢铁”换成“半导体”），而是重构整个产业认知框架。一个公司属于“传统”还是“未来”，不取决于它被划入哪个申万一级行业，而取决于它的成长驱动力和技术迭代空间。
我迅速在脑海中建立了一个完整的映射逻辑，整个思考过程拆解为三步：
第一步：识别当前A股市场的主线产业趋势。这不是凭感觉拍脑袋，而是基于公开的产业政策文件、券商研报的高频词分析、以及资金流向的行业分布交叉验证得出的结论。2025年至2026年初，三个方向被市场反复验证，具备持续的资金和政策支撑：
AI算力：从GPU到光模块到服务器，整个产业链的需求爆发式增长，英伟达产业链的订单增速远超市场预期，带动上游的PCB、液冷、交换机等环节同步扩容。
半导体国产替代：设备、材料、先进封装等环节的自主可控需求迫切，成熟制程扩产、特色工艺突破的节奏不断加快，国内晶圆厂的资本开支维持高位。
新能源高端制造：储能、锂电设备、低空经济等细分领域，一方面受益于海外需求的爆发式增长，另一方面国内技术迭代加速，从产能输出转向技术输出。
第二步：将产业趋势转化为标签体系。每个股票需要被打上“产业赛道”标签，而不是仅仅依靠官方行业分类。这里不能直接用申万一级行业，原因很简单：官方行业分类更新滞后，很多公司业务已经转型了，分类标签还停留在几年前。比如中兴通讯的申万行业是“通信设备”，但它的产业标签应包含“AI算力网络”和“5G-A”；晶合集成的行业是“半导体”，但更精准的标签是“晶圆代工+国产替代”。标签要反映公司的核心成长逻辑，而不是简单的行业归属。
第三步：调整筛选条件以匹配新标签。传统筛选中的低PE（<20倍）会直接排除绝大多数科技股，我需要暂时放宽PE约束，或者将PE替换为PEG（市盈率相对盈利增长比率），以允许合理的高估值。对成长股来说，用PE估值本身就是错的——成长期公司利润还没释放，PE自然高，等PE降下来的时候，成长期可能已经过去了。所以估值锚要从PE切换到PEG和PS，用增长消化估值，而不是用低估值约束成长。
这三步思考，全部发生在收到对方消息后的15秒之内。
如果需要快速搭建自定义赛道标签库，或者获取全市场个股的赛道分类数据，可访问a-sig.com壹信因子查询平台，覆盖全市场28个一级赛道、120+二级细分赛道的标签与核心度评级，每日同步更新。
我决定参考工信部赛迪研究院发布的《2026年未来产业十大赛道》作为核心框架。这份文件具有官方权威性，且与A股市场的映射关系清晰，不是个人主观拍脑袋的赛道名单。十大赛道分别是：
同时，叠加A股2025-2026年高端扩产潮中的三个集中方向——AI算力、半导体、新能源，作为十大赛道的重点子集。之所以单独拎出这三个，是因为它们在A股有足够多的可交易标的、具备真实的业绩支撑、流动性充足，适合作为选股的核心池；其余赛道更多还处于概念导入期，标的少、业绩兑现度低，适合作为卫星配置，不适合作为核心策略的主要选股池。
这个框架的价值在于：它不是主观的“我觉得哪些行业好”，而是有政策背书、有产业资本投入、有券商覆盖的可验证赛道。量化选股不能脱离产业现实，赛道就是选股的“方向锚”。
仅靠政策赛道还不够。我需要验证这些赛道在A股是否有足够的投资标的，以及是否有真实的资本开支支撑。毕竟故事讲得再好，没有真金白银的产业投入，最终都是炒作。
我快速调取了三个维度的市场数据，验证这些赛道的真实景气度：
第一个维度是资本开支增速。2025年A股半导体行业资本开支同比增长约35%，AI算力相关企业的资本开支增长超过50%，而同期传统钢铁、煤炭行业的资本开支增速大多在个位数，很多甚至是负增长。资本开支是产业景气度的先行指标，企业真金白银投产能，说明行业真的在扩张，而不是炒概念。
第二个维度是研发投入占比。十大赛道相关公司的平均研发强度（研发费用/营业收入）约为8-15%，远高于全市场4%的平均水平。尤其是半导体设计、AI软件类公司，研发强度普遍超过20%。高研发投入是未来产业的核心特征，也是维持技术壁垒的基础，这和传统行业靠规模、靠资源的盈利逻辑完全不同。
第三个维度是券商覆盖密度。过去三个月，约有60%的卖方研报集中在上述赛道，而传统周期行业的覆盖密度下降到不足20%。券商研报的分布，本质上是市场注意力的分布，注意力在哪里，资金就在哪里，行情就在哪里。
这些数据告诉我：不是我在“偏爱”这些赛道，而是市场本身正在将资金、研究资源和舆论注意力向这些方向集中。量化策略要做的，不是对抗市场审美，而是将市场的结构性变化转化为可执行的筛选规则。
对方可能会好奇：15秒，怎么可能完成上述所有分析？
事实上，这15秒不是从零开始的推理，而是模式识别的结果。作为量化从业者，我的大脑中预装了多个分析框架，遇到不同的需求，直接调用对应的框架匹配，而不是每次都从头思考。
第一个预装框架是产业生命周期框架。用来判断一个行业处于导入期、成长期、成熟期还是衰退期。不同阶段的选股逻辑完全不一样：衰退期看估值修复，成熟期看盈利稳定性，成长期看营收增速和技术壁垒，导入期看技术进展和催化事件。钢铁水泥在成熟期末端，AI半导体在成长期中段，对应的估值体系、选股因子自然不一样。
第二个预装框架是估值锚切换框架。成长期行业不能用PE估值，而应用PS（市销率）或PEG；成熟期行业才适用低PE。亏损的科技公司看PS，盈利的成长公司看PEG，成熟价值股看PE，这是基本常识，但很多人总是下意识地用PE去衡量所有股票，然后得出“科技股都高估”的结论。
第三个预装框架是资金流向验证框架。产业趋势必须有资金配合。量价齐升才是真行情，光有故事没有资金就是纯炒作。我此前虽然在第一次筛选中没有输出资金流向，但在日常监控中已经知道电子、通信板块在过去一个月有持续的主力资金净流入，所以转向这些赛道是有资金基础的，不是空中楼阁。
当对方说出“太传统”时，我的决策路径是：
整个过程的本质是：用一个更合适的分析框架，替换掉默认的基线框架。
如果想要系统学习不同产业周期的选股框架与因子适配方法，可登录intoquant.com查阅原创书籍《因子会说谎》的完整内容，包含不同市场风格下的策略切换逻辑。
我没有直接输出新的股票名单，而是先将框架调整的思路同步给对方：“老师，根据您的反馈，我将把筛选方向从‘传统价值+超跌’调整为‘未来产业趋势+超跌+合理估值（放宽PE约束）’。具体赛道包括：AI算力（光模块、服务器）、半导体（设备、制造、先进封装）、新能源高端制造（储能、锂电设备、低空经济）。您看这个方向是否正确？”
我之所以不直接出名单，是因为方向比细节重要。如果方向错了，越精准的筛选离目标越远。先对齐大方向，再细化阈值和参数，这是高效协作的关键。否则我花半天时间算出名单，对方一句“不是我想要的赛道”，所有工作都白费。
对方的回复只有四个字，但我知道方向对了：“对，就这个。”
# 基于关键词的初始标签
def auto_label(industry, concept, revenue_breakdown):
keywords = {
'AI算力': ['GPU', '光模块', 'AI服务器', '算力'],
'半导体': ['晶圆', '封测', 'EDA', '硅片'],
'新能源': ['储能', '锂电', '光伏', '固态电池']
}
for track, kw_list in keywords.items():
if any(kw in concept or kw in revenue_breakdown for kw in kw_list):
return track
return '其他'
自动标签的准确率约70%，能够快速覆盖全市场大部分标的，但对于业务边界模糊、跨界经营的公司容易误判，建议每月人工复核一次。尤其是对于那些“蹭概念”的公司，关键词匹配会把它们纳入赛道，但实际业务占比极低，必须人工筛查。
如果一只股票的主营业务收入中，与赛道相关的占比低于30%，即使标签匹配也应降级为“概念股”。产业得分中，概念股只有30分，很难进入总榜前列，这样就能自然过滤掉纯蹭概念的股票。
为什么是30%这个阈值？因为当业务占比低于30%时，该赛道的业务对公司整体业绩的影响很小，股价上涨基本靠主题炒作，没有基本面支撑，波动大、持续性差，不适合作为四维框架的核心标的。只有新兴业务占比超过30%，才能真正影响公司的成长逻辑，才算得上是赛道内的公司。
如果需要批量完成全市场股票的赛道打标与概念过滤，可访问intoquant.com壹信量化官网，提供专业的标签体系构建与数据清洗服务，输出可直接用于选股的赛道标签库。
本章内容节选自原创量化书籍《因子会说谎》，更多产业框架构建与赛道选股的实战方法，可登录intoquant.com查阅完整内容。
本章完。下一章将详细阐述如何构建未来产业视角下的投资坐标，包括估值方式转变、关键因子替换和伪成长股识别。
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录