“聪明资金”追踪：从行为识别到行业配置

证券研究报告/策略专题报告 2026年04月20日 报告摘要 分析师：张文宇执业证书编号：S0740520120003Email：zhangwy01@zts.com.cn联系人：戴承志Email：daicz@zts.com.cn 一、方法构建：基于订单拆分的资金行为刻画 不同投资者的行为差异或带来长期投资收益的分化。若能够跟踪投资者群体中，具备更强盈利能力的“聪明资金”行为，则能够一定程度上进行“跟投”，增厚收益。 本文尝试从订单规模拆分方法，分离不同资金体量投资者行为的差异，并判断其特征是否对投资构成指引。具体而言，将订单按照金额划分为小单、中单、大单与超大单四类，分别对应4万元以下，4-20万元，20-100万元区间与100万元以上四个区间，从而刻画散户、中户、大户及机构投资者等不同类型主体的行为。 相关报告 单日的资金流向具有随机性，因此我们主要观察资金的累计净流入特征。从实际数据观察来看，不同规模资金在累计净流入维度上呈现出较为明显的分化特征。其中，小单资金整体表现为持续净流入，而大单及超大单资金则呈现出长期净流出的趋势。这一现象可能来源于两方面原因：一是交易行为层面的结构性偏差，即投资者在建仓阶段更倾向于采用小额分批买入，而在减仓或清仓时则更倾向于集中以较大金额卖出；二是不同投资者在长期收益上的差异。若部分资金长期亏损或收益较低，则将持续表现为相对大额买入，亏损后以小于买入额的金额卖出。 1、《规模指数的隐性成本：市场特征与调仓机制如何影响长期收益？》2026-03-232、《2025年A股业绩前瞻：结构分化 加 剧 ， 资 源 与 制 造 板 块 领 跑 》2026-02-023、《宽基ETF资金大幅流出：规模，节奏与影响》2026-01-26 本文采用HP滤波方法对累计净流入序列进行趋势项剔除，从而分离出四类资金边际变化。经过这一处理后，不同规模资金在特定阶段的边际变化能够得到更清晰的刻画。 二、历史复盘：资金结构变化如何指引牛熊周期？ 整体来看，基于订单拆分刻画的资金行为在多轮牛熊转换过程中均表现出较为清晰的领先性特征。机构资金净流入阶段往往对应市场底部区域及主升浪展开阶段，而其净流出阶段则更多出现在主升浪后期及市场横盘震荡阶段。相较于其他类型资金，超大单（机构）资金在市场运行过程中往往表现出更强的前瞻性和更优的择时能力，在一定程度上具备“聪明资金”的特征。 我们同样构建了一个万得全A指数择时模型用于验证“聪明资金”有效性。核心逻辑是识别市场“机构买入散户卖出”特征后满仓，反转后空仓。从回测结果来看，该策略能够较好地捕捉市场的主要上行区间，并在震荡及阴跌阶段保持较低仓位，从而显著改善收益风险比。 三、行业复盘：“聪明资金”在结构行情中的指引能力 从行业维度来看，大资金行为呈现出明显的结构性差异。在周期板块中，机构资金更倾向于在景气下行与估值低位阶段持续布局，并在估值修复与行情上行过程中逐步兑现收益；在消费板块中，大资金整体与行情走势高度同步，更多表现为趋势跟随中的边际调节，其领先性相对有限。成长板块资金行为更为复杂，尽管存在一定的“误判”行为，但仍能捕捉大部分主升行情。 四、行业配置：基于“聪明资金”的横向比较策略 在指数择时之外，本文进一步将“聪明资金”思路拓展至行业维度，构建基于资金行为的横向比较与优选配置策略。首先计算剔除趋势后一级行业中机构资金累计净流入的边际变化，并进行分位数处理，让不同行业之间可比。在此基础上，于每个调仓时点对行业进行截面排序，优选资金净流入居前的行业进行配置，从而刻画市场结构变化对于行情的指引。 回测结果显示，以过去10日资金净流入作为排序依据、结合周度调仓，组合能够取得较为稳健的超额收益，最高组年化收益率达到9.15%，而最低组年化收益为-1.39%，多空组合差异显著且稳定。未进行分位数标准化处理的策略在收益水平上表现更为突出，2016-2025年化收益可达13%，但其多空组合收益的稳定性相对较弱。从结果来看，分位数处理在一定程度上牺牲了收益弹性，但提升了策略的稳健性与可比性。 五、投资建议： 自3月底美伊冲突缓和后，市场呈现大资金抢筹小资金特征，显示机构做多意愿仍较强。结构方面，近两周机构资金整体流入的行业主要集中在TMT板块。投资方面建议关注：第一，AI涨价情况以及一季报相关板块披露进度。第二，非银金融25年业绩增速较高且估值处于低位，近期大资金关注度上升，后续估值或有较强修复空间。风险提示：宏观经济与政策环境变化，市场流动性波动，市场风格特征变化，模型失 效风险，历史表现不代表未来。 内容目录 一、方法构建：基于订单拆分的资金行为刻画..........................................................3二、历史复盘：资金结构变化如何指引牛熊周期？...................................................5三、指数择时：基于“聪明资金”的定量策略验证...................................................7四、行业复盘：“聪明资金”在结构行情中的指引能力...........................................8五、行业配置：基于“聪明资金”的横向比较策略.................................................11六、投资建议：........................................................................................................13风险提示...................................................................................................................15 图表目录 图表1：2016年以来各类资金累计净流入（按照订单金额拆分，单位：亿元）....4图表2：各类资金累计净流入（剔除趋势）与万得全A走势对比...........................5图表3：2018-2022年各类资金边际变化拆解.........................................................6图表4：2024-2026年各类资金边际变化拆解.........................................................7图表5：机构资金跟踪择时策略与万得全A对比.....................................................8图表6：2018-2022年煤炭板块资金边际变化与行情走势.......................................9图表7：2020-2021年食品饮料板块资金边际变化与行情走势.............................10图表8：2019-2022年电力设备块资金边际变化与行情走势.................................11图表9：基于“聪明资金”指标的行业配置策略分组回测1..................................12图表10：基于“聪明资金”指标的行业配置策略分组回测2................................13图表11：“聪明资金跟踪”行业配置策略回测统计..............................................13图表12：2026年以来各类资金累计净买入（剔除趋势）.....................................14图表13：过去10个交易日科技板块更受机构资金青睐........................................14 在传统的资金面分析框架中，市场参与者通常被简化为“整体资金”的单一主体，无论是成交额、北向资金、还是融资融券数据，本质上均是对资金总量变化的刻画。这类指标在反映市场边际增量资金方面具有较强参考意义，但其共同局限在于，难以揭示市场内部不同类型投资者之间的结构性分化。A股投资者整体较为多元，有公募基金，保险资管，私募基金，国有投资平台，以及个人投资者等。因此，仅从总量视角出发，往往难以解释市场在相似资金环境下呈现出的不同运行状态。 不同投资者的行为差异或带来长期投资收益的分化。进一步来看，不同投资者的投资久期，投资框架，风险承受能力有着较大的不同，其对信息的获取能力与反应速度亦不相同。这些差异在交易层面最终将表现成投资行为的分化。例如，部分资金在市场低位阶段更倾向于逆势布局，而在高位阶段逐步兑现收益；而另一部分资金则表现出明显的趋势跟随特征，往往在上涨过程中持续加仓，并在市场回调时被动承接风险。 投资行为差异最终或导致各类投资者长期收益率出现明显分化。若能够跟踪投资者群体中，具备更强定价能力与信息优势的“聪明资金”行为，则能够一定程度上进行“跟投”，增厚收益。本文尝试从订单规模拆分方法，分离不同资金体量投资者行为的差异，并判断其特征是否对投资构成指引。 一、方法构建：基于订单拆分的资金行为刻画 为实现对不同投资者行为的刻画，本文引入基于订单规模的资金拆分方法。从数据层面看，无法获取每一笔订单背后的投资者属性，但是逐笔订单数据的成交额和成交量是能够获取的。当前主流金融数据库已对逐笔成交数据进行了标准化处理，并按照单笔成交金额对交易进行分级划分。这里我们使用万得的拆分数据进行研究。万得按照订单金额划分为小单、中单、大单与超大单四类，其中，小单对应金额在4万元以下，中单对应4万元至20万元区间，大单对应20万元至100万元区间，而超大单则为100万元以上，分别对应散户、中户、大户及机构投资者四类主体。 单日的资金流向具有随机性，因此我们主要观察资金的累计净流入特征。这里我们不对订单的主动/被动成交行为进行区分，仅区分买入与卖出金额。首先计算每一类订单的单日净流入指标，即各类订单对应的买入额与卖出额之差，再对单日净流入进行时间维度上的累加，可以得到各类资金的累计净流入曲线，用以刻画其在一段时间内的行为趋势。在股票市场中，单日总买入额与总卖出额在整体上一致（买入与卖出总额即为成交额），因此四类订单的净买入合计为0。但在不同规模订单之间，则可能存在显著的结构性差异。 需要指出的是，将订单规模直接等同于投资者类型，本质上是一种近似假设。在实际交易中，机构投资者可能通过拆单策略将大额订单拆分为多个小额成交，从而在统计上被归类为中小单；但这一行为在方向上具有单向性，即主要体现为“大单拆小单”，而不会出现“小单聚合为大单”的情况。同时，拆单策略本身具有较强的稳定性，其实施方式在较长时间内变化有限。因此，尽管订单拆分会在一定程度上引入噪音，但并不会系统性扭曲不同规模资金的相对行为特征。在这一前提下，基于订单规模的资金划分仍具备对投资者行为进行趋势性刻画的可行性。 来源：WIND，中泰证券研究所； 从实际数据观察来看，不同规模资金在累计净流入维度上呈现出较为明显的分化特征。其中，小单资金整体表现为持续净流入，而大单及超大单资金则呈现出长期净流出的趋势。这一现象可能来源于两方面原因：一是交易行为层面的结构性偏差，即投资者在建仓阶段更倾向于采用小额分批买入，而在减仓或清仓时则更倾向于集中以较大金额卖出，从而在统计上形成“小单买入、大单卖出”的特征；二是不同投资者在长期收益上的差异。若部分资金长期亏损或收益较低，则将持续表现为相对大额买入，亏损后以小于买入额的金额卖出。 仔细观察各类资金累计净流入可以发现