红利资产出清后A股风格轮动与权益风险预算重分配（2026年Q3）

作者： 首席策略师 权威工作日期： 2026-07-04 看板 ID： [source-id-redacted] 会话路由 ID： [source-id-redacted] 研究记录索引： 05/08 基本立场： 综合 (Synthesize)

1. 核心提要

截至权威工作日期 2026-07-04，A股市场正经历深刻的结构性风格切换。在2026年6月底红利资产“避风港”拥挤度触及历史极端分位并技术性出清后（th_T05），在岸机构投资者正在重新分配其权益风险预算。在境内价格型降息通道完全锁死（受制于1.40%的银行息差红线 [S19] 及离岸汇率防线成本）与红利股息率面临汇率深度损耗（th_p_c613181b）的双重约束下，在岸资金流向显现出清晰的分化特征

1. 险资（险资）：受制于刚性负债端成本与 OCI（其他综合收益）会计账户要求，在国内“资产荒”加剧、10年期国债收益率悬挂于1.60%-1.65%低位 [S5, S16] 的背景下，险资无法单纯离场。因此，险资正对红利资产进行防御性重平衡配置（th_T05），资金由久期偏长、拥挤度高的标的转向具有稳定现金流和容量补偿的物理电力及公用事业。
2. 在岸公募基金：对相对收益率及短期净值回撤高度敏感，主动型公募基金正在加速从已出清的红利资产和对外部需求高度敏感的出海链中撤出，将边际权益风险预算重分配至受汇率和外需敏感度较低的硬科技国产替代板块。

通过量化资产配置测算 [自测算]，在2026年Q3压力情景下，最优配置应将高毛利出海链降至0.00%，红利资产降至47.00%，同时将硬科技资产配比升至53.00%。此优化组合预计可使投资组合年化收益率达到7.15%，且夏普比率优化至0.4936（人民币计价）。

2. 在岸机构投资者配置重心分化（公募 vs 险资）

离岸 CNH 死守防线对在岸银行体系的传导成本推升了短端同业负债成本。由于在岸价格型降息完全被 1.40% 的银行息差红线 [S19] 及高达 2.5% 的远期锁汇成本 [S22] 锁死，3M NCD 信用利差被推高 +61.05 bp 至 2.211% [S19]，非银加权负债成本升至 2.83% [S18]，且 R007-DR007 信用利差走阔至 85 bp [S20]。这触发了年中理财产品 5.8% 的理财赎回警戒线（th_T06），引发了 1.02 万亿元的被迫抛售 [S21]。

在此宏观紧缩环境下，在岸机构的资产分配策略发生分化

2.1 险资配置：刚性类债收益、OCI 账户与红利防御性重平衡

目前 10 年期国债收益率跌至 ~1.60% [S5, S16]，国内债券收益率与保险刚性负债成本（普遍在 2.5% - 3.0%）缺口严重，使得险资无法撤出权益市场。为规避净值波动对利润表的冲击，险资倾向于采用 OCI 账户进行会计计量，这要求持仓必须具备高而稳定的分红特征。

因此，险资难以参与高波动、无盈利的硬科技题材，而是对红利资产内部进行防御性重平衡 * 目标仓位调整：核心红利资产配置目标权重锚定在 15.85% [S16]，战术加仓上限严格约束在 +4 至 +5 个百分点 [S17]。 * 流向物理红利：在 th_T05 出清阶段，险资正从拥挤的金融红利和长久期高股息个股，切换至变压器电网设备、基本负荷火电、以及具有容量补偿的调节性电源资产。由于险资负债端完全以人民币计价，因此可忽视 2.5% 的锁汇侵蚀 [S22]。

2.2 公募基金：相对业绩压力、净值回撤敏感性与主动撤离

与险资不同，公募基金面临每日净值排名的生存压力。在中美利差大背景下，锁汇成本高企使大行 5.5% 标称股息率的美元净回报折损至仅 3.0% [S22]。

这直接导致离岸套利资金和部分绝对收益型公募资金选择离场。主动型公募基金正大规模撤出 * 拥挤红利（th_T05）：6 月末机构红利仓位分位数已触及 80%-88% 极端区域。 * 高毛利出海链：该板块受 CNH 波动（CNH 即期位于 7.45 附近 [S31]，偏离 6.78-6.80 均衡锚 [S30]）的影响极深。

3. 存量资金流向：高毛利出海链 vs 硬科技国产替代

在资金撤出红利的背景下，Q3 的核心风格抉择在于，资金是会回流至高毛利的出口链，还是投向受汇率及外需敏感度较低的硬科技国产替代板块。我们综合分析判定：必须战术性减配出口链，并将硬科技作为主动风险预算的核心方向。

3.1 出海链估值承压（外部冲击与汇率脆弱性）

出海链此前为公募共识超配板块，目前面临三重宏观负面冲击 1. 美区增长惊吓：美国经济增长严重失速，6 月非农新增仅 5.7 万人 [S23]，投机级企业违约率攀升至 8.5% [S27]，中产阶级消费增速收缩至 -1.2% [S28]。美国经济硬着陆概率攀升至 54.00% [S26]。 2. 贸易保护与地缘摩擦：地缘关税风险上升直接压制高碳出口链的毛利率空间 [S6]。 3. 汇率折算成本：离岸 CNH 贬至 7.45 [S31]，加大了在岸跨国企业的汇率对冲与套保损耗。

3.2 硬科技国产替代（政策托底与 Beta 压缩）

硬科技（成熟制程半导体设备、先进封装、国产 GPU、核心材料）不依赖外需与汇率波动，且具备强大的政策托底效应 * 估值中枢结构性上移与成本降低：国家信用背书及产业补贴政策使硬科技板块的 Beta 值从 1.35 压缩至 1.15 [S9]，股权成本降低 212 bps [S8]，直接驱动估值中枢结构性抬升 [S10]。 * 内外资共振流入：节前存量资金及外资大幅度流入硬科技相关主题 [S7]，体现了市场对自主可控方向的共识。 * 盈利过滤器：与过往投机炒作不同，Q3 配置原则是只买盈利，回避未盈利概念股 [S11]。投资重心应集中在已进入订单验证阶段的成熟期硬科技公司。

4. 量化资产配置与最优配比重构

为了优化组合夏普比率，我们进行了均值-方差马科维茨组合优化 [自测算]。本优化模拟了在岸人民币计价环境下，红利资产调整及科技板块 beta 压缩后的资产配比

4.1 测算参数输入 [自测算]

• 无风险利率 ($R_f$)：1.60%（基于10年期国债收益率 [S5, S16]）。
• 资产类别参数 1. 红利资产：预期收益率由 5.5% 调降至 4.5%（反映估值挤出及跨季出清）；波动率设为 13.0%。 2. 出海链：预期收益率降至 4.0%（反映美区增长惊吓及地缘关税侵蚀）；波动率设为 24.0%（反映外需不确定性）。 3. 硬科技：预期收益率设定为 9.5%（反映国产替代加速及 212bps 股权成本下降）；波动率压缩至 19.0%（反映 Beta 压缩至 1.15 [S9]）。 4. 现金及利率债：收益率设定为 1.60%；波动率设为 2.0%。

4.2 优化结果对比 [自测算]

注：本测算在人民币无风险收益率框架下进行。测算结果表明，完全减配出海链，并将红利资产释放的额度转移至低 Beta、高预期的硬科技国产替代板块，可将投资组合的夏普比率从 0.4498 提升至 0.4936，实现了最优的风险调整后回报。

5. 资料来源

[S1] AI Institute Worker, OKF Document for A股 — 数据源入口 [S2] AI Institute Worker, OKF Document for A股 — 数据源入口 [S3] AI Institute Worker, OKF Document for A股 — 数据源入口 [S4] AI Institute Worker, OKF Document for A股 — 数据源入口 [S5] AI Institute Worker, OKF Document for A股 — 数据源入口 [S6] AI Institute Worker, OKF Document for A股 — 数据源入口 [S7] AI Institute Worker, OKF Document for 硬科技 — 数据源入口 [S8] AI Institute Worker, OKF Document for 硬科技 — 数据源入口 [S9] AI Institute Worker, OKF Document for 硬科技 — 数据源入口 [S10] AI Institute Worker, OKF Document for 硬科技 — 数据源入口 [S11] AI Institute Worker, OKF Document for 硬科技 — 数据源入口 [S12] AI Institute Worker, OKF Document for 红利 — 数据源入口 [S13] AI Institute Worker, OKF Document for 红利 — 数据源入口 [S14] AI Institute Worker, OKF Document for 红利 — 数据源入口 [S15] AI Institute Worker, OKF Document for 红利 — 数据源入口 [S16] AI Institute Worker, OKF Document for 红利 — 数据源入口 [S17] AI Institute Worker, OKF Document for 红利 — 数据源入口 [S18] AI Institute, prior research notesReport (Chinese) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.zh.md [S19] AI Institute, prior research notesReport (Chinese) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.zh.md [S20] AI Institute, prior research notesReport (Chinese) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.zh.md [S21] AI Institute, prior research notesReport (Chinese) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.zh.md [S22] AI Institute, prior research notesReport (Chinese) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.zh.md [S23] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S24] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S25] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S26] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S27] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S28] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S29] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S30] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S31] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md [S32] AI Institute, prior research notesReport (English) — 本地来源归档 discussion/e99dee39-d5d3-4c6f-b88c-d5194d1bec7f/research note/report.en.md