简介这份德意志银行2024年策略研究报告《China Equity Strategy: Trend change, not just a rally》由特许金融分析师Peter Milliken撰写面向关注中国股市与全球资产配置的投资者、研究员及金融从业者帮助读者理解中国股权市场的趋势变化与潜在机会。报告围绕港股连续四年下跌、沪深300三年表现不佳的背景探讨GDP增长与市场表现的相关性、货币政策与资金注入的作用、中国6.5万亿美元现金储备的释放前景以及股市相对银行存款的吸引力并指出中国市场在全球组合中被低估的现状。资源包内含1个PDF文件大小约1.05MB内容为完整研报原文包含关键信息摘要、市场历史数据统计表格及分析师认证与利益披露附录便于直接查阅与引用。目前已有89人学习下载适合需要从宏观策略视角把握中国权益市场趋势、进行投资决策参考的读者。1. 从一份 2024 年德意志银行中国股票策略研报说起2024 年有一份德意志银行的中国股票策略研报标题里带了一个很关键的词Trend change。做二级市场投研的人看到这个词第一反应通常不是看多还是看空而是趋势结构是不是变了。这份报告讨论的不是某只个股的买卖点而是中国股票资产在配置框架里的定位是否发生了阶段性切换。对量化研究员、策略分析师、以及需要把卖方研报转成可执行信号的人来说这类报告的价值不在于结论而在于它给出的分析维度和数据口径。问题在于卖方研报是 PDF是给人读的不是给系统读的。一份几十页的策略报告里真正能落到模型里的可能只有几张图、几个估值分位、几段资金流描述。如果每次都靠人工摘录覆盖几十家投行的研报就崩了。所以这篇要讲的是拿到一份像China Equity Strategy Trend change这样的策略研报怎么把它拆成结构化数据怎么提取趋势判断的关键字段怎么用代码复现它的核心逻辑以及在这个过程中哪些参数和口径最容易踩坑。适合的读者是做投研数据工程的、写策略回测的、以及需要批量处理卖方 PDF 的分析师。不需要你是德银的客户也不需要你有原始报告下面讲的方法对同类策略研报通用。2. 策略研报 PDF 的结构拆解与字段设计2.1 为什么策略研报比财报更难解析财报有相对固定的三张表XBRL 一上字段就齐了。策略研报完全不是这个路子。它的正文是叙述性的图表是嵌入的关键数字散落在句子中间比如当前 MSCI China 前瞻市盈率约为 9.5 倍低于过去十年均值一个标准差。这句话里至少有四个可提取字段指标名、当前值、历史均值、偏离幅度。但每个分析师的行文习惯不同有的写9.5x有的写9.5 倍有的把数字放在括号里。所以策略研报的解析目标不是还原全文而是抽取趋势判断相关的结构化字段。我一般会把字段分成三类估值类PE、PB、ERP、股息率、资金类南向资金、外资持仓、成交额占比、情绪与配置类仓位分位、超配低配、盈利预期修正。这三类基本覆盖了Trend change这种标题想表达的东西。2.2 用 pdfplumber 抽取文本与表格的最小代码先解决把 PDF 变成可处理文本这一步。常见做法是用 pdfplumber它对表格和文字位置的保留比 PyPDF2 好。import pdfplumber import re def extract_pdf(path): pages [] with pdfplumber.open(path) as pdf: for i, page in enumerate(pdf.pages): text page.extract_text() or tables page.extract_tables() pages.append({ page: i 1, text: text, tables: tables }) return pages def find_valuation_sentences(text): # 匹配包含估值指标和数字的句子 pattern re.compile( r[^。.]*?(市盈率|PE|PB|市净率|ERP|股息率)[^。.]*?\d\.?\d*\s*(倍|x|%)[^。.]* ) return pattern.findall(text) pages extract_pdf(strategy_report.pdf) for p in pages[:5]: hits find_valuation_sentences(p[text]) if hits: print(p[page], hits)这段代码的逻辑是逐页抽取文本和表格然后用正则去捞包含估值关键词和数字的句子。extract_text()对纯文字页够用extract_tables()用来兜底那些把估值分位做成表格的页面。正则里的[^。.]*?是非贪婪匹配避免一句话跨太多内容。实际用的时候中英文句号都要考虑因为这类报告经常中英混排。参数上要注意两点一是pdfplumber.open对扫描版 PDF 无效如果报告是图片型的得先走 OCR二是extract_tables在跨页表格上会断需要按表头做二次拼接。2.3 趋势判断字段的口径统一表抽出来只是第一步口径不统一后面没法比较。下面这张表是我处理这类策略研报时会先定好的字段映射。原始表述统一字段名单位常见口径陷阱前瞻市盈率 / forward PEfwd_pe倍是否用未来 12 个月盈利股权风险溢价 / ERPerp%无风险利率取 10Y 还是 1Y南向资金净流入southbound_flow亿元是否含 ETF 申赎外资持仓占比foreign_holding_pct%自由流通市值还是总市值盈利预期修正eps_revision%上调家数减下调家数口径不统一是策略研报解析里最大的坑。同一份报告里PE 可能一处用 MSCI China一处用沪深 300如果不记录指数口径回测时就会把两个不同标的的估值混在一起。我的做法是在字段名后面强制带指数后缀比如fwd_pe_msci_china宁可字段名长一点。3. 把 Trend change 转成可计算信号的实现路径3.1 趋势切换的三种可量化定义Trend change是个模糊词落到代码里必须先定义清楚。我一般会用三种可计算的定义分别对应不同的时间尺度。第一种是估值分位切换当前估值在过去 N 年分位从低于 30% 升到高于 50%视为估值趋势切换。第二种是资金流方向切换南向资金连续 M 周净流入转净流出或反之。第三种是盈利预期修正方向切换EPS 修正动量由负转正。import pandas as pd def valuation_regime_switch(pe_series, window252*5, low0.3, high0.5): # 计算滚动分位 rank pe_series.rolling(window).apply( lambda x: pd.Series(x).rank(pctTrue).iloc[-1], rawFalse ) # 从低位区间进入中位以上标记为切换 signal ((rank.shift(1) low) (rank high)).astype(int) return rank, signal def flow_direction_switch(flow_series, m4): # 滚动 m 期求和判断符号变化 roll flow_series.rolling(m).sum() sign (roll 0).astype(int) switch (sign.diff() ! 0).astype(int) return roll, switchvaluation_regime_switch里window控制分位回溯长度默认取 5 年交易日low和high是切换的阈值带设成 0.3 和 0.5 是为了避免在 0.49 到 0.51 之间反复触发。flow_direction_switch里的m是平滑窗口用 4 周是为了过滤单周噪声。这两个函数输出的 signal 都是 0/1 序列可以直接接到回测框架里。3.2 用 pandas 复现研报里的估值分位图策略研报里最常见的图就是估值分位带。要复现它核心是滚动分位计算。注意rolling().apply()在大样本上很慢实务里我会用numpy的sliding_window_view加速。import numpy as np def rolling_percentile_fast(arr, window): from numpy.lib.stride_tricks import sliding_window_view windows sliding_window_view(arr, window) # 对每个窗口算最后一个值在窗口内的分位 pct (windows windows[:, -1][:, None]).sum(axis1) / window out np.full(len(arr), np.nan) out[window-1:] pct return outsliding_window_view不复制数据只改视图所以内存占用低。windows[:, -1]取每个窗口的最后一个值(windows ...).sum(axis1) / window就是分位。这个实现比rolling().apply()快一个数量级适合处理十年以上的日频数据。参数window要和研报里声明的回溯期一致德银这类报告常用 10 年但图注里有时写的是since 2010要按实际起点算。3.3 信号回测的最小框架与参数有了信号下一步是验证它有没有用。最小回测框架只需要价格序列和信号序列。def backtest(price, signal, cost0.001): ret price.pct_change().fillna(0) # 信号滞后一期避免未来函数 pos signal.shift(1).fillna(0) strat_ret pos * ret - pos.diff().abs().fillna(0) * cost cum (1 strat_ret).cumprod() return cum, strat_ret cum, sr backtest(price_series, signal_series, cost0.0015)signal.shift(1)是关键研报里的判断通常是基于当期数据得出的实盘只能下一期执行不滞后就是未来函数。cost默认 0.1%跨境策略要调高到 0.15% 到 0.2%因为涉及汇率和交易摩擦。输出的cum是净值曲线sr是逐期收益可以进一步算夏普和最大回撤。注意研报里的回测往往不含交易成本直接照搬会高估收益。自己复现时至少要把换手成本加进去。4. 批量处理多份策略研报的工程化与排错4.1 多报告字段对齐的合并逻辑单份报告解析通了真正的需求是批量。几十份研报来自不同投行字段名、单位、指数口径都不一样。合并时我一般分两步先按统一字段名做列映射再按日期和指数口径做行对齐。FIELD_MAP { forward PE: fwd_pe, 前瞻市盈率: fwd_pe, P/E (x): fwd_pe, ERP: erp, 股权风险溢价: erp, } def normalize(df, field_map): df df.rename(columnsfield_map) # 只保留统一字段 keep [c for c in df.columns if c in set(field_map.values())] return df[keep] def merge_reports(dfs, keys(date, index_name)): from functools import reduce merged reduce(lambda a, b: pd.merge(a, b, onlist(keys), howouter), dfs) return merged.sort_values(date)FIELD_MAP是人工维护的这是没办法省的一步因为自然语言表述太发散。normalize只保留映射后的统一字段避免不同报告的冗余列污染合并结果。merge_reports用 outer join是因为不同报告覆盖的日期和指数不完全重合inner join 会丢数据。合并后一定要检查缺失率某个字段缺失超过 50% 就要考虑是不是映射错了。4.2 解析失败的常见原因与排查顺序批量跑的时候失败是常态。我一般按这个顺序排查先看是不是扫描版 PDF用page.extract_text()返回空字符串判断。再看编码问题中文报告有时用 CID 字体抽出来是乱码需要换pdfminer的LAParams参数。然后看表格跨页extract_tables在跨页处会返回 None需要按表头补。最后看正则匹配率如果某份报告匹配到的句子数远低于均值多半是行文风格差异要单独加规则。def diagnose(path): with pdfplumber.open(path) as pdf: p0 pdf.pages[0] text p0.extract_text() or if len(text.strip()) 50: return 可能是扫描版需要 OCR if in text: return 编码异常检查字体嵌入 return 文本层正常这个诊断函数只做粗筛但能快速把问题报告分堆。实务里我会把失败报告单独存一个目录人工过一遍再决定是加规则还是放弃。4.3 用配置表管理不同投行的解析规则与其把规则写死在代码里不如抽成配置。下面是一个 YAML 配置的示例结构。db_2024_china: bank: Deutsche Bank year: 2024 index_scope: [MSCI China, CSI 300] valuation_pattern: (前瞻市盈率|forward PE|P/E) flow_pattern: (南向资金|southbound) lookback_years: 10 cost_bps: 15index_scope限定这份报告涉及的指数避免把不同标的的估值混算。lookback_years和cost_bps直接喂给前面的分位计算和回测函数。这样新增一家投行的报告只加一段配置不动主逻辑。配置化之后批量处理的维护成本会明显下降。5. 从研报信号到组合权重的进阶处理5.1 把离散信号转成连续权重前面输出的 signal 是 0/1实盘里更常见的是连续权重。一个简单做法是用分位本身做权重而不是等权。def signal_to_weight(rank, signal, cap1.0): # 只在信号触发时给权重权重与分位偏离成正比 raw np.where(signal 1, (rank - 0.5) * 2, 0) raw np.clip(raw, 0, cap) return raw / raw.sum() if raw.sum() 0 else raw(rank - 0.5) * 2把分位从 [0.5, 1] 映射到 [0, 1]np.clip限制单资产上限最后归一化。这样估值分位越高权重越大但不会无限集中。cap参数控制单资产最大权重跨境组合一般设 0.4 到 0.5。5.2 信号衰减与再平衡频率的选择研报里的趋势判断通常不是高频信号再平衡频率设太高会被交易成本吃掉。我一般会对比周度、双周、月度三种频率下的净值曲线。再平衡频率年换手率估适用场景周度15-25 倍资金流驱动信号双周8-15 倍估值分位信号月度4-8 倍配置型策略估值分位这类慢变量月度再平衡通常就够了。资金流信号变化快可以到周度但要把cost_bps相应调高。判断标准不是哪个收益高而是扣费后夏普是否还稳定。5.3 用滚动窗口检验信号的稳定性最后一个技巧是滚动窗口检验。把样本切成多个三年窗口分别跑回测看信号在不同区间是否都有效。def rolling_backtest(price, signal, window252*3, step252): results [] for start in range(0, len(price) - window, step): seg_p price.iloc[start:startwindow] seg_s signal.iloc[start:startwindow] cum, sr backtest(seg_p, seg_s) results.append({ start: seg_p.index[0], end: seg_p.index[-1], sharpe: sr.mean() / sr.std() * (252 ** 0.5) if sr.std() 0 else 0 }) return pd.DataFrame(results)window取三年是为了让每个子区间有足够样本step取一年保证窗口之间有重叠但不完全重复。输出的夏普序列如果波动很大说明信号不稳定可能只在特定市场环境下有效。这一步比看全样本净值更能暴露问题也是把一份策略研报真正吃透的收尾动作。本文还有配套的精品资源点击获取