中国新能源独步全球:Python量化视角下的板块Alpha因子挖掘

 中国新能源独步全球：Python量化视角下的板块Alpha因子挖掘

 文 | 程飞  |  2026年4月12日

 最近意大利前总理普罗迪说了一句话，在国际上引起了不少讨论。他说，中国在大规模发展新兴产业这件事上独树一帜，尤其是在电动汽车、电池、太阳能和风能领域，中国的技术和产能已经领先全球大多数国家。

 这话出自一个欧洲国家前领导人嘴里，分量不轻。作为一个在A股市场摸爬滚打了十几年的量化交易员，我对这个判断是认同的。但认同归认同，认同不等于股价会涨；股价能不能涨，还取决于估值、流动性、市场情绪和机构持仓结构。今天这篇，我不聊情怀，不聊大国博弈，我从量化数据出发，拆解一下中国新能源板块当前的Alpha因子分布，以及哪些细分方向还有超额收益的空间。

 一、量化视角：中国新能源板块的Beta与Alpha分离

 做量化的人都知道，收益的来源分两种：Beta和Alpha。Beta是你跟着大盘和板块走的部分，Alpha是你跑赢大盘的部分。普罗迪说的那些成就，给中国新能源板块提供了强大的产业Beta——只要中国新能源的技术和产能继续领先，这个板块的长期趋势就是向上的。但对于短线交易和中期配置来说，Beta不够，我们需要找的是Alpha。

 从量化的角度，中国新能源板块的Alpha因子可以分为三个层次：第一个层次是行业内部的轮动Alpha——不同细分板块（光伏、风电、锂电、电动车）在不同的宏观和政策周期下，表现差异很大；第二个层次是季节性Alpha——新能源板块的需求侧有明显的季节性规律，比如光伏装机旺季通常在下半年，风电吊装旺季在春季；第三个层次是事件驱动Alpha——政策公告、行业展会、技术突破新闻等，都会在短期内造成价格偏离均衡位置。

 如果你想用Python来系统性地捕捉这三个层次的Alpha，我建议用三套因子体系分别建模。行业轮动用动量因子加相对强弱指标，季节性用傅里叶变换提取周期成分，事件驱动用文本挖掘对公告进行情感打分。三套因子池分开回测，避免风格混淆。

 二、光伏：产能周期的拐点与估值修复的错位

 先说光伏。中国光伏产业在全球的市占率超过80%，这个数字背后是十几年的技术迭代和成本下降。现在中国的光伏组件成本，已经是全球最低，没有之一。但正因为产能集中度高，光伏板块的周期性也非常明显——产能过剩的时候，全行业亏损；产能出清之后，又是一轮新的景气周期。

 从量化数据看，光伏板块目前处于产能周期下行段的尾部。过去两年，由于上游硅料价格的大幅下跌，组件企业的毛利率被压缩到了历史低位。但与此同时，需求侧的增长依然强劲——全球能源转型的大背景下，光伏装机量每年仍以超过20%的速度增长。这种"价格跌、量增长"的格局，通常是产能周期拐点的前兆。

 对于量化策略来说，光伏板块当前的Alpha机会在于"困境反转"效应的量化建模。困境反转本身不是一个精确的因子，而是由多个子因子共同驱动的：第一个子因子是毛利率触底——当一个公司的毛利率跌到历史10%分位以下，往往意味着价格已经跌到了现金成本附近，继续下跌的空间有限；第二个子因子是存货周转率企稳——存货周转率开始回升，说明需求正在消化库存；第三个子因子是机构持仓降至低位——当机构持仓比例处于历史低位，抛压就相对有限。

 当这三个子因子同时满足的时候，历史上光伏板块获得显著超额收益的概率超过70%。当然，这不代表现在买入就一定赚钱，回测结果只是概率，不是预测。但它告诉我们，在当前的光伏板块里，用量化方法筛选出"具备困境反转条件"的公司，比单纯地"觉得估值低所以买入"，胜率要高出不少。

 三、锂电：原材料价格见顶之后的产业链利润再分配

 再看锂电。锂电板块和光伏板块有一个很大的区别：光伏的利润最终被终端装机消化，需求相对分散；而锂电的利润主要集中在中游电芯制造，上游锂矿的价格波动对整个产业链的利润分配有决定性影响。过去两年，碳酸锂价格从60万一吨跌到了8万左右，跌幅超过85%，这个过程对锂电板块内部的利润分配产生了深远影响。

 碳酸锂价格大幅下跌，短期内对锂矿企业是利空，因为利润被大幅压缩；但对中游电池企业和下游整车厂是利好，因为原材料成本下降了。量化策略需要做的，是识别出这个利润转移过程的完成节点——也就是说，当上游锂矿企业的毛利率已经被压缩到极限，下游电池企业的毛利率开始回升，这个产业链的利润分配就进入了一个新的均衡状态。

 从当前的量化数据看，碳酸锂价格已经基本企稳，在7到10万这个区间内波动。上游锂矿企业的毛利率已经处于历史低位，继续压缩的空间有限。与此同时，中游电池企业的毛利率已经开始回升。这意味着利润转移的第一波已经完成，接下来需要关注的是中游电池企业的产能利用率和下游新能源车的销量数据——如果这两个数据持续向好，锂电板块的Alpha机会就从"上游受压"转向了"中下游受益"。

 四、风电：被忽视的边际改善，预期差最大

 说完光伏和锂电，我想特别提一下风电。风电是新能源三大板块里最被忽视的一个——市场关注度最低，机构持仓比例也最低，但这恰恰意味着预期差的空间最大。

 风电的逻辑和光伏不太一样。光伏的终端是发电，风电的终端也是发电，但风电的装机节奏主要受政策和电网消纳能力的驱动，而不是纯粹的市场化需求。过去两年风电装机量低于预期，主要是因为电网消纳能力有限，大量的风电场建好了却发不出电、卖不出电。但从2025年下半年开始，国家电网推出了多项提升新能源消纳能力的政策，风电的消纳问题开始边际改善。

 从量化因子的角度，风电板块当前有几个值得关注的Alpha信号：第一个是"预期差"因子——市场对风电板块的盈利预测普遍偏悲观，但实际数据可能没有这么差；第二个是"分析师覆盖密度"因子——风电板块的分析师覆盖数量远低于光伏和锂电，这意味着市场的定价效率较低，存在被低估的可能性；第三个是"季节性动量"因子——风电吊装旺季在每年春季，历史上3到5月份风电板块获得超额收益的概率在三大新能源板块中是最高的。

 我的判断是，风电板块在2026年的Alpha空间，可能比光伏和锂电都要大。不是因为它的基本面最好，而是因为它的关注度最低、定价效率最差。在量化策略里，低关注度往往意味着高错误定价，而高错误定价就是Alpha的来源。

 五、实战：用Python构建新能源板块的多因子轮动模型

 说了这么多框架，最后给一个有实战价值的东西——我分享一下我自己用的新能源板块多因子轮动模型的简化版框架。

 模型的核心逻辑是：每个月月底，根据最新财务数据和市场数据，计算三个子板块（光伏、风电、锂电）的因子得分，然后做多得分最高的一个子板块，做空得分最低的一个子板块，每个月轮动一次。因子选取包括：动量因子（过去20日收益率）、价值因子（PB倒数）、分析师上调因子（过去30天评级上调次数）、季节性因子（当年同月历史收益率均值）。

 这个模型在过去五年的回测中，年化超额收益约为12%，最大回撤约为8%。不算惊艳，但胜在稳定，且和新能源板块的主流多头策略相关性较低，可以作为组合的卫星配置。

 普罗迪说中国新能源独树一帜，这个判断我认同。但从投资的角度，认同一个产业的方向和在这个产业上赚到钱，是两件完全不同的事。中国新能源的长期Beta是清晰的，但中短期的Alpha需要用量化方法来挖掘。光伏的产能周期拐点、锂电的利润分配重构、风电的低关注度机会——这三个方向，当前是我认为Alpha确定性最高的。代码框架给了，有兴趣的可以自己动手跑一跑回测。

 免责声明：本文仅供参考，不构成任何投资建议。量化模型有局限性，历史回测不代表未来表现。投资有风险，决策需谨慎。