2021 年底到2022 年初，央行进行了一轮降准降息，然而上半年华东局部疫情导致全国供应链受到约束，稳增长的节奏被打乱。3 月之后经济快速下行，货币信用条件也随着出现新改变。当前经济复苏的背景，下半年的货币信用条件如何演化？下半年经济复苏的路径与2020 年下半年的两点不同是，地产复苏的不确定性和出口正在走弱。所以下半年流动性演化的脉络线索可能是：财政补资金缺口诉求大规模发债融资，带动流动性逐渐转紧，三季度是流动性转紧的拐点。而后续随着出口回落以及地产弱复苏，流动性保持平稳偏宽。

供给快速恢复推动制造业PMI整体回升至2月水平，企业物价环境有变差态势，需要重点关注。6月份制造业采购经理指数为50.2%，比5月上升0.6个百分点，连续两个月上升，且再次升至荣枯线以上。从结构来看，供给恢复最快，是当前制造业PMI指数上升的主要推力。需求进一步回暖，外需回升幅度好于内需。出厂价格指数连续处在荣枯线以下，物价环境有变差态势，需要重点关注。原材料库存和产成品库存指数继续呈现“一升一降”走势。大、中型企业PMI位于扩张区间，小企业PMI仍低于临界点，但景气水平有所回升。

基建投资方面，5 月我国基建投资（不含电力）累计增长6.7%，增速再次企稳回升。1-5 月新增专项债发行规模约2.03 万亿元，同比增长247.6%，占年度总预算的比重为55.6%，专项债发行节奏再次加快。地产投资方面，5 月我国商品房销售额累计减少31.5%，土地购置面积累计减少45.7%，投资完成额累计减少4.0%，新开工面积累计减少30.6%。地产各项数据仍处于下行通道中。制造业投资方面，5 月我国制造业固定资产投资完成额累计增长10.6%。采矿业固定资产投资完成额累计增长17.3%。两项增速均持续下降。

行业开工率表现不一。全国247 家钢铁高炉开工率6 月均值略高于5 月，其中第二周达到本轮修复以来最高，但第四周有明显回落；焦化企业开工率也是第四周回落较为明显；PTA 江浙织机负荷率走低，第四周读数环比5 月末回落1.1 个百分点；山东地链开工率环比5 月末上行7.9 个百分点。全国石油沥青装置开工率环比5 月末回升1.4 个百分点。汽车半、全钢胎开工率6 月均值高于5 月，同样是第四周略低。

6 月PMI 数据表明，我国经济已步入疫后复苏的“第一层”，即服务业消费和工业生产的“深蹲”反弹，但内需恢复仍显乏力，地产短板依然明显。后续经济复苏的空间，首先取决于疫情管控措施的细化优化，其次取决于政策落地的深化和广化。一是，6 月制造业生产端恢复明显快于需求端，服务业新订单指数大幅反弹，经济疫后重启的特征鲜明。二是，建筑业景气水平相比疫情前仍有明显差距，尤其新订单扩张较慢，表明房地产对经济的拖累依然明显，且基建难以形成充分对冲，经济复苏的弹性有赖于终端需求形成有力增长点。三是，6 月制造业、服务业、建筑业从业人员指数均低于今年2 月水平。“稳就业”任重而道远，政策落地的深度和广度仍有望拓展。

现阶段国产品牌的产品质量与国际品牌已经相差不大，但在质量稳定性、产品原创设计、基础研发技术等方面仍有较大的差距，最终体现在整体产品价值的差距。国产品牌正不断加大研发投入、数字化建设、供应链充足、数字技术迭代等缩小与国际品牌的差距。

我国的SaaS行业起步较晚，在2010年左右正式起步，经过十多年的发展，经营管理类SaaS已进入稳定发展的成熟期；中国企业级SaaS 品类多样，但相比全球SaaS渗透率还有较大提升空间；随着数字经济的蓬勃发展以及疫情影响，公众对于SaaS的认知和应用有了更深入的了解，SaaS迎来了快速扩张的机遇；经营管理类SaaS市场覆盖面较广，CRM、ERP、HCM、客服以及财税品类占比最高；低代码赛道虽处于发展早期，但未来上升空间较大，原因在于低代码能够让业务人员用低代码产品提供的基础组件快速搭建出合适的业务逻辑，从而提升解决方案的效益。

随着疫情形势好转和防疫政策放松，物流运输畅通，供需双双回暖，生产端修复仍好于需求，且外需好于内需。6月份PMI数据体现出了疫情后的供需双双回暖，新订单指数与生产指数同时回到景气度区间：新订单指数和生产指数分别环比上升2.2和3.1个百分点，生产端恢复好于内需；新出口订单和进口分别来到49.5%和49.2%，外需好于内需。产业链的畅通是企业恢复生产的不可或缺的因素，6月份供应商配送时间指数延续了上行的趋势，环比上升7.2个百分点来到51.3%。供应商交货时间明显加快，保证了企业生产和居民需求的恢复。

在组合投资的分析和构建中，我们进一步研究和应用了人工智能领域的机器学习算法。研究表明，机器学习的算法与多因子资本市场理论的数学基础完全一致，虽然预测收益从根本上不同于机器学习获得成功的许多业务环境，但是通过引入非线性函数模型和纳入因子相关作用，机器学习算法可以更准确地预测因子组合的超额收益，并且帮助构筑更高收益风险比的智能贝塔策略。

在组合投资的分析和构建中，我们进一步研究和应用了人工智能领域的机器学习算法。研究表明，机器学习的算法与多因子资本市场理论的数学基础完全一致，虽然预测收益从根本上不同于机器学习获得成功的许多业务环境，但是通过引入非线性函数模型和纳入因子相关作用，机器学习算法可以更准确地预测因子组合的超额收益，并且帮助构筑更高收益风险比的智能贝塔策略。