报告概述
本报告从负债端视角出发，分析A股市场在2026年初经历的三大因子叠加共振：负债行为变化、资产端科技催化、以及债券季节性行情向权益转移。报告重点探讨定期存款到期后的再配置效应，包括资金从活期向理财、分红险、公募基金逐级渗透的过程，以及分红险与含权理财产品如何吸引存款客户。同时，报告提出“钱-产能”飞轮效应，认为负债行为驱动的风险偏好提升将传导至实体经济的再通胀与产能扩张。
报告的核心结论
存款活性化是牛市底气来源
定期存款利率多次下调后，到期资金不再回流表内，而是转向活期存款和含权产品。这种“活期-理财-分红险-公募基金”的逐级渗透，使原本与股票无关的存款成为增量资金源头，显著提升权益资产配置比例。
分红险成为高息存款到期后的替代选择
分红险保证收益部分（1.75%）高于当前定期存款利率，银保渠道将到期不续存的存款承接至分红险。其风险共担机制降低了保险公司的刚性成本，同时权益投资比例高于传统寿险，进一步推动资金流入股市。
含权理财从红利切换至高波和科技
固收收益空间有限，理财规模扩张倒逼资金向权益寻求弹性。分析显示，含权固收组合中“少红利+科技”优于“多红利+固收”，红利与债券共享定价因子，而科技提供高弹性与对冲效果，因此资金正从红利转向科技等高波动板块。
债市季节性转移至股市形成开门红
债市传统旺季（12月、1月）的配置资金，因存款向理财、保险迁徙强烈，未回流表内买债，而是流入含权理财或分红险，间接进入股市。债市季节性并未消失，而是转移至权益市场，推动股市年初走强。
负债行为驱动“钱-产能”飞轮效应
在负债行为迅速切换的当下，资金流向领先于机构预期差。AI板块的大模型训练带动能源、内存等需求，拉大传统行业再投资预期，资本开支创造就业；同时，风险偏好提升引发产品再通胀，催生行业资本开支和产能扩张，形成从动物精神到经济数据的传导。
报告回答的关键问题
为什么存款活性化是A股牛市的底气？
定期存款利率多次下调后，到期资金不再回流银行表内，而是转向活期存款、理财、分红险和公募基金等含权产品。这一迁移过程使原本与股市无关的存款逐步渗透至权益资产，形成持续的增量资金流入，支撑A股上涨。
分红险如何替代高息定期存款？
分红险具有“保证收益+浮动分红”特点，保证收益部分预定利率为1.75%，高于当前定期存款利率（如1年期0.95%）。银保渠道将到期不续存的定期存款承接至分红险，既满足客户锁定长期收益的需求，又通过权益投资比例较高的特点间接推动股市资金流入。
含权固收产品如何增厚收益？
理财规模快速扩张但固收收益有限，测算显示即便债市乐观，理财在债基中收益率上限仅约2.1%。通过加权益增厚收益成为必然，且“少红利+科技”组合优于“多红利+固收”，因为红利与债券共享定价因子，而科技提供高弹性与对冲效果，因此资金正从红利切换至科技等高波动资产。
债券季节性行情为什么会转移到股市？
债市季节性（如年末年初的配置需求）原本来自存款到期、理财回表后的银行冲量。但当前存款向理财、保险迁徙趋势强烈，到期资金未回表买债，而是流入含权理财或分红险，间接进入股市。因此债市季节性并未消失，而是在股市形成“开门红”。
AI飞轮效应如何影响实体经济和股市？
AI大模型训练对能源、内存等需求旺盛，拉大传统行业再投资预期，资本开支带动就业与新兴产业。同时，风险偏好提升推动产品再通胀，催生相关行业资本开支和产能扩张，形成“负债行为-再通胀-产能扩张”的飞轮，从动物精神传导至经济数据。
报告中的代表性数据
1年期定期存款利率变化
2022年以来，经过多次调降，1年期存款利率从调降前的1.75%降至当前的0.95%，收益率曲线整体向下平移。
分红险预定利率
当前，分红险保证收益部分以1.75%为上限，低于传统险但高于定期存款，浮动部分将至少70%可分配盈余分配给投保人。
理财在债基中收益率上限
基于2026年乐观假设，假定无风险利率从1.84%下行至1.6%（2025年最低点），测算理财能在债基中获得收益率的上限为2.1%，吸引力有限。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整图表目录：包含9张图表，展示负债行为特点、三因子共振、定期存款再配置、分红险收益率对比、含权理财风格切换等关键数据可视化。
- 负债行为变迁的系统分析：从2025年7月以来持续跟踪负债端对跨资产的影响，包括权益、固收和商品市场的联动机制。
- 分红险产品设计与投资策略：详细说明分红险的“保证收益+浮动分红”结构、销售成本优势、有效久期特点，以及其映射到权益和固收投资的具体比例差异。
- 含权理财的收益测算与组合优化：基于债券市场假设，测算纯债理财收益率上限，并通过组合回测展示“少红利+科技”优于“多红利+固收”的实证结果。
- 股债平衡重塑机制：分析债市季节性失灵的原因，以及存款向理财、保险迁徙如何导致股市“开门红”的传导路径。
- AI飞轮效应的微观解释：从大模型训练到内存、能源需求，再到传统行业再投资和新兴就业，展示资金与产能在AI领域的循环扩张。
- “钱-产能”飞轮效应的宏观框架：从居民、企业风险偏好提升到产品再通胀，最终催生资本开支和产能扩张，形成从动物精神到经济数据的完整传导链条。
- 风险提示与投资评级说明：包含海外科技进展、国内流动性变化、股债平衡机制被打破等风险因素，以及中泰证券的股票和行业评级标准。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
