市场近期涨跌与资金流向 [page::1][page::2]

• 过去5个交易日科创50指数涨幅达5.48%，创业板指上涨2.10%，大盘成长涨2.16%，大盘价值微跌0.22%。

- 中证500小盘指数涨幅显著，资金面ETF资金流入净值达116亿元，融资盘增加约591亿元，显示市场活跃资金提升。

• 各细分风格ETF规模变动呈现成长板块资金明显流入，价值板块有所回撤。[page::2]

估值与风险溢价分析 [page::0][page::3]

• 中证全指风险溢价自2016年以来第五次超过4%，当前值为2.87%，距离两倍标准差边界4.76%仍有空间。

- 当前中证全指PE TTM分位数为78%，上证50和沪深300在70%以上，创业板指估值接近历史中位数。

• 长周期深100技术面显示每隔三年会出现近40%-45%的熊市调整，当前调整时间与空间充足，牛市启动或临近。[page::0][page::3]

基于卷积神经网络的行业主题识别 [page::0][page::3]

• 利用卷积神经网络对图表价量数据进行深度学习，捕捉价格未来走势特征并映射至行业主题指数。

- 最新推荐关注中证800汽车与零部件指数、中证全指通信设备指数、中证人工智能产业指数及中证细分化工产业主题指数。

• 该AI识图方法辅助挖掘投资热点，并结合主题指数构建量化策略方向。[page::0][page::3]

投资者行为及市场情绪指标 [page::3][page::4][page::5]

• 200日长期均线以上股票比例回升，沪深300指数基准呈现健康多头市场特征。

- 融资余额表现强劲，近日明显上涨至历史高位，显示投资者风险偏好上升。

• 个股收益分布显示28.3%股票年内涨幅达10%-30%，中位数收益为21.1%。

- 权益资产与债券资产的风险偏好跟踪指标表明市场资金情绪偏向权益市场。[page::3][page::4][page::5]

【广发金工】AI识图关注汽车、通信、化工——研究报告详尽分析

---

一、元数据与概览

报告标题：《金融工程：AI识图关注汽车、通信、化工—A股量化择时研究报告》
作者及研究团队：广发证券资深金工分析师安宁宁、张钰东及金融工程研究团队
发布机构：广发证券
发布时间：2025年9月14日
主题： 以人工智能技术特别是卷积神经网络（CNN）对股市图表化价量数据进行识别和建模，结合行业主题指数的量化择时研究。重点关注汽车、通信、人工智能及化工等细分行业。

核心论点与主要信息：

本报告结合量化研究与AI识图技术，反映当前市场的多维度技术和资金面状况，运用卷积神经网络模型对图表化价量数据建模，捕捉行业板块轮动与趋势，从而在汽车、通信、人工智能和化工等细分指数中形成最新的投资配置建议。报告整体呈现市场估值高位、中长期技术面进出路径及情绪波动特征，提出当前为关注底部反转的技术窗口，挖掘行业机会，并谨慎提醒量化模型并非绝对准确，存在固有风险。[page::0-6]

---

二、逐章深度解读

1. 摘要与市场概览

报告首先回顾最近5个交易日市场表现：

• 科创50指数涨幅最高达到5.48%，创业板指上涨2.10%，大盘价值指数下跌0.22%，大盘成长类股票上涨2.16%，上证50指数涨0.89%，小盘股指数也呈现活跃走势。

- 行业上电子、房地产表现较好，综合及银行板块表现相对落后。

• 风险溢价指标（中证全指静态PE倒数减去10年期国债收益率）截至2025年9月12日为2.87%，低于历史两倍标准差边界4.76%，显示当前一般但尚未极端低估。该指标自2016年以来五次超过4%时市场均出现过显著反弹，这从侧面提示当前市场风险溢价尚未触及历史极端低位。

- 估值方面，中证全指PETTM分位数75%以上，显示整体市场估值处于历史高位区间，创业板指估值相对中位数水平稍显合理。

• 技术面长期观察指出深100指数技术熊市大约3年一循环，2012、2015、2018、2021年均有显著下跌40%-45%，当前调整期充分，存在底部向上反转潜力。

- 资金面活跃，ETF资金流入116亿元，融资余额5个交易日内增加约591亿元，日均成交额达2.3万亿，显示市场参与度较高。

最后，报告介绍了使用卷积神经网络对图表价量数据进行建模与特征学习，映射至细分行业板块，形成了对汽车、通信、人工智能及化工行业的最新投资配置主题。[page::0]

---

2. 市场涨跌情况分析（图表解读）

图1与图2展示了不同指数最近5个交易日涨跌幅：

• 图1（上证指数等主要指数）：科创50涨幅最大5.48%，深证成指涨2.65%，创业板指涨2.10%，上证50涨0.89%，说明科创板和创业板成长股继续领涨，蓝筹指数涨幅相对有限。

- 图2显示细分指数涨幅，中证500涨3.38%，中证800汽车与零部件指数、通信设备指数等也表现积极，小盘成长和价值股均有一定涨幅。

整体趋势指向新兴产业和成长板块较为活跃，反映市场资金偏好偏向创新科技和成长方向。[page::1]

---

3. 主流ETF规模与资金流动（图表解读）

图3反映ETF规模变化与行业资金流向：

• 各风格中大盘成长、中盘成长、小盘成长规模均有增长，唯一大盘价值呈现微幅负增长，映射成长股资金流入较明显。

- 行业资金流向方面，电子、房地产、农林牧渔等行业获得资金净流入较多，传统资源和周期板块如煤炭、石油石化出现净流出，显示资金结构调整明显。

• ETF总规模稳步扩展，但有阶段性资金流出，资金动态显示市场波动下资金谨慎布局。

图4展示ETF总规模及资金流动态，资金流入波动性较大，近期出现流出的负值，但规模整体保持增长态势，说明市场仍有支持力量。[page::2]

---

4. 卷积神经网络趋势观察与主题指数

基于卷积神经网络（CNN）的研究表明，将股价中的价量信息图表化，并利用深度学习模型抽取特征，可以较好地反映未来价格走向。报告依据模型对中证800汽车与零部件指数、中证全指通信设备指数、中证人工智能主题指数、中证细分化工产业主题指数等细分行业进行重点关注，形成行业配置建议。

• CNN模型的优势在于有效捕获价量图表中隐含的非线性特征和模式，识别市场结构变迁。

- 本报告的主题行业覆盖了传统制造升级（汽车零部件）、科技通信、人工智能等高成长领域以及化工产业，符合当前市场热点和政策导向。

进一步结合市场情绪指标（200日均线以上比例）、权益与债券资产的风险溢价跟踪分析，整体判断市场在历史调整期内具备反弹基础，AI识图模型指向的热点行业有较强成长驱动力。[page::3]

---

5. 市场情绪与风险偏好跟踪（图表解读）

• 图5统计了200日长期均线之上股票比例与沪深300指数走势，长期均线以上比例作为市场情绪的衡量指标，近期处于中高水平，显示市场情绪相对积极，但阶段性波动仍存在。

- 图6展现风险溢价的波动情况，风险溢价超过均值两倍标准差的区间对应历史市场反转点。当前风险溢价处于适中区间，尚未达到极端“底部”水平，提示潜在风险仍存，但存在反弹可能。

结合此两项指标，市场风险偏好受政策和宏观环境波动影响较大，但技术面和估值指标综合分析，底部反转信号逐渐明朗。[page::3]

---

6. 融资余额及个股收益分布

图7示融资余额走势：

• 融资余额自2024年开始持续增加，近期大幅提升至3万亿元以上，资金杠杆加大，显示市场资金热情。

- 融资余额占流通市值比率稳定在2.3%左右，杠杆率保持合理，市场尚无过度泡沫迹象。

图8反映年内个股收益分布：

• 约28.3%的股票收益在10%-30%区间，反映中等幅度正收益个股占比最高。

- 超过一半股票收益在负10%至30%区间，收益分布较为分散，体现市场个股分化明显。

该数据对用户理解市场中等个股的表现差异及风险集中度有重要参考价值。[page::4]

---

7. 指数超卖及比较历史数据（图表解读）

图9展示了当前多个指数及行业的技术超卖指标，也将最新数据与2018年12月28日作对比：

• 当前大多数指数超卖指标高于2018年底水平，显示技术面处于较低估值和超卖的格局，暗示潜在反弹机会。

- 行业分布方面，电子、汽车、医药、生物等成长及科技赛道超卖明显强于2018年。

这些技术指标佐证了报告中长期技术面观察，即当前市场调整足够，具备阶段性上涨条件。[page::5]

---

三、图表深度解读总结

• 市场涨跌（Page 1）：科创50强势领涨，显示科技创新板块保持活跃；大盘价值表现乏力，资金向成长转移。

- 主流ETF资金（Page 2）：成长风格ETF规模提升，资金净流入多集中于电子、房地产、农林牧渔等板块，周期资源资金流出。

• 市场情绪与风险溢价（Page 3）：情绪指标和风险溢价显示市场处于调整后期，情绪有所恢复。

- 融资余额（Page 4）：融资余额创新高，配合个股收益分布评估市场杠杆与风险分布。

• 指数超卖指标（Page 5）：多个指数和行业处于较强超卖状态，技术反弹可能性大。

每个图表的数据均紧密支持了报告整体论点，体现了量化模型识别周期底部的潜力和行业主题的投资逻辑。

---

四、估值分析

报告提及基于静态市盈率倒数（EP）结合10年期国债收益率计算的风险溢价，该指标用于衡量权益资产的隐含收益率优势，是衡量市场估值高低的传统工具。风险溢价超过历史两倍标准差常常预示市场大底；而当前指标2.87%，虽然不及历史极端水平，但也表明估值较为合理。

报告未深入使用DCF或其他复杂模型，更多借助量化技术面指标和机器学习模型进行技术趋势研判和行业主题选取，结合融资数据及ETF资金流动判断市场资金面状况。

---

五、风险因素评估

报告明确指出：

• GFTD模型和LLT模型历史择时成功率约80%，非100%。

- 市场波动性及不可控宏观事件可能导致模型失效，如日历效应、政治经济事件、市场结构变化等。

• 量化模型结论可能与其他模型有出入，需结合实际形势判断，谨慎决策。

这种风险提示体现报告在量化技术依赖上的自我约束和审慎，提醒投资者权衡技术模型与市场实际风险。[page::5]

---

六、批判性视角与细微差别

• 模型依赖风险： 量化与AI模型虽强，但报告明确其局限，且市场结构变化可能削弱历史回测的有效性。

- 估值视角单一： 报告估值分析主要立足静态PE与风险溢价，未涉及成长性调整或现金流折现等多角度估值，可能过于简化。

• 资金流动分析较为笼统： 资金面解读大多基于ETF和融资余额规模，未深入剖析资金来源结构和散户机构的行为差异。

- 指数选择偏向成长与高科技： 主题配置重视汽车零部件、通信设备、人工智能和化工，反映对新兴产业的偏好，可能忽视传统行业的反弹潜力。

• 宏观政策风险未充分强调： 作为A股市场研究，报告对政策突变风险论述较少，若未来政策调整，量化择时可能受到较大影响。

总体而言，报告内容丰富、逻辑严谨，但对外部不可控风险的深刻度有限，投资者应当结合宏观和基本面信息做进一步判断。

---

七、结论性综合

本报告以广发证券金融工程研究团队的AI识图技术为核心，结合卷积神经网络模型对图表化价量数据的学习，实现了行业主题与价格趋势的深度连接。重点以汽车、通信、人工智能和化工四个细分板块为主题配置方向，基于市场技术面、资金流、估值和风险溢价体系，给出A股市场当前处于中长期调整期、底部反转存在，成长与新兴产业板块表现活跃的判断。

从图表和数据看：

• 科创50显著领先，显示资本市场对科技创新的青睐。

- ETF资金净流入与融资余额持续增长为市场提供动能。

• 市场情绪指标和风险溢价处于相对合理区间，提示调整已渐趋充分。

- 资金流向清晰显示成长风格优于价值风格，电子、房地产、通信设备获资金偏爱。

• 指数与行业整体处于明显超卖，技术反弹条件成熟。

报告持谨慎乐观看法，提出基于AI与量化的新型市场择时视角，但全面风险和政策变量需警惕，模型有效率非100%。整体建议关注重点的AI识图主题行业，并密切跟踪市场情绪与资金动态变化。

本报告为投资者提供了结合前沿AI技术与传统量化分析的新视角，有助于识别阶段性机会和合理规避风险。[page::0-6]

---

参考图示（示意）

• 市场涨跌幅分布柱状图

- ETF规模及资金流入走势图

• 200日均线以上比例与沪深300对比图

- 风险溢价波动区间图

• 融资余额与杠杆率历史趋势图

- 个股收益分布图

• 指数超卖指标对比图

---

总结： 报告以AI识图驱动量化分析贯穿始终，重点聚焦四大产业主题，并通过丰富的图表佐证了市场底部构建的技术基础和资金热度，同时详细说明模型局限，展现了较高的专业性与前瞻性。投资者应结合自身风险偏好，重点关注报告指示的行业和技术信号。

报告