报告概述
本报告是广发证券发布的A股量化择时定期研究,覆盖2025年12月25日至31日的市场表现。报告从结构表现、行业涨跌、市场与行业估值、市场情绪(新高新低、均线、基金仓位、ETF资金等)、宏观因子事件、个股统计、风险溢价、超买超卖、融资余额等多维度分析市场,并重点介绍了基于卷积神经网络的股价走势AI识别模型,将学习到的特征映射到行业主题板块,提供最新的主题配置建议。报告旨在帮助投资者快速把握市场状态和量化模型指向的主题方向。
报告的核心结论
模型最新配置化工、非银和卫星主题。
报告使用卷积神经网络对图表化价量数据建模,将学习到的特征映射到行业主题板块,最新配置中证细分化工产业主题、国证商用卫星通信产业指数、沪深300非银行金融指数、中证全指红利质量指数等,显示这些主题在当前市场环境下具有相对优势。
创业板指估值处于历史中位数水平。
截至2025年12月31日,创业板指PE_TTM分位数为58%,相对历史总体处于中位数水平,而上证50和沪深300分位数均为75%,中证500和中证1000分别为62%和64%,表明不同指数间估值分化,创业板估值压力相对较小。
风险溢价指标位于均值附近,市场未现极端情绪。
中证全指风险溢价(EP减去十年期国债收益率)为2.69%,处于历史均值附近,远离两倍标准差边界4.70%,显示当前权益资产相对债券的隐含收益率处于正常区间,市场未出现极端高估或低估迹象。
市场情绪指标分化,新低比例上升。
创近60日新高个股数占比从前期的9.5%升至9.6%,但创近60日新低个股数占比从前期的6.4%升至10.7%,同时多头排列减空头排列个股占比从前期的-22%降至-29%,显示市场内部结构分化,部分个股风险加大。
报告回答的关键问题
AI如何应用于A股量化择时?
报告使用卷积神经网络(CNN)对个股窗口期内的价量数据构建标准化图表,通过深度学习对图表化的价量数据与未来价格进行建模,并将学习到的特征映射到行业主题板块中,从而输出当前市场环境下更值得关注的行业主题配置,如化工、非银和卫星。
当前哪些行业板块值得关注?
根据卷积神经网络模型的最新输出,当前值得关注的板块包括化工、非银和卫星。具体指数包括中证细分化工产业主题指数、国证商用卫星通信产业指数、沪深300非银行金融指数和中证全指红利质量指数。这些主题是通过对价量图表的学习得到的配置建议。
A股市场当前情绪状态如何?
市场情绪呈现分化:创近60日新高个股占比微升至9.6%,但创近60日新低个股占比从6.4%升至10.7%,均线强弱指标(多头排列减空头排列占比)从-22%降至-29%,显示短期虽然仍有热点,但更多个股进入调整,市场整体情绪偏弱。
当前A股整体估值水平高吗?
截至2025年12月31日,中证全指PE_TTM分位数为82%,处于历史较高水平;上证50和沪深300均为75%,创业板指为58%,中证500为62%,中证1000为64%。整体估值偏高,但创业板指相对历史处于中位数,结构性差异明显。
报告中的代表性数据
中证全指PE_TTM分位数
截至2025年12月31日,中证全指静态PE(TTM)的历史分位数,反映整体市场估值处于历史较高分位。
沪深300PE_TTM分位数
截至2025年12月31日,沪深300指数PE_TTM的历史分位数,显示大盘蓝筹估值也处于偏高水平。
创业板指PE_TTM分位数
截至2025年12月31日,创业板指PE_TTM分位数相对较低,接近中位数水平,估值压力小于主板。
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
- 市场涨跌结构表现:详细分析上证、深证、创业板、上证50、沪深300等主要指数的涨跌幅及大盘成长、大盘价值、中盘成长等风格的表现。
- 申万一级行业表现:展示本期国防军工、石油石化、汽车等行业涨幅靠前,通信、综合等行业跌幅靠前的完整榜单。
- 市场与行业估值:包含主要指数及申万一级行业的PE_TTM、PB_LF及其历史分位数图表,帮助判断估值高低。
- 市场情绪跟踪:涵盖新高新低比例、个股均线结构(多头/空头排列占比)、基金仓位、ETF资金流向、期权成交量看涨看跌比、市场真实换手率等多项情绪指标。
- 宏观因子事件分析:基于PMI、CPI、社融、利率、美元指数等宏观因子趋势,统计其对权益市场未来一个月的影响观点。
- 2025年个股表现统计:展示A股个股全年收益区间分布及收益中位数走势。
- 风险溢价与超买超卖:中证全指风险溢价跟踪曲线,主要指数和行业的超跌指标对比。
- 融资余额变化:全市场融资余额及占流通市值比重的历史走势。
- 卷积神经网络行业主题配置:详细说明模型原理,并给出最新配置的指数代码和名称,包括化工、卫星产业、商用卫星通信、非银金融、红利质量等。
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。





