市场指数涨跌情况 [page::0][page::1]

• 科创50指数近5个交易日下跌3.19%，表现最弱。

- 创业板指和小盘指数表现相对较好，涨幅约1.18%。

• 大盘价值成长板块均有小幅下跌，表现弱于中小盘板块。

主流ETF规模变化及行业资金流向 [page::2]

• 电力设备、有色金属、钢铁、基础化工等板块ETF规模增长明显。

- 银行、电子、通信等板块ETF规模出现回撤。

• 主流ETF整体规模呈现稳步增长，伴随资金流波动。

卷积神经网络趋势观察与行业配置 [page::2]

• 利用CNN模型从图表化的价量数据中提取特征，映射至行业主题板块。

- 最新主题指数配置侧重中证银行、中证能源、中证中央企业红利等板块。

• 此方法结合深度学习技术实现行业趋势自动识别和量化配置。

权益资产与债券资产风险偏好跟踪 [page::3]

• 长期均线以上的沪深300成分股比例与沪深300指数价格走势高度相关。

- 风险溢价指标显示当前权益资产风险溢价处于相对中高位，暗示市场风险偏好逐步恢复。

融资余额及风险溢价动态 [page::3]

• 融资余额维持高位，短期资金活跃度增强。

- 风险溢价在统计区间内波动，模型择时成功率约80%，具不确定性应谨慎使用。

个股收益分布与指数超卖情况分析 [page::4]

• 近半年多数个股收益集中在10%-50%区间，总体表现较为稳健。

• 指数整体呈现不同程度的超卖状态，相较2018年同期超卖幅度显著加大，反映市场短期情绪偏悲观。

量化策略与AI模型应用总结 [page::0][page::2]

• 报告应用卷积神经网络对标准化价量图表进行特征提取，结合行业板块映射实现行情趋势预测与配置。

- 模型能够捕捉短期价格走势和行业轮动信息，辅助量化择时和行业主题选股决策。

• 深度学习模型虽具较高择时成功率，但市场结构变化及事件驱动风险依然存在，需综合多因素判断。

广发金工《AI识图关注银行、能源》研究报告详尽分析

---

一、元数据与报告概览

• 标题：《AI识图关注银行、能源》

- 作者：安宁宁（首席金工分析师）、张钰东（资深金工分析师）

• 发布机构：广发证券金融工程研究团队

- 发布时间：2025年11月2日

• 研究对象与主题：A股市场、量化择时策略与行业主题板块关注，特别聚焦银行、能源等方向

核心论点：

报告基于深度学习技术，尤其是卷积神经网络（CNN）对股价的价量图像数据进行训练与识别，实现对未来股价走势的建模和预测。结合市场估值、风险溢价水平以及资金流向，报告认为当前市场对银行、能源及红利主题指数的关注度加深，AI量化模型配置建议由这些主题指数构成。

此外，报告通过量化模型跟踪市场的风险偏好、融资余额等关键指标，实现对行情的多维度分析，从而辅助投资配置决策。报告并未明确给出具体投资评级或目标价，而是提供了一套基于AI识图技术构建的量化择时和行业主题轮动观察框架，强调动态调整主题配置以适应市场变化。

---

二、逐章深度解读

摘要与市场表现回顾

• 股指表现：科创50指数跌幅达到3.19%，创业板指微涨0.50%，大盘价值与成长板块均小幅下跌（跌幅约0.38%-0.40%），上证50下跌1.12%，但代表小盘股的国证2000上涨1.18%。

- 行业表现：电力设备、有色金属表现领先，通信、美容护理表现落后。

• 市场估值水平：依据中证全指静态市盈率倒数减去十年期国债收益率计算的风险溢价为2.84%，处在历史区间下半段（两倍标准差边界为4.75%），显示权益资产相对债券资产收益优势不明显但仍存在。

- 估值分位：截至2025年10月29日，中证全指PETTM分位数为81%，显示整体市场估值较高；而创业板指数估值位于历史中位数附近（53%），表明创业板相对合理。

股票市场涨跌细分（图1）：

图1分为三板块，反映不同指数及板块涨跌幅：

• 科创50跌幅最大，超过3%，说明科技创新股近期受压制。

- 小盘股指数（国证2000）表现最好，涨幅达1.18%，显示资金偏好小盘成长。

• 大盘价值和成长板块均小幅走弱，显示市场资金情绪趋于谨慎。

图表解读：



这幅图全面展示了不同市场板块近期表现差异，验证了报告观点中关于市场分化的描述，彰显投资者对于成长与价值板块的不同风险偏好。

主流ETF规模变化（图2）

• 展示了不同细分行业ETF的资金净流入和规模变化，电力设备、有色金属等传统周期行业ETF净买入比例明显高于大盘其他行业，通信、银行和美容护理等方向资金流出较为明显。

- 同时，ETF整体规模表现稳定且有增加趋势，交易流动资金活跃。

图表解读：

第一幅图展现了各行业ETF进入资金比例的分布，电力设备涨幅超过4%，有色金属和钢铁类ETF均有约2%-3%的资金流入。美容护理、银行、通信ETF资金流出显著，分别达到-3.5%、-2.5%左右。

第二幅图以时间序列形式反映ETF总规模（亿元）与每日资金流量（亿元）波动态势，显示今年 ETF 市场整体规模持续增长，资金流量间歇性大幅波动，反映市场短期波动风险存在。





报告结合ETF资金流动变化判断机构投资者“关注能源、银行、红利”等主题，符合AI识图模型给出的配置建议。

卷积神经网络趋势观察

报告基于CNN模型对价量图表数据的深度学习模型，输入为标准化的个股价量图像窗口期数据，输出为未来价格变动预测。利用机器学习自动提取价量关系特征，避免传统量化模型过度依赖手工因子设计的问题。

• 学习到的特征进一步映射到行业主题板块，在当前AI模型配置中重点推荐银行（中证银行指数、上证180金融股指数）、能源（中证能源指数）、中央企业红利等细分指数。

- 凸显AI量化技术在行业板块轮动中的指导意义。

行业关注建议：

| 日期 | 指数代码 | 指数名称 |
| --------- | --------------- | -------------------- |
| 20251031 | h30022.CSI | 中证800银行指数 |
| 20251031 | 399986.SZ | 中证银行指数 |
| 20251031 | 000928.SH | 中证能源指数 |
| 20251031 | 000018.SH | 上证180金融股指数 |
| 20251031 | 000825.CSI | 中证中央企业红利指数 |

表中指数为AI模型和实盘交易建议中最优配置主题对应的标的，反映量化识图对行业轮动择时的应用场景。

权益资产与债券资产风险偏好跟踪（图3）

• 图表显示历史上长期均线以上股票比例（蓝色线）与沪深300指数点位（红色线）变化关系。

- 近期权益资产风险偏好维持在中高位置，沪深300指数处于相对高位，说明市场风险偏好依然积极，但高位震荡风险增加。

融资余额走势（图4）

• 风险溢价指标（蓝线）呈现震荡上升趋势，当前位于约3%左右，资金面存在一定紧张感。

- 融资余额（紫色线）及变动（红色线）显示融资余额逐步回升，反映部分投资者看好市场，增加融资投入。

• 融资余额增长可能成为短期推动股价的重要资金来源，同时也意味着潜在的回调风险。

---

个股收益区间分布情况（图5）

• 年初至今大部分个股收益介于10%-30%和中位数区间（约22.6%），收益超过100%的个股占比较低（8%）。

- 说明市场整体走势呈现一定分化，部分股票表现优异，但超常收益个股稀少，反映市场机遇有限。

指数超卖状态（图6）

• 通过比较当前（NEW）与2018-12-28历史同期的超卖程度，发现当前多项指数处于高超卖状态（蓝色线远高于历史对比绿线），尤其是创新型与高估值指数。

- 表明市场调整压力较大，短期存在技术性修复需求。



---

三、估值分析

虽然报告未显式展开传统估值模型计算，但通过风险溢价、PE分位数和国债收益率的比较为估值分析提供量化基础：

• 风险溢价（权益与债券隐含收益率差）目前为2.84%，远低于历史两倍标准差上限4.75%，说明当前权益资产估值偏高，投资风险相对上升。

- 市场PE分位数反映指数整体估值处于高位（81%），尤其是大盘标的显著高估，创业板估值更为合理（53%分位）。

此处可理解为市场整体估值偏高，强调结构性投资机会优先，符合AI识图模型聚焦银行、能源、红利板块的主题逻辑。

---

四、风险因素评估

报告揭示的主要风险包括：

• 量化模型风险：GFTD及LLT模型择时成功率约为80%，非绝对可靠，模型效能可能因市场行为变化、宏观事件或日历效应而失效。

- 估值风险：当前权益资产估值高企，潜在市场回调压力不容忽视。

• 资金面风险：融资余额增长虽利多短期行情，但过度杠杆可能带来风险厌恶反转。

- 行业主题风险：AI模型推荐的银行、能源主题受政策、经济周期等因素影响显著，需警惕入市时点及政策调整。

报告未详细给出缓解策略，但强调采用多模型、动态调整配置以适应市场变化。

---

五、批判性视角

• 量化择时的局限性：报告指出模型择时成功率非100%，且基于历史数据推断，可能对未来市场结构变化适应不足，需谨慎依赖。

- 估值指标局限：风险溢价计算与PE分位数虽有效，但未能全面涵盖市场流动性、宏观政策冲击等因素，指出估值预警但未完全说明调整操作策略。

• 主题配置偏好：AI模型聚焦银行、能源等传统板块，可能反映近期资金偏向与估值优势，但中长期创新领域如科技成长是否被低估未充分讨论，存在观点偏颇可能。

- 图表的时间窗口选择：部分图表采用历史较长时间跨度，部分细节变化可能被平滑，短期市场冲击因素不足。

---

六、结论性综合

总体来看，广发金工团队利用AI识图技术，以CNN为核心，对A股市场价量图像数据实现了较为先进的价量趋势建模与行业主题配置建议。报告结合风险溢价和估值指标，判断当前市场整体估值偏高，权益资产吸引力有限。ETF资金流与融资余额数据显示投资者对银行、能源及中央企业红利主题偏好明显，符合AI模型对行业主题的识别。

主要图表定量说明：

• 科创50等高估值指数近期承压，资金流出明显；

- 小盘和周期行业资金流入支撑市场活跃度；

• 风险溢价处于较低区间，提示整体高估值风险；

- 融资余额回升表明杠杆资金活跃，但风险溢价未明显缓和；

• 指数整体处于技术性超卖区域，短期修复存在空间。

报告的核心价值在于将深度学习黑箱模型映射为可解释的行业主题配置，为量化择时和资产配置提供数据驱动的支持，适合对冲策略和主动配置投资者参考。报告强调市场波动不确定性，建议结合传统基本面与量化信号动态调仓，规避系统性风险。

---

溯源标注：

以上所有章节分析均依据报告原文内容和对应图表数据，标注如下：[page::0,1,2,3,4,5]

---

（全文约1500字）

报告