量化模型与构建方式 1. **模型名称：卷积神经网络趋势观察模型**[79] * **模型构建思路**：利用深度学习技术，将个股历史价量数据转化为标准化的图表，通过卷积神经网络（CNN）学习图表中的特征模式，以预测未来价格走势，并将学习到的有效特征映射到行业主题板块，生成行业配置建议。[79] * **模型具体构建过程**： 1. **数据准备**：对每个个股，选取一个特定窗口期内的价量数据（如价格、成交量等）。[79] 2. **图表化**：将标准化处理后的价量数据构建成可视化的图表。研报中提及了“标准化数据价量图表”。[80] 3. **模型训练**：使用卷积神经网络对上述图表化的价量数据与对应的未来价格（或收益率）进行建模训练，使网络学会从图表中识别出与未来价格变动相关的特征模式。[79] 4. **特征映射与配置**：将训练好的CNN模型学习到的特征应用于市场当前数据，识别出具有相似积极特征的股票集群，并将其映射到对应的行业或主题板块，从而生成看好的行业主题配置列表。[79][82] 2. **模型名称：宏观因子事件分析模型**[54] * **模型构建思路**：通过跟踪一系列关键的国内外宏观指标，定义并识别这些指标在特定时间段内的走势事件（如创短期高点、连续下跌等），并基于历史回测，筛选出对未来资产收益率有显著预测作用的“有效因子事件”，用以判断市场趋势。[54] * **模型具体构建过程**： 1. **因子选择**：跟踪25个国内外宏观指标，涵盖货币政策、财政政策、流动性、通胀水平及其他经济指标等多个维度。[54] 2. **事件定义**：为每个宏观因子定义四类走势事件：短期高低点、连续上涨/下跌、创历史新高/新低、因子走势反转。[54] 3. **有效性检验**：从历史数据中寻找“有效因子事件”，即那些发生后，对资产（如股票）未来收益率产生统计上显著影响的事件。[54] 4. **趋势分析**：采用历史均线（如1月、3月、12月均线）将宏观因子走势分为趋势上行或下行，并统计在不同趋势下，各类资产（如大盘股、中小盘股）未来一个月的平均收益表现，以形成观点。[56][57] 3. **模型名称：期权成交量看涨看跌比（CPR）模型**[47] * **模型构建思路**：通过监测上证50ETF期权成交量的看涨看跌比率（CPR）与其布林通道的相对位置，来判断蓝筹股市场的短期超买或超卖风险。[47] * **模型具体构建过程**： 1. **计算CPR**：计算上证50ETF期权成交量的看涨看跌比率。 2. **计算布林通道**：计算CPR的60日移动平均线及其上下轨（通常为标准差的倍数）。 3. **信号生成**：观察最近20个交易日的CPR数值是否持续低于60日布林通道的上轨。若低于上轨，则认为蓝筹股短期不存在超卖风险。[47] 量化因子与构建方式 1. **因子名称：新高新低比例因子**[33] * **因子构建思路**：通过统计市场中创近期新高与新低的个股数量占比，来度量市场的极端情绪和内部结构强度。[33] * **因子具体构建过程**： 1. 每日计算创近60日新高的个股数。 2. 每日计算创近60日新低的个股数。 3. 分别计算新高个股数占总股票数的比例（60日新高比例），以及新低个股数占总股票数的比例（60日新低比例）。[33][34] 2. **因子名称：个股均线结构因子**[37] * **因子构建思路**：通过计算处于不同均线多头排列和空头排列状态的个股占比之差，来反映市场整体的技术趋势强弱。[37] * **因子具体构建过程**： 1. 对每只个股，判断其短期、中期、长期均线（如5日、20日、60日均线）是否呈多头排列（短期>中期>长期）或空头排列（短期<中期<长期）。 2. 计算当日处于多头排列的个股数量占比。 3. 计算当日处于空头排列的个股数量占比。 4. 计算“均线强弱指标”：多头排列个股占比 减去 空头排列个股占比。[37][38] 3. **因子名称：长期均线以上比例因子**[40] * **因子构建思路**：统计股价位于长期移动平均线（如200日线）之上的个股比例，用以衡量市场整体的长期趋势强弱和广度。[40] * **因子具体构建过程**： 1. 对每只个股，计算其200日移动平均线。 2. 判断当日收盘价是否位于200日移动平均线之上。 3. 计算股价位于200日线上方的个股数占总股票数的比例，即“长期均线以上比例”。[40] 4. **因子名称：风险溢价因子**[66][82] * **因子构建思路**：计算股票市场隐含收益率与无风险收益率（通常为十年期国债收益率）的差值，用以衡量股票资产相对于债券资产的吸引力。[66][82] * **因子具体构建过程**： 1. 计算中证全指（或其它市场指数）的静态市盈率（PE_TTM）。 2. 求其倒数，得到盈利收益率（Earnings Yield, EP）。公式为： $$EP = \frac{1}{PE\_TTM}$$ 3. 减去当前十年期国债收益率，得到风险溢价（Risk Premium）。公式为： $$风险溢价 = EP - 十年期国债收益率$$[66][82] 4. 同时计算该风险溢价的历史均值和标准差通道（如均值±2倍标准差）作为参考边界。[67] 5. **因子名称：指数超买超卖因子**[69] * **因子构建思路**：通过特定指标（研报中未明确具体计算方法，常见如RSI、乖离率等）度量主要宽基指数和行业指数是否处于超买或超卖状态。[69] * **因子具体构建过程**：研报中展示了“超跌指标统计”图，但未详细说明该指标的具体构建公式。其核心是计算一个用于衡量指数短期偏离程度的标准化指标。[69][70][73] 6. **因子名称：融资余额因子**[76] * **因子构建思路**：跟踪市场融资余额的绝对规模及其占流通市值的比例，以观察杠杆资金的入场意愿和市场热度。[76] * **因子具体构建过程**： 1. 获取每日市场融资买入的总余额。 2. 计算融资余额占A股流通市值的百分比。[78] 模型的回测效果 *本报告未提供所列量化模型（卷积神经网络模型、宏观因子事件模型、CPR模型）具体的回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了卷积神经网络模型的最新输出结果（行业配置列表）以及宏观因子模型的当前观点。[57][81]* 因子的回测效果 *本报告未提供所列量化因子（新高新低比例、均线结构、长期均线以上比例、风险溢价、超买超卖、融资余额）具体的因子测试结果（如IC值、IR、多空收益等）。报告主要展示了这些因子在最新一期（2025年12月19日）的截面取值或时间序列状态。例如：* 1. **新高新低比例因子**：60日新高比例为7.7%，60日新低比例为6.4%。[33] 2. **个股均线结构因子**：均线强弱指标（多头排列占比减空头排列占比）为-24%。[37] 3. **风险溢价因子**：中证全指风险溢价为2.79%，其历史均值+2倍标准差边界为4.71%。[67][82] 4. **融资余额因子**：最近5个交易日融资余额减少约76亿元。[82]

广发证券首席金工分析师 安宁宁 SAC: S0260512020003 anningning@gf.com.cn 广发证券资深金工分析师 张钰东 SAC: S0260522070006 zhangyudong@gf.com.cn 广发金工安宁宁陈原文团队 摘要 最近5个交易日，科创50指数跌2.99%，创业板指跌2.26%，大盘价值涨1.52%，大盘成长跌1.39%，上证50涨0.32%，国证2000代表的小盘跌0.37%，商贸零 售、非银金融表现靠前，电子、电力设备表现靠后。 风险溢价，中证全指静态PE的倒数EP减去十年期国债收益率，权益与债券资产隐含收益率对比，截至2025/12/19指标2.79%，两倍标准差边界为4.71%。 估值水平，截至2025/12/19，中证全指PETTM分位数80%，上证50与沪深300分别为74%、73%，创业板指接近55%，中证500与中证1000分别为59%、 60%，创业板指风格估值相对历史总体处于中位数水平。 资金交易层面，最近5个交易日，ETF资金流入721亿元，融资盘5个交易日减少约76亿元，两市日均成交17380亿元。 | 日期 | 指数代码 | 指数名称 | ...

广发证券资深金工分析师 张钰东 SAC: S0260522070006 zhangyudong@gf.com.cn 广发证券首席金工分析师 安宁宁 SAC: S0260512020003 anningning@gf.com.cn 使用卷积神经网络对图表化的价量数据与未来价格进行建模，并将学习的特征映射到行业主题板块中。最新配置主题为通信、人工智能、创业板动量成长 等，具体包括中证通信设备主题指数、创业板人工智能指数、中证5G通信主题指数、创业板动量成长指数等细分指数。 资金交易层面，最近5个交易日，ETF资金流入186亿元，融资盘5个交易日增加约235亿元，两市日均成交19337亿元。 | 日 | 指数代码 | 指数名称 | | --- | --- | --- | | 20251212 | 931271.CSI | 中证通信设备主题指数 | | 20251212 | 970070.CNI | 创业板人工智能指数 | | 20251212 | 931160.CSI | 中证全指通信设备指数 | | 20251212 | 399296.SZ | 创业板动量成长指数 | | 20251212 | 931079.CS ...

市场近期表现 - 最近5个交易日，科创50指数下跌0.08%，创业板指上涨1.86%，大盘价值上涨0.74%，大盘成长上涨1.61%，上证50上涨1.09%，国证2000代表的小盘股上涨0.19% [1] - 行业层面，有色金属和通信表现靠前，传媒和房地产表现靠后 [1] 市场估值水平 - 截至2025年12月5日，中证全指PETTM分位数处于80%的高位，上证50与沪深300的分位数分别为75%和72% [1] - 创业板指估值分位数接近49%，处于历史中位数水平，中证500与中证1000的分位数分别为61%和57% [1] 资金交易情况 - 最近5个交易日，ETF资金整体流出14亿元，而融资盘增加约115亿元 [2] - 两市日均成交额为16824亿元 [2] 卷积神经网络趋势观察 - 基于卷积神经网络对图表化价量数据与未来价格进行建模，并将学习特征映射到行业主题板块中 [2][10] - 最新配置主题包括通信、红利低波、创业板动量成长等，具体关注中证通信设备主题指数、中证红利低波动100指数、创业板动量成长指数等细分指数 [2][3][11] 风险溢价指标 - 截至2025年12月5日，中证全指静态市盈率的倒数EP减去十年期国债收益率，即风险溢价指标为2.81%，其两倍标准差上边界为4.72% [1]

市场近期表现 - 最近5个交易日，科创50指数上涨3.21%，创业板指上涨4.54%，国证2000代表的小盘股上涨4.50% [1] - 风格表现上，大盘价值下跌0.21%，大盘成长上涨2.63%，上证50上涨0.47% [1] - 行业层面，通信和电子板块表现靠前，而石油石化和银行板块表现靠后 [1] 市场估值水平 - 截至2025年11月28日，中证全指PETTM分位数为79%，显示估值处于相对较高水平 [1] - 主要指数估值分位数：上证50为75%，沪深300为71%，中证500为60%，中证1000为57% [1] - 创业板指估值分位数接近48%，其风格估值相对历史总体处于中位数水平 [1] 资金与交易情况 - 最近5个交易日，ETF资金流入82亿元，而融资盘减少约191亿元 [2] - 两市日均成交额为17238亿元 [2] 风险偏好指标 - 截至2025年11月28日，中证全指风险溢价（EP减去十年期国债收益率）为2.89% [1] - 该指标的两倍标准差边界为4.73% [1] AI模型识别主题 - 基于卷积神经网络的AI模型将价量数据与未来价格建模，学习特征映射到行业主题 [2][11] - 模型最新配置主题包括中药、银行和高股息等板块 [2] - 具体关注的细分指数包括中证中药指数、中证银行指数和上证国有企业红利指数等 [3][12]

市场近期表现 - 最近5个交易日，科创50指数下跌5.54%，创业板指下跌6.15%，大盘价值下跌1.73%，大盘成长下跌4.25%，上证50下跌3.90%，国证2000代表的小盘股下跌6.24% [1] - 行业板块中，银行和传媒表现靠前，电力设备和综合表现靠后 [1] 估值水平 - 截至2025年11月21日，中证全指PETTM分位数为76%，上证50与沪深300分位数分别为76%和71% [1] - 创业板指估值分位数接近46%，处于历史中位数水平，中证500与中证1000分位数分别为58%和51% [1] 资金交易情况 - 最近5个交易日，ETF资金流入402亿元，融资盘减少约136亿元 [2] - 两市日均成交额为18473亿元 [2] 风险溢价 - 截至2025年11月21日，中证全指静态EP与十年期国债收益率的差值为2.98%，其两倍标准差边界为4.73% [1] AI模型关注主题 - 基于卷积神经网络的AI模型将价量数据特征映射到行业主题，最新配置主题包括能源和高股息等 [2] - 模型关注的细分指数包括中证能源指数、中证智选高股息策略指数、中证旅游主题指数、上证国有企业红利指数和国证石油天然气指数 [3][10]

市场近期表现 - 最近5个交易日，科创50指数下跌3.85%，创业板指下跌3.01%，大盘价值上涨1.44%，大盘成长下跌1.64%，上证50微涨0.003%，国证2000代表的小盘股下跌0.53% [1] - 行业层面，综合与纺织服饰板块表现靠前，而通信与电子板块表现靠后 [1] 市场估值水平 - 截至2025年11月14日，中证全指PETTM分位数为81%，上证50与沪深300的分位数分别为77%和73%，显示大盘股估值处于历史较高水平 [1] - 创业板指估值分位数接近50%，处于历史中位数水平，而中证500与中证1000的估值分位数分别为62%和61% [1] 资金交易情况 - 资金层面，最近5个交易日ETF资金流入122亿元，融资盘增加约77亿元 [2] - 两市日均成交额为20226亿元 [2] 风险溢价水平 - 截至2025年11月14日，中证全指静态市盈率的倒数EP减去十年期国债收益率，即风险溢价指标为2.78%，其两倍标准差边界为4.74% [1] AI模型关注主题 - 基于卷积神经网络的AI模型，通过对价量数据图表进行深度学习，将特征映射到行业主题，最新配置主题包括能源和高股息等 [2] - 模型具体关注的指数包括中证能源指数、中证高股息策略指数、中证智选高股息策略指数、上证国有企业红利指数和中证旅游主题指数 [2][12]

市场表现 - 最近5个交易日，科创50指数涨0.01%，创业板指涨0.65%，大盘价值涨2.33%，大盘成长涨0.28%，上证50涨0.89%，国证2000代表的小盘涨0.52% [1] - 行业板块中，电力设备、煤炭表现靠前，计算机、美容护理表现靠后 [1] 估值水平 - 截至2025年11月7日，中证全指PETTM分位数为82%，上证50与沪深300分位数分别为77%、74% [1] - 创业板指估值分位数接近53%，中证500与中证1000分位数分别为63%、62%，创业板指风格估值相对历史总体处于中位数水平 [1] 资金流向 - 最近5个交易日，ETF资金流入372亿元，融资盘减少约7亿元 [2] - 两市日均成交额为19899亿元 [2] 风险偏好 - 截至2025年11月7日，中证全指静态EP与十年期国债收益率的风险溢价指标为2.78%，其两倍标准差边界为4.74% [1] AI模型配置主题 - 基于卷积神经网络的AI模型将学习特征映射到行业主题板块，最新配置主题包括银行、能源、红利等 [2] - 具体关注的细分指数包括中证银行指数、中证能源指数、中证中央企业红利指数等 [2][3][12]

市场表现 - 最近5个交易日科创50指数下跌3.19%，创业板指上涨0.50%，国证2000代表的小盘股上涨1.18% [1] - 行业方面电力设备、有色金属表现靠前，通信、美容护理表现靠后 [1] - 两市日均成交额为22967亿元 [2] 估值水平 - 截至2025年10月29日中证全指PETTM分位数为81%，上证50与沪深300分位数分别为75%和73% [1] - 创业板指估值分位数接近53%，中证500与中证1000分位数分别为63%和61% [1] - 风险溢价指标为2.84%，两倍标准差边界为4.75% [1] 资金流向 - 最近5个交易日ETF资金流出69亿元 [2] - 融资盘5个交易日增加约469亿元 [2] AI量化模型主题配置 - 使用卷积神经网络对价量数据建模，最新配置主题为银行、能源、红利等 [2] - 具体关注指数包括中证银行指数、中证能源指数、中证中央企业红利指数等细分指数 [2][3][12]

投资评级 - 投资评级为买入，且维持该评级 [7] 核心观点 - 报告认为公司通过参与设立科技投资基金，有助于获取长期投资回报并提升整体竞争实力和盈利能力 [10] - 公司持续发掘自身潜力，拓展第二曲线，传统设计业务全面接入自研AI引擎，有望打开增量收入并提升存量数据价值 [10] 公司投资事件 - 公司与其他合伙人共同投资深圳市重投芯耀一号科技投资合伙企业（有限合伙），合伙企业认缴出资为人民币60020万元，公司以自有资金认缴出资人民币6600万元，出资比例为10.9963% [1][5] - 本次投资旨在通过专业投资机构的资源和优势从事投资业务，为公司获取长期投资回报，并有利于实现经营业务的外延式发展 [10] 业务转型与布局 - 公司于2024年新设子公司华阳文化，涉足数字文化业务，布局微短剧业务，团队规模近百人，覆盖产业链核心环节 [10] - 截至2025年上半年，数字文化业务贡献18.09%的营收，显示出公司在文化内容领域的初步布局成效 [10] - 2025年7月，因业务布局调整，公司转让了多家数字文化子公司的100%股权，并已收到全部股权转让款 [10] 传统业务与AI技术融合 - 公司在传统业务中融合智能化技术，自主研发识图引擎，整合图形引擎和AI通用多模态大模型，推出行业级C端产品“图模空间” [10] - 该产品提供智能化功能，旨在显著提升工程图纸与模型数据的使用效率和价值 [10] 财务数据与预测 - 公司当前股价为15.49元，每股净资产为7.18元，近12月最高/最低价分别为22.58元/12.56元 [7] - 预测归属于母公司所有者的净利润将从2024年的125百万元增长至2027年的175百万元，每股收益从0.64元增长至0.89元 [14] - 预测市盈率从2024年的27.88倍下降至2027年的17.38倍，净资产收益率预计在2025年达到9.5% [14]