非银行金融资产与保险投资的关联性 - 非银行金融资产投资与保险投资的关联性进一步提高 [1][2] - 2008年全球金融危机后，融资环境宽松，非银行金融中介（除保险外）发展迅速，资产实现倍数增长 [1][2] 非银行金融市场规模 - 全球私募信贷规模目前已超过2万亿美元 [1][2] 对保险行业的影响 - 保险公司作为重要资金供给方，投资渠道增加，资产负债结构改善，收益率随之提升 [1][2] - 保险公司面临的信用风险相对较高，因这类资产结构复杂、透明度低、往往缺乏评级或评级不高 [1][2] - 相关资产的借款人本身杠杆率通常很高，违约退出市场的概率相对较大 [1][2] 跨行业风险关联 - 近年来，非银行金融资产与银行业、保险业资产的关联度越来越高 [1][2] - 银行保险机构接受严格监管，对客户和投资资产评级要求更高，关联度提高容易造成风险交织难穿透和传播更快速 [1][2] 监管应对与行业稳健性 - 强化偿付能力的资本占用约束和大额风险暴露的杠杆水平约束，对防范保险公司为追求短期高收益而盲目提高风险偏好十分重要 [1][2] - 上述监管措施有助于提升保险资产的稳健性 [1][2]

报告行业投资评级 - 行业评级：看好/维持 [6] 报告的核心观点 - 金融监管总局发布通知，调整保险公司相关业务风险因子，旨在引导保险公司提高长期投资管理能力，强化资产负债匹配管理，更好发挥保险资金耐心资本作用，有效服务实体经济，推动保险公司持续稳健经营 [1] - 风险因子调整主要涉及两方面：一是对保险公司投资的沪深300指数成分股、中证红利低波动100指数成分股以及科创板股票的风险因子，根据持仓时间进行差异化设置，以培育壮大耐心资本、支持科技创新；二是调整保险公司出口信用保险业务和中国出口信用保险公司海外投资保险业务的保费风险因子、准备金风险因子，引导保险公司加大对外贸企业支持力度、有效服务国家战略 [2] - 此次调整将有效推动险资加快入市进程，平抑市场波动，支持范围涵盖主要宽基和主流投资风格，有利于权益市场均衡健康发展，同时有望推动险企和外贸企业业务联动，服务国家核心战略 [4] - 在当前资本市场承担更大稳定和发展职责的时期，险资的“稳定器”作用尤为重要，本次调整有望提升险企资金运用效率和投资收益，进而提升其经营业绩，同时资本市场运行环境的改善也将直接推动券商业绩释放 [5] - 投资建议持续重点关注行业头部公司的投资价值，以及证券、保险ETF的投资价值 [5] 根据相关目录分别进行总结 事件与政策调整细节 - 事件：金融监管总局发布《关于调整保险公司相关业务风险因子的通知》 [1] - 具体调整细节： - 保险公司持仓时间超过三年的沪深300指数成分股、中证红利低波动100指数成分股的风险因子从0.3下调至0.27，持仓时间根据过去六年加权平均持仓时间确定 [3] - 保险公司持仓时间超过两年的科创板上市普通股的风险因子从0.4下调至0.36，持仓时间根据过去四年加权平均持仓时间确定 [3] - 保险公司出口信用保险业务和中国出口信用保险公司海外投资保险业务的保费风险因子从0.467下调至0.42，准备金风险因子从0.605下调至0.545 [3] 行业影响与投资逻辑 - 年初以来逆全球化进程和中美贸易风波给国内经济复苏带来较大不可预测性，资本市场波动保持在较高水平，险资作为长期资本和耐心资本成为稳定市场信心、补充流动性的关键因子 [4] - 风险因子下调涉及沪深300、红利低波100、科创板指数，基本涵盖主要宽基和主流投资风格，支持范围广、力度大，大盘蓝筹、高股息红利及科技成长板块均有望迎来资金活水 [4] - 调整出口信保业务风险因子有望推动险企与外贸企业业务联动，加快国内优势企业出海发展，更好服务“一带一路”等国家核心战略 [4] - 当前非银行业的马太效应不断增强，行业头部机构更有能力和机会参与政策创新，把握政策红利窗口期，提升自身经营业绩 [5] 行业基本数据 - 行业：非银行金融 [6] - 股票家数：79家，占全市场1.76% [6] - 行业总市值：77107.94亿元，占全市场6.76% [6] - 行业流通市值：60360.33亿元，占全市场6.39% [6] - 行业平均市盈率：11.06 [6]

谷歌新政策对印度数字借贷市场的影响 - Google Play于10月底发布针对印度个人贷款应用的新规定，要求应用必须持有并展示印度储备银行颁发的有效金融服务许可，且必须列入RBI发布的“受监管实体部署的数字借贷应用”公开名单[3] - 新政策给予现有应用过渡期，所有在印度Google Play上架的个人贷款应用必须在2026年1月28日前列入RBI的DLA名单，否则无法继续上架[3] - 对于不直接放贷但促成贷款交易的助贷模式应用，若涉及受监管实体，同样必须列入RBI名单，并在应用说明中披露所有合作的已注册非银行金融机构或银行[4] - 根据观察，RBI的“白名单”上目前共有1578个产品，新政策预计将对许多以“黑包”形式上架的中资出海互金企业产生重大影响[5][6] 印度非银行金融机构监管框架与市场机会 - 在印度开展贷款业务，非银行金融公司是关键资源，其分类包括投资信贷公司、住房金融公司、小额信贷机构、点对点借贷平台等12种类型，各有不同要求[8][9][10] - 印度储备银行已解除对NBFCs向借款人收取利率的监管限制，没有具体的利率上限要求，利率由贷款协议条款决定，但NBFCs必须保持透明度并披露利率信息[11][12] - 外国资本可以参与印度NBFCs，注册申请表格中包含外国直接投资金额、超过10%权益的外国股东国籍以及外国董事国籍等信息选项[13][14] - 尽管RBI无利率上限，但贷款应用上架应用商店需遵守平台规定，例如APP store要求贷款年化利率不能超过36%，Google Play则禁止应用获取照片和通讯录等敏感数据[14][15] 中资企业在印度数字借贷市场的发展与挑战 - 中资互金出海印度在2019年前后最为火热，例如小米当年在印度推出信贷服务，预装Mi Credit，当年即放款12.5亿卢比，覆盖用户100万[18] - 2021年前后，因印度政府整治“暴力催收”等乱象及地缘政治因素，大批中资互金企业选择从印度撤出，小米相关支付和贷款业务也于2022年3月关闭[19] - 近期仍有部分中资企业在印度市场运营，其从业者指出印度催收并非全无可能，当地人有宗教信仰，认为欠钱会受到神明惩罚，若有能力通常会还款[22][23] - 印度市场存在特定风险，包括当地人精通IT技术，存在针对贷款APP风控规则的欺诈行为，给平台造成冲击，同时资金安全及该国对中资的态度也是不确定因素[30][32] - 印度拥有巨大市场潜力，2023年人口约14.4亿，2024年国内生产总值达3.55万亿美元，人均国内生产总值为2430美元[23]

量化模型与因子总结 量化模型与构建方式 1. **模型名称：主动权益型基金仓位测算模型**[24][27] * **模型构建思路**：通过分析公募基金的公开数据（如净值、持仓等），使用量化模型估算其股票资产的平均仓位水平，以监控市场主力资金的动向和风险偏好。 * **模型具体构建过程**： 1. **样本筛选**：从主动权益型基金（包括普通股票型、偏股混合型、灵活配置型、平衡混合型）中筛选合格样本。筛选门槛包括：成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位大于60%[27]。 2. **数据加权**：对合格样本的仓位进行持股市值加权计算，得到市场平均仓位[27]。 3. **剔除处理**：以上测算均剔除不完全投资于A股的基金[28]。 * **模型评价**：该模型是市场常用的监测公募基金仓位变化的工具，能够反映机构投资者的整体仓位水平和调仓趋势，为判断市场情绪和资金流向提供参考。 2. **模型名称：“固收+”基金仓位测算模型**[24][27] * **模型构建思路**：专门针对“固收+”基金（包括偏债混合型、混合债券型二级基金、灵活配置型基金）构建仓位测算模型，以监控这类风险偏好相对较低的资金的权益资产暴露情况。 * **模型具体构建过程**： 1. **样本筛选**：从“固收+”基金中筛选合格样本。筛选门槛包括：成立期满两个季度、未到期、规模大于5000万元、过去四期平均仓位在10%-30%之间[27]。 2. **数据加权**：对合格样本的仓位进行持股市值加权计算，得到市场平均仓位[27]。 3. **剔除处理**：以上测算均剔除不完全投资于A股的基金[28]。 3. **模型名称：公募基金风格仓位分析模型**[31] * **模型构建思路**：将公募基金的持仓股票按市值和成长/价值风格进行分类，计算基金在不同风格板块上的仓位分布，以分析其风格偏好和切换情况。 * **模型具体构建过程**： 1. **风格划分**：将股票划分为大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值六个风格板块。 2. **仓位计算**：基于主动偏股型基金的持仓数据，计算其资产配置在以上六个风格板块中的比例[31]。 3. **趋势分析**：通过比较不同时点的风格仓位，分析公募基金整体的风格动向。 4. **模型名称：公募基金行业仓位分析模型**[34] * **模型构建思路**：基于公募基金的持仓数据，计算其在不同行业（中信一级行业）上的配置比例，以监控主力资金在行业层面的流入流出和偏好变化。 * **模型具体构建过程**： 1. **行业分类**：采用中信一级行业分类标准。 2. **仓位计算**：从持股市值加权平均值来看，计算主动权益型基金在每个行业上的配置比例[34]。 3. **变化分析**：通过比较本周与上周的行业仓位，识别配置比例上调或下调较多的行业[34]。 5. **因子名称：主力/主动资金流因子**[49][50] * **因子构建思路**：根据同花顺对成交单的划分标准，将市场资金流分为特大单、大单、中单、小单，通过计算不同类别资金的净流入/流出额，构建反映主力资金和散户资金动向的因子。 * **因子具体构建过程**： 1. **资金划分标准**： * 特大单：成交量在20万股以上，或成交金额在100万元以上的成交单。 * 大单：成交量在6万股到20万股之间，或成交金额在30万到100万之间，或成交量占流通盘0.1%的成交单。 * 中单：成交量在1万股与6万股之间，或成交金额在5万到30万之间的成交单。 * 小单：成交量在1万股以下，或成交金额在5万元以下的成交单[49]。 2. **因子计算**：对于个股或行业，分别计算其特大单净流入额、大单净流入额、中单净流入额、小单净流入额。其中，主力资金流通常指特大单与大单的净流入之和；主动资金流（主买净额）是基于更细分的算法计算的主动买入净额[50]。 3. **衍生因子**：可进一步构建如“主力净流入&中小单净流出”、“主力净流出&中小单净流入”等复合因子，用于识别资金博弈的典型模式[50]。 模型的回测效果 *注：本报告为市场追踪周报，主要展示截至报告期（2025/12/5）的最新测算结果和近期变化，未提供长期历史回测的绩效指标（如年化收益率、夏普比率、最大回撤等）。以下为模型的最新输出值。* 1. **主动权益型基金仓位测算模型**，截至2025/12/5，主动权益型基金平均仓位约为88.59%。其中，普通股票型基金平均仓位约为91.61%（较上周下降0.21pct），偏股混合型基金平均仓位约为89.77%（较上周下降0.16pct），配置型基金平均仓位约为85.52%（较上周下降0.41pct）[24]。 2. **“固收+”基金仓位测算模型**，截至2025/12/5，“固收+”基金平均仓位约为23.16%，较上周下降0.20pct[24]。 3. **公募基金风格仓位分析模型**，截至2025/12/5，主动偏股型基金大盘成长仓位42.89%（较上周下降0.58pct），大盘价值仓位6.84%（较上周上升0.05pct），中盘成长仓位7.58%（较上周下降0.18pct），中盘价值仓位6%（较上周上升1.23pct），小盘成长仓位27.68%（较上周下降0.26pct），小盘价值仓位9.01%（较上周下降0.26pct）[31]。 因子的回测效果 *注：本报告展示了主力/主动资金流因子在报告期（2025/12/1-2025/12/5）内的具体数值，但未提供该因子在选股或择时上的长期有效性检验指标（如IC、IR、多空收益等）。以下为因子在当周的具体表现。* 1. **主力/主动资金流因子（个股层面）**： * **主力净流入&中小单净流出**的代表个股：天孚通信、京东方A、新易盛、宁德时代、TCL科技等[50]。 * **主力净流出&中小单净流入**的代表个股：香农芯创、蓝色光标、中兴通讯、东方财富、和而泰等[50]。 * **主动资金净买入**的代表个股：京东方A、天孚通信、紫金矿业、新易盛、TCL科技等[50]。 * **主动资金净卖出**的代表个股：贵州茅台、蓝色光标、三六零、多氟多、杰瑞股份等[50]。 * 具体各档资金净流入额TOP5及BTM5个股详见报告表3、表5[54][56]。 2. **主力/主动资金流因子（行业层面）**： * **主力净流入&中小单净流出**的代表行业：有色金属、煤炭、建材等[50]。 * **主力净流出&中小单净流入**的代表行业：计算机、基础化工、电子、传媒、医药等[50]。 * **主动资金净流入**居前的行业：通信、非银行金融、有色金属、家电、国防军工等[50]。 * **主动资金净流出**较多的行业：计算机、基础化工、传媒、医药、电力设备及新能源等[50]。 * 具体各档资金净流入额TOP5及BTM5行业详见报告表4、表6[55][57]。

市场整体表现 - 12月5日A股放量上涨，沪指收涨0.7%报3902.81点，创业板指收涨1.36%报3109.3点，深证成指收涨1.08% [2] - 市场成交额显著放大至1.74万亿元，较前一交易日的1.56万亿元增加 [2] - 市场赚钱效应较好，4387只个股收涨，涨停股80只，975只个股收跌，跌停股12只 [7] - 杠杆资金热度不减，截至12月4日，沪深京两融余额增至2.48万亿元 [2] 领涨板块与个股 - 非银金融板块午后发力，大涨3.5%，领涨市场，中银证券、瑞达期货涨停 [4] - 有色金属板块涨近3%，精艺股份、宁波韵升、西部材料、闽发铝业涨停 [4] - 机械设备板块涨幅2.34%，板块内10只个股涨停，力星股份“20cm”涨停 [5][6] - 国防军工、电力设备、基础化工、计算机、汽车、通信等板块涨幅均超过1% [4] - 新股摩尔线程上市首日收涨425.46%，报600.5元/股，总市值2823亿元，日成交额153亿元 [7] - 光模块通信概念股“易中天”（新易盛、中际旭创和天孚通信）日成交额均超过100亿元，天孚通信涨幅超过6% [7] - 券商股东方财富收涨4.11%，保险股中国平安涨近6% [7] 市场驱动因素分析 - 市场上涨主要得益于保险股大涨，核心推手是金融监管总局下调保险公司三类业务的风险因子，释放了保险资金投资潜力 [8] - 央行在12月5日开展1.14万亿元逆回购操作，单日净投放规模创近期新高，释放了明确的流动性宽松信号 [9] - 国际投行摩根士丹利将中国平安列入重点关注名单并大幅上调其目标价，直接提振了保险板块 [9] - 市场本身在连续调整后存在技术性反弹需求 [9] - 投资者对算力、存力、电力等AI基建类股票重拾信心 [9] - 外资机构近期集体唱多中国，叠加市场对美联储12月降息25个基点的预期，共同推升了A股 [8] 市场特征与机构观点 - 尽管市场放量上涨，但成交水平相较于指数涨幅并不算特别强劲，增量资金入场积极性有限，市场情绪尚未全面回暖 [9] - 上涨主要由大金融和部分热门赛道带动，其他多数板块并未形成有效呼应，市场赚钱效应并不广泛 [9] - 近期市场维持区间震荡、板块快速轮动格局，情绪偏谨慎，增量资金不足，属于弱修复 [10] - 年底机构调仓加剧了市场分化 [10] 后市展望与配置建议 - 预计A股将维持震荡格局，板块分化轮动 [1] - 在谨慎情绪下，防御与高股息品种更具吸引力，短期可关注电力、保险和运营商等高股息防御品种 [1][12] - AI被认为是未来三到五年的投资主线，可关注AI算力、半导体等细分方向机会 [12] - 双创板块已调整充分，非银金融等蓝筹股的股息率与估值均具吸引力 [12] - 12月迎来政策密集窗口，“十五五”规划建议即将落地，特别国债与专项债规模有望扩容 [12] - 随着中央经济工作会议临近，市场对政策基调的博弈将加剧，可能影响风险偏好 [13] - 建议紧扣“政策+技术”共振方向，中长期布局科技成长里的半导体、AI算力，以及商业航天、工业母机等高端制造 [13]

港股通非银ETF（513750）市场表现 - 该ETF于12月3日价格下跌2.05%，当日成交额为7.34亿元 [1] - 当日基金份额减少1400.00万份，最新份额为149.65亿份 [1] - 近20个交易日基金份额累计增加12.30亿份 [1] - 最新资产净值计算值为243.88亿元 [1] 港股通非银ETF（513750）产品概况 - 该ETF的业绩比较基准为同期中证港股通非银行金融主题指数收益率（使用估值汇率折算） [1] - 基金管理人为广发基金管理有限公司，基金经理为罗国庆和曹世宇 [1] - 该基金成立于2023年11月10日，成立以来回报率为62.93% [1] - 该基金近一个月回报率为-3.13% [1]

风格轮动模型信号 - 2025年第四季度大小盘风格轮动模型综合分数为-1，发出小盘配置信号[3] - 2025年第四季度价值成长风格轮动模型综合分数为-3，发出成长配置信号[4] 行业轮动模型表现与观点 - 11月复合因子策略超额收益为-0.58%，单因子多策略超额收益为-0.83%[4] - 12月单因子多策略推荐配置多头行业为银行、建筑、有色金融、非银行金融、电力设备及新能源[4] - 12月复合因子策略推荐配置多头行业为通信、综合金融、计算机、电力设备及新能源、电力及公用事业[4] 核心配置观点 - 第四季度风格轮动模型整体发出小盘、成长信号[1][2] - 电力设备及新能源行业在12月单因子策略和复合因子策略中均被推荐为多头配置行业[1][2][4]

行业投资评级 - 领先大市-A（维持）[3] 核心观点 - 监管持续完善为资本市场发展提供法律保障，推动资本市场高质量发展[3] - 商业不动产REITs试点启动，与基础设施REITs形成互补，丰富资本市场工具，未来REITs市场高质量扩容可期[4][6] - 部分券商有望通过外延式和内涵式发展，探索海外业务增量，利用差异化竞争优势实现业绩稳步增长，建议关注板块投资机遇[4][6] 投资建议 - 中国证监会11月28日宣布研究起草《证券期货市场监督管理措施实施办法（征求意见稿）》，共25条，涵盖监管措施种类、实施原则、一般程序要求和快速处置机制等内容[3][6] - 2025年前三季度券商业绩同比环比均实现较大改善，商业不动产REITs试点启动支持构建房地产发展新模式[4][6] - 建议关注板块投资机遇，监管政策完善推动金融业高质量发展[4][6] 行情回顾 - 上周（20251124-20251128）申万一级非银金融指数涨幅0.68%，在31个申万一级行业中排名第25位[8] - 沪深300指数上涨1.64%至4526.66点，创业板指数上涨4.54%至3052.59点[8] - 个股涨幅居前包括四川双马（9.63%）、瑞达期货（5.89%）、南华期货（4.70%）；跌幅居前包括锦龙股份（-3.51%）、南京证券（-0.99%）、长江证券（-0.87%）[8][10] 行业重点数据跟踪 - 主要指数上涨：上证综指上涨1.40%，沪深300上涨1.64%，创业板指数上涨4.54%[7][10] - A股日均成交额1.74万亿元，环比下降6.87%[7][10] - 两融余额2.47万亿元，环比下降0.04%；融资规模2.47万亿元，融券余额170.77亿元[4][13] - 市场质押股数2950.84亿股，占总股本3.60%[13] - 2025年11月新发行基金份额530.52亿份，发行145只，环比下降34.09%；股票型基金发行139.69亿份，环比下降43.70%，占比26.33%[13] - 2025年11月股权承销规模525.75亿元，其中IPO金额101.88亿元，再融资金额423.88亿元[13] - 中债-总全价指数较年初下跌2.05%；中债国债10年期到期收益率1.84%，较年初上行23.35bp[4][13] 监管政策与行业动态 - 中国人民银行召开打击虚拟货币交易炒作工作协调机制会议，公安部、中央网信办等多部门参与，坚决打击虚拟货币交易炒作[21] - 商业不动产REITs试点启动，征求意见稿包括产品定义、基金注册及运营管理要求、压实责任和强化监管职责等内容，反馈截止时间12月27日[23] - 中国证券业协会修订《证券分析师参加外部评选规范》，调整适用范围、券商评估要求、分析师激励考核和退出评选条款[23] 上市公司重点公告 - 天风证券因涉嫌信息披露违法违规、违法提供融资被中国证监会立案[24] - 中金公司筹划通过发行A股股票方式换股吸收合并东兴证券和信达证券[24]

公司动态 - 中信银行全资成立新公司“信银金融资产投资有限公司” [1] - 新公司注册资本为100亿元人民币 [1] - 新公司经营范围为非银行金融业务 [1] 股权结构 - 信银金融资产投资有限公司由中信银行全资持股 [1]

量化模型与构建方式 1. 扩散指数行业轮动模型 - **模型名称**：扩散指数行业轮动模型[22] - **模型构建思路**：基于价格动量原理，通过计算行业的扩散指数来捕捉行业趋势，选择扩散指数排名靠前的行业进行配置[22][34] - **模型具体构建过程**：模型通过计算每个中信一级行业的扩散指数，该指数反映了行业内个股价格走势的强弱程度，具体构建过程未在报告中详细说明，但核心是识别具有向上趋势的行业[22][24] - **模型评价**：在趋势性行情中表现较好，但在市场风格从趋势转向反转时可能面临失效风险[23][34] 2. GRU因子行业轮动模型 - **模型名称**：GRU因子行业轮动模型[30] - **模型构建思路**：基于门控循环单元（GRU）深度学习网络，利用分钟频量价数据生成行业因子，以把握短期交易信息并进行行业轮动[30][35] - **模型具体构建过程**：模型将分钟频量价数据输入GRU网络进行训练，生成各行业的GRU因子值，GRU作为一种循环神经网络，能够捕捉时间序列数据中的长期依赖关系，具体网络结构和训练参数未详细说明[30][35] - **模型评价**：在短周期内表现较好，对交易信息敏感，但在长周期表现一般，且可能因极端行情而失效[30][35] 模型的回测效果 1. 扩散指数行业轮动模型 - 2025年12月建议配置行业：有色金属、综合、钢铁、银行、电力设备及新能源、电子[23][27] - 本周平均收益：3.53%[27] - 本周超额收益（相对中信一级行业等权）：1.10%[27] - 11月以来超额收益：-0.11%[27] - 2025年以来超额收益：2.55%[22][27] 2. GRU因子行业轮动模型 - 2025年12月建议配置行业：综合、钢铁、银行、综合金融、商贸零售、农林牧渔[31] - 本周调入行业：钢铁[33] - 本周调出行业：房地产[33] - 本周平均收益：1.06%[33] - 本周超额收益（相对中信一级行业等权）：-1.43%[33] - 11月以来超额收益：1.58%[33] - 2025年以来超额收益：-4.45%[30][33] 量化因子与构建方式 1. 行业扩散指数因子 - **因子名称**：行业扩散指数[24] - **因子构建思路**：通过量化行业内个股的价格动量，合成一个代表行业整体趋势强弱的扩散指数[24] - **因子具体构建过程**：报告未提供具体的计算公式和构建步骤，但指出该因子用于衡量行业趋势强度，数值越高代表行业趋势越强[24][25] 2. GRU行业因子 - **因子名称**：GRU行业因子[31] - **因子构建思路**：利用GRU深度学习模型处理分钟频量价数据，输出代表行业短期强弱的因子值[31][35] - **因子具体构建过程**：报告未提供具体的计算公式和构建步骤，但指出该因子基于历史量价数据训练生成，用于行业轮动决策[31][35] 因子的回测效果 1. 行业扩散指数因子 - 截至2025年11月28日，因子排名前六的行业及取值：有色金属(0.994)、综合(0.961)、钢铁(0.939)、银行(0.937)、电力设备及新能源(0.902)、电子(0.853)[24] - 截至2025年11月28日，因子排名后六的行业及取值：食品饮料(0.343)、电力及公用事业(0.498)、交通运输(0.503)、房地产(0.548)、建筑(0.563)、石油石化(0.616)[24] - 周度环比变化提升前六的行业及变化值：建材(+0.197)、汽车(+0.185)、消费者服务(+0.158)、传媒(+0.153)、综合金融(+0.146)、计算机(+0.144)[26] - 周度环比变化下降后六的行业及变化值：石油石化(-0.058)、煤炭(-0.007)、银行(+0.002)、有色金属(+0.009)、农林牧渔(+0.033)、食品饮料(+0.043)[26] 2. GRU行业因子 - 截至2025年11月28日，因子排名前六的行业及取值：综合(4.42)、钢铁(3.9)、银行(0.5)、综合金融(0.43)、商贸零售(0.18)、农林牧渔(-0.33)[31] - 截至2025年11月28日，因子排名后六的行业及取值：通信(-15.26)、国防军工(-9.1)、电子(-8.71)、医药(-8.44)、计算机(-8.11)、房地产(-7.63)[31] - 周度环比变化提升较大的行业：综合、钢铁、综合金融[31] - 周度环比变化下降较大的行业：传媒、交通运输、家电[31]