A股量化择时研究报告：AI识图关注电力、电网、公用事业

识别风险，发现价值请务必阅读A股量化择时研究报告市场回顾（本期是指2026年3月9日—2026年3月13日）结构表现(涨幅)30050080020000.29%0.19%-1.44%-0.29%-0.42%-1.13%行业表现强度前五：煤炭、电力设备、建筑装饰、公用事业、银行。强度后五：国防军工、石油石化、综合、有色金属、传媒。市场估值指数估值↓：上证指数行业估值相对PE较低：食品饮料、建筑装饰、电力设备、美容护理、通信。相对PE较高：计算机、电子、农林牧渔、商贸零售、钢铁。市场情绪新高比例创近60日新高个股数占比从前一期的11.4%升至12.0%。新低比例创近60日新低个股数占比从前一期的6.4%升至11.2%。均线结构多头排列减空头排列个股占比从前一期的19%降至14%。矿工论市市场展望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。最新配置主题为电力、电网、公用事业等，具体包括国证绿色电力指数、中证绿色电力指数、中证全指电力公用事业指数、中证全指公用事业指数、中证电网设备主题指数等细分指数。风险提示市场极端情况模型可能失效。日历效应和宏观因子事件由历史数据回测得到，PPI同比数据判断市场走势的结论是基于历史数据得出的，市场结构及交易行为的改变可能使得策略失效，注意控制风险。因为量化模型的不同，本报告提出的观点可能与其他量化模型得出的结论存在差异。请注意，张钰东并非香港证券及期货事务监察委员会的注册持牌人，不可在香港从事受监管活动。识别风险，发现价值请务必阅读末 4（一）市场涨跌之结构表现 4（二）市场涨跌之行业表现 （一）市场估值趋势 （二）行业估值变动跟踪 （一）新高新低比例指标 （二）个股均线结构指标 （三）基金仓位 （五）期权成交量看涨看跌比 （六）市场交易活跃度 （一）宏观因子事件 （二）年初至今个股表现统计 （三）风险溢价 （四）指数超买超卖 （五）融资余额 （六）卷积神经网络趋势观察 识别风险，发现价值请务必阅读末 4 4 5 5 6 6 7 7 8 9 识别风险，发现价值请务必阅读末本报告中，本期指2026年3月9日—2026年3月13日的交易日，本一、市场表现回顾上证指数深证成指创业板指上证50沪深300科创50识别风险，发现价值请务必阅读末公用事业银行基础化工社会服务公用事业银行基础化工社会服务机械设备有色金属石油石化识别风险，发现价值请务必阅读二、市场与行业估值 注：数据截至2026年3月13日，历史统2011060120241231识别风险，发现价值请务必阅读20230901 识别风险，发现价值请务必阅读银行社会服务传媒银行社会服务传媒基础化工石油石化公用事业机械设备有色金属识别风险，发现价值请务必阅读末三、A股市场情绪跟踪60日新低比例上证指数（右）2024123160日新高比例上证指数（右）识别风险，发现价值请务必阅读末20120131201902012023103120240731长期均线以上比例沪深300指数（右）识别风险，发现价值请务必阅读末普通股票、偏股混合、平衡混合、灵活配置，历史仓位中位数在60%以上，剔201708012017080120221031202411012025073130.0%00规模（亿元）资金流（20251031识别风险，发现价值请务必阅读末上证50ETF期权成交量看涨看跌比率（CPR）最近20个交易日高于61识别风险，发现价值请务必阅读末2022120120231101识别风险，发现价值请务必阅读末四、多维视角看市场宏观因子的变化体现了经济在周期内的变动，所以股市、债市、大宗商品的变化趋势与宏观因子的变化趋势密切相关。在宏观因子的选择上，我们从多个角度来考虑，对市场影响比较大的宏观因子主要包括货币政策、财政政策、流动性、通胀我们尝试利用宏观因子在最近一段时间内的走势作为未来资产趋势判断的依据，我们定义四类宏观因子事件(短期高低点、连续上涨下跌、创历史新高新低、因子走势反转)来表现宏观因子的走势，并从历史上寻找有效因子事件——即对于资产未来收益率影响较为显著的因子事件。识别风险，发现价值请务必阅读末我们采用历史均线，将宏观因子走势分为趋势上行和趋势下行，然后统计历史上宏观指标趋势对于资产未来一个月收益率的影响，筛选在宏观指标处于不同的--识别风险，发现价值请务必阅读末23.9%23.9%识别风险，发现价值请务必阅读末202007312020123120230901风险溢价avgavg+2*sigmaavg全全A剔除金融石化创业板指上证50注：图例NEW指代截至2026年3月13日的数据，图例20181228指代截至识别风险，发现价值请务必阅读末有色金属公用事业食品饮料银行有色金属公用事业食品饮料银行机械设备石油石化基础化工社会服务注：图例NEW指代截至2026年3月13日的数据，图例20181228指代截至3210识别风险，发现价值请务必阅读末基于《基于卷积神经网络的股价走势AI识别与分类》等深度学习研究报告，对每个个股窗口期内的价量数据构建标准化的图表，探究了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。识别风险，发现价值请务必阅读末五、主要结论设板指风格估值相对历史总体处于中位数水平。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，并将学习的特征色电力指数、中证绿色电力指数、中证全指电力公用事业指数、中证全指公用事业指数、中证电网设备主题指数等细分指数。六、风险提示判断市场走势的结论是基于历史数据得出的，市场结构及交易行为的改变可能使得论