2026年8月第1周A股量化择时研究：AI识图关注红利低波、现金流、价值

市场结构分化，小盘风格相对占优

本期市场呈现明显的结构分化特征。从主要宽基指数表现来看，中证1000与国证2000代表的小盘股方向分别上涨1.14%和1.45%，而中证100、沪深300等大盘指数则出现不同程度调整。行业层面，传媒、社会服务、商贸零售等消费服务类板块表现靠前，煤炭、非银金融、机械设备、电子、通信等板块则相对承压。风格维度上，大盘价值上涨2.23%，大盘成长下跌3.28%，价值风格显著跑赢成长风格。

估值水平与历史分位分析

截至报告期末，主要市场指数估值处于历史中等偏高水平。中证全指PETTM分位数为78%，上证50与沪深300分别为75%和77%，创业板指接近72%。行业估值方面，建筑装饰、美容护理、食品饮料、电力设备、纺织服装等行业的相对PE处于较低水平，而机械设备、计算机、房地产、农林牧渔、电子等行业的相对PE则相对较高。从PB维度观察，银行、煤炭、石油石化等周期类板块PB分位数偏低，计算机、电子、国防军工等成长板块PB分位数相对较高。

市场情绪指标边际改善

多项情绪指标呈现积极变化。创近60日新低个股数占比从前一期的24.9%大幅降至6.4%，创近60日新高个股数占比则从6.4%小幅升至6.8%。基金仓位跟踪显示，普通股票、偏股混合、平衡混合、灵活配置等权益类基金的整体仓位维持在历史中等偏上水平。ETF资金流向方面，部分主流宽基ETF呈现资金净流入态势。

宏观因子与风险溢价视角

从宏观因子趋势对权益市场一个月影响来看，社融存量同比处于1月均线上方，对股票资产观点偏多；PMI的3月均线、10年期国债收益率的12月均线、美元指数的1月均线则对股票资产观点偏空或中性。风险溢价指标方面，中证全指静态PE的倒数EP减去十年期国债收益率的数值，与历史两倍标准差边界相比仍有一定空间。

卷积神经网络模型配置方向

基于卷积神经网络对图表化价量数据与未来价格的建模分析，并将学习特征映射到行业主题板块，最新配置主题聚焦于红利低波、现金流、价值三大方向。具体涉及的指数包括沪深300红利低波动指数、中证A500红利低波动指数、沪深300自由现金流指数、国证价值100指数、中证红利低波动100指数。该模型通过对个股窗口期内的标准化价量图表进行深度学习，挖掘市场潜在的结构性机会。

多维技术指标观察

从个股均线结构来看，多头排列减空头排列个股占比从前一期的-47.1%降至-48.5%，短期市场趋势仍待修复。指数超跌指标显示，部分主要指数及行业指数的超跌程度与2018年底相比处于不同水平。融资余额方面，绝对规模及占流通市值比例均处于近期相对平稳状态。市场真实换手率考虑自由流通股本后，反映实际交易活跃度的变化。

研究方法与模型局限性

本报告采用卷积神经网络对图表化价量数据进行建模，并结合宏观因子事件、日历效应、风险溢价等多维度指标进行市场分析。需要关注的是，GFTD模型和LLT模型历史择时成功率约为80%，市场极端情况下模型可能失效。日历效应和宏观因子事件由历史数据回测得到，市场结构及交易行为的改变可能使得策略失效。因量化模型差异，本报告观点可能与其他量化模型结论存在差异。