市场情绪与交易活跃度 - 市场情绪指标数值为3.2，较上周五的3.25基本保持同一水平，市场情绪仍处于高位但开始有回落迹象[3][9] - 价量一致性指标周二小幅回落至布林带上界下方后再度突破，融资余额绝对值突破两万亿创历史新高[3][11] - 全A成交额连续三日突破两万亿，周四日成交额达23062.83亿人民币，日成交量1526.15亿股[3][15] 行业表现与资金动向 - 电子、计算机行业短期得分继续上升至100，成为短期趋势最强的前五个行业[3][30] - 电子、电力设备、非银金融等高涨幅板块伴随较高资金拥挤度，建筑装饰、国防军工等板块拥挤度高但涨幅偏低[3][35] - 科创50成交额占比指标有所上升但较年初仍处于较低水平，资金偏好未发生明显变化[3][17] 风格与模型信号 - 均线排列模型显示家用电器、汽车、食品饮料等行业短期趋势得分上升趋势靠前[3][30] - RSI模型提示成长风格占优信号，5日RSI较20日RSI呈现快速下降趋势[3][43] - 当前模型维持小盘风格占优信号，申万小盘/申万大盘RSI指标显示小盘风格占优[45][48] 行业拥挤度分析 - 机械设备、电子、建筑装饰为周平均拥挤度最高行业，石油石化、轻工制造等拥挤度最低[35][39] - 行业拥挤度与涨跌幅分布显示美容护理、公用事业等低涨幅低拥挤度板块可能迎来配置机会[3][39]

量化模型与构建方式 1. **模型名称**：均线距离择时模型 **模型构建思路**：通过比较Wind全A指数的短期均线（20日）和长期均线（120日）的距离，判断市场趋势[2][9] **模型具体构建过程**： - 计算Wind全A指数的20日均线（短期）和120日均线（长期） - 计算两线距离百分比： $$均线距离 = \frac{短期均线 - 长期均线}{长期均线} \times 100\%$$ - 当距离绝对值大于3%且短期均线位于长期均线之上时，判定为上行趋势[2][9] **模型评价**：简单直观，能有效捕捉市场趋势变化 2. **模型名称**：仓位管理模型 **模型构建思路**：结合估值水平和趋势信号，动态调整绝对收益产品的股票仓位[3][10] **模型具体构建过程**： - 评估Wind全A的PE（70分位）和PB（30分位）估值水平[3][10] - 结合均线距离模型的趋势信号（当前7.96%） - 根据预设规则输出仓位建议（当前80%）[3][10] 3. **模型名称**：TWO BETA行业配置模型 **模型构建思路**：通过双因子分析筛选科技等特定板块[2][8][15] **模型具体构建过程**： - 未披露具体因子构建细节 - 输出行业推荐：军工、算力、电池等科技板块[2][8][15] 4. **模型名称**：行业轮动模型 **模型构建思路**：综合政策驱动和困境反转逻辑配置行业[2][8][15] **模型具体构建过程**： - 未披露具体构建方法 - 输出推荐：港股创新药、证券保险、光伏、煤炭、有色[2][8][15] 量化因子与构建方式 1. **因子名称**：赚钱效应因子 **因子构建思路**：通过趋势线偏离度衡量市场赚钱效应[2][8][9] **因子具体构建过程**： - 计算Wind全A当前价格与趋势线的偏离百分比 - 公式： $$赚钱效应值 = \frac{当前价格 - 趋势线}{趋势线} \times 100\%$$ - 当值为正时视为赚钱效应显著[2][8][9] 2. **因子名称**：估值分位数因子 **因子构建思路**：通过历史分位数评估市场估值水平[3][10][17] **因子具体构建过程**： - 计算Wind全A的PE/PB相对于2014-2025年历史数据的分位数 - 当前PE位于70分位，PB位于30分位[3][10][17] 模型的回测效果 1. **均线距离择时模型** - 当前均线距离：7.96%[2][9] - 趋势判定：上行趋势[2][9] 2. **仓位管理模型** - 当前建议仓位：80%[3][10] 因子的回测效果 1. **赚钱效应因子** - 当前取值：3.73%[8][15] 2. **估值分位数因子** - PE分位数：70%[3][10] - PB分位数：30%[3][17]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称**：三维复合不定期择时信号 **模型构建思路**：通过信贷脉冲（经济基本面）、Beta离散度（整体情绪）、交易量能（结构风险）三个核心维度构建择时体系，分别对应平衡指标、高赔率指标、高胜率指标[12] **模型具体构建过程**： - 信贷脉冲：采用信贷脉冲环比变化分位数，反映经济基本面边际变化 - Beta离散度：计算市场个股Beta值的离散程度，衡量情绪分化水平 - 交易量能：基于成交额分位数构建量能情绪指标 **模型评价**：样本内择时效果优秀，2025年6月样本外跟踪持续有效[12] 2. **模型名称**：周度择时策略（VERSION2） **模型构建思路**：优化基本面信号处理方式，替换PMI和中长期贷款余额指标[15] **模型具体构建过程**： - PMI信号改为直接判断是否大于50（原为分位数法） - 用信贷脉冲环比变化分位数替代中长期贷款余额同比增速 **模型评价**：新版本在信贷周期改善阶段表现更优，但2021-2023年信号稳定性略有下降[15] 3. **模型名称**：成长价值轮动模型 **模型构建思路**：基于盈利周期、利率周期、信贷周期三因素构建风格轮动框架[29] **模型具体构建过程**： - 基本面：盈利斜率（成长）、利率水平（价值）、信贷变化（价值） - 估值面：PE/PB估值差分位数均值回归效应 - 情绪面：换手差和波动差分位数分析 **模型评价**：2012年以来年化超额收益4.73%，但2025年暂时跑输基准[32] 4. **模型名称**：小盘大盘轮动模型 **模型构建思路**：与成长价值模型共享经济周期框架，侧重市值风格切换[33] **模型具体构建过程**： - 估值差分析：小盘大盘PE/PB分位数（93.88%/97.67%） - 情绪指标：换手差（81.01%分位数利好小盘）[35] 5. **模型名称**：四风格轮动模型 **模型构建思路**：整合成长价值和小盘大盘模型，形成小盘成长/价值+大盘成长/价值四象限配置[37] **模型具体构建过程**： - 当前配置比例：小盘成长37.5%+小盘价值12.5%+大盘成长37.5%+大盘价值12.5% **模型评价**：2012年以来年化超额5.72%，但2025年超额-3.26%[38] 模型的回测效果 1. **三维复合择时模型**： - 年化收益21.26% | 年化波动14.46% | 最大回撤12.80% | 夏普比率126.76 | 年化超额13.39%[14] 2. **周度择时策略（VERSION2）**： - 2025年样本外收益22.82% | 最大回撤11.74% | 夏普比率1.5273[25] - 全区间年化收益17.83% | 超额13.24% | 最大回撤22.44%[27] 3. **成长价值轮动模型**： - 全区间年化收益11.76% | 超额4.73% | 最大回撤43.07%[32] 4. **小盘大盘轮动模型**： - 全区间年化收益12.45% | 超额5.21% | 最大回撤50.65%[36] 5. **四风格轮动模型**： - 全区间年化收益13.37% | 超额5.72% | 最大回撤47.91%[38] 量化因子与构建方式 1. **因子名称**：信贷脉冲环比变化 **因子构建思路**：反映经济基本面边际变化的领先指标[15] **因子具体构建过程**： $$ \text{信贷脉冲}_t = \frac{\Delta \text{信贷余额}_t}{\text{GDP}_t} - \text{移动平均}(\frac{\Delta \text{信贷余额}}{\text{GDP}}, n) $$ 取环比变化分位数作为标准化信号 2. **因子名称**：Beta离散度 **因子构建思路**：衡量市场情绪分化程度[12] **因子具体构建过程**： $$ \text{离散度} = \sqrt{\frac{1}{N}\sum_{i=1}^N (\beta_i - \bar{\beta})^2} $$ 其中$\beta_i$为个股相对市场Beta值 3. **因子名称**：量能情绪得分 **因子构建过程**： - 计算成交额60日均值 - 当前成交额/60日均值分位数作为标准化信号[21] 因子的回测效果 1. **信贷脉冲因子**： - 年化收益11.36% | IR 3.49 | 最大回撤16.75%[14] 2. **Beta离散度因子**： - 年化收益13.08% | IR 5.21 | 最大回撤33.64%[14] 3. **交易量能因子**： - 年化收益15.58% | IR 7.71 | 最大回撤26.19%[14]

市场表现 - 最近5个交易日科创50指数涨5.53%，创业板指涨8.48%，大盘价值跌0.76%，大盘成长涨3.63%，上证50涨1.57%，国证2000代表的小盘涨3.86% [1] - 通信、电子行业表现靠前，银行、钢铁行业表现靠后 [1] - 中证全指风险溢价指标在2024/01/19达到4.11%，为2016年以来第五次超过4%，截至2025/08/15该指标回落至3.23% [1] 估值水平 - 截至2025/08/15中证全指PETTM分位数72%，上证50与沪深300分位数分别为69%、63%，创业板指分位数接近33%，中证500与中证1000分位数分别为54%、52% [2] - 创业板指估值处于历史相对较低水平 [2] - 深100指数技术面呈现3年周期规律，2012/2015/2018/2021年下行幅度40%-45%，2021年一季度开始的调整时间与空间较充分 [2] 资金交易 - 最近5个交易日ETF资金流出104亿元，融资盘增加约418亿元，两市日均成交20767亿元 [3] 量化模型应用 - 采用卷积神经网络对价量数据建模，将学习特征映射至行业主题板块，最新配置主题为通信等 [2][8] - 模型涉及中证全指通信设备指数(931160.CSI)、中证钢铁指数(930606.CSI)、中证通信设备主题指数(931271.CSI)等标的 [9] 市场情绪与技术指标 - 权益资产风险溢价跟踪显示历史极端底部通常出现在均值上两倍标准差区域，如2012/2018/2020年 [1] - 深100指数技术面周期显示当前调整或接近尾声 [2]

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **Black-Litterman模型** - 模型构建思路：结合市场均衡收益和投资者主观观点，优化资产配置[17][20] - 模型具体构建过程： 1. 计算市场均衡收益（逆向优化） 2. 整合投资者主观观点（通过观点矩阵和信心水平） 3. 使用贝叶斯方法调整预期收益 4. 通过均值-方差优化得到最终权重[20] - 模型评价：有效平衡市场均衡与主观观点，降低极端配置风险[20] 2. **风险平价模型** - 模型构建思路：使每类资产对组合风险的贡献相等[27][30] - 模型具体构建过程： 1. 选择底层资产（有效性、分散性、流动性）[30] 2. 计算资产风险贡献： $$TRC_i(w) = w_i \frac{\partial \sigma(w)}{\partial w_i}$$ 3. 优化目标： $$\min \sum_{i=1}^{n}\sum_{j=1}^{n}(TRC_i(w)-TRC_j(w))^2$$ $$s.t. \sum w_i=1, 0\leq w_i\leq1$$[28] 4. 转化为凸优化问题求解[29] - 模型评价：改进传统均值-方差模型，提升风险分散性[30] 3. **逆周期配置模型** - 模型构建思路：基于宏观经济周期调整股债配置比例[43] - 模型评价：在衰退期增加债券配置，扩张期增加权益配置[43] 4. **宏观动量择时模型** - 模型构建思路：利用经济增长、通胀、利率等宏观指标预测资产走势[58][60] - 模型评价：对经济周期转折点敏感，但存在滞后性[60] 5. **情绪择时模型** - 模型构建思路：通过涨跌停板、流动性等指标捕捉投资者情绪极端变化[65][67] - 模型评价：在市场情绪极端时效果显著，但需结合其他信号过滤噪音[67] --- 量化因子与构建方式 1. **ETF轮动因子** - 因子构建思路：结合宏观与量价指标选择风格ETF[71][73] - 因子具体构建过程： - 宏观层面：经济增长、社融、利差等指标 - 量价层面：动量、波动率、拥挤度[71] - 综合打分决定配置权重[73] 2. **行业轮动因子** - 因子构建思路：四象限模型（景气度/情绪/技术/宏观）[82][83] - 因子具体构建过程： - 景气度：行业ROE分位数 - 情绪：分析师评级上调比例 - 技术：动量+换手率+波动率加权 - 宏观：PMI/PPI等指标的行业敏感性[83] 3. **高频量价因子** - 因子类型： - 日内偏度、下行波动占比 - 盘后大单净买入强度 - 改进反转因子[93] - 因子评价：短周期有效性显著，但需控制交易成本[93] 4. **ST预警因子** - 因子构建思路：财务指标预测ST风险[101][104] - 因子具体构建过程： - 利润为负且营收低于阈值 - 净资产为负 - 审计报告异常[101] --- 模型的回测效果 | 模型名称 | 年化收益 | 最大回撤 | 年化波动 | 夏普比率 | 卡玛比率 | 数据来源 | |--------------------|----------|----------|----------|-----------|-----------|----------------| | BL策略1 | 6.58% | 3.18% | 2.15% | 1.86 | 2.07 | [22][24] | | 风险平价策略 | 6.56% | 3.15% | 1.91% | 2.08 | 2.08 | [31] | | 逆周期配置模型 | 7.36% | 5.02% | 6.06% | 1.13 | 1.97 | [43] | | 宏观动量择时模型 | 7.06% | 8.85% | 6.12% | 1.24 | 0.85 | [60] | | 情绪择时模型 | 7.74% | 40.52% | 24.91% | 1.01 | 0.62 | [67][87] | --- 因子的回测效果 | 因子类型 | IC均值 | 多空收益 | 年化超额 | 数据来源 | |--------------------|----------|----------|----------|----------------| | 改进反转因子 | 0.031 | 17.44% | 6.14% | [93] | | 多颗粒度模型(5日) | 0.081 | 44.62% | 16.41% | [93] | | ST预警因子 | - | - | 12-4月跑输市场 | [104][107] | （注：部分因子测试结果因文档格式限制未完全列出，详见原文引用处）

量化模型与构建方式 1. 模型名称：基于动态宏观事件因子的中证港股通大消费指数择时策略 模型构建思路：通过经济、通胀、货币和信用四维度的20余个宏观数据指标构建事件因子，筛选出对指数择时效果较好的5个宏观因子，根据因子信号确定仓位[4][21] 模型具体构建过程： - 宏观数据预处理： - 对齐数据频率至月频 - 缺失值填充公式：$$X_{t}=X_{t-1}+Median_{diff12}$$[28] - 滤波处理使用单向HP滤波公式：$${\hat{t}}_{t|t,\lambda}=\sum\nolimits_{s=1}^{t}\omega_{t|t,s,\lambda}\cdot y_{s}=W_{t|t,\lambda}(L)\cdot y_{t}$$[29] - 衍生数据结构（同比/环比/移动平均）[30] - 事件因子构建： - 确定突破方向（与收益率相关性）[31] - 确定领先滞后性（测试0-4期）[31] - 生成三类事件因子（突破均线/中位数/同向变化）[31][33] - 筛选标准：t检验显著、收益率胜率>55%、发生次数>窗口期/6[33] - 因子叠加优化（相关系数<0.85）[34] - 动态确定最优滚动窗口（48-96个月）[34] - 仓位确定规则： - 看多信号>2/3则仓位100% - 看多信号<1/3则仓位0% - 中间比例则按比例确定仓位[36] 模型评价：在基准回撤阶段能有效控制下行风险，多数年份取得正超额收益[12] 量化因子与构建方式 1. 因子名称：PMI原材料价格因子 因子构建思路：使用原始PMI原材料价格数据，构建突破类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：96个月 - 事件类型：突破均线/中位数/同向变化[33] 2. 因子名称：中美国债利差10Y因子 因子构建思路：利用中美10年期国债利差原始数据构建事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：72个月 3. 因子名称：金融机构中长期贷款余额因子 因子构建思路：基于12个月滚动求和同比数据构建信用类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：48个月 4. 因子名称：M1同比因子 因子构建思路：利用货币供应量M1同比数据构建货币类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：48个月 5. 因子名称：新增社融滚动求和同比因子 因子构建思路：基于12个月滚动求和同比数据构建信用类事件因子[36] 因子具体构建过程： - 数据处理：原始数据直接使用 - 滚动窗口：96个月 模型的回测效果 1. 基于动态宏观事件因子的择时策略（2018/11-2025/7）： - 年化收益率：9.31% - 最大回撤：-29.72% - 夏普比率：0.54 - 收益回撤比：0.31[3][11] - 2025年7月收益率：2.79%（基准2.48%）[11] - 平均仓位：约43%[11] 2. 细分因子信号表现（2025年2-7月）： - PMI原材料价格因子：连续6个月发出信号（5次看多）[14] - 新增社融因子：2025年6月看多信号[14] 因子的回测效果 1. 最终筛选的5个宏观因子（2014/11起测试）： - PMI原材料价格因子：开仓波动调整收益率最优（96个月窗口）[36] - 中美国债利差10Y因子：开仓波动调整收益率次优（72个月窗口）[36] - 其他三个因子均通过55%胜率筛选标准[34]

市场情绪与资金活跃度 - 市场情绪指标数值为3.25，较上周五的3.2小幅上升，维持高位水平，观点偏多[3][9] - 价量一致性指标位于布林带上界震荡，资金活跃度保持较高状态[3][12] - 全A成交额周内回落但日成交额仍高于1.6万亿元，周四日成交额达18524.79亿人民币，日成交量1257.40亿股[3][17] - 科创50成交额占比有所上升，但较年初仍处于较低水平，资金偏好未明显变化[3][17] 行业表现与资金配置 - 机械设备、国防军工、有色金属等高涨幅板块伴随较高资金拥挤度，短期需关注估值与情绪回落风险[3][33] - 医药生物、社会服务板块资金拥挤度高但涨幅偏低，后续或具备补涨潜力[3][33] - 商贸零售、食品饮料等低涨幅低拥挤度板块可能在风险偏好回升时迎来配置机会[3][33] - 机械设备短期趋势得分上升至100，轻工制造、国防军工、综合、传媒为短期趋势最强前五行业[3][30] 风格与模型信号 - 当前模型维持小盘风格占优信号，RSI模型提示成长风格占优但5日RSI较20日RSI快速下降[3][39] - 纺织服饰、家用电器、机械设备、汽车、轻工制造等行业短期趋势得分上升趋势靠前[3][30] - 行业拥挤度最高为医药生物、社会服务、国防军工、建筑装饰、电子，最低为综合、纺织服饰、轻工制造、公用事业、商贸零售[33][34] 技术指标与市场动态 - PCR结合VIX指标由正转负，显示期权市场情绪转向谨慎[3][12] - 行业间交易波动率向上突破，资金活跃度上升，市场情绪进一步修复[3][22] - 融资余额占比保持在布林带下方，融资余额绝对值创年内新高[3][12]

市场观点 - 下周市场或将维持震荡上行，SAR指标向上突破反转，情绪模型显示市场情绪回暖，上行趋势未被打破[1][2] - 沪深300流动性冲击指标为2.49，高于前一周2.15，显示当前市场流动性高于过去一年平均水平2.49倍标准差[2] - 上证50ETF期权PUT-CALL比率周五为0.92，低于前一周1.10，投资者对短期走势谨慎程度下降[2] - 上证综指和Wind全A五日平均换手率分别为1.06%和1.65%，处于2005年以来70.22%和76.10%分位点，交易活跃度有所下降[2] 宏观因子 - 人民币汇率震荡，在岸和离岸汇率周涨幅分别为0.39%、0.05%[2] - 中国7月CPI同比0.0%，低于前值0.1%，高于Wind一致预期-0.12%；PPI同比-3.6%，和前值持平，低于Wind一致预期-3.44%[2] 技术分析 - Wind全A指数于8月6日向上突破翻转指标[2] - 均线强弱指数当前得分为246，处于2023年以来91.5%分位点[2] - 情绪模型得分为3分（满分5分），趋势模型和加权模型信号均为正向[2] 市场表现 - 上周上证50指数上涨1.27%，沪深300指数上涨1.23%，中证500指数上涨1.78%，创业板指上涨0.49%[3] - 当前全市场PE（TTM）为20.7倍，处于2005年以来67.9%分位点[3] 因子拥挤度 - 小市值因子拥挤度0.79，低估值因子拥挤度0.11，高盈利因子拥挤度-0.25，高盈利增长因子拥挤度0.25[3] - 小市值因子拥挤度出现下降[3] 行业拥挤度 - 机械设备、国防军工、有色金属、综合和钢铁的行业拥挤度相对较高[4] - 国防军工和机械设备的行业拥挤度上升幅度相对较大[4]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：均线距离择时模型** - **模型构建思路**：通过比较Wind全A指数的短期均线（20日）和长期均线（120日）的距离来判断市场趋势[2][9] - **模型具体构建过程**： 计算20日均线和120日均线的差值，公式为： $$均线距离 = \frac{20日均线 - 120日均线}{120日均线} \times 100\%$$ 当均线距离绝对值大于3%时，认为市场处于上行趋势[2][9] - **模型评价**：简单直观，能够有效捕捉市场趋势变化 2. **模型名称：仓位管理模型** - **模型构建思路**：结合估值水平和短期趋势判断，为绝对收益产品提供仓位建议[3][10] - **模型具体构建过程**： 根据Wind全A的PE（70分位）和PB（30分位）估值水平，结合均线距离信号，建议仓位80%[3][10] 3. **模型名称：TWO BETA行业配置模型** - **模型构建思路**：基于市场风险偏好和行业特性推荐科技板块[2][8] - **模型具体构建过程**： 未披露具体公式，但持续推荐军工和算力板块[2][8] - **模型评价**：适合上行趋势市场环境 模型的回测效果 1. **均线距离择时模型** - 当前均线距离：6.92%[2][9] - 趋势判断：上行趋势（距离>3%）[2][9] 2. **仓位管理模型** - 建议仓位：80%[3][10] 量化因子与构建方式 1. **因子名称：赚钱效应因子** - **因子构建思路**：通过计算当前价格与趋势线的偏离程度反映市场赚钱效应[2][8] - **因子具体构建过程**： $$赚钱效应值 = \frac{当前价格 - 趋势线}{趋势线} \times 100\%$$ 当值为正时保持高仓位[2][8] - **因子评价**：有效反映市场资金流向 2. **因子名称：估值分位因子** - **因子构建思路**：通过PE/PB历史分位数判断市场估值水平[3][10] - **因子具体构建过程**： 计算Wind全A指数PE/PB在过去10年（2014-2025）的历史分位数[11][14] 因子的回测效果 1. **赚钱效应因子** - 当前取值：2.30%[2][8] - 趋势线位置：5540点[2][8] 2. **估值分位因子** - PE分位：70%[3][10] - PB分位：30%[3][10]

市场情绪与指标分析 - 市场情绪指标数值为3.2，较上周五的1.8进一步上升，代表市场情绪进一步上升，整体观点偏多[4] - 价量一致性指标上升代表当前资金活跃度进一步上升，资金观点分歧减弱、短期情绪不确定性进一步下降[4] - 行业交易拥挤度维持情绪看多信号，综合各项指标，模型得出市场情绪仍维持一个修复状态[4] - 本周全A成交额维持较高水平，周四日成交额为周内最高，为19618.49亿人民币，日成交量1406.64亿股[4] - 周五市场迎来下跌且日成交量大幅下滑，周五当日成交额为16198.84亿人民币，日成交量1143.11亿股[4] - 科创50相对万得全A成交占维持较低水平，行业间交易波动率继续上升，表明资金活跃度较高[4] 行业表现与趋势 - 本期和上期涨幅均维持靠前的行业有基础化工、电子行业[4] - 行业涨跌幅维持靠后的行业有汽车、环保、石油石化等，其他行业趋势较弱[4] - 从本周行业的日度表现上看，在价格趋势上较强的行业有医药生物、计算机等[4] - 截至2025/8/1，大部分行业短期得分较上期均有所回落，计算机、传媒、通信、食品饮料等行业短期趋势得分小幅上升[4] - 根据行业短期得分数值上看，社会服务、电子、医药生物、计算机、通信是短期得分最强的前五个行业[4] 风格与模型信号 - 当前模型整体提示小盘成长风格占优信号，当前模型维持提示小盘风格占优信号[4] - RSI模型提示成长风格占优信号，但5日RSI较20日RSI有所下降，有待未来进一步观察指标走势[4] - 行业间交易波动率保持上升趋势，表明资金活跃度较高，且流动较快、交易频繁[4] - 资金观点分歧缩小，市场对行业短期价值判断趋同，理性交易增加[4] - 短期情绪更稳，不确定性降低，市场情绪进一步向上修复[4]