公司专利技术动态 - 联想（北京）有限公司于2025年11月申请了一项名为“刷新率配置方法及电子设备”的专利，公开号为CN121565073A [1] - 该专利方法包括获取目标对象与显示屏之间未来第一时段内的交互信息，并基于此信息响应目标交互事件，确定用于调整显示屏刷新率的目标配置参数 [1] - 公司成立于1992年，位于北京，主营业务为计算机、通信和其他电子设备制造业，注册资本为565,000万港元 [1] 公司知识产权与经营概况 - 联想（北京）有限公司共对外投资了107家企业 [1] - 公司参与招投标项目5000次 [1] - 公司拥有商标信息1747条，专利信息5000条，以及行政许可238个 [1]

公司专利与技术动态 - 京东方科技集团股份有限公司于近期取得一项名为“一种调光玻璃及其制备方法和车辆”的专利，授权公告号为CN116685898B，该专利的申请日期为2021年12月 [1] - 公司专利信息总数达到5000条 [1] 公司基本概况 - 京东方科技集团股份有限公司成立于1993年，位于北京市，主营业务为计算机、通信和其他电子设备制造业 [1] - 公司注册资本为374.1388亿人民币 [1] - 公司对外投资了73家企业，并参与了306次招投标项目 [1] - 公司拥有777条商标信息及47个行政许可 [1] 子公司情况 - 北京京东方传感技术有限公司是京东方科技集团股份有限公司的关联企业，成立于2017年，位于北京市，从事其他制造业 [1] - 该公司注册资本为57.794824亿人民币 [1] - 该公司对外投资了4家企业，参与了84次招投标项目，拥有630条专利信息及1个行政许可 [1]

公司业务与产品动态 - 朗科科技在投资者互动平台确认其朗科算力调度平台具备算力资源监测、调度、租赁运营与系统管理能力 [1] - 公司正逐步搭建AI大模型API调用服务体系 [1] - 针对投资者关于是否支持部署clawdbot的询问，公司明确表示平台目前暂未支持该产品在线一键部署 [1]

报告行业投资评级 - 报告未明确给出对北交所或相关行业的整体投资评级 [1][3][5] 报告的核心观点 - 北交所市场温和上涨 在“金三银四”开工旺季与两会政策预期下 市场或延续结构性机会 [1][3] - 市场呈现明显的结构性特征 与当日A股市场周期股领涨的主线高度契合 如稀土、磷化工、小金属等涨价题材 [3] - 市场热点方面 国企改革、西部大开发等政策主题与周期品涨价形成合力 叠加上海楼市“沪七条”优化政策提振市场情绪 [3] - 外部环境方面 美国IEEPA关税政策被裁定违法短期缓解贸易摩擦担忧 而中东局势升温为能源板块带来不确定性 [3] - 新质生产力政策支持与资源品价格弹性有望持续利好高端装备、新材料等领域 [3] - 北交所近期推出的再融资优化措施将进一步改善企业融资环境 提升市场活力 [3] - 需关注主板热点轮动可能对北交所资金形成分流 并跟踪市场量能放大的持续性及政策落地效果 [3] 根据相关目录分别进行总结 一、行情复盘 1.1 板块行情复盘 - 2月25日北证A股成交金额达186.56亿元 较上一交易日增加22.77亿元 [1][8] - 北证50指数收盘价为1,547.201 上涨0.77% PE_TTM为65.09倍 [1][8] - 北证专精特新指数收盘价为2,597.61 上涨1.22% [1][8] - 北证A股日换手率为3.1% 公司数量295家 [13] 1.2 个股涨跌复盘 - 当日北交所294家公司中208家上涨 6家平盘 80家下跌 [1][15] - 涨幅前五的个股分别为：同辉信息（10.3%）、安达科技（8.2%）、天力复合（6.3%）、纳科诺尔（6.3%）、恒合股份（6.1%） [1][15] - 跌幅前五的个股分别为：连城数控（-7.1%）、科力股份（-5.9%）、视声智能（-3.5%）、蘅东光（-3.5%）、戈碧迦（-3.3%） [1][15] - 涨幅居前的个股成交额环比增幅显著 如安达科技成交额环比增642.6%至4.6亿元 同辉信息环比增303.6%至2.0亿元 [15] 1.3 新股上市进展 - 2月25日 明日申购新股为觅睿科技 [17] 二、重要新闻 - OpenAI的星际之门项目因资金问题受挫 战略重心转向掌控数据中心内部资源而非拥有实体资产 [2][17] - OpenAI在定制芯片问题上落后于其他科技巨头 于2025年才开始定制芯片研发 [2][17] - 日本电子零件大厂村田制作所正评估是否调涨旗下积层陶瓷电容(MLCC)价格 [2][18] 三、重点公司公告 - **迪尔化工**：2025年预计实现营业收入7.26亿元 同比下降7.21% 归母净利润0.57亿元 同比下降33.54% [2][19] - **鸿智科技**：2025年预计实现营业收入4.72亿元 同比下降1.61% 归母净利润0.29亿元 同比下降16.96% [2][20][21] - **浩淼科技**：2025年预计实现营业收入4.22亿元 同比下降22.46% 归母净利润0.18亿元 同比下降7.00% [22] - **南特科技**：2025年预计实现营业收入10.96亿元 同比增长6.36% 归母净利润1.02亿元 同比增长3.63% [23] - **则成电子**：2025年预计实现营业收入3.94亿元 同比增长0.57% 归母净利润0.18亿元 同比下降31.51% [24]

股票交易异常波动 - 公司股票在2026年2月24日、25日、26日连续三个交易日收盘价格涨幅偏离值累计超过20%，构成股票交易异常波动 [1] - 经自查并向控股股东及实际控制人查证，截至公告日，不存在应披露而未披露的重大事项或重大信息 [1] - 公司生产经营情况正常，内外部经营环境未发生重大变化 [1] 重大事项排查情况 - 公司确认不存在重大资产重组、股份发行、重大交易、业务重组、股份回购、股权激励、破产重整、重大业务合作、引进战略投资者等重大事项 [1] - 未发现对公司股票交易价格产生影响的媒体报道、市场传闻或热点概念 [1] - 公司董事、高级管理人员、控股股东及实际控制人在股价异动期间不存在买卖公司股票的情况 [1] 估值与交易指标 - 根据中证指数官网2026年2月25日数据，公司最新滚动市盈率为340.77 [1] - 公司滚动市盈率显著高于所属“C39计算机、通信和其他电子设备制造业”行业平均滚动市盈率55.71 [1] - 公司最近一个交易日换手率为9.75%，高于前期水平 [1]

核心观点 - 英伟达亮眼财报提振市场信心，带动A股市场国产算力与AI应用板块走强，大数据ETF华宝（516700）表现活跃，资金持续流入[1] - 国产算力（IDC、服务器）与AI应用是当前市场关注焦点，相关产业链公司股价普涨，行业处于关键加速期[1][2][3] 市场表现与资金流向 - 大数据ETF华宝（516700）在2月26日盘中涨幅上探2.27%，现涨2%[1] - 该ETF此前3个交易日连续吸金近900万元，反映资金看好大数据方向后市表现[1] - 截至2025年底，该ETF标的指数中，算力概念权重占比达40.91%，AI应用概念权重占比达37.43%[4] 领涨个股与板块 - 润泽科技领涨，涨幅达18.56%，总市值1682亿，成交额107.30亿[2] - 奥飞数据涨11.57%，总市值257亿，成交额32.02亿[2] - 云天励飞-U涨9.63%，总市值334亿，成交额14.97亿[2] - 光环新网涨7.16%，总市值299亿，成交额28.54亿[2] - 其他跟涨个股包括曙光数创（涨5.69%）、数据港（涨4.79%）、科华数据（涨4.26%）、云赛智联（涨3.55%）、东土科技（涨3.24%）、拓维信息（涨2.97%）[2][6] 行业分析与机构观点 - 开源证券指出，AI需求可预见性提升，软件侧亦孕育机会，2026年春节或成C端AI全民普及拐点，行业竞争转向场景落地与用户体验[2] - 国产大模型在算力和数据受限前提下已跻身全球第一梯队，后续tokens调用量想象空间较大[2] - 华西证券认为，AI发展阶段仍处关键加速期，算力芯片供应体系逐渐丰富，应用发展对于token需求量加速增加，底层算力基建仍在扩张期[3] - 坚定看好国产厂商升级替代机遇，包括国产算力芯片、交换机、服务器等需求放量，以及CSP厂商资本开支加速带来的算力租赁和AIDC市场机遇[3] - 华鑫证券指出，数据中心是AI的核心基础设施，海内外算力市场高景气度推动IDC行业稳步增长[3] - 招商证券指出，算力驱动数据中心建设热潮，带动产业链公司订单显著增长[3] 产品与指数构成 - 大数据ETF华宝（516700）被动跟踪中证大数据产业指数，重仓数据中心、云计算、大数据处理等细分领域[5] - 权重股汇聚中科曙光、科大讯飞、紫光股份、浪潮信息、中国长城、中国软件等龙头股[5]

科技创新与产业创新融合 - 科技创新和产业创新是发展新质生产力的基本路径 需要搭建平台、健全体制机制 强化企业创新主体地位 让创新链和产业链无缝对接[1] - 新质生产力主要由技术革命性突破催生 科技创新能够催生新产业、新模式、新动能 是发展新质生产力的核心要素[3] - 发展新质生产力不是忽视、放弃传统产业 要用新技术改造提升传统产业 积极促进产业高端化、智能化、绿色化[7] 基础研究与源头创新 - “中国天眼”（FAST）作为世界最大单口径射电望远镜 在快速射电暴研究上取得关键突破 发现重复快速射电暴FRB 20220529应起源于双星系统[2] - “中国天眼”的超灵敏探测与海量数据处理技术已衍生应用到精密测量、安全监测等领域[3] - 过去一年 我国基础研究加速进入“从0到1”突破期 在世界上率先实现钍铀核燃料转换、超导量子计算原型机“祖冲之三号”创造世界纪录、在全球范围内首次揭示月球背面演化历史[3] - 我国在全球创新指数排名中首次跻身前十[3] 传统产业转型升级 - 中国科学院山西煤炭化学研究所团队自主研发高性能碳纤维技术 建成千吨级生产线并稳定运行[7] - 产出的碳纤维为航空航天、新能源、低空经济等领域提供自主可控的材料基石 实现了从“跟跑”到“并跑”的重要跨越[7] - 从“手撕钢”不断刷新世界纪录 到新技术助力破解硫化氢污染难题 再到纺织企业研发可降解面料推动印染工艺绿色转型 传统产业正通过创新激活新动能[8] 前沿技术与产业应用 - 上海思朗科技自主研发国内首款3D科学计算机“天穹” 相较于传统二维架构超算系统快2到4个数量级[9] - “天穹”计算机适配于求解各类三维仿真科学问题 应用场景从提升智能手机影像体验 到为卫星互联网通信提供支撑 再到成为探索微观世界规律的“数字显微镜”[9] - 过去一年 这颗“中国芯”已用于国内多个大科学装置和新药研发平台 成为连接人工智能与基础科学研究的关键桥梁[9] 创新生态与产业发展 - 一年来 从实验室到生产线 从书架到货架 科技创新与产业创新的“双融合”正在加速 科技成果加快转化应用[10] - 人工智能、生物科技等前沿领域形成新经济增长点 高技术产业规模不断壮大[10] - 强化企业科技创新主体地位是推动深度融合的关键 要培育壮大科技领军企业 充分发挥企业“出题人”“答题人”“阅卷人”作用[11]

公司财务与经营状况 - 公司预计2025年度净利润为亏损[1] - 公司预计扣除与主营业务无关的业务收入和不具备商业实质的收入后的营业收入低于3亿元人民币[1] - 公司主营业务、生产经营情况以及内外部经营环境未发生重大变化[1] - 公司不存在应披露而未披露的重大事项[1] 股票交易与市场表现 - 公司股票在2月12日至13日以及2月24日连续三个交易日内收盘价格跌幅偏离值累计达到20%，构成股票交易异常波动[1] - 公司股票在2月25日至26日连续两个交易日内收盘价格涨幅偏离值累计达到20%，构成股票交易异常波动[1] 上市地位与监管规定 - 公司预计在披露2025年年度报告后，其股票将触及《上海证券交易所股票上市规则》规定的财务类终止上市情形[1]

量化模型与构建方式 1. **模型名称：GAN_GRU模型**[4][13] * **模型构建思路**：这是一个结合了生成式对抗网络（GAN）和门控循环单元（GRU）的深度学习选股模型。首先利用GAN模型对量价时序特征进行增强和预处理，以挖掘更有效的特征表示；然后将处理后的特征输入GRU模型进行时序编码，最终预测股票未来收益并形成因子[4][13]。 * **模型具体构建过程**： 1. **数据准备**：选取所有个股过去400个交易日内的18个量价特征（包括收盘价、开盘价、成交量、换手率等日频和月频特征）[14][17][19]。每5个交易日进行一次特征采样，采样形状为(40, 18)，即使用过去40天的特征来预测未来20个交易日的累计收益[18]。训练集与验证集比例为80%：20%[18]。 2. **数据处理**：对每次采样的40天内的每个特征，在时序上进行去极值和标准化处理；同时，每个特征在个股截面上也进行标准化处理[18]。 3. **GAN特征生成**：构建一个GAN模型用于处理原始量价时序特征。生成器（G）采用LSTM模型，以保留输入特征的时序性；判别器（D）采用CNN模型，将量价时序特征视为二维“图片”进行识别[33]。GAN的训练过程是生成器和判别器的交替对抗训练[29]。 * 生成器的损失函数为： $$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ 其中，\(z\) 表示随机噪声，\(G(z)\) 表示生成器生成的数据，\(D(G(z))\) 表示判别器判断生成数据为真实数据的概率[24][25]。 * 判别器的损失函数为： $$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ 其中，\(x\) 是真实数据，\(D(x)\) 是判别器对真实数据的输出概率[27]。 4. **GRU时序编码**：将经过GAN生成器处理后的特征（形状仍为(40, 18)）[37]，输入到一个两层GRU网络（GRU(128, 128)）中进行时序特征编码[22]。 5. **收益预测**：在GRU层后接入一个多层感知机（MLP(256, 64, 64)），将模型最终输出的预测收益（pRet）作为选股因子[22]。 6. **模型训练与更新**：采用半年滚动训练方式，每年6月30日和12月31日各训练一次模型，用于未来半年的预测[18]。训练时使用Adam优化器，学习率为1e-4，损失函数为IC，并设置早停机制[18]。 7. **因子处理**：在测试和使用因子前，会对因子进行行业和市值中性化处理，并进行标准化[22]。 量化因子与构建方式 1. **因子名称：GAN_GRU因子**[4][13] * **因子构建思路**：该因子是GAN_GRU模型的直接输出。具体而言，是利用GAN模型增强后的量价时序特征，通过GRU模型编码后，由MLP层预测出的股票未来20个交易日的累计收益，将此预测值作为选股因子[4][13][18][22]。 * **因子具体构建过程**： 1. 按照上述GAN_GRU模型流程，输入个股过去40个交易日的18个量价特征[18]。 2. 模型经过GAN特征生成、GRU时序编码和MLP预测后，输出一个标量值，即该股票未来20个交易日的预测累计收益（pRet）[22]。 3. 对所有股票计算该预测值，即得到截面上的GAN_GRU因子值[22]。 4. 在回测和分析前，对原始因子值进行行业和市值中性化处理，并进行标准化[22]。 模型的回测效果 1. **GAN_GRU模型（因子）全市场表现（月频调仓，2019年2月至2026年2月）**[41][42] * IC均值：0.1096*** * ICIR（未年化）：0.87 * 年化收益率：38.13% * 年化波动率：23.18% * 信息比率（IR）：1.64 * 最大回撤率：27.29% * 年化超额收益率：22.32% * 换手率：0.82X * 近期IC（2026年2月）：-0.0105*** * 近一年IC均值：0.0517*** 因子的回测效果 1. **GAN_GRU因子行业IC表现（截至2026年2月）**[4][42] * **2月当期IC排名前五的行业（除综合）及IC值**： * 电力及公用事业：0.1257*** * 商贸零售：0.1196*** * 房地产：0.1151*** * 建筑：0.1130*** * 基础化工：0.1063*** * **近一年IC均值排名前五的行业（除综合）及IC均值**： * 钢铁：0.1404*** * 计算机：0.1175*** * 传媒：0.1132*** * 商贸零售：0.1014*** * 食品饮料：0.0989*** 2. **GAN_GRU因子行业多头组合表现（截至2026年2月25日）**[2][45][46] * **2月当期多头组合超额收益前五的行业（除综合）及超额收益**： * 石油石化：7.91% * 通信：3.11% * 电子：3.06% * 有色金属：2.78% * 计算机：2.78% * **近一年月平均超额收益前五的行业（除综合）及超额收益**： * 房地产：3.83% * 商贸零售：2.04% * 汽车：1.93% * 建筑：1.50% * 消费者服务：1.49%

量化模型与构建方式 1. **模型名称：GAN_GRU模型**[4][13] * **模型构建思路**：该模型是一个深度学习选股模型，其核心思路是首先利用生成式对抗网络（GAN）对量价时序特征进行处理和增强，然后利用GRU模型对处理后的时序特征进行编码，最终输出股票的预测收益作为选股因子[4][13]。 * **模型具体构建过程**： 1. **数据准备与特征**：使用18个量价特征，包括日频特征（如前收盘价、开盘价、收盘价、最高价、最低价、成交量、成交金额、涨跌幅、振幅、换手率、均价）和月频特征（如月成交金额、月涨跌幅、月振幅、月换手率、月收盘最高价、月收盘最低价、月日均换手率）[17][19]。选取所有股票，剔除ST及上市不足半年的股票[18]。 2. **特征采样与处理**：对于每只股票，取过去400天内的18个量价特征，每5个交易日进行一次采样，采样形状为40*18（即过去40天的特征）[18]。每次采样的40天内，每个特征在时序上进行去极值和标准化处理，同时每个特征在个股截面上进行标准化处理[18]。 3. **标签设定**：利用过去40天的量价特征来预测未来20个交易日的累计收益[18]。 4. **GAN特征生成**：为了增强量价时序特征，构建了一个GAN模型。其中，生成器（G）采用能够保留时序性质的LSTM模型，输入原始量价时序特征（形状为(40,18)），输出处理后的特征（形状仍为(40,18)）[33][37]。判别器（D）采用适用于二维图像处理的CNN模型，用于区分真实特征与生成特征[33]。GAN的训练过程是生成器和判别器交替对抗训练，其损失函数分别为： * 生成器损失函数：$$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ 其中，\(z\)为随机噪声，\(G(z)\)为生成数据，\(D(G(z))\)为判别器判断生成数据为真的概率[24]。 * 判别器损失函数：$$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ 其中，\(x\)为真实数据，\(D(x)\)为判别器判断真实数据为真的概率[27]。 5. **GRU收益预测**：将经过GAN生成器处理后的特征（或原始特征？报告指出GAN_GRU因子是利用GAN处理后再用GRU编码，但具体流程图中可能包含原始特征与生成特征的结合）输入到一个两层GRU网络（GRU(128, 128)）中进行时序特征编码[14][22]。随后连接一个多层感知机（MLP(256, 64, 64)）[22]。模型最终输出预测收益（pRet）作为选股因子[22]。 6. **训练与预测**：采用半年滚动训练方式，训练时间点为每年的6月30日及12月31日，用训练好的模型预测未来半年的收益[18]。训练集与验证集比例为80%:20%[18]。训练时使用Adam优化器，学习速率为1e-4，损失函数为IC，设置早停轮数为10，最大训练轮数为50[18]。 * **模型评价**：该模型结合了GAN的数据增强能力和GRU的时序建模能力，旨在挖掘量价数据中更深层次的时序特征以预测股票收益。 2. **因子名称：GAN_GRU因子**[4][13] * **因子构建思路**：GAN_GRU因子即为GAN_GRU模型最终输出的股票预测收益（pRet）[22]。该因子在用于选股测试前，会经过行业和市值中性化处理，并进行标准化[22]。 * **因子具体构建过程**： 1. 运行上述GAN_GRU模型，获得每只股票在调仓时点的预测收益值。 2. 对得到的原始因子值进行行业和市值中性化处理。 3. 对中性化后的因子值进行标准化处理，得到最终的GAN_GRU因子[22]。 模型的回测效果 （注：报告主要提供了GAN_GRU因子的回测效果，未单独提供GAN_GRU模型的回测效果指标。模型效果通过其输出的因子表现来体现。） 量化因子与构建方式 （注：本报告核心因子即为GAN_GRU因子，其构建方式已包含在“GAN_GRU模型”的构建过程中，并作为单独因子列出如上。） 因子的回测效果 1. **GAN_GRU因子** * **全市场表现（2019年2月至2026年2月，月频调仓）**： * IC均值：0.1096***[41][42] * ICIR（未年化）：0.87[42] * 年化收益率：38.13%[42] * 年化波动率：23.18%[42] * 信息比率（IR）：1.64[42] * 最大回撤率：27.29%[42] * 年化超额收益率：22.32%[41][42] * 换手率：0.82X[42] * **近期表现（截至2026年2月25日）**： * 最新一期IC：-0.0105***[41][42] * 近一年IC均值：0.0517***[41][42] * **行业IC表现（截至2026年2月）**： * **当月IC排名前五行业**：电力及公用事业 (0.1257***)、商贸零售 (0.1196***)、房地产 (0.1151***)、建筑 (0.1130***)、基础化工 (0.1063***)[4][42] * **近一年IC均值排名前五行业**：钢铁 (0.1404***)、计算机 (0.1175***)、传媒 (0.1132***)、商贸零售 (0.1014***)、食品饮料 (0.0989***)[4][42] * **行业多头组合表现**： * **当月超额收益前五行业（截至2026年2月25日）**：石油石化 (7.91%)、通信 (3.11%)、电子 (3.06%)、有色金属 (2.78%)、计算机 (2.78%)[2][45] * **近一年月均超额收益前五行业**：房地产 (3.83%)、商贸零售 (2.04%)、汽车 (1.93%)、建筑 (1.50%)、消费者服务 (1.49%)[2][46] * **近一年未跑赢行业指数的行业数量**：7个（交通运输、建材、煤炭、非银金融、传媒、有色、通信）[2][46]