行业周度表现突出大金融板块 [page::0][page::1][page::2]

• 本周上证指数站上3500点，综合金融涨6.73%，房地产涨6.06%，非银行金融涨3.94%，钢铁涨3.9%。

- 表现靠后的行业包括汽车(-0.56%)、家电(-0.18%)、银行(-0.13%)等。

• 行业融资余额上涨最多为有色金属(28.26亿元)、电子(25.74亿元)、非银行金融(24.64亿元)、计算机(23.25亿元)、电力设备及新能源(17.89亿元)。

行业资产资金流向与ETF表现 [page::2][page::3][page::4][page::5]

| 证券代码 | 证券简称 | 周涨跌幅 | 上周末规模(亿元) | 本周末规模(亿元) | 净流入(亿元) |
|----------|--------------|----------|------------------|------------------|--------------|
| 515220.SH| 煤炭ETF | 1.56% | 43.94 | 57.29 | 12.25 |
| 588200.SH| 科创芯片ETF | 1.23% | 280.92 | 296.35 | 11.94 |
| 512660.SH| 军工ETF | 0.38% | 155.97 | 165.86 | 9.28 |
| 512800.SH| 银行ETF | 0.88% | 123.65 | 134.41 | 8.65 |
| 512890.SH| 红利低波ETF | 0.99% | 197.38 | 207.88 | 7.74 |

• 净流入行业前五为金融地产(43.53亿元)、TMT(28.71亿元)、国防军工(17.02亿元)、新能源(14.48亿元)、上游及材料(6.86亿元)。

- 净流出行业集中在消费(-5.21亿元)、医药生科(-2.95亿元)、宏观主题(-2.94亿元)等。

扩散指数行业轮动效果及配置建议 [page::5][page::6][page::7]

• 扩散指数模型2025年途径超额收益3.23%，本周推荐配置综合金融、综合、通信、非银行金融、传媒、计算机。

- 周度行业扩散指数环比提升行业主要为交通运输、建材、农林牧渔等，表现较好。

GRU因子行业轮动表现及组合配置 [page::7][page::8][page::9]

• GRU因子排名前六行业为钢铁、非银行金融、食品饮料、交通运输、有色金属、农林牧渔。

- 近期因子提升较快的为有色金属、食品饮料和非银行金融，本周模型调入非银行金融，调出银行。

• 本周GRU因子组合收益2.33%，超额收益0.21%，今年以来累计收益-4.40%。

风险提示 [page::0][page::9]

• 扩散指数模型失效风险：当行情从趋势转向反转时，模型可能失效。

- GRU模型失效风险：模型适用短周期行情，遇极端行情可能表现欠佳。

• 政策风险：短期政策频繁调整可能导致模型调仓滞后，影响收益。

报告详尽分析：《大金融表现居前助指数突破，GRU行业轮动调入非银行金融——行业轮动周报20250713》

---

1. 元数据与概览

• 报告标题：《大金融表现居前助指数突破，GRU行业轮动调入非银行金融——行业轮动周报20250713》

- 发布机构： 中邮证券有限责任公司

• 作者： 肖承志，李子凯（Zeta金工研究团队）

- 发布日期： 2025年7月14日（微信公众号摘编发布为7月15日）

• 主题： 股票市场行业轮动分析，重点关注金融行业表现及基于扩散指数与GRU因子模型的行业轮动策略

- 目标读者： 专业投资者，机构投资者

报告核心论点简述

本周上证指数持续上行，突破3500点，核心驱动力量为大金融板块特别是非银行金融和综合金融的积极表现。通过两大量化模型——扩散指数模型和GRU因子模型的行业轮动观察，非银行金融表现活跃，获得模型的调入，银行板块被调出。行业扩散指数今年以来累计带来3.23%的超额收益，GRU模型也显示出一定的行业择时能力，尽管2025年以来整体表现有所回撤但依然具备一定参考价值。资金面上，融资余额及ETF资金流向均体现出金融地产、钢铁、有色金属等行业的热度。报告强调可能的风险包括模型失效及政策变化风险。

---

2. 逐节深度解读

2.1 摘要与投资要点

• 本周上证指数突破3500点关口，得益于非银行金融与综合金融的接力上涨，且金融地产板块表现突出，大多数中信一级行业上涨。

- 涨停家数持续在60家左右，多个概念板块如高温、稀土、大金融等轮番活跃，稳定币、军工、PCB展现潜在起头趋势，但也被提示作为可能的风险点。

• 资金层面，公司融资资金净流入明显，特别是有色和电子板块，ETF资金流入重点集中于军工、煤炭，同时流出医药及部分红利ETF。

- 扩散指数模型强调大金融的持仓超额使行业轮动继续恢复，GRU因子模型调整行业配置，调入非银行金融，调出银行。[page::0,1]

2.2 中信一级行业表现与融资情况

• 周度涨跌幅（2025年7月4日至7月11日）： 综合金融（+6.73%）、房地产（+6.06%）、非银行金融（+3.94%）、钢铁（+3.9%）表现优异；汽车、家电及银行等行业微跌，国防军工和煤炭涨幅有限。

- 年度表现： 2025年至今，综合金融涨幅最大达33.02%，有色金属、银行也表现出色；煤炭产业继续下行(-9%)，食品饮料等消费相关行业表现疲软。

• 融资余额： 有色金属融资余额净增28.26亿元，电子25.74亿，非银行金融24.64亿，计算机23.25亿，新能设备17.89亿领先，而食品饮料、石油石化、交通运输等融资余额减少，表明市场资金关注资金面较强的行业。[page::1,2,3]

2.3 行业/主题ETF流向

• 本周ETF资金流入排名前五的ETF是煤炭ETF（12.25亿）、科创芯片ETF（11.94亿）、军工ETF（9.28亿）、银行ETF（8.65亿）、红利低波ETF（7.74亿）。

- 分行业来看，金融地产（43.53亿）、TMT（28.71亿）、国防军工（17.02亿）、新能源（14.48亿）、上游及材料（6.86亿）成为资金净流入主力。

• 净流出ETF包括游戏、红利类、医药等，反映资本市场短期偏好变化，游戏ETF流出5.95亿表现出市场乐观程度有所降温。

- 行业ETF成交额方面，军工龙头ETF（35.77亿）、煤炭ETF（24.2亿）、科创芯片ETF（72.83亿）为行业热点。（见图表4-6）[page::2,3,4,5]

2.4 扩散指数行业轮动分析

• 扩散指数模型背后基于价格动量原理，自2021年以来的实证中表现出波动性，2025年累计超额收益3.23%，今年7月以来略有回升。

- 行业扩散指数排名前列的行业包括非银行金融、综合金融、综合、通信、传媒、钢铁，反映大金融与部分传统工业行业维持投资价值。

• 从周度环比看，上升最快的行业是交通运输（+0.188）、建材（+0.132）、农林牧渔（+0.068）等，显示市场资金在这些行业中回暖迹象。

- 落后行业为煤炭、石油石化、电子等，提示下跌趋势可能持续或轮动拖累。

• 月度轮动显示建议组合包括综合金融、综合、通信、非银行金融、传媒和计算机，反映稳健配置倾向。

- 图表7和图表8详细呈现行业扩散指数的时间序列变化，显示轮动模型与中信一级行业收益率间的累积超额表现。[page::5,6,7]

2.5 GRU因子行业轮动分析

• GRU因子模型基于分钟级量价数据，通过深度学习网络实现行业因子的动态评估。

- 2025年以来整体超额收益为-4.40%，表明当前环境下模型面临挑战，市场主题聚焦且波动对模型适用性产生压力。

• 行业因子排名前六依次为钢铁（5.82）、非银行金融（4.33）、食品饮料（2.48）、交通运输（1.64）、有色金属（1.28）、农林牧渔（1.24）；后六为建材、综合金融、电子、通信、传媒和基础化工。

- 周度轮动中，GRU模型本周期调入非银行金融，调出银行，反映对非银行金融行业活跃交易信号的认可。

• 图表9展示GRU因子周度Rank IC变化，蓝色柱状表示周IC，橙色表示累计IC，显示模型短期内表现波动较大。

- 图表11表明GRU行业轮动净值高于市场等权行业指数，显示出一定的行业选时能力，但需注意其适用周期和市场环境敏感性。[page::7,8,9]

---

3. 图表深度解读

3.1 中信一级行业指数周度涨跌幅（图表1）

• 说明： 展示各一级行业周度涨跌幅，横轴为行业名称，纵轴为周涨跌幅(%)

- 数据关键点：
- 综合金融(近7%)最高，房地产、非银行金融、钢铁紧随其后，都在3%-6%之间；
- 负增长行业包括汽车（-0.56%）、家电和银行微跌，反映近期消费和银行板块表现疲软；

• 趋势分析： 大金融板块对本轮指数走强贡献显著，部分周期行业如钢铁表现抢眼；此图支持文本中大金融驱动市场向上的论点。[page::2]

3.2 中信一级行业指数年度涨跌幅（图表2）

• 说明： 反映2025年以来各行业累计涨跌幅，正负差异显著

- 解读：
- 综合金融年涨幅超过30%，领先整个市场；
- 有色金属(+21%)、银行(+20%)表现稳健，显示资金偏好转向防御性及资源行业；
- 消费相关的食品饮料(负4.72%)和煤炭(-9%)表现较弱，形成阶段性资金撤离的格局；

• 意义： 年度视角下市场结构性分化明显，资金青睐金融及资源类资产。[page::3]

3.3 融资余额周度变化统计（图表3）

• 内容描述： 表格详细展示沪深两市各行业融资余额的具体净增或净减数值，数值以亿元计。

- 重点数据：
- 有色金属整体融资净增28.26亿，电子25.74亿，非银行金融24.64亿，计算机和新能源行业融资也具增长；
- 融资余额下降行业中食品饮料减少4.32亿，石油石化、交通运输和房地产也出现净流出。

• 支持结论： 资金流入与行业指数表现相呼应，强势行业融资活跃，弱势行业资金谨慎撤出。

- 潜在局限： 表中仅为周度净变动，未体现资金绝对规模波动及其它融资渠道资本影响。[page::3]

3.4 ETF资金流向相关表格（图表4-6）

• 图表4-5明细列出具体ETF所受资金净流入和流出情况，排行详细且补充涨跌幅信息。煤炭ETF、科创芯片ETF资金净流入居前，而游戏ETF、医药ETF资金净流出明显。

- 图表6从行业角度总结ETF净流向，金融地产、TMT、军工、新能源和上游材料资金表现强势，消费及医药领域资金流出，行业成交额也反映市场关注热点。

• 结合文字： 支持行业轮动策略及资金面行情的文字描述，充分体现出稳健偏好与主题投资轮动。

- 局限性： ETF规模变化反映资金热度，仍需结合行业基本面及估值判断投资机会。[page::4,5]

3.5 行业扩散指数周度以及月度轮动（图表7-8）

• 图表7为行业扩散指数时间序列，显示核心行业扩散指数持续偏高如非银行金融、综合金融维持在1.0或接近，上升行业主要包括交通运输、建材等。

- 图表8显示扩散指数行业轮动净值与中信一级行业等权指数对比，轮动策略体现优越表现，累计超额收益呈现正收益趋势。

• 解读： 扩散指数模型在捕捉趋势行业方面表现稳健，市场季节性或周期轮动通过指数变化清晰反映。

- 局限： 模型主要依赖价格趋势，面临趋势变化敏感度不足及反转时失效风险。[page::6,7]

3.6 GRU因子排名及轮动图（图表9 & 11）

• 图表9显示GRU因子模型的Rank IC，解读为模型当周预测能力的有效性指标，短周期存在波动，累计IC呈下降趋势。

- 图表11呈现GRU因子行业轮动净值表现，蓝色线明显优于基准等权指数和超额收益，反映模型具备捕捉行业因子变化的能力。

• 周度行业排名表（图表8页面）明示了行业因子最新分值、排名及排名变化，钢铁和非银行金融位于前列，符合资金和价格表现。

- 说明： GRU模型基于深度学习，利用实时交易数据建立行业因子，捕捉细微交易信号，为行业轮动配置提供量化依据。

• 限制： 模型短期内表现不稳定，对极端行情和政策突发调整敏感度有限。[page::7,8,9]

---

4. 估值分析

本报告以行业轮动为核心，不直接涉及单一公司估值，而主要基于：

• 动量与趋势分析： 扩散指数模型基于价格动量，通过捕捉行业间上涨趋势进行配置；

- 机器学习因子模型： GRU模型份额行业间的强弱因子，基于分钟数据预测行业表现；

• 资金流向及融资余额： 结合资金供求变化辅助确认行业配置决策。

报告没有展开传统DCF、市盈率估值，但通过行业轮动策略获取超额收益，体现定量化策略的实际应用价值。

---

5. 风险因素评估

报告识别三大核心风险点：

• 扩散指数模型失效风险： 基于价格趋势的动量模型，当市场由趋势转为反转，模型可能失灵，导致错误的行业选择。

- GRU模型失效风险： 深度学习模型在短期表现良好但在极端行情及长周期环境中表现有限，模型依赖历史训练，面临突发行情风险。

• 政策变化风险： 模型采用历史数据为主，对短期高度密集政策调整反应迟滞，可能无法及时调整配置，应对策略有限。

报告未详述缓解策略，仅提示市场参与者注意模型适用条件及风险波动。[page::0,5,9]

---

6. 批判性视角与细微差别

• 报告对扩散指数与GRU因子模型均表明“模型失效风险”，但对于如何调整模型参数、增强模型鲁棒性并未具体说明，略显保守。

- GRU模型自2025年以来超额收益为负，是否仍适合当前市场状态值得打问，报告仍对其持支持态度，可能存在一定的模型依赖偏好。

• 行业轮动重视价格与资金面信息，较少结合宏观经济、政策调控等外生变量，风险提示提及政策风险但未深挖对模型具体冲击路径。

- ETF资金流向指出了某些行业资金流入但行业指数涨幅不突出，这在结构调整中体现复杂的资金博弈，报告未进一步剖析资金背后驱动原因。

• 部分数据更新采用不同日期（如沪深市场融资同步略有滞后），反映数据整合上可能存在时效性差异。

---

7. 结论性综合

本报告以定量化视角分析2025年7月上旬中信一级行业的市场表现和资金流向，结合扩散指数和GRU因子两大模型进行行业轮动策略分析。实际上：

• 大金融板块成为市场上行动力的中坚力量，尤其是非银行金融与综合金融行业显著领涨。这得到了周度和年度涨跌幅、融资余额、ETF资金流向的多维数据支持。

- 扩散指数模型展现了较强的趋势捕捉能力，自2021年以来累计为投资者贡献了3.23%的超额收益。虽然2024年后表现有所波动，但2025年7月环境下仍推荐重点配置大金融、通信、传媒等趋势行业。

• GRU因子模型作为基于深度学习的行业选时工具，短期表现起伏较大，但依然为投资组合提供了有效的动态调仓方向，特别是提高了对非银行金融行业的配置。

- 融资余额和ETF资金流向数据进一步佐证资金热点在有色、电子、非银行金融和新能源行业，反映市场的资金结构和热点集中度。

• 风险提示明确指出两大模型面临的失效风险及政策变化带来的市场不确定性，提醒投资者关注模型适用条件和外部宏观环境的冲击。

- 图表深入展现了行业价格表现、资金变化及模型指标动态，辅助投资者理解工具与市场表现的关系，数据全面且详尽。

总体而言，报告透露出一种稳健乐观的态度，建议依托行业轮动模型聚焦大金融及有色金属行业，同时注意灵活应对行业与政策的快速变化。该报告为专业投资者提供了系统的量化行业轮动策略框架和实时市场资金动向，有助于优化投资组合结构并捕捉当前阶段的超额收益机会。[page::0-9]

---

关键词解释（简明）

• 扩散指数（Diffusion Index）： 衡量多个行业中上涨行业的比例，值接近1表示多数行业上涨，体现整体市场或行业趋势的扩散情况。

- GRU模型（门控循环单元网络）： 基于深度学习的一类循环神经网络模型，适用于处理时间序列数据，如分钟级量价数据，通过学习市场隐含信息预测行业动态。

• 融资余额： 投资者从券商融资融券业务中借入买入股票的资金余额，通常用来衡量市场杠杆资金的活跃度及对行业的资金支持。

- ETF资金流向： 反映资金买入或卖出特定行业或主题ETF的净额，揭示资金偏好和市场热点。

---

以上分析均来源于报告文本及图表内容，确保客观全面并贴合报告原意。

报告