发现报告 - 关于K型分化，目前各家券商主要使用使用了哪些指标？

深度思考

我将梳理各家券商的相关指标并分类。我已梳理出两类券商提及的K型分化相关指标，一类为市场交易类，涵盖指数走势、成交占比、涨跌幅及波动幅度等；另一类为基本面盈利类，包含盈利增速、ROIC、盈利优势差、盈利预期变动等。

我已梳理完宏观经济、跨市场资产两类指标的相关内容，接下来会按指定的四大类框架规整所有指标信息，确保标注清晰有序。

我已按照预设框架完成四类核心指标的梳理工作，分别为市场交易与结构类、盈利与基本面定价类、宏观经济与产业类、跨资产联动类，覆盖了指数走势、板块资金流向、盈利水平、产业动能、房价、全球市场表现等维度的相关指标，接下来我会核对所有指标引用来源的对应准确性，排查是否存在错漏。我补充了估值分化指标的统计维度，调整了相关表述逻辑，明确同一来源仅可对应标注一次，已完成指标分类与引用规则的初步核对。为避免同一参考来源被重复引用，我已调整了相关内容的引用标注，目前正在梳理券商研报中K型分化相关指标的分类框架，已整理出第一类覆盖多维度的交易类指标，其余模块内容待后续梳理。

我补充梳理了盈利与基本面定价类的相关观测指标，覆盖标的景气度差异、不同资产相对盈利优势对比等维度，用于判断行情分化的基本面支撑逻辑是否可持续。我已梳理出12份可用的不重复引用来源编号，可支撑后续指标引用的唯一性要求，目前我正在核对各指标的对应引用来源，已完成2017、2021年两轮行情特征与盈利优势关联逻辑的资料梳理。我已完成部分指标的来源标注工作，明确了各指标对应研报的引用依据，覆盖盈利定价、宏观产业等多个维度的指标分类，目前整理到跨资产联动类指标模块的首项，内容暂未收尾。

我已完成所有指标对应资料的匹配校准，确保每个来源仅使用一次，接下来只需把内容梳理通顺即可。

从目前各家券商发布的研报内容来看，针对K型分化的观测指标覆盖交易结构、基本面、宏观产业、跨资产多个维度，具体整理如下：

一、市场交易与结构类指标

这类指标从二级市场交易行为出发，直观刻画分化的程度和所处阶段：

全A等权指数、平均股价指数的走势背离度：通过两大核心指数的同步/背离变化，判断存量资金在分化行情下的风格选择，反映市场整体风险偏好的变化【1】
高景气赛道成交占比：比如统计TMT板块成交额占全市场的比重，衡量资金向科技等高景气赛道的聚集程度【3】
全市场估值分化倍数：计算全市场正PE样本的P75/P25估值比值，观测估值分化的历史分位水平，判断分化是否接近历史极值【9】
偏股基金持仓结构：统计主动偏股+灵活配置基金的仓位分布，跟踪机构资金在不同风格资产上的配置倾斜度【9】
核心指数波动指标：跟踪科创50、创业板指、上证指数等核心指数的区间涨跌幅、阶段最大回撤幅度，刻画分化行情的波动特征【4】
风格超额收益指标：计算不同风格代表指数（如中证人工智能全收益、中证红利全收益）相对全A的累计超额收益，量化不同风格的收益差【6】

二、盈利与基本面定价类指标

这类指标从底层基本面出发，判断分化的驱动逻辑是否可持续：

核心景气度指标：覆盖营收/利润增速、ROIC/ROE/毛利率变化率、扣非增速等，用来区分不同标的的景气定价差异，判断分化的基本面基础【10】
相对盈利优势差：对比AI链和非AI链公司的盈利增速差，判断分化行情的主线支撑是否发生变化【15】
盈利-股价匹配度：将行业的盈利上修/下修幅度和同期股价涨跌幅做交叉验证，划分四象限判断分化是基本面驱动还是单纯的资金虹吸驱动【12】
盈利-股价增速差：对比AI等K型上支赛道龙头的盈利增速和股价涨幅的相对关系，判断上支行情是否仍有业绩支撑【12】
产业就业分化指标：统计AI相关岗位、传统赛道岗位的招聘需求增速差，从就业端验证K型分化的实际传导效果【2】

三、宏观经济与产业类指标

这类指标从实体经济维度，观测K型分化在实体层面的传导情况：

新旧动能体量对比：对比科技新动能增量规模和房地产收缩的体量，测算K型分化两大主线（科技上行、地产下行）的力量反转程度【8】
产业景气差指标：包括高技术产业投资增速、装备制造业增加值增速、传统产业产能利用率、出口结构增速等，衡量新兴产业和传统产业的景气度差异【13】

四、跨资产联动类指标

这类指标从全球大类资产联动的视角，判断K型分化的拐点信号：
跟踪不同市场代表指数（韩国综合指数、恒生指数、恒生科技等）的区间涨跌幅反转情况，作为K型分化收敛的先行信号【5】