Kunlun Tech a mené un mouvement institutionnel contrasté tandis que Demingli a subi de fortes ventes

Kunlun Tech a enregistré 458 millions de RMB d’achats institutionnels nets déclarés le 31 juillet, tandis que Demingli a enregistré 430 millions de RMB de ventes nettes. Ces chiffres, diffusés via le flux d’actualités RSSHub 36Kr et attribués à First Financial, mettent en évidence une nette divergence dans les échanges sur les valeurs technologiques chinoises.

Les institutions sont apparues dans les informations boursières de 42 actions ce jour-là. Vingt-huit ont affiché des achats institutionnels nets, tandis que 14 ont enregistré des ventes nettes. BlueFocus est arrivé deuxième parmi les achats déclarés avec 321 millions de RMB, suivi de GCL Energy Technology avec 148 millions de RMB.

Les ventes se concentraient dans différentes composantes du marché technologique. Demingli est arrivé en tête avec 430 millions de RMB de sorties nettes déclarées. Le fournisseur d’équipements pour semi-conducteurs Hline Technology et l’entreprise de matériaux électroniques Yoke Technology ont suivi, avec respectivement 150 millions et 128 millions de RMB.

Ces chiffres peuvent donner l’impression d’un vote sur six entreprises. Il vaut mieux les comprendre comme un instantané de positions concurrentes couvrant l’intelligence artificielle, la publicité numérique, les infrastructures énergétiques, le matériel de stockage, les équipements pour semi-conducteurs et les matériaux destinés aux puces.

Cette distinction importe, car la Dragon and Tiger List chinoise ne révèle ni toutes les transactions ni l’identité de toutes les institutions. Elle divulgue certains sièges de négociation lorsqu’une action satisfait à des conditions précises de variation de marché. Un achat net important peut montrer où les institutions ont agi durant une séance inhabituelle, mais il ne démontre pas l’existence d’une position d’investissement durable.

Ce que montrent réellement les chiffres institutionnels du 31 juillet

Le signal le plus clair n’était pas une confiance généralisée envers les valeurs technologiques. Il s’agissait d’une demande sélective pour certains récits au sein d’un marché volatil.

Selon l’article relayé par le flux RSSHub 36Kr, des sièges institutionnels sont apparus sur 42 actions le 31 juillet. La répartition de 28 contre 14 favorisait les achats nets, mais la distribution restait inégale.

Kunlun Tech a dominé le groupe des acheteurs avec 458 millions de RMB d’achats institutionnels nets. BlueFocus a suivi avec 321 millions de RMB, tandis que GCL Energy Technology a enregistré 148 millions de RMB.

Ces chiffres suggèrent que la demande déclarée la plus forte s’est concentrée sur des entreprises associées aux applications d’intelligence artificielle, au marketing numérique et aux services énergétiques. Ce regroupement est notable, mais ne prouve pas l’existence d’une transaction sectorielle coordonnée.

Les trois entreprises exposent les institutions à des risques opérationnels différents. Kunlun Tech est associé aux services internet et à l’IA générative. BlueFocus opère dans le marketing et la communication, où l’IA peut influencer la production de contenus et les processus de campagne. GCL Energy Technology appartient au secteur de l’énergie et présente un ensemble différent de variables liées à la demande, au financement et aux politiques publiques.

La liste des ventes était tout aussi diversifiée. Demingli développe des produits liés au stockage. Hline Technology fournit des équipements de test pour semi-conducteurs et des systèmes associés. Yoke Technology vend des matériaux électroniques utilisés notamment dans la fabrication de semi-conducteurs.

Leur point commun est l’exposition au matériel, mais leurs modèles économiques ne sont pas interchangeables. Les produits de mémoire, les équipements de test et les matériaux spécialisés se situent à différents niveaux de la chaîne d’approvisionnement. Les cycles de demande, les stocks, la concentration de clientèle et les besoins en capitaux peuvent fortement diverger.

Les données du 31 juillet décrivent donc un marché divisé. Les institutions ont acheté certains récits liés à l’IA et aux infrastructures tout en vendant des valeurs sélectionnées des semi-conducteurs et du stockage.

Il est également important de distinguer l’activité institutionnelle déclarée des flux totaux de marché. Les « achats institutionnels nets » reflètent généralement les achats moins les ventes attribués aux sièges institutionnels divulgués. Ils ne mesurent pas l’activité de chaque fonds, assureur, gestionnaire d’actifs ou bureau de trading pour compte propre actif sur le titre.

Un siège peut aussi négocier dans les deux sens au cours d’une même séance. Le chiffre net compresse ces transactions en un résultat unique, masquant les achats et les ventes bruts qui le composent.

Les montants mis en avant restent utiles, car ils identifient où l’activité divulguée s’est concentrée. Ils ne deviennent trompeurs que s’ils sont traités comme des données exhaustives sur la détention ou comme un consensus institutionnel.

Pourquoi la Dragon and Tiger List offre une fenêtre limitée sur le marché

La liste révèle qui a négocié via les principaux sièges divulgués, et non pourquoi ils ont négocié ni combien de temps ils comptent rester.

Les bourses chinoises publient des détails sur les transactions d’actions qui remplissent certaines conditions définies. Ces informations sont couramment appelées la Dragon and Tiger List dans la couverture des marchés en langue anglaise.

Pour les actions du marché principal de Shenzhen soumises à des limites quotidiennes de variation, la bourse peut publier les cinq principaux membres ou unités de négociation à l’achat et à la vente lorsque certains seuils sont atteints. Ces conditions incluent certains écarts de cours, fourchettes de négociation et taux de rotation, conformément aux règles de divulgation de la bourse.

Cela signifie que la liste est déclenchée par des événements. Elle ne fournit pas un rapport quotidien standardisé sur l’actionnariat de chaque société cotée.

Une entreprise peut y apparaître parce que son action a fortement varié, s’est négociée dans une fourchette inhabituellement large ou a changé de mains à un rythme élevé. Ce processus de sélection crée un biais important : les actions divulguées sont déjà inhabituelles.

La liste présente ensuite les plus grands sièges éligibles au sein de cette séance inhabituelle. Elle n’identifie pas tous les participants au marché, et un siège « réservé aux institutions » ne révèle pas nécessairement le bénéficiaire effectif derrière chaque ordre.

Cela rend ces données différentes d’une déclaration trimestrielle de fonds. Une déclaration trimestrielle peut montrer une participation déclarée à un moment donné. La Dragon and Tiger List montre une activité de négociation sélectionnée associée à une journée de comportement de marché accru.

L’horizon temporel constitue une autre limite. Un acheteur divulgué peut constituer une position à long terme, couvrir une exposition vendeuse, exécuter une stratégie d’arbitrage ou négocier autour d’une position existante. Le tableau public ne permet pas de distinguer de manière fiable ces motivations.

Le même problème concerne les ventes nettes. Une institution peut réduire son risque après un gain rapide sans devenir baissière sur l’activité à long terme d’une entreprise. Elle peut aussi vendre depuis un compte tandis qu’un autre compte institutionnel achète.

Les investisseurs devraient donc considérer les chiffres du 31 juillet comme des données de microstructure de marché. La microstructure de marché décrit la façon dont les ordres, les règles de négociation et le comportement des participants se combinent pour produire les transactions et les prix.

Cette perspective modifie la question centrale. La question utile n’est pas de savoir si « les institutions apprécient Kunlun Tech ». Elle est de comprendre pourquoi les sièges institutionnels sont devenus inhabituellement actifs sur Kunlun Tech durant cette séance.

L’article de RSSHub 36Kr fournit les montants et les classements, mais pas un récit vérifié des motivations de chaque trader. Aucun tableau public de sièges ne peut, à lui seul, fournir cette intention manquante.

Cela ne rend pas les données inutiles. Cela rend les éléments de preuve plus limités que ne le laisse entendre le titre.

Kunlun Tech et BlueFocus ont bénéficié du récit autour de l’IA

Les leaders des achats offraient aux investisseurs une exposition liquide aux applications d’IA, mais une seule séance ne peut valider leurs fondamentaux économiques.

Kunlun Tech est arrivé en tête des achats institutionnels déclarés. Sa position attire l’attention vers le volet applicatif du marché chinois de l’IA, plutôt que vers la seule chaîne d’approvisionnement des semi-conducteurs.

Cette distinction est au cœur de la divergence du 31 juillet. Les entreprises d’applications peuvent bénéficier d’anticipations de hausse de l’usage, de nouveaux produits ou d’une meilleure monétisation, sans supporter les mêmes risques de stocks que les fournisseurs de matériel.

Elles font néanmoins face à des coûts substantiels. L’entraînement et l’inférence des modèles nécessitent des ressources informatiques, tandis que les applications destinées aux consommateurs doivent attirer et fidéliser les utilisateurs. Les revenus peuvent prendre du retard sur les dépenses lorsque les entreprises privilégient le développement de produits ou les parts de marché.

Un acheteur de Kunlun Tech met donc en balance au moins deux idées. La première est que l’IA générative peut soutenir de nouveaux produits et l’engagement des utilisateurs. La seconde est que les revenus qui en résulteront finiront par justifier les coûts de développement et d’informatique.

Les données de négociation divulguées ne confirment aucune de ces deux propositions. Elles montrent que les achats institutionnels ont dépassé les ventes institutionnelles parmi les sièges inclus dans les informations publiques de cette journée.

BlueFocus ajoute une exposition différente à la couche applicative. Les sociétés de marketing peuvent utiliser l’IA générative pour produire des variantes de textes, d’images et de concepts de campagne. Elles peuvent également automatiser certains aspects de la planification média, de l’analyse client et du reporting.

La question commerciale est de savoir si ces gains d’efficacité améliorent les marges ou réduisent surtout le prix que les clients accepteront de payer. Si les concurrents accèdent à des systèmes similaires, les gains de productivité peuvent se diffuser dans le secteur sans produire un avantage durable.

Cette tension aide à expliquer pourquoi les achats du 31 juillet ne devraient pas être décrits comme une simple approbation de l’IA. Les institutions peuvent négocier une variation anticipée des bénéfices, un catalyseur produit ou une revalorisation de court terme sans formuler une thèse générale sur la technologie.

GCL Energy Technology complique encore davantage le tableau. Sa présence parmi les trois plus importants achats nets empêche de réduire la liste à une histoire de logiciels d’IA.

Les infrastructures énergétiques prennent une importance croissante pour l’informatique intensive en données, mais les données de négociation déclarées n’établissent pas que la demande liée à l’IA ait causé l’afflux institutionnel vers GCL. Les marchés de l’énergie réagissent également à la demande d’électricité, à l’économie des projets, aux politiques publiques, aux conditions de financement et à l’utilisation des actifs.

L’interprétation la plus défendable est celle d’une rotation sélective. Les investisseurs ont favorisé trois entreprises aux récits distincts tout en réduisant leur exposition ailleurs.

Le rapport RSSHub 36Kr fournit un classement concis. Une analyse sérieuse doit préserver la distinction entre un flux déclaré et la thèse d’investissement que les traders ont pu employer.

Cette distinction est particulièrement importante pour les lecteurs internationaux. Des noms d’entreprises traduits en catégories générales telles que « action d’IA » ou « action de puces » peuvent masquer des différences majeures dans les sources de revenus, les bilans et l’exposition aux clients.

Une lecture pratique commence par les déclarations boursières de chaque entreprise. Les règles d’information de Shenzhen imposent aux sociétés cotées de divulguer équitablement les informations importantes et interdisent la diffusion sélective de faits importants non divulgués. Les orientations de divulgation de la bourse renforcent la frontière entre les informations publiques des entreprises et la spéculation de marché.

Les transactions institutionnelles ne peuvent pas remplacer ces éléments de preuve. Elles peuvent indiquer aux lecteurs où enquêter en priorité.

Les ventes sur Demingli ont remis en cause l’idée d’un simple rallye technologique

La sortie nette de 430 millions de RMB sur Demingli est le contrepoids le plus clair au titre sur les achats, car elle montre que les institutions réduisaient simultanément une autre exposition technologique.

Demingli a dominé les ventes institutionnelles déclarées le 31 juillet. Sa sortie nette de 430 millions de RMB a presque égalé l’entrée nette de 458 millions de RMB enregistrée pour Kunlun Tech.

Cette symétrie crée la tension centrale de la journée. Les institutions ne se contentaient pas d’entrer sur les valeurs technologiques. Elles réallouaient leurs positions entre différents types de risques technologiques.

Le lien de Demingli avec les produits de stockage le place plus près du cycle des stocks de semi-conducteurs. Les marchés du stockage peuvent évoluer rapidement lorsque l’offre, les stocks des clients, la demande en appareils et les prix des produits changent.

Une hausse des prix des produits peut soutenir les revenus et les marges, mais elle peut aussi générer des gains de stocks qui s’avèrent temporaires. Une baisse des prix peut peser sur les fournisseurs et les distributeurs même lorsque les livraisons unitaires restent solides.

La liste Dragon et Tiger ne permet pas de déterminer si les vendeurs du 31 juillet réagissaient à la valorisation, aux perspectives de stocks, à une évolution propre à l’entreprise ou à des limites de risque de portefeuille. Toute affirmation sur leurs motivations irait au-delà des éléments vérifiés.

L’historique récent des échanges avertit également contre l’idée que les « institutions » forment un bloc stable. Une couverture distincte du marché a montré que les sièges institutionnels étaient acheteurs nets de Demingli lors d’une précédente séance de juillet, alors même que le titre enregistrait aussi d’importantes ventes nettes au total. Ce contraste illustre à quelle vitesse l’activité des sièges peut évoluer.

Une institution déclarée peut acheter lors d’une séance volatile et vendre lors d’une autre. Différentes institutions peuvent également adopter des positions opposées le même jour.

Hline Technology et Yoke Technology renforcent la pression du côté du matériel, mais leur présence ne doit pas être interprétée comme un rejet unifié des semi-conducteurs.

Hline dessert certaines parties du marché des tests et équipements pour semi-conducteurs. La demande en équipements de production dépend des plans de dépenses des clients, du taux d’utilisation des usines, de la qualification des produits et du calendrier des projets d’expansion.

Yoke fournit des matériaux spécialisés. Les activités liées aux matériaux sont confrontées à une autre combinaison de facteurs, notamment le mix produits, la certification des clients, les coûts des intrants et la capacité de production.

Les ventes sur ces trois valeurs peuvent refléter une rotation sectorielle. Elles peuvent aussi résulter de décisions sans lien entre elles au niveau des entreprises, qui apparaissent simplement ensemble dans un même classement.

Le point de vue sceptique est donc simple. Les flux du 31 juillet sont des transactions effectivement déclarées, mais le récit qui leur est associé demeure incertain.

Aucune déclaration vérifiée des institutions n’explique pourquoi elles ont acheté Kunlun Tech ou vendu Demingli. Rien dans le rapport résumé ne prouve non plus que les transactions provenaient des mêmes institutions.

Cette incertitude affaiblit toute affirmation selon laquelle les institutions se seraient collectivement détournées du matériel au profit des logiciels. Elle n’élimine pas cette possibilité, mais signifie que les données ultérieures devront tester cette interprétation.

Les investisseurs devraient rechercher une répétition. Si les entreprises orientées vers les applications continuent d’attirer les sièges institutionnels tandis que les entreprises de matériel font à plusieurs reprises face à des ventes nettes, la thèse de la rotation gagnera en force.

Si le schéma s’inverse en quelques séances, le 31 juillet ressemblera davantage à des échanges motivés par des événements qu’à un déplacement durable des capitaux.

Ce que les lecteurs de RSSHub 36Kr ne devraient pas déduire d’une seule séance

Le rapport identifie un déséquilibre important des échanges, mais il ne peut pas établir la conviction, les rendements futurs ou une information supérieure.

La première déduction erronée consiste à penser que 28 achats nets impliquent un marché institutionnel largement haussier. La liste ne comprenait que les actions ayant généré des informations publiques d’échange devant être déclarées.

Le marché dans son ensemble comptait bien davantage de titres. Sans mesure comparable pour l’ensemble des actions, le ratio de 28 contre 14 ne peut pas décrire le sentiment institutionnel à l’égard de tout le marché des actions A.

La deuxième erreur consiste à assimiler les achats nets à de nouvelles détentions. Une institution peut augmenter une position existante, racheter des actions après une vente antérieure ou mener une stratégie de courte durée.

Les données publiques ne révèlent pas la position initiale de l’institution. Un acheteur net ce jour-là pouvait malgré tout avoir réduit son exposition globale sur une période plus longue.

La troisième erreur consiste à considérer un siège institutionnel comme un investisseur identifié. Les informations publiées par les bourses utilisent souvent des classifications institutionnelles génériques. Elles n’indiquent pas nécessairement quel fonds a pris la décision ni si plusieurs comptes ont contribué au total.

La quatrième erreur consiste à supposer que l’activité institutionnelle prédit le prochain mouvement de prix. Les grands traders peuvent être en avance, se tromper, être couverts ou soumis à des mandats qui ne s’appliquent pas aux investisseurs individuels.

Les systèmes de limites de variation des cours façonnent également les comportements. Des recherches sur les événements de limite de variation en Chine ont examiné si ces limites refroidissent les échanges ou attirent davantage d’ordres près du seuil. Une étude a relevé des indices d’un effet de refroidissement ainsi qu’une tendance à la poursuite le lendemain dans son échantillon historique, mais ce résultat ne permet pas de prédire le comportement d’une action donnée en 2026.

Plus important encore, les études historiques de marché n’expliquent pas les motivations des acheteurs de Kunlun Tech le 31 juillet. Elles offrent un contexte pour des conditions de marché inhabituelles, et non une prévision propre à l’entreprise.

La cinquième erreur consiste à relier chaque transaction technologique à l’intelligence artificielle. Kunlun Tech et BlueFocus présentent des récits clairement liés à l’IA, mais leurs entrées nettes déclarées peuvent refléter la valorisation, le momentum, des évolutions d’entreprise ou d’autres facteurs.

De même, les ventes de Demingli, Hline et Yoke ne prouvent pas que les institutions ont rejeté la stratégie chinoise des semi-conducteurs. Elles montrent seulement des ventes nettes parmi les sièges déclarés pour ces actions ce jour-là.

Les lecteurs devraient aussi distinguer l’éditeur du registre de marché sous-jacent. Le flux RSSHub 36Kr a relayé un rapport attribué à First Financial. Les déclarations des bourses demeurent les registres principaux pour les transactions individuelles.

RSSHub est une couche d’agrégation et de diffusion. Il peut faciliter le suivi des mises à jour, mais n’ajoute pas de vérification à l’affirmation sous-jacente.

Cette distinction compte dans les systèmes d’information automatisés. Un élément répété peut sembler plus important lorsque plusieurs flux le reproduisent, même si chaque copie remonte à un seul rapport.

Les chercheurs qui élaborent une note quotidienne devraient préserver la chaîne des sources. Une entrée de flux devrait renvoyer vers l’éditeur, tandis que les chiffres clés devraient être vérifiés à partir des données boursières chaque fois que possible.

Une base de connaissances interrogeable peut aider les analystes à conserver ces relations entre les sources. La caractéristique importante est la provenance, et non la simple collecte de davantage de titres.

Pour cet événement, la provenance implique d’indiquer que les chiffres résumés ont été rapportés par l’intermédiaire d’un flash d’information 36Kr, attribués à First Financial et fondés sur des déclarations d’échanges après la clôture. Cela implique aussi de documenter ce que le rapport n’établit pas.

Les inconnues comprennent l’identité des bénéficiaires effectifs, leurs positions initiales, leurs horizons de stratégie et les catalyseurs à l’origine de leurs ordres.

Ces lacunes devraient rester visibles. Les combler par des spéculations assurées transformerait un signal de marché utile en un récit d’investissement peu fiable.

Le véritable affrontement oppose le momentum narratif aux preuves opérationnelles

La division du 31 juillet importe car les flux institutionnels peuvent amplifier un récit de marché avant que les résultats financiers ne le confirment.

Kunlun Tech et BlueFocus offrent aux investisseurs des récits reconnaissables au niveau de la couche applicative. Leurs produits et services permettent au marché de discuter de l’adoption de l’IA sans attendre que chaque composant de la pile matérielle nationale arrive à maturité.

Cette accessibilité peut attirer des capitaux lorsque les investisseurs privilégient les applications en contact avec les revenus. Elle peut aussi accroître la sensibilité aux annonces de produits, aux affirmations sur l’usage et aux évolutions du sentiment de marché.

Les entreprises de matériel et de matériaux sont soumises à des attentes différentes. Les investisseurs les évaluent fréquemment à travers les niveaux de stocks, l’utilisation des capacités, les commandes clients, les prix des produits et les dépenses d’investissement.

Ces indicateurs peuvent créer un écart entre l’importance stratégique à long terme et la performance des bénéfices à court terme. Un composant peut être essentiel à une industrie alors que son fournisseur subit toujours une pression sur les prix ou des stocks excédentaires.

Le schéma de trading du 31 juillet a placé ces récits de part et d’autre du registre institutionnel déclaré. Les valeurs applicatives ont dominé les achats, tandis que certaines valeurs du stockage et des semi-conducteurs ont dominé les ventes.

Toutefois, cette opposition n’est pas permanente. Les applications d’IA dépendent des puces, de la mémoire, des réseaux, de l’alimentation électrique et de la capacité des centres de données. Une forte demande applicative peut finir par soutenir la demande de matériel.

Le calendrier peut néanmoins différer. L’usage des logiciels peut augmenter avant que les dépenses d’infrastructure n’atteignent un fournisseur, tandis que les commandes de matériel peuvent progresser avant que les applications ne génèrent des revenus durables.

Cela fait des résultats financiers le test décisif. Pour Kunlun Tech, les investisseurs doivent examiner si les produits liés à l’IA contribuent à des revenus mesurables, à l’engagement des utilisateurs ou à une amélioration de l’économie unitaire.

L’économie unitaire décrit les revenus et les coûts directs associés au service d’un utilisateur ou d’une transaction. Elle compte parce qu’une application peut accroître son utilisation tout en perdant davantage d’argent à chaque interaction supplémentaire.

Pour BlueFocus, la question centrale est de savoir si la production soutenue par l’IA améliore les marges et la fidélisation des clients. Une génération de contenu plus rapide ne garantit pas à elle seule un bénéfice plus élevé si les clients négocient des honoraires moins importants.

Pour GCL Energy Technology, les investisseurs ont besoin d’éléments montrant que la performance des projets et la demande énergétique soutiennent la génération de trésorerie. Un vaste récit sur les centres de données ne peut se substituer aux résultats opérationnels.

Demingli exige une grille d’analyse différente. Les prix des produits, les niveaux de stocks, la demande des clients et les marges brutes peuvent révéler si les ventes institutionnelles anticipaient des conditions plus faibles ou suivaient simplement la volatilité du marché.

Les commandes de Hline et les cycles d’acceptation par les clients fournissent un autre signal. Les revenus liés aux équipements peuvent se déplacer d’une période de reporting à l’autre lorsque le calendrier des installations ou des qualifications évolue.

Le mix produits de Yoke et la demande de matériaux pour semi-conducteurs montreront si les ventes de juillet correspondaient à un ralentissement fondamental. Sans ces confirmations, le flux reste un indice incomplet.

C’est pourquoi l’événement du 31 juillet est plus qu’un classement ordinaire. Il saisit le marché au moment où il décide quelles preuves il s’attend à voir arriver en premier.

Les acheteurs d’applications semblent disposés à payer pour un momentum narratif plus proche. Les vendeurs de matériel semblent moins disposés à absorber l’incertitude sur certaines valeurs cycliques ou à forte intensité capitalistique.

Ce jugement peut changer rapidement. Une solide mise à jour des commandes, une amélioration des marges, une nouvelle qualification client ou de meilleurs prix produits peuvent raviver l’intérêt pour le groupe matériel.

De faibles données de monétisation peuvent tout aussi facilement inverser la transaction sur les applications. L’activité institutionnelle n’exonère aucune entreprise d’une vérification financière.

Trois signaux permettront de déterminer si la rotation perdure

Les prochains mois devraient révéler si le 31 juillet a marqué le début d’une réallocation durable ou n’a capturé qu’une journée de trading volatile.

Le premier signal est la répétition de l’activité institutionnelle dans les déclarations boursières ultérieures. Une journée établit un point de données. Plusieurs séances alignées peuvent établir une tendance.

Surveillez si Kunlun Tech et BlueFocus continuent d’attirer des achats institutionnels nets lorsqu’elles remplissent à nouveau les conditions de publication des informations d’échange. Des achats répétés renforceraient la thèse d’une rotation vers la couche applicative.

L’inverse compte tout autant. Si Demingli, Hline ou Yoke enregistrent bientôt d’importants achats institutionnels, la division du 31 juillet paraîtra moins durable.

Les lecteurs devraient comparer les achats et ventes bruts lorsqu’ils sont disponibles, et pas seulement le résultat net. Un montant net important créé par une activité exceptionnellement élevée peut décrire une action disputée plutôt qu’une conviction unanime.

Le deuxième signal réside dans les éléments opérationnels communiqués par les entreprises. L’utilisation des produits, le mix de revenus, les marges brutes, les stocks et les commandes fournissent des informations plus durables que les classements de sièges.

Pour les entreprises applicatives, les éléments les plus probants relieraient l’activité liée à l’IA aux revenus ou à une amélioration de l’efficacité. Les descriptions de la direction sans incidence financière mesurable devraient recevoir moins de poids.

Pour les entreprises de stockage et de semi-conducteurs, les tendances des stocks et des marges peuvent montrer si les ventes anticipaient des fondamentaux plus faibles. Des résultats stables ou en amélioration affaibliraient une interprétation baissière des sorties du 31 juillet.

Tous ces éléments devraient provenir de documents publics et de communications aux investisseurs accessibles à l’ensemble du marché. Le cadre de négociation 2026 de Shenzhen est entré en vigueur le 6 juillet en vertu des règles de négociation révisées de la bourse, faisant des règles actuelles la référence pertinente pour interpréter l’activité de fin juillet.

Le troisième signal concerne la relation entre les prix et les flux divulgués. Une action qui continue de progresser alors que des sièges institutionnels vendent pourrait attirer la demande d’autres intervenants. Une action qui baisse malgré des achats institutionnels montre que ces sièges ne contrôlaient pas l’équilibre global du marché.

Cette relation aide à éviter une erreur d’analyse fréquente. Les achats nets des institutions ne correspondent pas à la demande nette totale, car toute transaction finalisée comporte à la fois un acheteur et un vendeur.

Les catégories divulguées organisent certains ordres sélectionnés. Elles ne modifient pas la structure fondamentale du marché.

Les investisseurs devraient également surveiller si la volatilité diminue après la séance soumise à déclaration. Un marché plus calme, avec des prix stables, suggère que l’activité inhabituelle a été absorbée. La persistance d’un volume d’échanges ou de mouvements de prix extrêmes indique que le positionnement reste instable.

Ensemble, ces trois tests couvrent la persistance, les fondamentaux et la réaction du marché. Ils sont plus instructifs que de tenter de deviner l’identité d’un acheteur institutionnel non nommé.

L’article original de RSSHub sur 36Kr est surtout utile comme alerte. Il indique aux lecteurs où une concentration inhabituelle d’activité divulguée s’est produite et quelles entreprises méritent un examen plus approfondi.

Il ne doit pas servir de liste d’achats. De même, la position de Demingli en tête du classement des ventes ne doit pas devenir, à elle seule, une thèse baissière.

Les divulgations du 31 juillet ont révélé un véritable conflit. Les institutions ont acheté certaines expositions à l’IA, au marketing et à l’énergie, tout en vendant certaines valeurs du stockage et des semi-conducteurs.

La suite dépendra de la répétition éventuelle de ces transactions et de la capacité des résultats des entreprises à les justifier. Suivez les prochaines divulgations publiques des sièges, puis comparez-les aux bénéfices, aux marges, aux stocks, aux commandes et au comportement des prix.

Ce processus transforme une brève actualité éphémère en une vision du marché vérifiable. En attendant ces signaux, la conclusion la plus juste reste limitée : les échanges institutionnels ont favorisé Kunlun Tech ce jour-là, mais le verdict plus large sur la technologie reste ouvert.