上市公司基本面见底回升，盈利周期拐点显著 [page::6][page::8]

• 非金融上市公司ROE从2018Q2高点9.49%下降至2019Q3的7.63%，主要因销售净利率下降和期间费用上升。

- 企业自由现金流升高，投融资需求萎缩，固定资产周转率提升，表明供需增速差正向，有利于ROE改善。

• 预测非金融上市公司盈利于2019Q3见底，2019Q4开启盈利上升周期。上市公司景气度在多个行业已有回升迹象。

量化视角的行业轮动策略实现15%以上超额收益 [page::11][page::13][page::19]

• 基于投资时钟、信用货币周期和库存周期三周期模型完成行业轮动，2019年累计绝对收益达33.3%，超额收益12%以上。

- 行业轮动模型在2019年实现了高胜率（约91%月度胜率），换仓次数少，策略表现稳健。

• 2020年初推荐配置银行地产，随后调至防御性行业如医药、餐饮旅游，短线看好库存周期相关大周期行业。

多因子选股创新因子及动态IC加权优化体系 [page::26][page::31][page::39][page::57]

• 创新构建个股抱团因子、估值回归概率因子、剔除相关性的剩余反转因子、ROIC-WACC质量因子和基于相对K线的反转形态因子。

- 通过市场负alpha因子挖掘，结合财务及公告类异常指标（关联交易、审计意见、发债金额、股权分散度）构造低波动负alpha组合，年化收益达-12.6%。

• 利用动态IC半衰期加权方法优化多因子组合，10年累计超额收益达745%，年化超额收益21.59%，夏普比1.98。动态加权相较传统分类加权效果明显提升。

因子估值与择时策略提升量化收益 [page::58][page::60]

• 对28个常用选股因子进行IC与IC半衰期测度，发现多因子组合权重基于因子半衰期的IC加权更有效。

- 因子估值存在均值回归，估值低时未来收益率较高，是理论上有效择时信号。

• 构建基于因子换手率的择时策略，区分换手率与收益相关性，年化收益率提升至32.48%，信息比率为3.24，2019年表现优于等权组合。

银行业基本面深入分析与估值预测 [page::21][page::23][page::25]

• 分析老16家上市银行的资产负债表与利润表，提炼信贷及中间业务核心构成，揭示ROE受净息差、生息资产增速、中间收入及管理费用影响显著。

- 建立基于GDP增速和存款准备金率的线性回归模型，拟合银行ROE及估值，预测2020年ROE约10.28%，股权成本提升至10.8%。

• 银行业估值（PB）与ROE呈线性关系，预测2020年底中信一级银行指数价格估值趋低。

相对k线及市场负alpha因子创新 [page::46][page::47][page::40][page::44][page::45]

• 基于构建相对k线并筛选连续下跌反转形态，对整体市场和中证500指数内分别构建了多样化稳定的投资组合，取得10.17%与7.6%的年化收益。

- 研究市场负alpha因子，发现关联交易金额、非标准审计意见、公司债大幅发债、过度股权分散均是产生负收益的重要非财务指标。

• 构建的多因子负alpha组合稳定产生年化-12.6%负收益，是研究负面清单和风险控制的有效工具。

《A股量化投资策略创新及2020年展望》金融工程深度报告详尽解析

---

一、元数据与报告概览

报告标题： A股量化投资策略创新及2020年展望
作者及联系方式： 丁鲁明（团队负责人，执业证书编号S144051502000，dingluming@csc.com.cn），辅以多名研究助理
发布时间： 2019年12月20日
发布机构： 中信建投证券研究发展部金融工程团队
主题范围： A股市场宏观周期与量化行业轮动、上市公司财务表现、多因子投研模型、衍生品市场分析及风险因子探索
核心论点：

• 预测非金融上市公司盈利于2019年三季度见底，2019Q4开启盈利上升周期。

- 2019年利用三大周期（投资时钟、信用货币、库存周期）构建的行业轮动策略，超额收益超15%。

• 多因子模型创新，其中动态IC半衰期加权多因子组合年化收益21.59%。

- 期权市场的积极发展，沪深300期权的推出拓展投资和风险管理工具。

• 报告强调量化策略方法不断革新，未来A股选股因子面临挑战，寻找新alpha是重点。

本报告覆盖宏观基本面、行业轮动、量化选股、衍生品市场和风险因子，多层面解析A股市场中量化策略的创新应用及展望。

---

二、逐章节详解

2.1 上市公司视角下财务表现及未来展望

关键内容与逻辑：

• 基于2001Q4至2019Q3的非金融上市公司财务数据，发现需求处在下行，营业收入现金含量增加，ROE由2018Q2的9.49%降至2019Q3的7.63%，下滑主要由销售净利率下降驱动。

- 期间费用率上升、毛利率下滑，企业投融资活动持续减少，但自由现金流提升，显示现金创造能力增强，提升企业价值。

• 供需关系显示2016Q3-2019Q3间供给增速小于需求增速，资产周转率持续改善，有利于ROE上升。

- 利率因素：十年国债利率上行预期利于银行风险调整后净息差提升，强化银行盈利能力。

• 周期定位：库存见底回升，产能周期上升，人口周期下行。结合三周期，预测非金融上市公司整体ROE和归母净利润在2019Q3见底，2020Q1开始上行。

关键数据点：

• ROE从9.49%下行至7.63%；销售净利率由6.07%降到4.82%。

- 营业收入现金比由7%回升至近9%。

• 投资现金流同比降低，表明投资意愿下降。

- 图1展现成熟阶段ROE、ROIC、资产负债率、资产周转率和现金流比例多个关键指标走势趋势。

图表解析 - 图1（非金融上市公司盈利能力）：

• 展示各季度ROE、ROIC、负债率、资产周转率、现金流效率等。

- ROE下降伴随净利率和毛利率同步下降，但资产周转率回暖，现金流比率提升。

• 现金流/营业收入上升说明营业收入质量提高，投资活动下降进一步支持现金流提升。

图2（供需矛盾）：

• 供需增速差持续正值显示供给相对不足，支持资产利用效率提升。

- 投资现金流净额相对总资产持续减少，固定资产周转率提升至2.5以上。

图3（商业银行总资产潜在规模预测）：

• 货币供应（M2）与存款企业比例的变化，以及银行资产增长趋势结合，显示2020年商业银行资产有20%以上增长空间。

图4（上市公司盈利能力拟合及预测）：

• 明显周期性波动，预测2019Q3盈利底部确认，2020年盈利将进入上升通道。

图5（上市公司景气度）：

• 反映业绩预告中预增续盈企业比例，2019年下半年景气度有所回升，部分行业如建材、家电和计算机景气率改善。

2.2 估值分析

方法论与公式：

• 采用剩余收益模型（Residual Income Model, RIM），将公司价值视为账面价值与未来超越资本成本收益的现值总和，公式清晰表达ROE与权益资本成本的差额对价值的贡献。

- 选取十年国债作为无风险利率基准，产业债信用利差代表风险溢价。

• 2019年十年期国债利率于Q3见底，将开启上涨周期，风险溢价有所下降。

行业估值数据（表1）：

• 提供A股各主要指数及中信一级行业PE、PB、ROE指标及其偏离度与分位数。

- 绝大多数行业估值处于历史中低位，反映整体市场估值仍处于较低水平。

• 比如汽车行业PE为25.85，PB1.63，ROE7.27%，估值已进入较高分位。

- 医药、科技类估值较高，但盈利表现依旧支撑估值。

2.3 市场情绪及综合配置建议

情绪指标：

• 换手率、成交额反映投资者情绪，历史大牛市伴随换手率上升。

- 换手率预测2020Q1将见底回升。

市场阶段模型及配置逻辑：

• 牛熊市场划分为四个阶段：估值修复、戴维斯双击（盈利+估值提升）、资金入市、戴维斯双杀（估值与盈利双降）。

- 2019年前三季度受无风险利率下降、风险溢价缩减推动，进入估值修复，2019Q4盈利回升，进入戴维斯双击阶段。

• 图8显示万得全A指数择时模型中盈利与情绪变化的同步关系。

2.4 量化视角下的行业轮动与周期性分析

投资时钟模型（美林时钟）解构（图9）：

• 经济处于复苏、过热、滞胀和衰退四阶段，资产配置对应股票、商品、现金和债券。

- 各经济阶段对应不同行业表现的理论框架。

• 经济复苏偏好周期性成长股如银行、地产，过热期倾向周期价值股如工业、原材料，滞胀期防御型行业优先，衰退期金融类表现较好。

投资时钟周期量化判定及2019年实证（图10-11）：

• 2019年初至6月经济滞胀，6月至9月衰退，10月至年底复苏，策略收益37.34%。

- 2019年行业轮动策略相较行业等权超额15.42%。

信用货币周期理论与实证（图12-16）：

• 四种货币信用状态交替：宽货币宽信用、紧货币宽信用、紧货币紧信用、宽货币紧信用。

- 2019年全年经历4次状态切换，目前处紧货币宽信用阶段，信用宽松延续18年货币宽松传导。

• 信用货币周期行业轮动策略年收益36.94%，超额15.08%，最大回撤仅1.99%。

库存周期理论与实证（图15-18）：

• 库存周期分为主动补、被动补、主动去、被动去四阶段。

- 2019年库存周期经历被动去-主动去-被动去-主动补，各阶段表现符合理论预期。

• 库存敏感行业在2019年表现突出，策略收益26.22%，远超大周期整体行业11.96%。

- 2020年预计库存周期上行促进经济反弹，但反弹力度有限。

三大周期综合行业轮动（图19-20，表5-6）：

• 综合策略2019年绝对收益33.3%，沪深300涨幅27.17%，行业等权18.99%，超额收益12.03%。

- 核心组合行业随季度调整，涵盖基础化工、建材、食品饮料、医药、电子、计算机、煤炭、有色、钢铁、汽车、机械等。

• 2020年配置建议结合三个周期，推荐汽车、机械、家电、医药、电子、传媒、煤炭、有色、钢铁、建材为核心配置对象。

2.5 银行业深入分析与量化基本面模型

银行业务结构（图20-21）：

• 信贷业务细分为对公、零售、票据贴现及表外业务。

- 中间业务涵盖银行卡、代理、理财、结算、投行咨询等。

• 2018年合并资产负债表显示，贷款及垫款占资产53.24%，存款负债74.07%，未分配利润占权益42.75%。

利润表与ROE拆解（图22-23）：

• 利息净收入占营业收入约70%，手续费收入约20%。

- 营业支出主要为管理费和资产减值损失。

• ROE主要受风险调整净息差、生息资产增长、中间业务收入增长及管理费用影响，相关系数分别为0.94, 0.51, 0.72, 0.63。

ROE预测模型及估值（图24-27，表25-27）：

• 线性回归以领先一期实际GDP增速偏离目标和存款准备金率预测银行ROE，拟合优度高达0.84。

- ROE预测显示2020年ROE将继续下行至10.28%。

• 剩余收益模型推导显示PB与ROE存在线性关系，股权成本由GDP与CPI决定。

- 银行股权要求回报率随GDP和CPI波动。

• 基于ROE与股东要求收益率的估值模型预测银行PB值并结合净资产预测指数走势，2020年中信一级银行指数可达8580点。

- 模型敏感于经济周期预测和政策变动，十年期国债收益率为重要风控指标。

---

3. 多因子研究与新有效因子挖掘

3.1 羊群效应与个股抱团因子

方法：

• 使用CSAD（Cross-sectional Absolute Deviation）衡量行业内部个股收益的一致性，行业CSAD越低羊群效应越强。

- 如图28所示，银行行业CSAD值长期低于其他行业，计算机行业波动较大。

• 通过对行业CSAD的zscore标准化，划分赢家和输家的强弱羊群组，结果表明弱羊群组动量策略收益高于强羊群组，且动量效应衰减更慢（表7-8）。

- 构建个股级羊群因子，建立以个股为中心的10只相关性最高的“小板块”，计算板块间的CSAD波动率比例及变化，所得因子多空收益年化达10.5%以上，月频IC均为0.047（图29-30，表9）。

3.2 基本面估值回归因子构造

原理与方法：

• 利用Kendall相关系数评价基本面因子（如ROE）和估值（PB）是否正相关，理论上ROE高的公司应估值更高，该概率随ROE差距扩大递增。

- 设计估值提升因子，通过概率模型反推股票估值排序的期望值，结合实际估值排序的偏差得出估值提升程度，用以预测盈利alpha。

• 实证表明估值提升因子对市值较大的股票表现更佳（表10-11），在市值前1/3样本中，估值提升因子IC月均提升至0.053，IR超3，表现显著优于普通PB因子。

- 估值提升因子增强了估值与ROE的综合逻辑，提高策略稳定性（图31）。

3.3 剔除相关性的改良反转因子

理论与实践：

• 通过Fama-French五因子模型提取股票残差收益，定义剩余反转因子，剔除因子解释部分收益对反转策略的干扰。

- 反转组合权重以残差变化排序形成，理论上偏离因子的残差连续性决定策略收益。

• 实证中剩余反转因子的IC稳定性优于传统反转因子（图32-33，表12-13），尤其在市场因子反向、解释因子转向较少时表现更好（表14-15）。

- 该改良方法显著提升反转因子收益稳定性，适合替代传统反转因子。

3.4 来自企业价值视角的ROIC-WACC因子研究

方法发展与验证：

• 传统盈利因子关注ROE，侧重股东；ROIC-WACC更侧重企业整体价值创造。

- 修正ROIC计算引入“扣非净利润”和“超额现金”调整，提升ROIC计算的准确性。

• 贵州茅台案例显示超额现金调整显著提升ROIC水平。

- 但全市场实证表明扣除超额现金的ROIC表现反而有所下降（表16-17）。

• ROIC-WACC计算综合ROIC、β、债务成本权重，因子表现优于三因子简单等权组合（图34-36，表18-19）。

- ROIC-WACC多空收益年化4.59%，IC均值2.64%，t值4.46，具有统计显著性。

3.5 市场负Alpha因子探索

3.5.1 背景

• 2018年A股市场极其艰难，92%个股亏损，69%亏超过25%，企业商誉减值引发市场广泛关注（图37-38）。

- 投资中控制亏损远比赚取高收益更关键，亏损会侵蚀复利成长性。

3.5.2 财务异常因子及表现

• 根据财务造假案例构造多个财务异常因子，如应收账款/营收、固定资产/营收、存货/营收等指标。

- 多数异常因子表现多空收益显著为负，且年化多空收益绝对值大于2%（图39-44）。

• 通过累计异常因子数量，将股票分组，异常信号越多组合收益越差，异常最多组合年化亏损高达-14%（图45-46）。

3.6 非财务类负Alpha因子

• 探索非财务公告数据因子，如关联交易金额、审计意见、公司债发行额及股权分散度。

- 关联交易金额超1亿表现负收益，发行债务高企和非标准审计意见同样表现负收益（图47-48）。

• 构建打分型多因子负收益组合，综合评分>2的股票年化亏损12.6%，信息比率0.63，表现稳定（图49）。

3.7 基于相对K线的反转形态选股

• 提出相对K线（以中证全指为基准）分析方法，更均衡识别连续下跌反转形态。

- 按形态理论定义参数阈值，筛选连续跌幅超过30%的反转样本。

• 样本行业分布集中于机械、基础化工、医药等（图50-51）。

- 相对K线样本短期收益更集中且胜率更高（图52-53），构建等权买入持有20天的交易组合，实际组合净值平稳波动小于指数（图54，表21）。

• 在中证500范围内选股，表现更稳健，夏普较高，最大回撤下降（图55-56，表22）。

- 调节累积跌幅阈值发现20%为换手率与夏普比权衡最佳点。

---

4. 多因子体系方法论再思考

4.1 中信建投一致预期因子体系构建

• 基于分析师预测偏离及残差，剔除市值、行业等影响，计算分析师预测权重。

- 利用近6个月加权的多条分析师报告数据加权，以半衰期权重组合，一致预期因子成为核心情绪因子之一（图59-60）。

• 影响分析师预测偏差的指标包括市值、行业、换手率、波动率、时间跨度等（图57-58）。

4.2 因子衰减效应与半衰期加权优化

• 定义因子IC及ICIR半衰期，反映因子信息有效保留时间，半年/季度尺度测算。

- 多数因子IC衰减较快，如价值因子EPTTM半衰期为3个月。

• 半衰期信息指导多因子组合加权，提高适应市场风格快速切换的能力。

- 设计动态IC半衰期加权方法，按因子半衰期分类分组，内部IC权重加权（表23-27，图61-62）。

• 10年累计超额收益达745%，年化21.59%，夏普1.98，仅2017年因风格极端表现不足。

4.3 因子估值与因子择时优化

• 不同因子估值指数均符合均值回复特征（图63-64），估值与未来收益呈现负相关。

- 估值因子换手率与未来收益负相关，反转因子换手率与未来收益正相关（图65-66）。

• 构建基于因子换手率的择时策略，将因子换手率与未来收益相关性分类调节权重（表28）。

- 策略年化收益32.48%，信息比率3.34，显著优于等权组合（图67，表29）。

---

5. 衍生品市场政策跟踪及展望

• A股期权市场迎来变革，沪深300ETF期权及沪深300指数期权即将上市，丰富投资和风险管理工具。

- 三大交易所期权虽均为沪深300相关产品，标的、合约设计、交割方式等存在关键差异。

• 上交所和深交所ETF期权标的为沪深300ETF，实物交割；中金所指数期权现金交割，单张合约价值约为ETF期权10倍。

- 合约月份设计、行权价设置、买卖策略等细节差异，反映不同市场策略。

• 新期权产品将极大丰富投资者对冲手段，提高定价效率，降低期货贴水，推动量化对冲产品发展。

- 指数期权支持更广泛指数标的精准对冲，助力相关指数基金发展和策略多样性。

---

三、报告中关键图表与表格深度解析

本报告包含大量图表，以下重点解析部分核心图表：

上市公司财务图表解读

• 图1（非金融上市公司盈利能力）： 多季度指标展示ROE、ROIC与现金流的变动趋势，体现盈利与现金回笼动态，反映行业盈利质量。

- 图2（供需矛盾）： 展示投资现金流净额相对总资产、固定资产周转率与存货周转率走势，反映企业供需关系及经营效率。

• 图4（盈利能力拟合预测）： 利用历史数据拟合ROE走势，预测Q3见底和Q4盈利回升。

- 图5（景气度）： 业绩预告中增盈及扭亏比例趋势，分行业跟踪景气循环。

量化周期与行业策略图表

• 图10（投资时钟划分）： 展示沪深300在复苏、滞胀等周期下的业绩表现，周期变化有序对应策略调整。

- 图11（投资时钟策略绩效）： 策略净值优于行业等权，验证投资时钟的有效性。

• 图13（信用货币周期划分）： 根据宏观指标划分货币-信用组合阶段，结合市场走势对比。

- 图14（信用货币周期行业表现）： 行业轮动策略优于行业等权，低回撤显示稳定性。

• 图16（库存周期划分）： 库存与经济指标周期分布，指导大周期行业配置时点。

- 图18（综合三周期策略）： 行业轮动超额收益累积，稳健性强。

多因子选股与因子创新图表

• 图28（行业CSAD）： 显示不同板块羊群效应强弱差异，指导多维度因子构建。

- 图30（羊群因子表现）： 多头组合净值持续上升，IC稳定，验证个股抱团因子的有效性。

• 图31（估值提升因子）： 集成ROE与PB因子优势，提高稳定性和收益。

- 图32-33（反转与剩余反转IC对比）： 剩余反转降低噪音提高稳定性，适合替代传统反转因子。

• 图34-36（ROIC-WACC因子表现）： 多空收益稳健优异，显示从企业价值视角选股的优势。

- 图39-44（财务异常因子负收益表现）： 多种异常因子持续显著负收益，构建排除名单。

• 图47-49（非财务负Alpha因子和组合表现）： 关联交易及审计意见负向影响明显，多因子组合稳定负收益。

- 图50-53（相对K线选股表现）： 相对K线平滑样本分布，提高反转型选股稳定性。

• 图54-56（连续下跌组合回测）： 表现良好，市值分布均衡组合更稳，回撤降低。

因子衰减与择时图表

• 图60-61（因子衰减示例）： EPTTM因子IC衰减趋势表现，确定半衰期为3个月。

- 表23-24（各因子IC半衰期总结）： 量化因子不同生命周期特征，指导动态加权调整。

• 图62（动态IC加权组合超额收益）： 十年高收益累积趋势验证方法有效。

- 图63-65（因子估值与未来收益相关性）： 验证多数因子均值回复现象，支持估值择时策略。

• 图66（反转等因子换手率序列）： 揭示不同类型因子换手率与未来表现相关性。

- 图67（因子换手率择时策略表现）： 换手率择时提升多空组合表现明显。

---

四、估值方法与因子体系独创解析

剩余收益模型应用

通过剩余收益模型连接账面价值、ROE与股权资本成本，估算内生价值。报告中对银行行业的应用尤为详细，结合GDP和通胀指标估算股权资本成本，反映宏观对银行估值影响。此方法在银行股估值和定价预测中表现良好。

因子设计与加权创新

报告提出了动态IC半衰期加权方法：

• 基于因子历史IC半衰期分类，设定不同加权权重，避免因子快速衰减引发权重失配。

- 结合多因子在横截面和时间序列上的ICIR表现，动态分配，极大提升多因子策略的稳定性与收益率。

• 因子估值和换手率被用于择时分析，换手率与未来收益相关方向决定加权倾向，进一步优化因子表现。

因子创新亮点

• 基于微观结构的羊群效应指标，从行业到个股构建，第一时间捕捉量化选股alpha。

- 融合ROE与PB构造估值提升因子，提高因子稳定性和预测能力。

• 剔除解释因子残差构建改良反转因子，提高反转因子的稳定性和有效性。

- 从企业经营整体价值创造角度出发，提出ROIC-WACC因子，优于传统ROE因子。

• 负alpha因子创新，结合财务异常及非财务公告数据构建排除名单，确保风险管理。

- 相对K线连续下跌形态识别，为量化反转策略增添更高频且市场信号更加均匀的选股因子。

---

五、风险因素评估

市场结构风险：

• 因子有效性随市场风格波动变化，特别是2017年市场风格极端导致策略表现不佳。

- 动态加权调整是缓解对应波动风险的重要工具。

模型假设风险：

• 估值模型对GDP增长和CPI假设敏感，特别是银行估值对政策变化高度依赖。

- 移动平均预测忽略经济周期反转可能导致判断失误。

策略交易风险：

• 高频换手相关策略交易成本侵蚀收益，模型中未完全计入。

- 组合持股集中度和行业风格暴露存在潜在风险。

因子稳定性风险：

• 传统因子有效性减少，市场alpha来源逐渐分散，因子灭失风险提升。

- 公告类非财务因子受数据质量及披露时滞影响，短期有效性存在不确定性。

市场大幅波动风险：

• 突发事件引发的市场震荡对量化模型稳定性构成挑战。

- 负alpha因子筛选虽有稳定效果，但组合仍不能完全规避突发风险。

---

六、批判性视角与细节反思

• 报告整体扎实详尽，但对宏观周期的预测较为依赖历史规律和统计模型，可能忽视了周期外风险事件。

- 多因子半衰期分组虽科学，但样本量限制可能影响半衰期估计准确性。

• 财务异常因子效果显著，推断中不少因子具有滞后性质，需结合实时数据优化。

- 相对K线反转因子虽创新，回测框架存在固定持有期等设定，可能限制策略弹性。

• 因子换手率与未来收益的正负关系有较强异质性，择时策略复杂，实现难度较大。

- 衍生品市场部分虽详细，但对市场流动性和制度风险缺少深入探讨。

---

七、结论性综合

本报告全面地从财务表现、宏观经济周期和量化因子体系等多个维度切入，对A股市场量化投资策略的创新提供了深入洞察。首次系统地结合库存、信用货币及投资时钟三大宏观周期构建行业轮动策略，2019年体现出显著超额收益，验证了周期定位对行业优选的重要价值。

上市公司财务分析准确预测非金融企业盈利于2019Q3见底、2020年回升，结合估值及市场情绪分析进一步支撑市场阶段判断，整体配置遵循戴维斯双击逻辑。银行业量化基本面模型结合宏观经济指标完善ROE及PB估值体系，预测银行估值提升趋势。

在多因子投研创新方面，报告提出并验证了多项新有效因子，包括基于羊群效应的个股抱团因子、估值提升因子、剔除相关性的改良反转因子及企业价值视角的ROIC-WACC因子。负alpha因子研究囊括财务异常因子和非财务公告数据，构建有效负收益组合提升风险管理能力。相对K线反转策略则提供了顺应市场结构的高频形态选股工具。

动态IC半衰期加权多因子组合通过灵活调整因子权重，有效应对市场风格变化，10年累计超额收益745%，年化21.59%，夏普比接近2，验证其策略优越性。因子估值与换手率的择时优化进一步提升了策略收益与稳定性。

衍生品市场看好沪深300期权的推出为量化投资和风险管理注入新活力，可有效提升定价效率和市场深度。

综上，报告呈现出系统与细致结合的量化投资解决方案，重点强调多周期视角、创新因子及动态权重对策，整体展现积极乐观的2020年A股量化投资前景，值得投资者和策略研究者重点关注。

---

主要引用页码

报告主线及核心论点综合自[page::0],[page::6],[page::8],[page::9],[page::10],[page::11],[page::12],[page::13],[page::14],[page::15],[page::16],[page::17],[page::18],[page::19],[page::20],[page::21],[page::23],[page::24],[page::25],[page::26],[page::29],[page::30],[page::33],[page::37],[page::40],[page::41],[page::42],[page::43],[page::44],[page::45],[page::46],[page::47],[page::48],[page::49],[page::50],[page::51],[page::52],[page::53],[page::54],[page::55],[page::56],[page::57],[page::58],[page::59],[page::60],[page::61],[page::62],[page::63]。

报告