金融工程：缩量静待反转 A股量化择时研究报告
本报告回顾了2023年8月初A股市场结构表现和情绪指标，综合两大量化择时模型（GFTD与LLT）的信号，结合市场估值和宏观因子，认为三季度下半段市场有望进入回升窗口，风险溢价及估值处于相对低位，同时关注底部向上的技术面可能性。各行业板块表现分化明显，ETF资金净流入及基金仓位较高，北向资金净流出，市场呈现资金结构修复的迹象，为量化择时提供支持[page::0][page::3][page::5][page::14][page::21]。
金融研报AI分析
那些年，一起追 过的财经小编策略——基于互联网财经频道文本挖掘选股
本报告基于互联网大数据时代，利用文本挖掘技术对热门财经网站荐股栏目信息进行量化，构建财经小编事件选股量化策略。实证结果表明，财经小编荐股存在显著短期超额收益效应，持有期为2个交易日收益最为显著，多财经频道的动态组合策略能够进一步提升投资表现，尤其在不区分行业或区分申万一级行业的情形下表现优异，年化超额收益率最高达64.35%（新浪财经单策略）和43.66%（动态多策略），为基于非结构化文本数据的量化选股提供了实践范例[page::0][page::4][page::12][page::19][page::21][page::23]。
高频数据的因子化研究
本报告围绕高频数据构建量化选股因子，涵盖日内价格相关因子、日内价量相关因子、盘前信息因子及特定时段采样因子四大类，筛选出12个周度高选股能力因子。实证显示这些高频因子在不同市场区间均展现出显著的多空超额收益及选股效果，彰显高频数据在量化投资领域的独特优势和较低因子拥挤度。报告还详细披露了各类因子的构建方法及回测绩效指标，为高频因子量化投资研究提供系统框架和实证依据 [page::0][page::4][page::5][page::8][page::12][page::16][page::24]。
多策略共振获超额收益，11 月关注电气设备电子 ——行业轮动策略报告
本报告基于多个量化策略对行业轮动的研究，包含宏观事件驱动、景气度指标和因子极值等方法，均显示行业间存在显著的超额收益机会。2019年10月数据表明多个策略共同推荐关注电气设备、电子等行业，结合资金流向和行业景气度，建议投资者11月聚焦电气设备及电子板块表现。策略历史表现稳健，胜率普遍较高且最大回撤较低，展现出较好的风险调整收益特性，适合用以优化行业配置 [page::0][page::4][page::6][page::11][page::15][page::19]。
全策略获超额收益，关注食品饮料等 ——行业轮动策略报告
本报告系统梳理和回顾了四大量化行业轮动策略（相似性匹配、羊群效应、因子极值、宏观事件驱动），均表现出持续超额收益能力。结合当前行情与资金流向，重点推荐食品饮料、电子、国防军工等行业作为短期重点配置方向，因子极值策略7月超额收益达1.1%，宏观事件显示五粮液价格创新高带动食品饮料表现良好[page::0][page::4][page::17][page::28]。
基于分析师路演数据的投资策略 从量化选股到行业轮动
本报告基于进门财经平台线上分析师路演结构化数据，构建事件驱动、指数增强及行业配置三类量化策略。覆盖度事件驱动策略、首次覆盖事件策略超额收益显著，首次覆盖策略年化超额收益达13.21%，夏普比率为0.459。指数增强策略中，基于中证500表现优于沪深300，年化超额收益达7.03%。行业配置策略利用行业覆盖度环比变化选取热门行业，近三年累计收益32.92%，年化收益9.84%。整体策略显著优于基准，展示了线上路演数据在多层面量化投资中的应用潜力 [page::0][page::5][page::6][page::9][page::12][page::14][page::15]
叠加反转效应下的财务指标选股策略研究 基于 Piotroski Fscore 模型
本报告基于Piotroski Fscore模型结合A股市场短期反转效应构建选股策略。实证表明，采用月度调仓、多空对冲组合在全市场及中证500、800指数范围内均取得显著超额收益，尤其动态更新财务数据的方式显著提升模型选股效能，全年化超额收益最高达34.22%，信息比率1.94，且策略流动性较高，风险控制合理[page::0][page::6][page::8][page::10][page::14][page::19]。
金融工程：市场结构分化，底部支撑力量增强 A 股量化择时研究报告
本报告基于广发证券多个量化择时模型对A股市场结构及行业估值进行分析，指出市场处于长期底部且支撑力量增强。通过对沪深300、创业板指的PE/PB及情绪指标深入跟踪，结合宏观因子与日历效应数据，形成对A股未来中长期向好的展望。择时模型回测显示多空净值稳步上升，量化择时工具具有较高成功率。报告指出疫情影响短期盈利，但疫情后盈利回升及利率下行提供强支撑，建议关注医药、生物、计算机新能源等景气板块 [page::0][page::3][page::5][page::12][page::15][page::17]
基于情景分析 的多因子 Alpha 策略 ——多因子 Alpha 系列 报告之（十四）
报告提出针对多因子Alpha策略中因子存在的非线性分层效应，选取6个分层因子构建因子情景加权矩阵和股票特征矩阵，形成情景加权多因子Alpha策略。实证显示该策略相比因子等权和因子IC加权策略在收益和风险控制上均有显著提高，且在样本外表现稳定，年化收益率达11%以上，最大回撤降至11%左右，充分体现了因子权重应根据股票情景灵活调整的必要性[page::0][page::3][page::6][page::16][page::17][page::18]。
金融工程：回调可能是机会 A 股量化择时研究报告
本报告基于两种量化择时模型GFTD和LLT对A股主要指数的走势进行分析，结合市场结构、行业估值、市场情绪和宏观因子，综合判断当前市场处于震荡底部具备反弹机会，尤其看多创业板指、上证指数等重点指数，风险提示量化模型并非全胜仍需关注模型失效概率及市场结构变化风险[page::0][page::3][page::13][page::19]
破茧成蝶 ——评GFTD 择时模型发出 买入信号
本报告评估广发证券开发的GFTD择时模型最新买入信号，结合市场历史风险溢价及货币周期数据，认为A股处于底部区域，市场即将由跌转升，建议积极参与。模型历史胜率达近80%，具较强参考价值，但投资需谨慎。[page::0][page::2][page::3][page::4]
大样本股价形态库中 建构A 股绝对收益王 者组合
本报告介绍了波段形态识别模型（WPRM），通过价格Z字波浪裁剪及相似性测度构建股票形态样本库，结合历史概率进行选股和动态跟踪止损，实证显示2011-2013年中证800多空组合胜率超52%，年化收益达23.89%，最大回撤仅4.14%，验证了该模型在A股绝对收益选股上的有效性 [page::0][page::26]
无模型隐含波动率的度量方法 研究
本报告系统介绍了基于BS期权定价模型与无模型隐含波动率的理论和度量方法，指出无模型隐含波动率通过波动率方差互换及期权价格组合，能够更准确综合不同执行价期权的波动率预期信息，且通过Dirac Delta函数理论实现了对期权组合的数学拆解，为波动率的无模型提取提供有效工具 [page::0][page::4][page::6][page::8][page::9][page::10].
金融工程：风险阶段释放—A股量化择时研究报告
本报告基于广发证券发展研究中心的量化择时模型GFTD和LLT，详细分析A股主要指数及行业估值、市场情绪和宏观因子影响，结合近月市场表现、ETF资金流向和北向资金动向，判断当前权益市场进入调整周期，信用下行与通胀顶点阶段对资产配置提出债券优先、精选景气盈利细分行业的策略建议，同时提示模型风险及日历效应对市场走势的影响 [page::0][page::3][page::5][page::9][page::13][page::17][page::19]
基于涨跌停溢出效应的因子研究
本报告基于投资者有限注意力理论和涨跌停溢出效应，构建APL beta因子，实证验证该因子在A股市场中的选股能力。结果显示，APL beta因子具有稳定的负Rank IC和较高的IC胜率，尤其在中证1000小盘股中表现更佳。叠加反转效应和凸显效应后，选股能力显著增强，年化收益率最高达23%，信息比率超2。因子表现独立于常规风格因子，具有较强稳健性和实际投资价值[page::0][page::7][page::8][page::15][page::18][page::19]
金融工程：成交下降 磨底时间 A 股量化择时研究报告
本报告基于2023年7月初A股市场数据，深度分析市场结构表现、估值水平、情绪指标、交易活跃度及北向资金动态，重点评估量化择时模型GFTD和LLT的最新信号，揭示市场存在底部筑底和择时机会，风险溢价处于历史高位附近，市场整体估值仍在底部，基金仓位及ETF资金流动表现积极，尽管面临短期波动压力，底部向上的趋势有望确认 [page::0][page::3][page::5][page::14][page::21]
行业轮动策略跟踪报告——5月三策略获超额收益，6月推荐食品饮料银行
报告跟踪分析了基于行业轮动的四大量化策略，包括相似性匹配、羊群效应、因子极值和宏观事件驱动策略。5月这些策略均实现超额收益，表现最优的相似性匹配策略自2008年以来累计超额收益达131.4%。基于历史数据和当前信号，报告重点推荐6月配置食品饮料、银行等消费金融行业板块，结合流动性和价量因子的行业情绪指标，策略显著捕捉行业轮动机会，辅助投资决策 [page::0][page::4][page::6][page::14][page::17][page::25][page::30]
如何挖掘景气向上，持续增长企业——最新基本面量化策略跟踪
报告基于盈利成长两大核心变量构建量化选股策略，通过等权重及市值加权组合测算显示年化超额收益分别达到18.54%和15.31%，组合平均持股55只，偏重医药生物、化工等行业，表现优异且波动率适中，为持续增长企业挖掘提供有效量化工具 [page::0][page::3][page::10]。
基于网络新闻热度的择时策略——互联网大数据挖掘系列专题之（一）
报告基于互联网大数据文本挖掘构建A股新闻热度指标NQ，通过新闻量变化捕捉市场情绪，利用布林通道生成择时信号，实现沪深300及行业指数量化择时。实证结果显示，策略自2011年以来年化收益超37%，胜率53%，最大回撤约20%，对机械设备、建筑材料等行业表现尤为突出，为投资策略提供新型非结构化信息的量化工具[page::0][page::11][page::12][page::13][page::15][page::16]
趋势策略的深度学习增强
本报告探讨了利用深度学习中的循环神经网络（RNN）及长短期记忆网络（LSTM）对股指期货趋势策略的增强方法。通过对沪深300指数期货分钟级行情数据进行特征提取与模型训练，实现开盘后早盘行情对全天趋势盈利概率的预测。实证显示，基于LSTM的RNN模型在样本外达到59.1%的预测准确率，策略年化收益达18.47%，最大回撤-8.63%。策略通过盈利概率信号过滤，减少低效交易信号，提高交易效率，具有较好的样本外表现和稳健性。[page::0][page::5][page::29][page::30][page::31][page::36]
