从长期数据看美股当前位置
本报告基于长期数据分析认为美股当前处于历史高位，性价比降低，短期追高风险加大。通过遗传规划行业轮动模型挖掘行业因子，模型今年以来实现26.83%绝对收益，重点推荐酒类、贵金属、房地产、饮料、电子行业。同时构建境内绝对收益ETF模拟组合，累计收益5.89%，全球资产配置模拟组合则超配债券和外汇，呈现多层次资产配置思路，为风险管理和投资决策提供参考。[page::0][page::1][page::5][page::6][page::7]
金融研报AI分析
华泰金工 | AI量价上周出现小幅回撤
报告基于华泰金工开发的全频段量价融合因子，构建多种AI驱动的量化策略，包括主题指数轮动、概念指数轮动、行业轮动及文本选股组合。全频融合因子表现优异，2017年以来年化超额收益达30.74%，AI中证1000增强组合年化超额22.32%。主题和行业轮动模型均展现出明显的超额收益和良好风险调整指标。文本FADT_BERT选股组合自2009年起累计收益显著，夏普1.40。报告推荐结合多策略轮动，关注银行精选、石油石化、水产等板块 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]
成长盈利因子领跑，300指增走强
本报告分析了2025年8月以来A股市场成长和盈利因子表现突出，估值、反转等因子回撤，反映市场风险偏好提升。从沪深300、中证500、中证1000和A股全市场不同股票池因子Rank IC和多空组合收益来看，预期增速、成长和盈利因子多空收益领先；沪深300量化指增基金表现强劲，超额收益领先中证500和中证1000，量化指增基金的超额收益分布和回撤情况揭示了市场风格变化和投资机会 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10]
【广发金工】基于Level 2数据的跳跃因子
本报告基于Level 2逐笔成交数据，构建和分解跳跃相关因子，包括跳跃波动率、累计值和成交额占比，结合跳跃方向和大小进行分类刻画。通过滚动5日与20日平滑处理，月度和周度调仓的实证回测显示，部分因子长期表现稳健，最高因子RANK_IC达到9.89%，多空策略年化收益超40%，且因子内部相关性和与风格因子的联系得到验证。本报告展示了多个绩优跳跃因子及其分年度收益和风险指标，为基于高频数据的选股因子开发提供了实证支持 [page::0][page::5][page::8][page::10][page::20][page::22]。
【广发金工】市场成交活跃
报告分析了最近5个交易日各主要指数表现与风险溢价水平，剖析权益与债券资产隐含收益率的历史极端值，结合长周期技术面判断大盘熊牛周期。同时运用卷积神经网络对价量图表数据进行行业主题映射，得出通信等行业主题的最新配置建议，ETF资金流及融资余额表现活跃，成交量大，综合反映市场活跃度和风险偏好变化，为量化择时提供支持 [page::0][page::1][page::3][page::4][page::5]。
广发证券2025年秋季策略会－金工论坛智慧量化·未来投资
本报告为广发证券2025年秋季量化策略会的内容简介，聚焦智慧量化投资策略分享，涵盖时序增强学习、多角度指数择时、行业轮动等主题，展示了多因子轮动及智能资金分析等前沿量化方法，为投资者提供全面的量化策略视角和前瞻性见解[page::0][page::1][page::2]。
Statistical Arbitrage in Options Markets by Graph Learning and Synthetic Long Positions
本文针对期权市场统计套利（StatArb）难以直接利用机器学习识别的问题，提出了一种两阶段图神经网络方法。通过设计纯套利目标变量，结合融入神经树结构的RNConv图卷积网络，实现对期权价格中的纯套利机会的精准预测。基于此，进一步提出了Synthetic-Long-Short-Arbitrage（SLSA）策略，理论证明SLSA持仓极低风险且对经典Black-Scholes风险因子保持中性。实证结果显示，RNConv显著超越主流GNN基准模型，SLSA持仓实现稳定正收益，信息比率达0.1627，展示了利用深度图学习捕捉期权统计套利的有效新路径[page::0][page::1][page::2][page::14][page::15][page::27][page::30][page::31]
Deep Learning for Short-Term Equity Trend Forecasting: A Behavior-Driven Multi-Factor Approach
本研究通过构建包括40个技术alpha因子与4个行为指标的多因素特征，采用多任务多层感知器(MLP)、卷积神经网络(CNN)和支持向量机(SVM)模型进行短期股价趋势预测。[page::0][page::4][page::5][page::6] 实验结果表明，多任务MLP模型在IC、IR和组合回测中表现最佳，年度累计收益超800%，同时模型基于行为驱动的设计有效捕获动量、底部反转和量价背离市场行为特征，显著提升预测准确性和稳定性。[page::9][page::10][page::12] 研究还通过SHAP热力图解析因子贡献，揭示动量和成交量相关因子在趋势判断中的主导作用。[page::12][page::13]
CALL OPTION PRICE USING PEARSON DIFFUSION PROCESSES
本文提出了一种基于Pearson扩散过程（具有线性漂移与二次扩散系数）对欧式看涨期权定价的新框架，该过程能捕捉收益率分布的偏斜和峰度。模型通过验证Novikov条件确保无套利且构建风险中性测度，实现标的资产价格唯一强解。实证采用印度Nifty 50指数期权数据，对比Black–Scholes与Heston模型，结果显示提出模型无论在历史参数估计还是隐含波动率估计框架下均表现优越[page::0][page::13][page::15][page::17][page::21][page::26][page::27][page::29]。
Particle Systems with Local Interactions via Hitting Times and Cascades on Graphs
本文建立了基于击穿时间和层级传播的稀疏图局部相互作用粒子系统模型，证明了物理解的良定性及唯一性，结合动态渗流理论定量分析了违约蔓延的传播速度与网络拓扑的关系，扩展了Lacker等人工作至奇异相互作用的系统，提供了系统性风险数学框架，包含物理解的收敛性和经验分布收敛结果 [page::0][page::2][page::3][page::10][page::19][page::21][page::24]
Cost-aware Portfolios in a Large Universe of Assets
本文提出了一种考虑交易成本的高维多周期均值-方差投资组合估计方法，采用非凸惩罚提升稀疏性与稳定性，通过局部线性近似算法（LLA）求解。理论上证明所提估计具有oracle性质，且收敛于最优交易成本感知组合。仿真及标普500、Russell 2000实证结果显示，该方法在成本控制与风险调整收益率方面显著优于传统策略，凸显其在大规模资产组合管理中的实用价值[page::0][page::2][page::26][page::27][page::30][page::32][page::35]
Optimal consumption under relaxed benchmark tracking and consumption drawdown constraint
本文研究了在放宽基准跟踪和消费回撤约束下的最优消费问题，将其归结为具有动态状态-控制约束的随机控制问题。通过对原始问题的等价转换和对偶变换，本文提出了带有Neumann边界和自由边界的分段线性偏微分方程(PDE)的解析解，并证明了对应的最优投资和消费策略的反馈形式。文中设计了自反对偶扩散过程以辅助验证理论，并利用数值实验展现模型参数敏感性及资本注入的定量特征和金融含义 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][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::22][page::23][page::24][page::25][page::26][page::27][page::28][page::29]
The Value of Finance Journals
本文通过1999年至2024年SCImago数据，实证分析了影响金融学术期刊价值的关键因素，发现期刊质量(引用率)、网络效应(Elsevier生态系统)和女性作者比例显著提升期刊经济价值。研究揭示了引用政策文件进一步增强价值，且多样性对期刊产出和价值的积极影响，同时对未来政策和研究提出了建议[page::1][page::3][page::13][page::14][page::15]。
Macroeconomic Foundation of Monetary Accounting by Diagrams of Categorical Universals
本论文从范畴理论视角出发，搭建了货币宏观经济核算理论(MoMaT)的数学基础，构建了由微观双重记账体系组成的宏观经济会计框架。重点在于货币的主要功能是贷款偿还而非商品交换，解决生产者投入与产出支付不同步的问题，实现宏观层面的时间一致性。通过八个部门宏观记账及其普适构造（极限与余极限），数值模拟展示了系统的稳定收敛性。范畴理论形式化了账目一致性、经济流的保守性及动态演化，提供了一种结构化、层次化的建模语言，利于构建货币会计系统数字孪生并推动多学科合作 [page::0][page::4][page::6][page::19][page::63].
Portfolio construction using a sampling-based variational quantum scheme
本文针对具有实际约束的基金投资组合构建问题，提出采样式条件风险价值（CVaR）变分量子算法（VQA）方案，并结合局部搜索后处理方法，验证其在109量子比特规模的IBM量子硬件上求解复杂组合优化的可行性和优势。实验结果显示，量子-经典混合流程相比纯经典方法能获得更优解，且更难经典模拟的电路设计具有更好收敛性，为量子计算机在基金组合优化领域应用开辟了新路径[page::0][page::1][page::2][page::4][page::5]。
Monotonic Path-Specific Effects: Application to Estimating Educational Returns
本研究提出了一种针对具有单调中介变量的因果中介分析框架，将教育的总效应分解为直接效应和多个互斥的“路径特异性单调效应”（MPSEs）。该框架允许不同教育阶段的效应受到不同协变量混杂影响，并基于弱于传统中介分析的假设，实现非参数识别和半参数有效估计。通过对NLSY97数据的实证分析发现，高中毕业对成年收入的影响主要来自直接效应，通过大学就读及毕业等后续教育阶段的中介效应较小，主要因个体在这些阶段的反事实进展率较低。研究结果为教育政策设计和后续干预提供了有效路径识别工具和量化方法 [page::0][page::4][page::20][page::23][page::26][page::44].
Adaptive Strategies for Pension Fund Management
本文提出了一个基于蒙特卡洛模拟的养老金管理自适应框架，通过动态调整资产配置和养老金支付水平，有效降低了养老金计划运行成本与违约概率。以美国为例，在四种不同灵活度的养老金设计中，灵活调整资产组合和支付水平的方案显著提升了收益率并减少了资金缺口风险，展示了策略适应性的强大价值[page::0][page::1][page::4][page::9][page::11].
AlphaEval: A Comprehensive and Efficient Evaluation Framework for Formula Alpha Mining
本文提出了AlphaEval，一个统一且高效的公式化alpha挖掘评价框架。AlphaEval从预测力、时间稳定性、鲁棒性、金融逻辑和多样性五个维度对自动化挖掘模型生成的alphas进行评估。实验结果表明，AlphaEval与传统回测结果高度一致，且评估速度显著提升，能够更全面识别优质因子并促进复现与社区开发[page::0][page::1][page::4][page::5][page::6]。
Interpreting the Interpreter: Can We Model post-ECB Conferences Volatility with LLM Agents?
本文提出利用大型语言模型（LLM）构建30个具有不同风险偏好与认知偏差的合成交易者，模拟欧央行新闻发布会后投资者对欧元利率互换的不同解读，不同预测的标准差代表市场不确定性。三种提示策略对比显示，零样本提示能显著捕捉长中期限利率波动异质性，LLM作为裁判的方法在初期迭代进一步提升模型对真实市场波动的关联度。本方法为央行提供可预判市场反应的新工具，助力优化沟通策略和金融稳定性[page::0][page::3][page::24].
AlphaX: An AI-Based Value Investing Strategy for the Brazilian Stock Market
本论文提出了一种基于价值投资理念的AI自动交易策略AlphaX，专为巴西股票市场设计。该策略结合了基本面和市场数据，使用机器学习回归模型评估个股内在价值，并采用三重控制机制管理风险。通过严谨的模拟测试，AlphaX在18个季度内表现优异，超越巴西主要指数Ibovespa和基准利率Selic，并在风险调整收益方面显著优于传统技术指标（RSI、Stochastic和MFI）。文中还探讨了未来引入大型语言模型进行定性分析的潜力，为AI驱动的价值投资框架发展指明方向[page::0][page::2][page::3][page::4][page::5]。
