本报告基于进门财经平台公开线上分析师路演数据，运用文本分析和结构化处理，构建事件驱动选股策略、指数增强策略及定量行业轮动配置策略。研究表明，基于路演数据构建的策略普遍取得显著超额收益，其中首次覆盖策略年化超额收益达13.21%，同时行业配置策略实现近三年累计收益32.92%，显示路演数据作为独立另类因子具备较强投资价值，且与传统低频因子相关性较低，为智能投资提供了新的数据来源和量化方法 [page::0][page::1][page::2][page::3]。
本报告聚焦海外发达国家权益资产配置，筛选59个宏观指标及多维技术指标，基于显著性指标构建量化打分模型，结合宏观与技术视角开发单资产择时与多资产配置策略。回测显示，多策略组合长期取得显著超额收益，动态调整月度胜率平均可达约63%，多资产配置年化收益率达12.38%，夏普比率超过150%，显著优于基准组合，展示了宏观与技术指标协同提升海外权益资产配置效果的潜力[page::0][page::1][page::4][page::5][page::6][page::8][page::9][page::10][page::11][page::13][page::14][page::15]
本报告创新性提出利用卷积神经网络对图表化的价量数据进行建模，构建I20R20和I20R5两个因子，分别预测未来20日和5日的股价走势。实证表明两因子在2020年2月至2023年2月区间，无论是在全市场还是主要板块中均实现显著超额收益，表明图表化数据和卷积网络在股价走势预测中的有效性与优越性 [page::0][page::1][page::4][page::6]。
本报告利用深度学习方法在高频数据低频化的55个人工因子基础上提取特征，挖掘出32个深度学习因子，在创业板和中证1000两大股票池均表现优异。以周度换仓为基础，hf18因子在创业板多头年化收益率达27.25%，超越创业板指数25.50%，信息比率达到1.04，显示其选股能力和独立性突出。报告详细阐述了高频因子的构建思路、深度神经网络模型框架及量化实证分析 [page::0][page::1][page::2][page::5][page::6][page::7][page::8]
本文构建基于Delta对冲原理的ETF自动赎回型期权产品收益复制策略，通过蒙特卡洛模拟估算每日Delta并动态调整仓位，实现对期权产品收益的有效复制。单路径策略平均年化收益23.51%，胜率87.76%，盈亏比1.26。为降低极端收益波动，提出多路径合并建仓策略，平均年化收益6.11%，胜率81.65%，盈亏比提升至1.94。文中深入分析Delta极端值产生及交易影响，探讨交易费用敏感性及策略风险，结合详实图表验证模型的收益与波动特征，为期权发行方及量化投资者提供重要参考 [page::0][page::3][page::5][page::6][page::7][page::16][page::17][page::20]
报告基于行为金融学的损失厌恶理论，借鉴Bollerslev（2021）构建SemiBeta因子，对传统Beta因子进行拆分并在A股市场实证检验。构建48个SemiBeta细分因子，发现反映市场下行时股票表现的fBeta_MN系列因子表现最佳，短周期回溯带来更高收益但换手率增加。基于因子表现，设计沪深300、中证500和中证1000的市值行业中性指数增强策略，实现显著年化超额收益，为A股多因子投资提供新思路 [page::0][page::4][page::5][page::13][page::14]
本报告系统研究我国可转债市场的分层特性，基于518只标的构建偏债层、中性层和偏股层三层次划分体系，选取涵盖估值、债券属性、正股价值质量等12类32个单因子，通过单因子及多因子回测评估不同层次上的因子表现，最终构建结合分层加权的多因子组合策略。2019年以来，策略在偏股层表现优异，年化收益率近30%，夏普比率1.19，同时合理配置偏债及中性层转债提升收益风险比，实现最优夏普比率1.26，充分体现分层权重配置的优势和策略稳健性[page::0][page::2][page::4][page::11][page::13][page::14]。
本报告基于广发金融工程研究，改进了细分行业“景气+”轮动配置策略，通过引入动量补仓机制，提升行业持仓的风险分散能力。策略结合景气度、动量与拥挤度三大因子体系，实现从行业轮动到个股层面的选股闭环。实证显示，改进后的策略在中证800和中证1000指数成分股范围内，指数增强效果显著，超额年化收益分别达到25.0%和33.5%，夏普比分别为1.15和1.82，收益稳定且风险控制良好，为细分行业配置与指数增强提供高效投资框架。[page::0][page::1][page::2][page::3][page::6][page::7][page::8][page::9][page::10]
本报告基于个股与其行业关联公司（不同省份相同行业股票）之间的相关系数构建行业相关系子因子，包括5种相关系数及拆解因子，通过月频调仓实证验证因子在A股市场的显著选股能力。除INDUCORRJP外，其余4种因子分档效果显著，INDUCORR与INDUCORRP表现突出，IC均值分别为0.071和0.065，正IC占比均超85%，多头相对中证500指数年化超额收益率均在15%左右，信息比率超过1.7。该类因子能挖掘传统因子之外的增量信息，可有效提升多因子模型的Alpha收益，且在中证1000股票池中依然表现稳定，但需注意高换手率带来的手续费敏感性风险 [page::0][page::3][page::4][page::5][page::6][page::7]
本报告延续地理关联度因子研究，基于个股与不同行业同区位股票相关系数构建5类行业相关系数因子，通过全市场月频调仓实证，验证除INDUCORRJP外其余因子具有显著分层效果，且INDUCORR和INDUCORRP因子表现优异，IC均值分别达0.071和0.065，相关多头策略年化相对中证500超额收益分别约15%，信息比率均超1.7，因子能够挖掘传统因子外的增量信息，适合作为多因子模型的重要Alpha来源 [page::0][page::4][page::5][page::6][page::7]
本报告借鉴Bollerslev（2021）研究，将传统Beta因子拆解为4个SemiBeta因子，基于A股市场日内高频数据（1分钟和5分钟级）进行实证检验。结果显示，周频换仓中，MN类高频SemiBeta因子表现最佳，年化多空收益率可达近30%，而月频换仓中N和P因子效果较好，且选股范围影响因子有效性。因子之间存在较高正相关，尤其是相同收益方向的组合因子。该高频因子的研究丰富了A股量化因子库，为投资组合构建提供了新思路 [page::0][page::2][page::4][page::6][page::12][page::14]
本报告围绕基于Transformer架构的量价选股策略，详细介绍自注意力机制、多头注意力机制及整体模型结构，结合股票涨跌幅和换手率数据构建面板数据输入，通过输出股票未来涨跌概率实现分类预测。报告展示了基于该策略的中证500、沪深300及全市场选股指数对冲策略净值曲线，反映自2020年以来策略稳定获得相对超额收益并有效控制回撤，显示了Transformer模型在量化投资中的应用潜力和优势[page::0][page::1][page::2][page::3][page::4]
本文基于主代理模型，研究在信息不对称与连续类型损失风险背景下，采用VaR风险度量的保险公司选择最优再保险合约菜单设计问题。通过引入间接效用函数，将复杂多维问题简化为单变量问题，针对止损、分成和变损三类再保险赔付函数，给出精确的最优合同结构。研究揭示承保人根据风险暴露VaR水平被划分为两类：低风险客户获得关闭策略，高风险客户分别采用分成或止损/变损策略实现收益最大化[page::0][page::4][page::5][page::13][page::20][page::35]。
本报告系统回顾了目标日期基金（TDF）的理论基础与行业发展，重点分析其在智利2025年退休金改革中的应用。研究建议设计动态滑动路径，结合累积财富和投资者风险偏好进行调整，并倡导基准组合设置宽松偏离空间，以促进多样化资产配置和增强基金经理间竞争。报告还强调未来需结合智利特有参数制定适切的滑动路径模型，以优化退休储蓄长期收益表现 [page::0][page::12][page::14]
本报告提出了QuantBench，一个面向量化投资的工业级AI算法基准平台，涵盖完整的量化投资流程，支持多样化模型和多类型金融数据。实证结果揭示持续学习应对分布漂移、复杂关系数据建模及模型集成缓解过拟合等重要研究方向。QuantBench旨在促进行业与学术界融合，加速AI量化投资的发展 [page::0][page::1][page::6][page::7].
本报告基于金融混沌指数（FCIX）构建非参数分割的三阶段波动率模型，揭示了低、中、高混沌三大市场状态的统计特性及演化机制。结合MLP混合分布拟合，定量刻画市场波动的重尾行为和时变结构。采用弹性网回归对情绪驱动的宏观、政策、地缘政治不确定性进行分阶段预测，表明不同信息因子对VIX预期波动具有显著且分 regime 依赖的解释力，构建统一视角解析系统性风险的历史演变与市场预期 [page::0][page::4][page::13][page::16][page::21]。
本研究基于广义Hurst指数，通过多重分形去趋势波动分析法(MFDFA)，研究COVID-19疫情对股票市场（DAX、Nikkei 225、SSE、VIX）及加密货币市场（比特币、以太坊）中价格收益率、绝对收益率和波动增量时间序列的市场效率影响。结果显示疫情影响在资产类别和市场之间存在差异：疫情显著影响股票市场价格收益率和绝对收益率的市场效率，特别是DAX与Nikkei 225，但SSE收益率无明显改变；加密货币市场的Hurst指数无显著变化，但收益率和绝对收益率的多重分形强度发生了变化。波动增量的市场效率基本不受疫情影响，且分析揭示逐步下降的Hurst指数易误导基于时期划分的疫情效应判断，提示需谨慎解读区间分段研究结果[page::0][page::6][page::7][page::8][page::9][page::14].
本报告系统梳理了比特币价格预测的可能性与挑战，通过理论回顾、实证分析、机器学习与时间序列模型，论证加密货币市场趋向效率，但信息不对称和行为异常仍偶现可套利的无序性。基于对多种量化策略、随机游走、马丁格尔模型及多种技术指标的回测，结论显示无明显超额收益，暗示市场至少呈弱式效率，且机器学习模型准确率偏低。文中还探讨了比特币基本面价值、市场行为驱动因素和市场规制建议，为投资者和监管者提供理论与实操参考 [page::0][page::3][page::7][page::16][page::26][page::28][page::29]
本论文采用Bornholdt改进的Ising模型，通过蒙特卡洛模拟，成功重现了标普500指数中金融市场的多项统计特征，包括波动率聚类、负偏度、厚尾分布及绝对收益的自相关衰减等，验证了该物理学模型在刻画市场复杂性的有效性，为市场行为的理论建模提供了新的视角和方法论支持[page::0][page::3][page::4][page::5]。
本报告提出将大型语言模型（LLM）生成的视角融入Black-Litterman资产配置框架，通过对标S&P 500成分股的历史数据和公司元数据，预测股票预期收益并量化预测不确定性，进而优化投资组合。实证回测显示，基于LLM视角的组合优化明显优于传统均值方差模型，且不同LLM在预测乐观程度与置信稳定性上存在差异，影响组合表现，为自动化动态生成投资者视角提供了新思路 [page::0][page::1][page::4].
