金融研报AI分析

【山西证券】研究早观点（20251205）

本报告涵盖通信（商业航天）、光伏行业月度跟踪与个股永泰能源公司点评；认定商业航天进入规模化发展拐点并受政策与可回收火箭进展驱动，10月国内光伏新增装机同比下降38.3%但1-10月累计仍显著增长，永泰能源海则滩矿工程进度提前且回购方案可推动价值修复并给出2025-2027年盈利预测 [page::0][page::2][page::4]

【华安金工】重新审视回撤规则：实证反思与框架重构——“学海拾珠”系列之二百五十八

本报告通过跨市场实证检验传统回撤阈值规则的局限性，指出基于简单阈值的规则在多数市场和多种策略下无法稳定改善风险调整后业绩，并提出一致回撤调整绩效指标CDAP及基于多变量响应、跨资产确认和情境整合的决策树框架以提升回撤管理的识别与响应能力 [page::1][page::4][page::11]

【策略】国内外重要会议临近，市场进入等待阶段——A股市场投资策略周报

本周报告认为，受国内外重要会议临近与业绩真空影响，市场进入震荡等待阶段，短期以政策与题材催化为主线，建议围绕政策与科技提前布局，重点关注TMT/机器人、电力设备与有色金属、社会服务与资源品及银行板块；若后续政策超预期，行情有望顺势反弹。[page::0][page::1]

本报告跟踪多类量化选基与ETF轮动策略：基于申报信息的行业主题ETF轮动策略在2025年11月实现-1.63%收益、相对中证800获得1.47%的当月超额；自2018年12月末起费后年化超额约11.16%，显示申报公告信息在捕捉行业热点方面具备前瞻性。同时，两类选基策略（交易动机+股票价差、基金经理交易独特性）在11月也分别取得相对万得偏股混合型基金指数的超额收益0.32%和0.19%，且长期表现表现正向（2025年以来分别获得5.76%和7.55%超额）[page::6][page::1][page::4].

行业质量因子持续有效，今年累计多头超额达到9.89%【国金金工高智威团队】

报告基于质量、超预期、分析师预期与调研活动等因子构建行业轮动框架，指出质量因子今年累计多头超额约9.89%，超预期增强策略长期回测年化收益12.16%、年化超额约6.81%，并给出电子、非银、有色、传媒与电力设备等本月推荐行业，提示模型在政策和市场环境变化下可能失效 [page::2][page::6]

高频因子跟踪：近期斜率凸性因子表现优异

本报告跟踪多类基于高频数据构建的选股因子（价格区间、量价背离、遗憾规避、斜率凸性），发现样本外整体有效，且将三类高频因子分别等权合成构建中证1000指数增强策略与高频+基本面共振策略，后者年化超额达14.20%，斜率凸性因子近期表现尤为突出，体现了订单簿斜率/凸性对预期收益的预测力 [page::0][page::7][page::6].

基于Mamba2模型的端到端选股框架

本报告将并行友好的Mamba‑2引入端到端选股体系，构建“频率×模型×传统因子”二层合成（GRU 4频 + Mamba2 3频 + GJQuant 117因子 → LightGBM），并在2018‑01‑31—2025‑10‑30回测下证明合成能显著提升IC、年化超额与信息比率，三大宽基（沪深300/中证500/中证1000）指增超额分别达9.99%、12.20%、20.65%，且主动层回撤显著小于基准，表明合成带来真实Alpha增量而非杠杆放大 [page::3][page::9][page::11]

国盛量化 | 行业ETF配置模型2025年超额16.4%

本报告基于景气度-趋势-拥挤度三维框架与左侧库存反转模型，给出两套行业轮动方案并落地为行业ETF组合与PB-ROE选股组合，2025年ETF组合相对中证800累计超额约16.4%，行业配置模型与库存反转模型在历史回测中均显示稳定超额与较高胜率，为行业轮动与ETF配置提供可量化的实操框架 [page::0][page::3][page::5]。

【广发金工】用逐笔订单数据改进分钟频因子：海量Level 2数据因子挖掘系列（六）

报告基于海量Level‑2逐笔订单（Tick）数据，提出“日内重点时段（KeyPeriod）”因子框架，通过将分钟时段按成交量、涨跌幅、价格位置和量价协同等划分（如top/low百分位），构建123个Level‑2 KeyPeriod因子并在全市场进行月度换仓RankIC与分组回测验证，结果显示多类因子在20日换仓下具备显著信息含量（如成交金额类与量价协同类部分因子20日RankIC均值>5%且胜率>80%），并与Barra风格因子、先前深度学习因子保持较低相关性，具备被纳入Alpha库的潜力且适合用于选股/指数增强框架中 [page::0][page::3][page::6][page::7].

风格因子动态优选策略

本报告提出将多因子截面选股思想应用于宽基指数配置，构建包含估值、质量、成长、动量等在内的多维风格因子池，并通过短期动量、长期趋势与马尔可夫概率反转三项评估指标复合打分实现因子动态优选，从而对备选宽基指数进行月度优选配置，回测（2011-2025）显示全区间年化绝对收益15.7%，年化超额收益10.9%，样本外同样取得稳健超额 [page::0][page::20]

Mean Field Game of Optimal Tracking Portfolio

本文研究带资本注入的放松基准跟踪平均场博弈，构建带反射状态的辅助过程并通过Legendre–Fenchel对偶变换将非线性HJB线性化，利用概率表示证明了对偶PDE的经典解及最优投资反馈形式，并建立了MFE存在性与数值求解流程（包含分段显式/半显式策略与灵敏度分析）[page::0][page::3][page::14]

DE FINETTI’S PROBLEM WITH FIXED TRANSACTION COSTS AND REGIME SWITCHING

本文考察在固定交易成本与内生状态触发（surplus 相对阈值 a）下的 de Finetti 派息问题，建立了两值漂移/波动的超额过程模型并证明最优派息策略为两障碍 (z1,z2) 冲击策略。报告给出了解出退出问题的解析解、两障碍策略的显式价值函数 V_{z1}^{z2} 以及对候选最优集合 M_ζ 的完整分类与构造方法，并通过 QVI 验证与若干充分条件证明了该策略在大多数参数情形下的最优性，同时进行了参数灵敏性数值分析以解释经济意义 [page::0][page::10][page::18].

RISK PREMIUM AND ROUGH VOLATILITY

本文在粗波动率框架下研究随机（非确定性）波动率风险溢价对定价的影响，证明在适当假设下从P到Q的变换可保持模型无套利并给出风险溢价与P/Q下方差互换/远期方差的明确关系，提出基于piecewise-constant λ 的实证估计流程并在Eurostoxx数据上回测得到风险溢价时间序列，展示了该方法在捕捉不同到期结构风险溢价上的可行性与数值结果 [page::10][page::12][page::15]

Coordinated Mean-Field Control for Systemic Risk

本文构建了一个具有相互作用政策工具（利率 u_t 与监管强度 π_t）和模型不确定性的鲁棒线性-二次平均场控制框架，通过将方差惩罚权重设为状态依赖 w2(u_t)=\bar{w}_2+κu_t 导致货币与审慎工具的耦合，从而在 HJBI-里获得显式二次值函数与耦里卡蒂方程并证明粘性解与验算定理，数值模拟揭示了鲁棒性失效与控制饱和两类“失控”相变以及均值/方差通道的敏感性不对称 [page::0][page::25].

Continuous-time reinforcement learning for optimal switching over multiple regimes

本文提出并分析了连续时间熵正则化下的多状态最优切换的探索性（exploratory）表述：以控制有限状态CTMC的生成元实现对切换时刻和目标状态的随机化，导出并证明了对应的耦合HJB PDE系统的良定性与验证定理；基于值函数的显式最优策略形式，设计了基于鞅正交条件的策略评估与策略迭代算法并给出收敛率与误差界，且证明随着温度参数λ→0，探索性解收敛到经典变分不等式的解；数值实验（含神经网络参数化）验证了算法收敛与策略从平滑随机化向阈值型确定性策略的转变 [page::2][page::12][page::17][page::20][page::24][page::25]

From FLOPs to Footprints: The Resource Cost of Artificial Intelligence

本文建立从模型FLOPs到物质资源耗用的闭环：基于对Nvidia A100 SXM 40GB 的32种元素ICP-OES分析，结合GPU理论与实际MFU（20–60%）与寿命情景估算，量化训练大型模型（如GPT‑4）所需GPU数量与材料消耗，指出在低MFU与短寿命下训练GPT‑4可能消耗数千块A100并产生数吨有毒金属废料，同时软件与寿命优化可分别将GPU需求与材料消耗减少约67%，两者并用最高可降约93% [page::0][page::6][page::9]

Responsible LLM Deployment for High-Stake Decisions by Decentralized Technologies and Human-AI Interactions

本论文提出一个面向高危决策场景（以小企业贷款审批为例）的负责任 LLM 部署框架：在预部署阶段引入人机交互与 XAI 评估（包括对解释稳定性的解析性量化和人工打分），并通过本地化模型 + 区块链/IPFS 的混合链上/链下存储实现可审计的不可篡改记录以追溯责任；实证比较了 Bert、Mistral、Llama2/3 等模型，Llama3 8B 在多轮人机迭代后表现最好，同时给出了基于 entropy 与 perplexity 的接收阈值用于自动/人工分流 [page::0][page::2][page::4][page::5].