如何挖掘景气向上，持续增长企业：基本面量化策略
本报告基于盈利和成长两大核心因子，结合质量和价值等维度构建基本面量化选股策略。回测期从2009年至2021年，等权重组合累计收益2809.34%，年化收益30.32%，显著超越中证800及偏股混合基金指数。市值加权组合亦表现优异，累计收益率达2305.11%，年化28.39%。组合行业集中于医药生物、化工、电子等领域，呈现较高信息比及较低风险表现，反映基本面因子选股策略的长期稳定超额收益能力[page::0][page::3][page::10]
金融研报AI分析
ALPHA 因子何处寻觅 掘金海量技术指标 —— 多因子 Alpha 系列报告之（二十一）
本报告基于技术分析理念，系统选取101个技术因子，覆盖8大类指标，并采用排序法构建多空组合，筛选可带来超额收益的技术因子。重点推荐CR、PVT、Aroon三大技术因子，回测结果显示，6日ROC变动速率、20日成交金额和SRMI动量修正指标等具备较高信息系数(IC)、信息比(IR)、胜率及稳定的收益表现。多个技术因子之间存在不同程度的相关性，换手率适中因子更适合实际投资。报告为技术因子在中国股票市场的应用提供了重要参考 [page::0][page::24][page::27][page::44][page::48]
金融工程：量化风格个股分化回落，估值风格有望延续
本报告回顾2021年2月A股市场表现，指出价值风格持续领先，个股分化明显。基于日历效应、分化度、资金流向和宏观事件等多维度分析，预计3月风格将延续反转与价值导向，重点关注绩优蓝筹价值风格的趋势策略，结合多个关键图表揭示风格因子表现及资金流动趋势，为投资者提供风格配置建议与风险提示 [page::0][page::3][page::9][page::11][page::16][page::17][page::18]
“红利+”Smart Beta 策略研究 —产品创新专题报告系列之二十五
本报告系统研究了A股市场中的红利因子及其在Smart Beta策略中的应用，通过多个不同市场（沪深300、中证500、全市场）验证了高红利风格的稳定收益及超额收益能力。重点构建“红利+”系列组合，叠加成长、估值、低Beta等基本面及风格因子显著提升收益且降低回撤。全市场高红利低Beta组合年化收益可达19.4%，实现高收益与低波动的平衡，为Smart Beta产品设计提供有力支持 [page::0][page::8][page::11][page::15][page::24][page::26]。
ETF 配对交易 实操方案
本报告基于修正Vasicek模型改进的配对交易方法，详细梳理了配对交易的操作流程，结合资金和组合管理，重点实证了ETF的配对交易效果。结果显示，在开仓参数为2~4，平仓参数为1~3的合理区间内，配对交易表现稳定，其中(3,2)和(4,2)两组参数表现最佳，累计收益达60%以上。同时降低组合数量上限明显提高资金利用率，融资融券费率调整对收益影响甚微。样本外测试表明策略延续良好，适合ETF交易实务应用[page::0][page::6][page::10][page::18]
基于行业配置稳定性及选股能力的基金优选策略
本文以3年时间周期考察基金行业配置稳定性和选股能力，构建多维指标衡量两者，系统研究了行业配置稳定性、选股能力与基金收益的相关关系。结果显示，选股能力与基金收益显著正相关，而行业配置稳定性近年来与收益呈负相关。结合Brinson个股选择胜率与长线持仓相对行业胜率指标优选基金构建“高选股能力”组合，进一步叠加行业配置稳定性筛选，可获得更高收益率，提供了基金优选的有效量化依据[page::0][page::4][page::6][page::14][page::18][page::27][page::29]。
资本利得突出量 CGO 与风险偏好 行为金融因子研究之一
基于行为金融学处置效应和前景理论，构建资本利得突出量（CGO）因子，结合投资者盈亏状态区分股票池，开发分层选股策略。CGO单因子策略在中证500和800指数成分股中产生显著Alpha，低CGO组合持续跑赢高CGO组合，分层选股策略年化超额收益达14.70%，风格轮动明显且风险收益表现优异，验证了投资者风险偏好在不同盈亏状态下的差异性 [page::0][page::3][page::5][page::9][page::15][page::19]
资金分歧加大，关注绩优蓝筹 ——A股量化风格报告
本报告系统回顾了2019年7月A股市场的量化风格表现，揭示了近期资金流向分歧加大，绩优蓝筹如盈利、成长、价值风格的持续有效性。结合日历效应、资金流、估值水平和宏观事件等多维度指标，提出短期关注基本面风格，推荐基于沪深300的绩优蓝筹风格趋势策略，该策略自2017年以来年化超额收益超过10%，信息比率达0.82，并展示了重点行业及风格因子的表现差异[page::0][page::3][page::4][page::8][page::11][page::17]。
探寻抛物线逼近 下的创业板拐 点——交易性择时策略研究之六
本报告基于抛物线逼近方法构建创业板及沪深300指数的反转择时模型。实证显示模型择时正确率约70%，沪深300累计收益近679%，创业板累计收益约69%。结合盈利、估值及融资买卖资金指标，确认创业板存在泡沫且已有中长期顶部拐点，建议择机做空创业板指数，并介绍了广发多空杠杆产品作为做空工具 [page::0][page::4][page::5][page::11][page::13][page::14][page::15]
基于机构重仓行业的组合管理策略
本报告筛选低换手绩优主动权益基金，基于其重仓行业构建行业配置及选股策略。市值加权配置前五大重仓行业可取得年化11.05%的收益，增强行业轮动策略后年化收益升至14.53%。基于盈利与成长因子选股，申万一级行业选股策略年化超额收益达12.01%，优化行业筛选后提高至15.15%。进一步细分至申万三级行业，回撤显著缩短，年化超额收益提升至28.17%。策略超额收益提升显著，尤其在2019年以来市场波动和行业分化加剧过程中表现突出 [page::0][page::6][page::12][page::13][page::16][page::17]
EPU 指数与投资时钟
本报告基于经济政策不确定性指数（EPU）构建投资时钟模型，以反向替代传统经济增长指标，较好反映经济周期并指导资产配置。通过去趋势处理EPU指数结合CPI数据，模型划分经济周期为衰退、复苏、过热和滞胀四阶段，分别对应债券、股票、大宗商品和现金的最佳配置。模型在中美市场均有效，且基于宏观一致预期数据与滞后统计的配置策略均产生显著超额收益。配对交易结合投资时钟不同经济状态，在全球资产及国别间实现绝对收益。报告认为当前中国经济处于滞胀与衰退切换阶段，美国处于衰退到复苏阶段，全球经济整体探底企稳，建议长期优先战略配置股票，短期超配债券防御风险[page::0][page::8][page::14][page::17][page::19][page::21][page::23][page::24].
金融工程 A 股量化风格：资金持续流出，关注小盘反转风格
报告系统回顾并分析了2020年3月A股市场量化风格表现，强调资金流持续流出，尤其大盘资金外流，小盘反转风格持续增强，价值风格修复。利用日历效应、分化度、资金流、盈利预测、估值及宏观事件，提出短期关注高成长、小市值风格组合。并推荐绩优蓝筹风格趋势策略，在沪深300成分股中构建，回测年化超额收益达9.7%。整体策略配置重心为小盘反转及价值风格，风险提示风格及策略在市场波动中存在失效风险[page::0][page::3][page::9][page::14][page::20][page::21]
Transformer 架构下的量价选股策略
本报告基于Transformer架构的自注意力机制，提出了一种用于股票涨跌预测的量价选股策略。通过将涨跌幅和换手率等面板数据输入模型，选取上涨概率最高的股票构建组合。以中证500、沪深300及全市场为样本，回测显示该策略具有较好的IC值与稳定的分档表现，多空对冲策略年化收益率最高达18.51%，且回撤控制较好。实验还探讨了模型参数、交易成本对策略的影响，证明了基于Transformer的因子具有良好的选股能力和风险控制性能 [page::0][page::11][page::12][page::13][page::14][page::19][page::21]。
股指期货交易步入黄金时间窗口 CTA 产品及策略回顾与2019 年二季度展望
报告系统回顾了2019年一季度CTA产品发行与业绩，统计数据显示新发产品数量保持低位，年化收益率中位数6.23%，Sharpe比率中位数0.48，最大回撤中位数-7.27%。股指期货成交量及持仓量显著增长，波动率提升推动趋势类与短线CTA策略收益。国债期货波动率处于历史低位，但利率宽松空间依旧，适合配置型交易。大宗商品波动率低迷，趋势交易机会有限，建议降低仓位，关注特定套利机会。策略回测显示股指趋势策略、风格套利和期权预测均表现出色，而国债期货跨品种套利稳定获利。整体判断二季度股指期货和国债期货前景向好，商品领域保持谨慎。[page::0][page::3][page::5][page::9][page::10][page::13][page::19]
2018年金融工程年度报告：量化产品策略及风格因子研究
本报告系统回顾了2018年中国公募量化基金的市场表现与结构变化，聚焦三大主要类型基金（指数增强、主动量化、对冲）的规模及业绩分化，强调指数增强基金逆势扩容显著，且受资金偏爱历史业绩稳健产品。深入剖析中国A股市场的风格因子表现，基于多因子框架构建Alpha策略，报告详述了核心因子（规模、估值、盈利、成长、质量、流动性、技术等）的历史有效性与行业差异，并展示基于IC_IR动态权重的多因子模型及组合优化策略取得稳健超额收益。其中线性多因子等权策略年化超额收益达18.5%，风格趋势动态加权策略年化超额达21.5%，风险优化组合甚至达到30%年化超额收益，显示多因子量化模型在中国市场的优异表现和应用潜力。最后，报告展望2019年Alpha策略的发展趋势，强调策略的风险管理、多样性扩展与人工智能、大数据的潜在引入将是未来重点方向 [page::0][page::7][page::27][page::59][page::61][page::69].
档位突破因子 探寻主动交易的踪迹
本报告基于Level2快照数据，构建了“档位突破”因子，通过记录主动交易单对分档限价单的击穿情况，衡量个股多空强弱，挖掘了量价因子在更高频率数据中的Alpha空间。实证结果显示，档位突破因子具有显著的选股能力，尤其在中证1000内表现更优，周度调仓ICIR高于月度但受交易成本影响多头超额提升有限，且因子与传统风格因子相关性较低，实现了较好的正交超额收益 [page::0][page::6][page::8][page::9][page::16][page::19][page::20]。
基于价格数据的指数波动率预测
本报告以沪深300与中证500指数为标的，研究基于历史波动率的指数月度波动率预测，比较技术分析和GARCH系列模型，确定38天窗口作为历史波动率的最优参数。技术指标PLS模型预测胜率46%-55%，预测偏差0.086-0.097。GARCH模型中，GARCH-M胜率最高达72%，但存在极端预测。结合三种GARCH模型预测方向和数值，提升波动率预测精度，为市场波动性分析提供参考 [page::0][page::5][page::17]
金融工程：量化择时研究
本报告基于信用与通胀周期框架，结合杠杆率变动对权益市场的影响进行量化择时分析，指出当前50/300板块处于月线超跌区，未来三年预期年化收益率有望达到15%~20%。技术面显示上证50指数处于长期趋势低点，估值回落空间有限，权益资产具备较高性价比。风险提示模型可能因市场结构变化失效，需谨慎控制风险。[page::0][page::3][page::4][page::11][page::12]
基于LeveI2因子的ETF轮动策略
本报告基于Level2高频因子构建ETF轮动策略，聚焦境内权益ETF市场，通过周频与月频回测验证因子有效性。结果表明，bigbuy_bigsell及longbuy等因子在ETF层面具有显著超额收益，月频回测表现尤为突出，部分组合年化收益率达19.6%。此外，复合因子结合卷积神经网络因子进一步提升策略收益边际。报告详细呈现因子IC值、分组收益及年度绩效，结合ETF市场快速扩容背景，展示量化选股因子应用于ETF轮动的实证逻辑和投资价值[page::0][page::4][page::10][page::12][page::14][page::26][page::28]。
基于预期不确定性优化 量化资产配置研究之三
本报告围绕大类资产配置展开，主要采用经典的马科维茨模型与风险平价模型，并基于预期收益估计的不确定性，构建了robust优化模型以提高配置的稳定性。实测显示，robust优化组合在收益及风险控制方面均优于经典方法，提升资产组合的稳健性，有效降低了收益预测误差带来的配置波动 [page::0][page::5][page::17][page::20][page::22]
