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
本报告跟踪了广发证券金融工程团队基于盈利与成长核心变量的长线选股量化策略表现，涵盖等权重和市值加权组合的回测业绩。策略在2009年至2022年期间，年化收益率均显著超越中证800指数，信息比超过1，且持仓行业集中在医药生物、化工、电子等景气行业，展示了选股的稳定性与持续成长能力。[page::0][page::3][page::10]
金融研报AI分析
基于日内波动极值的股指期货趋势跟随系统——另类交易策略研究之四
本报告提出并系统研究了基于日内波动极值的股指期货趋势跟随策略。通过对沪深300股指期货5分钟高频数据的实证分析，验证该策略能有效捕捉市场大幅波动，期间累计收益率达到52.07%，赔率达到3.44，最大回撤为6.19%。报告还对策略参数稳健性进行了探讨，发现偏移参数在2至6间表现良好。结合收敛突变模型，构建双策略组合进一步提升资金增长的稳定性，双策略夏普比率达到2.85，优于单一策略表现。[page::0][page::3][page::11][page::15][page::17][page::19]
量化风格：个股分化扩大，继续关注反转与估值
报告回顾了2021年1月A股市场不同宽基指数及行业板块的风格表现，强调个股分化加剧，动量效应明显，大盘优于小盘，价值风格失效。通过对日历效应、分化度、资金流向和宏观事件的多维度分析，预测2月市场风格将反转，重点关注估值与反转因子。推荐在沪深300成分股中构建绩优蓝筹风格趋势策略，2017年至今实现18.2%的年化超额收益，信息比1.26，风险控制良好 [page::0][page::3][page::9][page::11][page::15][page::18]。
海量 Level 2 数据因子挖掘系列（五）：中市价订单与相关因子
本报告基于中国深证A股Level 2逐笔订单数据，系统构建了8个市价订单相关因子，并通过2019至2024年实证回测验证因子的稳定选股能力。市价订单占比虽低但在部分时间段快速上涨，买单占比显著提升，反映市场买入力量增强。多因子选股在5日平滑及20日换仓策略下表现优异，其中MarketSellOrder_LimitSellOrder_ratio因子年化超额收益达7.57%，夏普比率0.56，具备显著的实证投资价值[page::0][page::7][page::28][page::29][page::12][page::22][page::24]
深度学习新进展：Alpha因子的再挖掘
本报告系统回顾了深度学习技术在Alpha因子再挖掘领域的进展与应用，详细阐述了深度神经网络模型构建、训练及调优方法，包含激活函数、目标函数改进、Batch Normalization、Dropout及模型结构搜索。报告在全市场股票池采用128因子+28行业因子训练深度学习模型，实现了年化收益20%以上且最大回撤低于5%的稳定超额收益，验证模型优异的预测准确率和因子IC表现，揭示深度学习模型因子与传统风格因子相关性低，体现创新投资价值。最后讨论了模型滚动更新策略及交易成本控制，强调深度学习投资因子在量化选股领域的实际应用潜力。[page::0][page::6][page::10][page::16][page::20][page::25][page::26][page::28][page::29][page::30][page::31][page::35]
如何挖掘景气向上，持续增长企业 基本面量化策略跟踪
本报告跟踪评估了广发金融工程团队2020年发布的基于盈利与成长因子的长线选股策略。实证回测显示，等权重组合年化收益率达到22.12%，相对中证800指数年化超额收益率15.74%，信息比达1.15。组合平均持股数量约55只，流通市值约130亿元，行业上医药生物、化工、电子等为主要配置方向。风险提示涵盖市场结构和交易行为变化可能导致策略失效的风险 [page::0][page::3][page::5][page::11]
资本利得突出量CGO与风险偏好——行为金融因子研究之
本报告基于行为金融学理论，构建了资本利得突出量（CGO）因子，结合处置效应和前景理论，揭示不同盈亏状态下投资者风险偏好的变化规律，并设计了基于CGO分层的差异化选股策略。CGO因子具有显著的Alpha表现，低CGO值个股未来表现优异；基于CGO分层，结合振幅和市值因子，构建的复合策略显著超越基准，且在不同市况具有稳定表现，为行为金融因子在量化投资中的应用提供有力支持[page::3][page::8][page::14][page::16][page::33]。
基于自适应网络模糊推理系统的择时研究 ——拨开云雾见月明
本报告基于ANFIS模型，利用自适应网络模糊推理系统结合遗传算法优化参数，构建股票价格涨跌的分类择时模型。通过68个输入变量组合择优，最佳模型样本外择时准确率最高达57.24%，模拟交易在考虑手续费后仍超过指数收益。通过自定义准确率为目标函数的改进模型，准确率提升至60.51%，并显著降低交易次数，实现收益及风险的优化平衡，展现了模糊逻辑在量化择时中的应用潜力[page::0][page::10][page::12][page::16][page::18][page::22]
金融工程：M1 同比上行无熊市
本报告基于广发证券量化择时模型对A股市场近期表现及行业估值进行深入分析。指出M1同比10月上行至9.1%，预示货币周期未结束，排除熊市可能，市场或现强势上行，重点看好创业板指。结合PE、PB、市场情绪及择时模型信号，综合评判当前A股处于震荡至上行阶段，风险提示模型存在失效可能[page::0][page::19][page::5][page::17][page::13][page::19]。
基于涨跌模式识别 的指数和行业择时 策略
本报告提出利用机器学习随机森林模型，通过宏观经济及市场变量识别市场上涨与下跌模式，对市场指数及28个申万一级行业进行择时策略研究。沪深300指数择时策略样本外年化收益16.6%，最大回撤-24.8%，行业轮动策略样本外年化超额收益8.2%，最大回撤-10.9%，表现稳健且交易频率适中，为投资决策提供量化择时支撑 [page::0][page::3][page::4][page::8][page::11][page::14][page::17][page::18]
基于 Visibility Graph-CNN 创新架构的高效股价预测模型
本报告提出基于可见性图与卷积神经网络融合的Visibility Graph-CNN架构，通过将时间序列价量数据转换为低维度二值矩阵作为输入，设计低参数复杂度卷积网络进行股价未来走势预测。采用历史20日和60日数据训练两个模型，预测未来20个交易日的股价上涨概率，构建分档投资组合。样本外回测显示，20日和60日模型在全市场及细分板块均表现稳健，20日模型多头年化收益率达10.35%，超额市场收益9.57%，且因子与传统风格因子相关性低，展现较好的泛化与分层选股能力 [page::0][page::4][page::5][page::6][page::7][page::11][page::19]
金融工程 相对低估叠加日历效应，关注地产建材
报告基于多维度量化模型，从宏观事件、行业景气度、相对估值、资金流、盈利预测及日历效应构建综合行业轮动策略。通过对申万一级行业及主要宽基指数的系统性分析，2月中小板指数集体反弹，3月重点关注建筑材料、休闲服务、交通运输、纺织服装及房地产。行业轮动策略历史回测表现优异，综合策略年化超额收益显著。重点推荐中证1000指数为核心配置标的，因其长线趋势与日历效应明显[page::0][page::4][page::5][page::23][page::24][page::29]。
此时无声胜有声——长期不出公告股票的投资机会——事件驱动策略量化研究系列专题之二
本报告基于事件驱动策略，系统研究了长期未发布公告股票的超额收益机会。通过对2007年至2011年所有上市公司公告数据的分析，构建了基于公告间隔交易天数d的选股策略，确认d越大股票在公告日前呈现超额收益，d较小股票超额收益多出现于公告日后。该策略平均持有期约30天，忽略ST类样本后年化超额收益达20.04%，胜率近60%。结合动态资金规划构建的股票组合及空仓期间的指数增强组合，年化信息比率分别达到59.91%和75.84%，具备显著的风险调整收益优势 [page::0][page::2][page::5][page::6][page::8]。
A 股量化择时研究报告
报告基于2023年5月底至6月初数据，评估A股市场估值、情绪及资金流动指标，结合量化择时模型GFTD和LLT提出市场整体呈现阶段性回暖迹象，但量化模型仍指示市场短期偏弱，提示投资者关注风险控制 [page::0][page::21]。
多空变换 切勿 固守——评 GFTD 上证指数买入信号
本报告评析了GFTD择时模型在上证指数上的应用及效果，阐述买入卖出信号的具体形成条件及止损机制。模型自2000年以来年度收益稳定，多数年份收益超过15%。最新买入信号启动于2014年1月，止损点设于1984点，收益率达2.09%。通过趋势跟随策略实现较优择时表现，体现了CTA策略的典型特征 [page::0][page::2][page::3]。
金融工程：关注市场超跌板块 A 股量化择时研究报告
本报告基于2023年8月中旬数据，综合市场表现、估值、情绪指标及量化择时模型，指出A股市场处于低估值且修复概率较大阶段。量化择时模型GFTD与LLT均发出市场下跌信号，但考虑历史周期及风险溢价指标，认为市场已具备反转条件，尤其关注超跌板块和低估值行业，提出三季度下半段市场可能进入回升窗口的观点 [page::0][page::5][page::8][page::14][page::21]。
可转债高频因子探索——量化可转债研究之三
本报告构建了基于5分钟高频交易数据的18个技术因子，覆盖收益率分布、量价复合、动量、大单资金流向等7类，应用于国内可转债市场的量化选股。通过对偏债、中性、偏股三类可转债分层，进行单因子及多因子回测，验证高频因子能有效捕捉可转债日内特征，提升组合收益和风险调整能力。2019年以来，分层加权组合年化收益达到13.07%，最大回撤12.06%，夏普比率1.13，优于基准指数，显示高频因子在可转债量化投资中具备显著增益作用[page::0][page::14][page::26][page::31].
基于卷积神经网络的 ETF 轮动策略
本报告基于卷积神经网络设计深度学习因子，通过对标准化价量数据图表进行图像识别，实现对A股权益ETF的轮动配置。实证表明，ETF_fimage因子具备稳定的IC值与正收益，持有5只优选ETF年化收益率达约21%，且相较于市场基准有显著超额收益。此外，流动性要求和交易费用对收益有一定影响，严格流动性限制和较高费用降低组合回报，体现了策略在实际交易中的可操作性和风险特征 [page::0][page::5][page::14][page::16][page::20][page::22][page::23]
基于风格回复的 多因子动态调 仓策略 ——多因子 Alpha 系列报告之（二十）
本报告针对传统多因子Alpha策略，提出基于风格回复的多因子动态调仓策略。通过月中对因子极端变化引起的风格偏移进行动态调仓，替换失效股票为新兴高分股票，策略在2005年-2014年期间有效提升了超额收益、胜率，并降低回撤，且月中换手率保持在35%以内，兼顾收益与交易成本，有效稳健提升多因子策略表现[page::0][page::29][page::30].
基于网络舆情再 探指数轮动策略——互联网大数据挖掘系列专题之（十三）
本报告基于互联网舆情数据，构建基于舆情回归残差的指数轮动策略。通过比较沪深300、上证50与中证500指数的舆情变化与市场表现，验证了舆情数据的领先指标作用。实证显示，沪深300与中证500轮动策略年化收益22.13%、信息比率1.51，上证50与中证500轮动策略年化收益30.68%、信息比率1.43，策略表现稳健优秀，且具有较好的实用价值 [page::0][page::13][page::14][page::15][page::18]。
