本报告基于A股全市场股东户数信息，提出隔季选取多期数据并时序标准化的新型因子构建方法，重点构建股东户数变动（SNC）和人均持股占比变动（PCRC）因子。测试显示两因子均具备稳定的选股能力，特别是PCRC因子在中证1000等小市值指数中表现优异，年化超额收益达9.08%。此外，报告探讨了股东信息披露频率对因子有效性的影响，发现高披露频率样本和加入投资者互动平台增量信息均能带来一定的选股增益，但幅度有限。整体结论表明，投资者非理性扎堆行为所形成的股东户数变动信息是有效的选股alpha来源，为增强型量化策略提供了实证支持 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9]
本报告提出了“因子切割论”，通过对传统因子中信息进行时间或其他维度的切割，提炼出更有效的子因子，以此提升因子的稳定性和收益表现。报告以理想反转因子为例，运用平均单笔成交金额作为切割指标，将20日涨跌幅拆分为高低成交金额两组，显著区分了反转与动量走势，提升了因子信息比率和稳定性。同时，报告强调切割工具选择的重要性，以及市场行为变化对因子表现的影响，提出了因子切割论的三要素框架（对象、工具、产出），为量化因子构建和改进提供系统化思路和有效方法 [page::0][page::1][page::2][page::3]。
报告基于大小单资金流，创新构建行业轮动因子，主要改进行业主动超大单强度和行业羊群效应，结合大单极端突破与外资券商资金流显著提升因子效果。通过动量、财务与拥挤度维度进行负向剔除，形成综合行业轮动策略，周频调仓下选取5个行业，扣费后年化收益达21.8%，表现优异，且行业轮动提升了中证1000指数增强的多空信息比率，有效捕捉行业轮动机会，风险可控 [page::0][page::1][page::9][page::14][page::16].
本报告系统分析了上市公司在线平台销售数据作为财报数据的高频补充价值，揭示销售额同比因子在多个行业中的选股能力，尤其是在食品饮料行业表现最优。同时，报告构建了波动率调整后的销售额同比因子，显著提升了收益的稳定性和选股胜率。通过行业分域与关联度分域研究，确认高相关样本中该因子的优越表现，为高频数据辅助预测上市公司业绩和股价提供了量化依据。[page::0][page::3][page::6][page::7][page::9][page::10][page::11]
本报告基于分析师行为和交易行为修正了原始超预期计算方法，构建出修正超预期股票池2.0，年化收益达21.99%，信息比率0.84，优于1.0版本。进一步结合预期均值及预期离差的变化阶段，对股票池进行剔除优化，绩效提升至22.30%。通过超预期因子、预期调整因子与特色资金流因子的叠加优选，构建超预期Plus组合2.0，实现年化收益40.46%，信息比率1.39，显著提升组合表现。估值因子用于成长股不同阶段辨识，有效控制回撤并提升稳定性。超预期因子在行业轮动中同样展示出良好能力，经进一步优化，行业超预期因子IC值从5.34%提升至6.98%。该组合在多数年份均实现正超额收益，行业、规模分布合理，具备较强的选股与行业配置能力。[page::0][page::2][page::5][page::7][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18]
报告基于雪球大V用户发帖数据，通过多空情感关键词分析、个股关注度及与自选股、模拟组合行为结合，发现大V发帖多空情感对后续股价走势有显著指导作用。构建了情绪指标优选组合，年化收益率达到9.6%，自选股绩效与情绪优选组合年化收益进一步提升至31.1%，显著跑赢基准指数。同时，提出大V用户分时能力指标，识别具备超额收益的高影响力用户，为量化投资策略提供参考依据 [page::0][page::6][page::8][page::9]
本报告系统构建与迭代了基金选基因子体系2.0，包含八类评价维度共94个因子，覆盖多种市场风格及回看期。通过因子IC检验与多空组合收益测试，筛选有效因子并比较等权、动态、分域三类合成方式，揭示分域合成为最佳合成方案。基于选基因子构建FOF组合，实现策略配置增强与指数选基增强两类目标，分别实现相对偏股基金与中证800指数的显著超额收益，最大回撤可控，组合风险收益表现优异 [page::0][page::3][page::8][page::12][page::15][page::17]。
本报告针对主动权益基金中的选基因子，特别是业绩动量类因子在风格切换时期易出现回撤的问题，提出了基于基金净值收益率相关系数构建相似网络的“相似中性化”方法，有效剥离因子得分中的beta成分，显著提升因子在全区间及风格切换时期的稳定性和信息比率，进而构建稳健的动态合成因子组合，实证显示年化收益率达到7.02%，信息比率达2.07，最大回撤降低至5.93%[page::0][page::1][page::3][page::6][page::10]
本报告围绕行业泡沫的膨胀与破裂阶段，通过构建并测试多个拥挤度代理变量，发现单一拥挤指标存在局限性。资产集中度和相对价值模型在A股市场适用性有限，无法有效预测泡沫破裂。研究指出，结合配对相关性与换手率指标表现更优，能较好识别泡沫存在及破裂时间节点，辅助行业轮动模型进行拥挤行业剔除，提高年化收益率约2个百分点。基于换手率与动量构建的双维度行业筛选策略表现出色，年化收益18.8%，最大回撤42.9%，显著改善策略风控与收益表现，为量化行业轮动提供新思路[page::0][page::1][page::11][page::12][page::14]
本报告构建了行业轮动3.0模型，在“一级行业+双周频率”最优频率与颗粒度下，结合交易行为、景气度、资金流、筹码结构、宏观驱动和技术分析六大维度因子，提出动态最小化排名跟踪误差法动态调权合成因子，实现对市场变化的自适应。基于该信号，设计了ETF行业轮动应用方案，验证了组合自2017年以来年化收益25.5%、超额信息比1.16的优异表现，系统性地提升了行业轮动的效能和应用深度[page::0][page::2][page::18][page::19][page::23]
本报告基于A股市场行业与个股涨跌幅反向效应的动力学关系，构建了包含龙头股因子和涨跌停因子的行业动力学模型，揭示行业动量和反转效应的短期周频特性，并进一步提出结合Ret10因子和滞后一周处理的涨跌停因子的周频行业轮动解决方案。实证显示，行业动力学因子在多种市场环境下表现优异，尤其是周频因子在近两年显著改善了波动率和最大回撤，提升了组合的稳健性和超额收益能力，为行业轮动策略提供关键参考价值[page::0][page::1][page::2][page::4][page::5][page::6][page::7][page::8][page::9]
本报告围绕信创产业板块，结合国家政策驱动与行业特点，构建了基于SUE因子、APM因子及理想振幅因子的量化选股模型。该模型通过因子去极值、标准化及合成选择前20只股票，形成优选组合。研究显示，从2020年以来，该组合实现年化收益37.8%，显著优于行业指数的17.3%；且最大回撤显著降低，彰显稳健性。2022年市场整体波动较大时，优选组合依然跑赢信创板块指数，表现出较强的抗跌性和进攻性，特别在行情反弹阶段实现超额收益。组合持仓结构以计算机及电子行业为主，且分析师覆盖度高，行业关注度强。报告最后提示模型基于历史数据，存在未来市场不确定风险[page::0][page::1][page::2][page::3][page::4][page::5][page::6]。
本报告首次系统探讨资金流动力学中各类资金流间的相关性结构，揭示同步相关性和错位相关性蕴含了丰富的alpha信息。研究发现，超大单与小单资金流的同步相关性具备显著选股能力，但其alpha来源属于“伪动力学”，主要由资金流强度驱动。相比之下，小单的错位相关性反映了散户“追涨杀跌”的羊群效应，表现出较强的选股和行业轮动能力。构建的散户羊群效应因子在沪深300、中证500和中证1000等多样本空间均表现稳健，且经过Barra因子中性化后仍具备独立选股价值，对行业配置同样展现良好的轮动效果，为A股市场投资提供新视角和量化参考 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10]
本报告聚焦新闻舆情数据在量化选股中的应用价值，基于通联数据487万条新闻情感评分构建$\Delta MS_N$因子，实证发现该因子在中证500选股域上表现优异，尤其以回看20天数据的变化量表现最佳，年化收益率可达12%，且与传统因子相关性较低，具备独特的Alpha贡献能力，为突破因子拥挤困境提供了重要路径[page::0][page::1][page::2][page::3][page::4][page::5]。
本报告系统介绍了一种基于四因子的周频调仓小市值股票选股策略，覆盖全市场，因子包括市净率PB、市盈率、股息率、年化波动率和总市值。报告详细展示了小市值30组合与100组合的收益及风险表现，小市值30组合年内收益高达73.29%，夏普率3.76，最大回撤-17.01%，明显优于市场基准。报告还结合图表展示了策略自2021年以来的持续超额收益，验证了小市值因子选股策略的有效性与抗风险能力 [page::0][page::1][page::2][page::3].
本报告基于A股公开持股数据，系统刻画投资者结构特征，剖析机构与个人投资者持股比例的时间和行业差异，深入研究投资者结构对量价及基本面因子收益的影响，揭示机构持股比例变化与因子选股效果的动态关系。报告发现高机构持股比例下量价因子效应减弱，基本面因子选股能力提升，但并不单调，同时机构抱团导致部分因子失效。基于机构持股比例因子，建立行业机构行情与非机构行情情景切分，并提出融合机构持股权重动态调整的分析师超预期股票池组合增强方案，显著提升组合收益表现，为动态跟踪市场风格与投资决策提供量化参考 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9]。
本报告基于龙虎榜与港交所托管数据分析，识别出八家北上异动经纪商，这些经纪商与内地量化私募营业部行为高度共振，显示出资金关联特征。2021年异动经纪商持股广度和持仓规模显著大于其他经纪商，偏好高Beta、高换手、高动量及小市值个股，在周期资源板块高配、大金融板块低配，其参与的热门N倍股换手率及涨幅均显著提升，且其持仓变动因子表现优异，展现出卓越的选股和调整能力，为监管“假外资”提供新的辨识视角 [page::0][page::1][page::4][page::5][page::6][page::7][page::8][page::9][page::10]
本报告系统介绍了基于LSTM模型的深度学习因子挖掘与改进方法。通过引入财务数据，构建了RankIC达到9.17%的月频因子LSTM_pro，提升了多头端的分层效果。对比遗传算法Alpha185与人工因子，深度学习因子在多头超额收益表现最优。进一步通过LSTM改进理想反转因子，显著提升了收益率和IC表现。回测结果显示，深度学习因子在中证1000指数增强上取得15.74%的超额收益，展现较强实用价值。[page::0][page::2][page::4][page::7][page::10]
本报告基于深度学习模型构建研报文本情绪因子（KY-Bert、KY-Llama3、KY-CH及其合成因子KY-Combine-ASC），结合传统数值盈利预期调整因子FYR_DISP_strength，优化选股组合策略。文本情绪因子表现稳定且能显著提升优选组合的信息比率，尤其在2022-2023年数值因子表现低迷时优势明显，改进后组合年化收益提升至27.7%，信息比率由1.44提升至2.41，行业轮动因子超额表现也得到改善，体现出了深度学习赋能在分析师行为alpha提取上的增量价值。[page::0][page::3][page::10][page::11][page::13]
本报告针对上游周期板块，基于中高频产业跟踪数据，构建并验证了一个逻辑回归择时模型。通过对化工、钢铁、有色、采掘、建材五大行业的月度涨跌预测，该模型表现出较高的胜率和盈亏比，显著优于买入并持有的基准策略。板块整体策略在多种回看期下均表现稳健，尤其是N=16期获胜率达到64.6%，有效捕捉了周期板块的长牛行情，同时模型还结合了行业动量因子，提升了预测的准确性 [page::0][page::1][page::2][page::3][page::6][page::7][page::8]
