寻找行业 “似曾相识” 的轮动规律——行业轮动策略专题之（六）
本报告基于对历史行业启动顺序序列的量化匹配，寻找“似曾相识”的行业轮动规律，通过相关系数方法匹配行业启动序列，筛选出后续涨幅较大的超配行业组合。实证回测显示，策略2008至2010年表现稳健，超额收益率接近20%，2013年样本外测试亦获得近13%超额收益。该量化方法绕开复杂宏观逻辑，着重历史行业序列匹配和超额收益验证，为行业配置提供科学依据 [page::0][page::13][page::16]。
金融研报AI分析
A 股量化择时研究报告：涨速放缓但方向不变
本报告基于量化择时模型GFTD与LLT对A股市场走势进行研判，当前多数核心指数呈上涨趋势。市场估值整体处于中位数偏下水平，创业板估值相对较高。行业表现上，煤炭、商贸零售等板块领先，汽车、电子等板块相对弱势。基金仓位有所提升，部分期权指标提示短期蓝筹股存在超买风险。宏观因子趋势显示经济杠杆率企稳回升，预示未来权益市场有支撑。风险溢价接近历史高点，整体市场环境兼具机会与风险 [page::0][page::19][page::20]
金融工程：日历及宏观因子结论更新
本报告基于沪深300及创业板指数的量化择时模型，结合日历效应与宏观因子分析，给出权益市场中短期趋势展望。11月市场活跃，尤其创业板表现优异，12月多数调整。宏观因子显示PMI上行、CPI下降、社融增长及国债收益率走低倾向看多权益市场，但美元指数上行带来一定压力。GFTD和LLT择时模型历史胜率约80%，表明量化择时具备一定预测能力，但在异常市场可能失效。报告同时分析了主要指数及行业估值走势、市场情绪指标和资金流向，为未来市场趋势提供数据支持与风险提示[page::0][page::5][page::13][page::18].
A股量化风格报告——盈利风格企稳，成长风格修复
本报告针对2019年5月中旬A股市场量化风格进行了系统回顾与展望，分析了不同宽基指数、行业及风格因子的表现趋势。通过资金流向、估值水平和宏观事件等多维度指标，指出盈利风格企稳、成长风格逐步修复，价值风格依然失效，建议重点配置盈利、成长与股价反转等风格组合。同时，基于沪深300构建了绩优蓝筹风格趋势策略，表现稳健，年化超额收益达10.5%[page::0][page::3][page::4][page::17][page::18][page::19]。
低延迟趋势线与交易性择时 短线择时策略研究之三
本报告基于信号处理中的二阶线性滤波器构建了低延迟趋势线（LLT），相比传统移动平均线（MA）和指数移动平均线（EMA），LLT有效降低趋势跟踪延迟，使趋势拐点更为明显。通过基于LLT趋势线切线斜率的择时方法，构建交易性择时模型，虽判断正确率低但持仓时间长且盈利集中。该择时模型在沪深指数及ETF交易中均表现出较好风险收益特征，部分ETF盈利比较高且正确率有显著提升，验证了LLT广泛适用性与有效性[page::0][page::4][page::8][page::11][page::14][page::16][page::18]。
坚守“蓝筹”主线，关注中盘“性价比”——2018年量化风格展望
2018年A股大小盘分化或将减弱，重点关注盈利增长与估值匹配度最高的中盘蓝筹“性价比”机会。宏观环境稳定，价值蓝筹延续主流风格趋势，中盘蓝筹有望崛起。日历效应显示一季度小盘躁动显著，震荡行情下短期放量超跌股值得关注。量化策略回测显示绩优蓝筹及中盘“性价比”策略表现优异，为投资决策提供明确指引 [page::0][page::10][page::16][page::26][page::27][page::28][page::29]
金融工程:细分行业“景气+”策略及指数增强应用
本报告对细分行业“景气+”轮动配置策略进行改进，提出“动量补仓”保证行业持仓数量，同时用110个Alpha因子构建行业内选股模型。通过中证800和中证1000指数成分股的指数增强实证，策略在中证800范围基准超额年化收益25.0%，夏普比1.15；中证1000范围收益更优，超额年化33.5%，夏普达到1.82，表现稳健优异[page::0][page::6][page::13][page::15][page::17]
广发 TD 线：在趋势中把握波段
本报告回顾经典TD线择时策略的不足，结合广发证券低延迟趋势线（LLT）方法改良TD线，提出广发TD线。通过对沪深300、中证500、上证综指、中小板指和创业板指的多空及纯多头择时策略实证，广发TD线表现出更优的收益率、胜率和盈亏比，尤其降低了交易信号频率并提升了趋势捕捉能力，具有较强的市场适应性和较好的样本内外稳定性[page::0][page::10][page::13][page::14][page::23]。
基于股份回购的选股策略
本报告基于A股2019年以来的股份回购事件，系统研究回购公司的特征、回购事件不同属性对股价收益的影响，并构建基于回购事件及基本面、量价因子的多层次选股组合。回购精选组合自2019年至2024年表现优异，年化超额收益达25.4%，信息比1.8，表现稳定优于中证500指数，为投资者提供切实可行的回购策略工具[page::0][page::25]。
风格趋势延续，超配盈利、反转风格——A股量化风格报告
报告分析了2019年7月初A股市场风格表现及资金流向，强调盈利风格和股价反转风格的持续性，价值风格开始逐步修复。结合资金流、分化度、日历效应和宏观事件，推荐采用风格趋势策略，重点配置高成长、低估值和股价反转风格组合。基于沪深300的绩优蓝筹风格趋势策略自2017年以来表现稳健，具有良好信息比和超额收益 [page::0][page::3][page::4][page::9][page::11][page::16][page::17]
择时、风格不大类资产配置
本报告系统梳理A股市场择时模型（LLT与GFTD趋势型模型）表现与日历效应，深入分析风格因子及行业轮动特征，结合宏观因子ABL模型构建大类资产配置方案，提出6月份规避成长小盘，三季度超配价值蓝筹的配置建议，为资产组合风险控制与收益提升提供量化支持。[page::2][page::15][page::20][page::27][page::30]
2024 年 A 股网下打新展望与策略
报告回顾了2023年A股网下打新市场表现及主要数据特征，揭示打新收益率下降的趋势和影响因素，提出针对新股破发风险的投资策略，并基于历史数据及线性回归方法预测2024年网下打新收益率在5.4%-10.6%之间，给出卖出策略优化建议，为投资者提供系统参考 [page::0][page::3][page::7][page::10][page::18]。
数值型部分保本产品在基金专户中的应用
本报告系统介绍了数值型部分保本产品的设计及其在基金专户业务中的应用，重点分析了产品条款、回报情景、理论定价及敏感性，特别阐述了产品在专户分级模式和直接发行模式中的具体实现，包括A、B计划的风险收益特征及B计划基于Delta动态复制的对冲策略，结合大量敏感性分析图表和蒙特卡罗模拟验证，深化了对产品风险收益的理解，推动基金专户创新产品设计[page::0][page::2][page::6][page::13][page::17]。
行业聚类与估值轮动策略——重构行业轮动框架之六
本文采用聚类方法对A股行业进行重新划分，结合行业估值的趋势与反转效应，构建基于行业聚类的估值轮动策略。基于最小生成树和动态相关性的行业划分，策略分别验证了趋势策略与趋势+反转混合策略的有效性。混合策略多空超额收益率达到13.3%，信息比达0.83，显著优于单纯趋势策略，展示了合理行业划分对估值轮动的重要提升作用。此外，最新一期模型推荐超配行业包括饲料Ⅱ、计算机设备Ⅱ、电力、白色家电及机场Ⅱ，策略在多年份中均表现稳健 [page::0][page::4][page::13][page::17][page::19]
投资者关系活动事件驱动机会研究
本报告研究A股上市公司投资者关系活动的事件驱动效应，重点分析不同投资者关系活动类型及参与主体的超额收益表现，尤其关注特定对象调研及“头部”基金参与的活动，基于事件效应构建不定期与定期调仓策略，回测期间年化收益率分别达到30.79%和28.45%，展示出显著的事件驱动投资机会[page::0][page::9][page::18][page::23]。
金融工程：当下市场的两个核心问题—A股量化择时研究报告
本报告通过两大量化择时模型GFTD和LLT对A股主要指数的择时信号进行分析，结果显示多个指数保持看涨状态。市场结构及行业表现呈现分化，金融地产板块短期补涨明显，科技板块有望成为后续热点。结合行业估值和市场情绪指标，等待弱势板块补涨结束后的长期逻辑回归。宏观视角显示M1同比处于抬升阶段，排除了典型熊市风险，建议关注量化模型信号结合估值和市场情绪综合判断行情趋势，风险提示强调模型并非全胜，需要注意市场极端情况 [page::0][page::3][page::4][page::5][page::7][page::8][page::9][page::12][page::13][page::17][page::18]
大浪淘金，Alpha 因子何处寻？
本报告通过构建涵盖盈利、成长、规模、估值、杠杆、流动性、波动性、技术和一致预期九大类共69个备选Alpha因子，采用信息系数(IC)、信息比(IR)、胜率、组合收益率及t检验等多维度指标，系统回溯测试中证800成分股2007-2011年表现，挖掘出多个具备稳定Alpha收益的有效因子，如流通市值、成交金额/股价波动率、股价动量/反转等技术因子表现突出。报告详细列示了16个有效Alpha因子的回溯表现及组合收益趋势，为选股策略提供科学依据[page::0][page::4][page::6][page::10][page::20][page::21][page::22]
盈利能力与动量因子是行业配臵的制胜关键 ——回归树在行业配臵中的应用探讨
本报告基于CART回归树模型构建了一套行业配置因子分类方法，利用估值、盈利、动量等13个行业因子输入，结合长度不变的动态回归树模型，实现了显著的行业超配低配预测效果。剪枝后的动态回归树模型预测以三档划分方式，累计超额收益达到91.09%，且P值低于3%，胜率超过60%。历史回溯显示ROE和动量因子是行业配置关键因子，当前建议超配医药生物、电子等行业、低配餐饮旅游等行业，模型预测效果优于沪深300指数表现 [page::0][page::17][page::19]
细分行业景气盈利轮动策略
本报告系统分析121个细分行业的景气与盈利轮动特征，提出了一种基于双季度景气并融合盈利能力指标的细分行业轮动策略。策略通过筛选盈利能力稳定且景气度回升的细分行业，构建不超过10只龙头股的可交易组合，实现相对沪深300的年化超额收益18.3%，年度胜率达91%。报告详细展示了该策略的历史表现、换手率及行业选择变化，验证盈利稳定性显著提升了组合可持续表现 [page::0][page::3][page::14][page::17]。
期权 CPR 指标择时研究
本报告基于期权成交量、持仓量和隐含波动率的看涨看跌比值（CPR）指标，筛选出滚动一月成交量CPR、持仓量CPR和隐含波动率CPR三大择时因子，构建回归模型预测上证50指数未来走势，并设计多空及多头择时交易策略。实证显示多空策略自2015年以来年化收益达24.48%，样本外年化收益为14.60%，引入5%止损后年化收益提升至16.96%，最大回撤显著下降，收益风险比优化。择时因子间相关性较低，组合提升预测能力，策略有效捕捉市场反转信号，具有较强的实用价值 [page::0][page::3][page::8][page::13][page::15][page::19]
