基于 Beta 分解的基金组合策略
报告通过改进的半 beta 指标拆分传统 CAPM beta，揭示市场不同波动方向下的风险特征。基于半 beta 构建的基金组合实证显示，N beta 优选组合年化收益24.66%，P beta 组合夏普比率高达1.35，体现较优风险调整收益。月度调仓回测验证半 beta 排序组合具备良好预测能力和稳健表现，为基金筛选提供创新思路 [page::0][page::3][page::15][page::17]
金融研报AI分析
AI 下指数增强策略定期跟踪报告 20190901
本报告对2019年以来基于人工智能算法的沪深300及指数增强基金指数增强策略进行了回测分析，展示了不同权重限制及调仓频率下组合的收益、夏普比、最大回撤等表现，结果显示AI模型在多种配置条件下均实现了超额收益及较优的风控指标，给予了具体的组合构建建议和行业个股配置比例，帮助投资者优化指数增强策略 [page::0][page::2][page::3][page::4][page::5][page::6][page::7]。
PB-ROE-AI 策略— — 让经典更经典
本报告基于经典PB-ROE量化策略，运用人工智能优化算法构建出收益显著增强的PB-ROE-AI策略，实现月度调仓及约40只股票的组合配置，回测期间年化收益36.5%，夏普比1.75，显著优于传统策略。核心在于通过AI算法生成稳定跑输组合，再选取与其协方差最低的股票反向选股，从而实现组合收益最大化并降低回撤风险[page::0][page::3][page::19][page::21]。
风格不明，谨慎乐观
本报告基于SIR模型和熵利率曲线分析美国疫情及美股走势，判断疫情拐点已现且美股进入熊市，短期大幅上涨概率低。A股走势出现转熊信号，未来数月或有下跌趋势但近期可能小幅反弹。市场风格不明朗，价值风格概率增加，建议精选农业、消费和医药板块。黄金大宗商品择时出现买入信号，未来半年涨幅可期，原油暂无买入信号，建议观望 [page::0][page::2][page::3][page::4][page::5][page::6]。
微盘基本面组合
本报告聚焦中国A股小微盘股票，基于主动投资逻辑精选基本面亮点的微盘组合，2023年至今相较中证1000和中证2000指数分别取得19.0%及15.4%的累计超额收益。微盘股基本面因子有效性较强，组合风险可控且估值显著低于宽基指数，显示未来小微盘板块补涨空间和趋势仍具备持续性，适合重点关注基本面驱动的微盘股票投资机会 [page::0][page::3][page::4][page::5][page::8][page::9]
降维、预测与组合构建—一种 “倒向切片回归 方法
本报告介绍倒向切片回归（SIR）方法的理论基础和金融预测应用，SIR兼顾因子与被预测变量信息，实现有效降维。通过沪深300主成分因子构建充分预测变量，并基于该变量进行组合收益预测，实证显示SIR预测性能优于传统PCA方法，策略回测多空组合显著超越基准，具有较高实用价值 [page::0][page::2][page::10][page::13][page::14]。
金股数据库及金股组合增强策略（二）
报告基于金股数据库2.0版本，扩充了分析师推荐金股的指标维度，并通过IC动量挖掘、OLS回归、遗传规划和神经网络模型等多种方法合成分析师推荐因子，开展增强组合策略开发。不同合成因子的回测显示IC动量挖掘因子表现最好，年化收益率达到33.52%，夏普比1.27，且复杂模型提升有限，原因包括市场时变规律与低信噪比。[page::0][page::3][page::7][page::17][page::18]
沪深 300 指数增强策略 2019 收益率 44.19%（季度调仓）
本报告基于人工智能驱动的指数增强策略，采用经验跟踪误差目标函数（ETE），围绕沪深300指数构建季度调仓的模仿组合。2019年回测显示，该策略在不同股票权重上限（5%、8%、10%）下均实现超额收益，最优配置（w=5%）下年化夏普比2.35，累计收益44.19%，显著优于沪深300全收益指数的39.19%。同时给出2020年1月的具体组合构建建议，策略表现稳定且风险控制良好，展现了AI算法在指数增强领域中的应用潜力与效果。[page::0][page::2][page::3]
AlphaCY 系统优化系列报告 （一）──引入多时间维度特征对市场短期状态分类优化
本报告基于深度学习优化了股票市场短期状态分类模型，通过引入日、周、60分钟多时间维度价量特征及改进卷积网络结构，显著提升个股状态预测准确度至60%以上。利用NT和GAF两种时间序列转换方法，揭示模型内部卷积核对短期价量特征的捕捉能力。基于预测的市场状态构建简单择时策略，回测结果显示在沪深300、宁德时代、债券及可转债等多资产上均实现超额收益，证明方法有效性和广泛应用潜力[page::0][page::5][page::7][page::11][page::14][page::17]。
捕捉 A 股市场上的异动股 量化选股研究系列之一
本报告聚焦于A股市场异动股的量化选股策略，基于动量模型结合RSI指标构建异动股筛选模型。研究显示，在过去6年，该模型实现了1279.41%的收益率，相较沪深300超额收益达1061.57%，且在不同行业及市场行情下均表现出显著的超额收益和较高月度胜率，特别在化工、机械设备、交运设备等行业表现突出。通过行业内部先选股再组合的方法，等权重策略较市值权重策略获得更高收益表现，本报告提供了详细的行业轮动和策略实证结果，助力投资者捕捉市场异动机会 [page::0][page::4][page::5][page::9][page::10][page::11].
多因子和人工智能谁是 “正规军” ? —— 兼谈金融预测框架
本报告基于资产定价中心理论，阐述随机折现因子（SDF）存在性和多因子模型的起源，进一步探讨人工智能方法对SDF的估计优势及其在金融预测中的应用，强调多因子和AI方法本质上是对同一核心定价因子的不同估计手段，且AI在实战中常展现更优性能。报告配合神经网络模型示意图，辅助说明AI方法的技术优势与实现路径。[page::0][page::13][page::17]
风格视角：中特估行情延续的几个要素——金融工程专题研究报告
报告系统分析中特估指数的红利低波风格，指出其作为顺周期“长矛”及熊市“厚盾”的双重属性，通过量化模型验证其在股息率因子上的持续正向暴露并复盘了历史阶段的宏观环境，发现当前中特估行情主要由风格驱动的估值提升所推动，盈利贡献较低；结合宏观经济弱复苏态势及市场结构分化，报告认为红利低波风格有望持续，且参考海外成熟市场，国内该风格的估值仍显著低估，未来随着国企改革推动盈利增长，中特估行情将继续演绎 [page::0][page::4][page::5][page::16]
2024年金融工程风险排雷手册——年度策略报告姊妹篇
本报告为2024年度策略的风险排雷手册，重点揭示稳增长政策、中美制造业复苏、美国财政扩张、半导体周期、外资流动及雪球产品尾部风险等主要风险点，旨在通过风险预警强化年度策略观点，指导投资布局并防范市场误判风险 [page::1][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::12]。
美国量化基金知多少？量化系列之二
本报告详尽梳理了美国量化基金的发展历程与现状，量化基金规模占比约10%，交易额则占到75%，其中Smart Beta ETF快速发展，成长因子及ESG策略规模显著提升。量化基金虽占市场重要地位，但未显著加剧美股市场波动，市场反映冷静且稳健，极端波动多由系统风险驱动，提供了量化基金对市场影响的历史验证与未来风险提示 [page::0][page::2][page::4][page::7][page::10].
AI 配置重心在成长──宽基与风格 AI 模型跟踪
本报告采用AI模型动态跟踪市场风格和宽基指数配置，重点关注大盘成长和中盘成长板块，显示深创100、深证100及创业板表现优于中证1000等宽基指数，AI配置行为验证了成长风格回归主导市场的趋势，为投资提供量化风格轮动参考。[page::0][page::2][page::3]
量化选股产品市场下跌等阶段超额表现更好量化基金专题研究报告
本报告系统研究了公募量化选股类基金的市场表现及规模发展，发现该类基金在市场下跌阶段胜率高、具备较强抗跌性，尤其以中证500业绩基准的产品规模最大且表现突出；成长及小盘风格阶段超额收益较高，且市场下跌时超额收益稳定，市场上涨阶段虽然跑赢基准难度大但能获得正收益，表明量化选股基金为优质权益类资产配置标的 [page::0][page::3][page::6][page::7][page::8][page::16].
指数增强产品： 回撤结束了吗？
本报告针对2023年7月至8月初公募指数增强产品的超额收益回撤进行了深度分析，指出该超额回撤主要由于外部政策冲击和产品自身目标与仓位约束叠加导致。通过因子暴露分析和超额收益归因，明确回撤为阶段性非持续现象，且超89%的指增产品能在历史中实现正向超额收益，显示强配置价值 [page::0][page::3][page::4][page::6][page::7]。
用五个指数复制股票型基金指数
报告提出利用50ETF、500ETF、300ETF、创业板、中小板五个ETF，通过经验跟踪误差最小化的优化算法，精准复制中证股票型基金指数（H11021），实现稳定的跟踪表现和超额收益。回测区间涵盖2013年至2019年，结果显示该五指数组合的收益率和夏普比率均接近基金指数，且组合稀疏、计算效率高，无需频繁维护，适合投资应用 [page::0][page::2][page::3][page::4][page::5]
机器学习与因子（五）： 基于变点识别的量化产品分析
本报告提出了一种结合变点识别、股票降维与机器学习（单层感知机）的量化产品持仓拟合方法，重点针对指数增强型产品，实现了中证300、中证500、中证1000指增产品周收益的高精度拟合，平均预测偏差低至0.02%。方法能够辅助监控产品风格偏离、事件检测及Alpha收益的估计，提升量化产品分析的实时性和准确性 [page::0][page::3][page::12]。
东升西落，共振上行——2024 金融工程年度策略
报告聚焦2024年宏观经济复苏持续和中美制造业共振，重点推荐制造业、电子半导体、通用自动化、汽车行业等周期股。A股小市值风格仍将延续但涨幅放缓，重点关注低估值因子。公募基金抱团将转向高性价比新趋势，量化策略和波段交易基金受益，雪球产品建议采用早利结构，关注2024年一季度及三季度波动率回升窗口。报告还提示中美制造业复苏趋势将增强出口弹性，海外经济风险需重点关注[page::0][page::5][page::7][page::8][page::16][page::17][page::19][page::28][page::34][page::37]
