市场意见分歧，建议关注平价看涨期权
本报告详尽分析了2015年6月9日上证50ETF期权市场交易情况，指出市场存在较大意见分歧和恐慌情绪上升，虚值看跌期权涨幅超出理论值，平价看涨期权值得重点关注。文中结合隐含波动率曲线、交易量与持仓量分布及恐慌指数等多项指标，揭示市场风险状态及情绪变化，为期权投资与风险管理提供参考。[page::0][page::2][page::3][page::4]
金融研报AI分析
基于股权风险溢价的固收+策略
报告系统介绍了四种股权风险溢价计算方法，包括历史收益率、股票估值模型、资产定价模型及直接回归预测法，提出基于股权风险溢价与股票仓位正相关的固收+策略组合。多算法结果均显示该策略具备良好长期表现，其中PE_TTM组合年化收益7.85%，股息率组合年化收益达10.49%，且最大回撤控制较好。报告结合主成分分析提升风险溢价判断效果，构建的策略通过分位数仓位调整及动量控制实现动态配置，展现稳健的投资价值和风险管理能力 [page::0][page::3][page::7][page::9][page::10]。
趋势预测利器：使用独立贝叶斯分类整合分析师评级
本报告基于独立贝叶斯分类器组合（IBCC）与变分贝叶斯算法，构建了对分析师评级数据的整合模型。该模型以历史分析师评级与股票涨跌方向为输入，输出股票未来价格三分类的后验概率，应用于沪深300、中证500和中证1000指数成分股选股，形成IBCC-分析师评级组合。实证回测结果显示，该组合在2015-2021年均显著跑赢基准指数和直接分析师评级组合，年化超额收益最高达26.71%，显示该机器学习模型在股票趋势预测与量化选股方面的有效性。[page::0][page::6][page::7][page::8][page::9][page::10]
行业有效财务因子与行业轮动策略
本报告基于2010年至2022年间数据，构建并验证了以盈利能力、流动性、偿付能力、现金流及开发支出等财务因子为基础的行业轮动策略。通过整体法合成40余个行业财务指标，经单因子测试筛选出15个有效因子，构建行业轮动组合，年化收益14.79%，累计超额收益达380.45%，表现优异。详细因子表现及收益相关性统计进一步佐证因子有效性，为投资者提供量化行业配置新思路。[page::0][page::2][page::10][page::11]
盈利预期期限结构视角：市场底部已经出现
本报告基于盈利预期期限结构的创新量化分析，通过标准化斜率及其角度转换，辅以宏观经济增速修正，构建了一套稳定且具有前瞻性的市场情绪指标。该指标能够实时判断市场顶部与底部位置，历史多次信号验证其有效性，最新信号显示2024年3月市场底部已出现，市场有望进入长期上涨周期，为投资者提供重要参考依据 [page::3][page::7][page::10][page::13][page::15][page::16][page::17]。
年内市场依然需要震荡运行
本报告通过历史数据分析大盘市盈率、风险溢价、国债收益率、M2增速和GDP名义增速等关键经济指标，建立风险溢价模型并揭示货币超经济发行率对风险溢价的高度解释能力（调整后R平方0.93）。基于风险溢价预测残差构建情绪指数，进一步分析不同情绪状态下市场水平变化及敏感度，为投资者把握市场震荡区间提供量化参考 [page::1][page::6][page::7][page::8][page::9]
基于富国基金权益ETF的资产配置策略 ——指数基金资产配置策略系列之二
报告围绕富国基金权益ETF产品阵容，分析ETF市场快速发展及富国基金在ETF领域的布局。结合多维度因子（估值、盈利、资金流和微观交易特征），构建基于富国ETF的轮动组合。轮动策略通过月度调仓选取综合得分最高的4只基金，显著超越基准指数，历史胜率100%，年化超额收益17.28%[page::2][page::5][page::8][page::9][page::10][page::14][page::15][page::17][page::18][page::20][page::21]。
基于主营产品相似度的A股市场行业分类研究
本文通过文本分析方法，利用上市公司招股说明书主营产品描述，采用jieba分词和Word2vec词向量技术计算公司间主营产品相似度，并基于K-means聚类算法重新构建A股市场行业分类体系。重分类结果行业数量设为100，较申万、中信二级行业更均衡，且行业内股票股价相关性与收益率标准差表现与传统行业分类接近，显示了较好的一致性与辨识度。最终通过中证500增强策略业绩测试，基于新行业分类的策略年化超额收益有所提升，体现该方法在量化策略中的应用潜力和可行性[page::0][page::9][page::18][page::19][page::21][page::22].
Black-Litterman 模型研究系列之四 ——结合马尔科夫链的行业轮动策略
本报告基于Black-Litterman（BL）模型结合隐马尔科夫链（Markov Chain）模型构建行业轮动策略。通过EM算法拟合资产涨跌幅状态参数，将隐马尔科夫链模型的条件均值作为BL模型的主观观点，形成行业权重配置方案。回测结果显示，BL-马尔科夫链组合自2010年至2021年7月累计收益显著优于直接马尔科夫链组合和中证全指基准，且相较等权和市值加权组合表现更优。此外，选取较少行业数能提升超额收益但增加波动风险，体现模型对行业轮动的有效识别能力 [page::0][page::7][page::8][page::9]
基于行业景气变化因子的择时策略
本报告基于行业中观因子的变化率（ROC），构建改进的行业景气变化因子，通过分位数阈值处理提取行业景气变化信号，制定大盘择时策略。策略在2018年至2022年测试期间，累计超额收益达11.03%，夏普比率达到1.42，且对阈值选择和训练集划分稳定性较强，显示策略调整合理且具备较好稳健性 [page::0][page::2][page::6][page::7][page::10][page::11][page::12]。
哑铃型股东回报选股策略
本报告基于现金分红和股份回购两大股东回报方式，梳理其基本特征及收益表现，发现在大盘低估值偏好股息率指标与小盘高估值偏好回购比例指标之间存在风格错配，进而提出结合两者的哑铃型股东回报选股策略。该策略通过综合股息率、回购比例和估值排名筛选股票，回测结果显示该组合2019年至2024年期间累计涨幅达115.61%，显著跑赢相关股息和回购指数，实现更稳定的年度正收益表现，具有较好的实证支持和应用价值[page::3][page::4][page::9][page::13][page::20][page::21][page::22][page::24]。
组合配置新思路博弈论视角的风格与行业轮动
本报告基于博弈论框架，提出了一种结合非合作博弈纳什均衡和合作博弈Shapley值的风格与行业轮动投资方法。通过构建多参与者、多策略的非合作博弈，计算各资产组合与市场基准的均衡收益作为特征函数，进而利用Shapley值进行收益分配，确定资产权重。实证回测显示，基于博弈论的风格轮动组合显著跑赢均值等权指数。行业轮动尝试显示超额收益稳定性有待提升，需进一步优化博弈构造及行业筛选 [page::3][page::7][page::22][page::31][page::34]
均值-方差组合优化中的效用函数原理分析
本报告系统分析了均值-方差组合优化中的效用函数原理，阐述投资者期望效用最大化为决策基础。重点论述了效用函数形式的选择，指出指数效用函数推导出的效用函数形式$U=\mu-\frac{\lambda}{2}\sigma^{2}$的合理依据及其缺陷，结合正态分布假设给出均值-方差模型和效用理论一致的理论支持，并通过沪深300、中证1000和中证全债资产历史数据验证有效前沿及最大效用组合的关系，揭示不同风险厌恶程度对应的最优组合位置变化[page::0][page::2][page::4][page::8][page::10]。
基于 Chatgpt 研发的国债期货策略
本报告基于ChatGPT辅助开发逻辑回归国债期货择时策略，采用16个来自商品、国债、宏观及技术因子，通过归一化及因子筛选提高策略表现。最终最优策略年化收益率93.40%，胜率63.63%，且在不同市场状态下均表现稳健，有效捕捉买卖时机，展示出人工智能技术在量化策略开发中的应用潜力与价值 [page::0][page::13][page::14][page::15]
在券商金股中寻找行业配置信息
本报告以券商研究所的金股推荐数据为基础，系统剔除行业股票数量、分析师覆盖度、行业动量和机构持仓等影响因素，提纯行业配置信号。基于行业内金股数量对股票总数回归后的残差、行业反转指标及盈利预测调升幅度等指标，构建了有效的行业组合策略。2021年以来，该行业组合展现出良好稳定的超额收益和较高的换手率，相关分析验证了从券商金股挖掘行业风格配置的信息价值 [page::2][page::7][page::14][page::16][page::17]
取筹码厚积之处，享行业趋势行情——基于筹码结构理论的行业轮动策略
本报告基于筹码结构理论，结合行为金融中的处置效应，构建了多种筹码收益率与累积筹码收益相关因子，形成行业轮动量化策略。固定期限筹码收益率历史百分位因子与累积筹码收益历史百分位因子表现最佳，其行业轮动组合累计收益远超基准中证全指，显示出较强的行业择时能力和超额收益潜力，为行业轮动投资策略提供了有效量化工具。[page::0][page::3][page::10]
Black-Litterman 模型研究系列之五 ——多因子组合中预期数据使用方式
本报告研究了在多因子选股中使用分析师预期数据的不同方法，主要比较了并联与串联两种组合构造方式。实证结果显示，串联组合在多个情境下表现优于并联组合及普通多因子组合，尤其在中证500和沪深300指数内，基于分析师目标收益率和目标营收增幅的串联组合表现更为稳健和持续，提示将分析师预期数据置于多因子组合外部处理具有优势[page::0][page::2][page::4][page::6]。
博弈论在因子加权中的应用
报告创新性地将博弈论结合因子加权，通过非合作博弈计算博弈收益，再用Shapley值分配权重，提升多因子组合的超额收益和稳定性。与传统IC加权、等权方法相比，该方法能更全面反映因子组合效果和边际贡献，同时结合市场状态进行情景分析，回测显示策略有效提升风险调整后收益，尤其调整因子方向后表现更优，策略具有较强的实用价值和风险提示[page::0][page::2][page::4][page::9][page::10][page::11][page::13]
HMM 模型择时及配置策略
本报告系统介绍了基于隐马尔可夫模型(HMM)的资产择时方法，讨论了HMM的理论基础、学习及预测算法及其对市场状态的解码能力。利用沪深300指数数据，构建了4维观测变量，采用正态假设和滚动训练方法，回测显示该模型具备高夏普率、高收益率和稳定回撤的优点。进一步基于HMM择时结果，结合等权、均值方差、风险平价三种资产配置模型构建多资产配置策略，取得了显著优于基准的收益表现，证明HMM在资产配置中具备良好的择时增强能力[page::0][page::6][page::9][page::13][page::15][page::17][page::20][page::21]。
“正预期与非拥挤”行业轮动策略
本报告构建了基于分析师预期和市场拥挤度指标的行业轮动策略，结合多个分析师预期因子和量价因子，剔除拥挤度最高行业，实现“正预期与非拥挤”行业组合，回测显示组合年化收益达19.45%，显著超越行业等权基准，月均换手率约132% [page::0][page::21][page::22]
