本报告基于商业类净持仓数据构建COT情绪指标量化交易策略，通过对九种主要商品期货的回测，确定COT情绪指标阈值0.85及持仓周期10周为最优参数组合，实盘测试显示年化收益11.62%，交易胜率66.67%，最大回撤6.27%，策略在风险控制和收益稳健性上表现较好，且建议结合趋势技术指标提高策略实用性 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]。
本报告基于高频数据，从深度、紧密度和价格弹性三个维度构建六个市场微观结构流动性指标，进而进行市场趋势分析、异常警示及择时策略构建。指标分析揭示大盘与小盘股流动性差异与市场风格切换，行业层面展示电力设备新能源等行业流动性波动特征。基于紧密度和弹性指标构建的微观结构择时策略，实现多空年化收益率34.9%，表现稳健且优于基准，策略普适性强。报告还构建了日度流动性警示信号以监测市场异常 [page::0][page::4][page::6][page::14][page::22][page::23][page::25]
本报告聚焦量化基金在回撤阶段的表现特征，结合沪深300和中证500指数量化基金的风格因子暴露和交易情绪因子，分析市场活跃度对量化基金风险及收益的影响。研究发现，量化基金回撤期间动量风格暴露下降，市场交易活跃度提升时，量化基金alpha收益的风险也增加，威廉变异离散变量及ATDM动态买卖气指标对回撤风险具有显著作用，为量化投资风险管理提供实证支持 [page::4][page::6][page::8][page::14]
本报告基于转债资产的独特特性，结合高胜率与高赔率的绝对收益策略逻辑，构建了低波动的固收+资产配置方案。通过在市场确定性不高时配置转债，确定性高时配置股票，辅以90%纯债+10%择时策略，策略在近五年表现出较高收益及可控回撤，适合稳健型固收+基金运作。报告还设计了针对一级、二级债基的阶梯式加减仓方案，实现与基金经理实操相符的资产配置落地方案，充分利用了转债市场扩容带来的潜在超额收益，但同时提示未来转债收益驱动可能减弱风险 [page::0][page::4][page::6][page::12][page::18][page::20][page::27]
本报告基于A股高频快照数据构建量价背离因子，通过衡量价格与成交量相关性捕捉量价背离特征，实证结果显示该因子具有显著的股票收益预测能力。利用日频与周频两种频率的因子构建，日频合成因子多空组合年化收益率达41.19%，周频合成因子年化收益率达38.88%，均获得较高夏普比率。进一步将周频量价背离因子与传统因子结合，构建中证1000指数增强策略，策略在回测期内实现年化超额收益11.90%，信息比率达2.27，且在不同交易成本下均表现稳健，为机构投资者提供了有效的选股工具[page::0][page::3][page::5][page::6][page::13][page::14][page::15]
本报告基于历史数据模型推算灵活配置型及“固收+”型LF基金10日及30日的债券与权益风格模拟仓位变化，指出近期成长风格仓位反弹领先，大盘价值持续占优，行业仓位以电子、食品饮料及基础化工为主导，汽车、电力设备及医药生物仓位也显著修复，展示基金仓位的结构性变化趋势，为投资者提供仓位配置参考 [page::0][page::3][page::4]。
本报告研究了经典的PB-ROE模型在行业轮动中的应用，发现仅用模型简单组合难以稳定跑赢基准指数。通过结合价值成长风格轮动信号优化配置高低PB组合，并选取高ROE行业，改进模型实现了显著的超额收益和更平滑的收益分布，验证了ROE因子和价值成长轮动在行业选择中的有效性。最新期选取机械、电力设备及新能源、消费者服务、医药和电子等行业作为重点配置 [page::0][page::1][page::2][page::3][page::4]。
本报告聚焦基于Alpha与Beta双驱动的D盘结构优化选股策略，结合DOS与K行业EHW双驱模型，通过量化模型建模个股因子与行业因子，优化构建选股组合。策略通过Brinson行业归因与滚动回测展示出较强的超额收益和风险调整能力，且表现出良好的夏普比率和较低最大回撤。报告详细阐述了双驱模型的构建方法、模型权重分配、换手率以及因子表现分组分析，为量化投资提供实证依据和策略框架。[page::4][page::9][page::29][page::30]
本报告基于股东户数的公开披露信息，构建“股东户数变动（SNC）”和“人均持股占比变动（PCRC）”两个核心因子，通过间隔选取多期并时序标准化处理的方法，有效避免了数据零值弊端。实证测试表明，股东户数相关因子在全市场范围内表现稳健，尤其在人均持股占比变动因子上，选股稳定性优于股东户数变动因子，最大回撤较小，收益波动比高。PCRC因子在小市值宽基指数（如中证1000）中显著性和增强效果最佳，年化超额收益达9.08%。此外，高频披露样本及额外披露信息对因子表现有一定提升作用，但幅度有限。量化因子参数调优显示，选取两年左右跨度、间隔3~4个月的窗口组合效果较优。风险提示模型基于历史数据存在失效风险 [page::0][page::2][page::4][page::6][page::8][page::10][page::11].
本报告利用基于专利文本大数据构建的技术相似性度量，系统研究技术关联公司股票回报的交叉可预测性及其经济效应。结果表明，技术相似性是对现有风险因子的有效拓展，其相关信息反映在股票价格中，但反映过程存在滞后，投资者因处理能力有限难以即时消化。基于技术关联回报构造的零成本交易策略每月超额收益高达1.28%，且无法被传统因子模型解释。相比产品市场关联，技术关联信息传导更为缓慢，且文本分析方法比传统专利引用和分类度量更能捕捉关键技术联系和预测能力[page::0][page::3][page::4][page::14][page::15]
本报告围绕私募指数增强策略，基于Barra风险因子框架，设计了风险因子暴露分析方法，结合风格与行业因子暴露特征及其动态变化，实证了主动暴露因子和风险轮动因子对策略业绩的影响，揭示了风格因子敞口过大及行业因子过度约束对收益的负面作用，并证明加入风险轮动因子可有效提升沪深300指数增强产品的筛选收益表现 [page::0][page::9][page::13][page::17]
本报告针对纯债基金持仓披露有限导致久期难以准确计算的问题，提出基于债券因子暴露的久期估测模型。核心通过利率水平因子的风险暴露反映债基对利率变化的敏感性，结合债券指数的券种分类及持仓权重构建动态回归模型，对纯债基金久期进行合理估测。结果显示中长期债基与短期债基久期差异在债市行情中表现不一，利率水平因子暴露显著影响久期估测，模型需动态校准以适应市场变化。本方法为投资者量化分析纯债基金风险提供了有效工具 [page::0][page::3][page::4][page::5][page::7][page::8]
本报告基于6056只基金的样本数据，系统分析了基金经理的择时能力，包括择时误差的分解和修正，涵盖指数基金、大盘混合基金、中小盘成长价值基金等不同类型。结果显示整体基金经理择时表现存在负偏差，择时能力普遍不足，且基金规模、类型与具体表现存在显著相关性。报告通过多维度统计指标验证基金经理择时的负面效应，为投资者和基金管理者提供决策参考。[page::5][page::6][page::7]
本报告基于分钟级A股数据，深入分析日内最极端收益的alpha特性，发现极端bar主要出现在上午且具有显著反转和动量特征。构建了结合最极端收益率及其前1分钟收益率排序合成的ERR因子，表现出年化收益19.58%、信息比率3.01、最大回撤5.71%，显著优于传统反转因子。ERR因子在沪深300、中证500及中证1000等多市场均适用，且与传统Barra因子相关性低，风格中性化后仍保持较好表现。此外，极端收益后的动量效应可被ERR因子完全解释，非独立alpha来源，为反转及动量因子研究提供新思路 [page::0][page::2][page::3][page::4][page::5][page::6][page::7][page::8]
本报告基于11304家公司十几年财报文本，运用PageRank算法构建竞争排名指标C-Rank，发现企业被跨行业竞争对手频繁提及能有效预测未来股票收益。高C-Rank股票的多空策略年化收益达16%，该效应与公司规模和传统风险因子无关，且有强烈稳健性。分析师跨行业覆盖度能减缓这一错误定价，表明市场对竞争信息反应不足。风险测试显示部分收益源于风险补偿，但主要由投资者对竞争文本信息的反应迟缓导致。该指标代表了企业竞争力的一个重要维度，为基于财报文本发掘另类因子路径提供了关键方法论支持 [page::0][page::3][page::4][page::5][page::8][page::12][page::13][page::16]
本报告提出基于板块、风格和概念主题三维标签体系，结合宏观事件驱动法构建行业轮动模型。通过LASSO降维和逻辑回归，实现宏观-标签-行业的映射，配合微观因子优化组合，多因素驱动的行业轮动策略实现年化超额收益25.85%、年化IR 2.5，胜率稳健，回撤控制良好，具有显著的收益预测能力和稳定性，为行业配置提供创新的量化框架 [page::0][page::3][page::6][page::12][page::15][page::18][page::21][page::23][page::29][page::30].
本报告基于显著理论结合反转效应和投资者心理，构造了“原始惊恐”因子并进一步改进为“草木皆兵”因子，通过引入波动率加剧、个人投资者交易比与注意力衰减等权重，显著提升选股效果。“草木皆兵”因子在沪深300、中证500、中证1000等多样本空间均表现优异，多空组合年化收益率最高达32.50%，且在剔除了主流风格因子影响后依然表现突出，具有稳定且强劲的增量alpha能力，适合应用于量化选股策略中 [page::0][page::3][page::6][page::10][page::12][page::13][page::14][page::15]
本报告基于上证50ETF的价量数据和舆情数据，采用多元回归、GARCH和LSTM三类模型，系统研究股指波动率的预测能力。结果显示，LSTM模型整体表现最佳，周度预测正确率达70.73%，优于传统计量模型。舆情数据本身对波动率具有一定预测能力，但对价量数据的增益有限，主要在样本外提升模型稳健性。各模型在样本外未见明显衰减，且预测准确率随预测周期拉长而下降。[page::0][page::4][page::6][page::10][page::12][page::14][page::18][page::22][page::28][page::29]
本报告深入研究国债期货择时逻辑指标池的拓展及优化，基于滚动窗口线性和机器学习模型比较因子预测能力，提出自定义损失函数的LSTM仓位管理方法，显著提升策略夏普率。通过多品种多策略融合，最终实现年化收益6.6%、最大回撤0.7%、夏普率3.09的稳健组合表现，为国债期货择时与仓位管理提供系统性框架和实证支持。[page::0][page::7][page::12][page::14][page::20][page::21]
本报告系统介绍了机器学习模型尤其是卷积神经网络在量化择时策略中的应用，重点构建并运用SHAP解释性框架揭示了策略背后的关键技术指标因子对预测结果的贡献及其交互影响，结合模型回测结果展示了该策略在沪深300指数涨跌预测上的优异表现，实现了模型性能与可解释性的有效平衡 [page::0][page::7][page::11][page::14][page::17]。
