本报告提出“交易员-投资公司”集成算法交易策略，通过组合众多简化数学形式表达的短暂Alpha（交易员），利用遗传算法思想实施交易员的教育、淘汰和更新，形成投资公司级别的稳定超额收益策略。在沪深300市场的长期实证中，该策略实现月均收益2.4%，夏普率1.41，最大回撤约27.65%，明显优于沪深300指数表现。报告还针对高频交易成本，提出基于5个交易日滚动持仓的改进方案，有效减少交易费用损耗，保证策略稳健运行[page::0][page::2][page::4][page::5][page::8][page::9][page::10].
本报告系统构建了高质量股票池的两层优化框架：刚性优化保障股票可交易性，通过剔除风险警示、次新股、低流动性等不符合交易标准的标的，并引入缓冲区规则降低股票池周转率，形成流动性1500股票池；柔性优化提升股票池质量，运用负向因子筛选流程从多个财务维度选取11个负向因子，以多种合成方法对负向因子进行剔除测试，实证显示ICIR加权法适合单调负向因子，组合复合法则适合尾部有效因子，剔除非指数成分股并控制剔除比例在4%-6%效果最佳，最终提升组合收益与可交易性平衡 [page::0][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26][page::27]
本报告提出了一种基于动态因子与模型池的机器学习选股方法，通过因子预筛选和边际筛选加速因子筛选过程，构建并维护一个包含多种机器学习模型的动态扩展模型池。采用验证集数据对模型进行评价，从长期记忆的模型池中筛选表现优异模型集成预测，实现更高效、稳健的选股。回测显示，机器学习复合因子在全市场及中证1000中表现良好，且多模型集成显著提升预测效果，训练频率、验证集长度和模型类型对效果敏感性低，长记忆模型池优于短记忆池，且模型间预测具有较高异质性，有利于模型集成优化[page::0][page::5][page::8][page::9][page::12][page::16][page::17]。
本报告深入分析了公募指数增强基金的收益构成，强调其结合被动指数基金的Beta收益与主动管理的Alpha收益，通过多维度评价指标如跟踪误差、信息比率及C-L模型择时能力，系统评估基金的主动管理表现。报告同时结合估值水平（市盈率、市净率）与行业分布，优化指数选择，明确了增强手段如打新、融券融券、股指期货等在提升超额收益中的重要作用，为投资者评估和选择公募指数增强基金提供了完整的分析框架与风险提示 [page::0][page::3][page::4][page::6][page::9][page::14][page::18][page::20]。
本报告基于1452只主动权益基金的持仓、交易、收益三类视角指标，采用相似网络和Leiden社群识别算法，构建了自适应的基金投资策略三级标签体系。该体系涵盖成长、价值、均衡、交易和主题投资五大类风格，细分多种策略标签，辅以个体基金的特征备注，帮助更精细地刻画基金投资风格与策略特征，提高FOF投资决策效率[page::0][page::4][page::5][page::11][page::13][page::14][page::18]。
本报告基于Carry视角，深入解析“固收+”基金的投资框架，揭示Carry与风险波动(vol)的关系，指出“固收+”基金通过低估值风险资产及多元化配置提升收益与风险匹配度，特别强调高Carry的转债对基金带来的alpha收益，并基于权益仓位风险将基金分为低、中、高风险类别，推荐6只绩优基金，从资产配置、估值风格、行业布局及业绩表现层面为投资者提供精选参考 [page::0][page::6][page::9][page::10][page::13][page::21][page::27][page::29]
本文提出了一种稳健风险平价投资组合构建框架，针对协方差矩阵估计误差引入不确定性结构，设计稳健的二阶锥规划优化模型，显著提升组合在市场低迷期间的风险调整后收益，同时保持较好分散性。实证以Fama-French三因子模型为基础，涵盖不同组合规模和稳健参数，验证稳健组合在样本外持续优于传统名义组合的表现，为风险平价模型的改进提供创新思路 [page::0][page::3][page::5][page::8][page::11][page::13][page::19][page::20]
本报告聚焦固收+产品的量化组合构建方法，基于权益仓位中枢划分风险等级，重点打造稳健型红利低波PLUS组合。通过构建负面清单控制尾部风险，结合价值与盈利因子增强收益，回测显示该组合自2013年以来年化收益达17.51%，展现较强抗跌性。债券配置以高等级信用债为主，资产配置引入风险预算与股权风险溢价择时策略，实现收益风险的有效平衡与提升，为固收+绝对收益提供了可操作的量化框架和实践路径 [page::0][page::4][page::15][page::24][page::25]
本报告深化高质量股票池构造框架，系统划分并量化分析不可预测与可预测负向事件。通过事件驱动研究，建立跟踪剔除机制，月度平均胜率达77.08%。基于分箱法构建财务质量评分模型，筛选45个有效指标，显著区分财务危机风险。测试显示，剔除财务预警组合后，沪深300和中证500超额收益分别达12.50%和13.62%。该框架有效提升股票池质量，为投资者风险管理提供量化工具 [page::0][page::6][page::10][page::11][page::14][page::25][page::26][page::27]
本报告系统阐述了基于量化手段的FOF组合构建流程，重点围绕稳健型与均衡型两类FOF组合展开。通过分层筛选基金池、构建全面的基金评价指标体系，结合风险预算资产配置与择时模型，实现了稳健组合年化收益6.55%且抗回撤能力强，以及均衡组合年化收益9.03%的绝对收益目标，展示了FOF管理人如何在资产配置、行业风格轮动、基金选择多层面赋能组合业绩[page::0][page::4][page::9][page::24][page::28][page::33][page::37]
本报告作为“量化绝对收益之路”系列的中篇，深入探讨了固收+组合中的均衡型和进取型两大策略设计。报告基于权益仓位风险分类，通过GARP策略和企业生命周期理论，结合多维度量化因子优选股票。均衡型策略强调价值成长平衡，采用风险预算+择时方法，年化收益10.74%、夏普比2.21。进取型策略聚焦成长行业中的业绩加速股，辅以可转债优化债券组合，年化收益达35.64%、夏普比1.19。两种策略在不同市场环境中展现出稳定的收益与风险控制能力，为绝对收益固收+产品构建提供了系统的量化框架与实操路径[page::0][page::6][page::12][page::18][page::28][page::36]。
本报告围绕股票市场波动率的深度研究，重点构建了“灾后重建”与“勇攀高峰”两个收益波动比相关因子，特别提出基于“更优波动率”指标捕捉日内异常高波动风险补偿，选股效能显著。“勇攀高峰”因子月度胜率高达83.02%，年化收益率达19.76%，且在剥离风格因子后仍保持良好表现。因子在中证1000成分股中的表现尤为突出，显示出其在中国股票市场多样化应用的潜力与稳健性 [page::0][page::3][page::8][page::14].
本报告针对公募主动偏股基金市场缺乏统一行业主题及细分赛道分类标准的问题，结合MECE原则自下而上构建了行业主题标签与细分赛道标签体系。短期标签依据基金最新季度持仓，长期标签通过连续四期持仓变化识别行业主题基金、行业轮动基金及行业均衡基金。研究显示，主动基金在医药、新能源、金融地产等行业多具超额收益优势，主题基金和细分赛道基金呈现较强异质性特征。报告基于标签，构建多类型基金指数并筛选绩优基金池，为投资者提供更加精准的行业配置及绩效比较工具 [page::0][page::5][page::14][page::24][page::33][page::41][page::43]
本文基于持仓数据构建基金业绩面板回归模型，利用股票固定效应实现业绩指标的时间序列预测能力（TSA）与平均异常收益（AAR）分解。AAR 中包含买入并持有漂移效应，是基金长期配置策略的重要反映。研究发现，AAR 尤其是扣除被动漂移后的净AAR，是投资者资金流动和基金未来表现的有效预测因子，而 TSA 信息较短暂。多重比较显示，少部分基金业绩显著，整体业绩持续性主要由AAR驱动。本报告结合大量统计模拟及实证结果，深化了基于持股业绩评估的理论与应用，为基金业绩分析提供新的视角 [page::0][page::3][page::9][page::12][page::15][page::18]
本报告基于内生变量、外生变量和因子周期三重视角，系统分析了A股大类风格因子的中短期表现趋势。结合荷宝David Blitz《The Quant Cycle》研究，提出因子三阶段周期理论，强调因子表现具有约10年的周期性波动。短期内看好估值、波动率和换手率因子，外生变量视角亦支持反转因子表现，中长期则看好小市值、反转及技术因子。此外，报告采用多项指标预测6月因子Rank IC，结合经济周期构建因子投资时钟，并通过三周期回归模型预测未来一年因子表现边际变化。整体建议配置估值、波动率、换手率，小市值、反转、技术因子长期持有，谨防因子拥挤和宏观环境剧烈波动风险。[page::0][page::3][page::6][page::9][page::13][page::15][page::18][page::19]
本报告基于马科维茨均值方差模型和风险平价模型，提出从大类资产配置转向宏观因子配置，利用主成分分析构建五大宏观因子体系（利率、经济增长、信用、期限利差、规模风格因子）以实现资产配置的稳定性和风险控制。报告构建了三种风险预算模型策略（固定风险预算模型和两种引入收益率的自适应模型），并通过历史回测验证其风险收益表现，自适应模型在预期收益率和夏普比方面表现更优，而固定风险预算模型表现更稳定。投资者可根据自身需求选择合适策略 [page::0][page::3][page::4][page::7][page::9][page::10][page::14]。
本文提出了基于单行业资产集中度和全市场拥挤度的双因子择时行业动量轮动策略，利用主成分分析构建拥挤度指标，剔除拥挤度高的行业并结合市场换手率进行市场拥挤度调控，有效规避动量崩溃风险，显著提升策略的长期收益和风险调整表现，尤其在2015年和2021年拥挤度高风险时期表现优异，年度胜率达83%[page::1][page::3][page::15][page::17][page::18][page::21]。
本报告系统比较了多种基金相似度计算方法（包括余弦相似度、欧氏距离、相关系数等），结合收益、持仓和行业维度，探讨了基金相似度在替代限购基金、构建低市场相似组合、最大分散化权重优化、高换手基金行业分布推估及预测下季收益相关等五个实际应用场景中的效果与优劣，实证表明基于收益维度的余弦相似度和相关系数方法表现优异，所构建组合回撤更小且夏普比率最高，且基金相似度指标能较好预测未来基金收益相关性，研究为多维度基金组合管理和策略优化提供了量化方法参考 [page::0][page::3][page::5][page::7][page::9][page::10][page::14][page::15].
本报告深入分析A股市场中动量效应与反转效应的复杂交织，提出“球队硬币”因子，这是一种基于日间、日内和隔夜涨跌幅及换手率、波动率翻转逻辑构建的多维选股指标。通过识别个股“可知性”高低判定其走势属性，成功提升了传统反转因子的表现，年化收益率达39.69%，信息比率高达3.95，且在沪深300、中证500及中证1000等多样本空间均有优异表现，验证了其稳健性与广泛适用性[page::0][page::3][page::19][page::22]。
本报告基于分钟单笔成交金额序列，构建了一系列高频选股因子，涵盖分布特征、时序特征及反转效应，重点挖掘主力资金的行为痕迹。核心因子包括分位数因子（QUA）、主力交易强度因子（MTS）、主力交易情绪因子（MTE）及增强型反转因子（SR），各因子均展现了稳定有效的选股能力，多头年化收益均在21%以上，且与交易行为及Barra风格因子相关性较低，具备独立Alpha来源。因子在中小市值股票池（如中证1000）和部分行业赛道（机械设备、电子、传媒等）中表现突出，年化超额收益可达到12%以上。报告还提出了因子组合策略，并对因子构造、性能和风险进行了详细剖析[page::0][page::3][page::6][page::7][page::9][page::11][page::13][page::15][page::16][page::18][page::19][page::22].
