分红对期指的影响 20190609
本报告系统评估了2019年上市公司分红信息对上证50、沪深300和中证500股指期货合约价格的影响。通过历史分红数据趋势分析及基于年报、快报、预警和盈利预测的净利润估算，构建完整分红预测模型，预估分红对各期货合约的剩余影响点数及比例，揭示分红对期指价格形成的重要作用。同时，提供了分红时间分布和指数历史分红点数的详尽图表，帮助投资者把握分红对期货交易的定价机制及风险管理 [page::0][page::1][page::2][page::4][page::7]
金融研报AI分析
乒乓球策略选股组合动态跟踪技术指标选股系列报告
报告基于东方证券金融工程团队开发的乒乓球策略，该策略构建了一个创新的基于持仓成本偏离度的反转技术指标，用于捕捉超跌反弹的投资机会。报告详细介绍了策略逻辑、持仓历史表现及最新组合动态，并通过多张持仓个股收益表，展示了策略的历史超额收益和风险特点，强调了“过度反应”导致的投资机会，以及组合化投资和严格止损的重要性 [page::0][page::1][page::2][page::3]。
持仓量的初步观察 —— 持仓量也有价格发现功能(二)
本报告通过对台湾股指期货持仓量的观察与分析，发现持仓量的变化与价格趋势存在显著关联。持仓量显著增加时，常伴随着价格趋势的持续，而持仓量停止增长往往预示趋势结束。该结论基于多个历史大行情的实证案例和相关图表验证，强调持仓量作为价格发现的重要功能及背后的理论基础，为期货市场趋势判断提供了重要参考 [page::0][page::1][page::2][page::3][page::4][page::5]。
基于风险监控的动态调仓策略——《因子选股系列研究之三十四》
本报告针对传统多因子组合固定月频调仓的不足，提出动态风险监控调仓策略，通过在月中每日监控市值因子风险敞口进行调仓，显著提升组合收益和风险控制能力。以中证500增强组合为例，动态调仓组合实现16.8%的超额年化收益和3.33的信息比，最大回撤-3.70%，优于固定月频和控制换手后的固定周频组合。沪深300增强组合因风险波动较小，动态策略提升效果有限。策略兼顾收益和换手率，提升了因子效率及风险管理水平[page::0][page::2][page::6][page::11]。
技术类新 Alpha 因子的批量测试——《因子选股系列研究之二十》
本报告基于Harvey(2016)提出的16个技术类新Alpha因子，在A股市场进行批量测试，发现其中5个因子（DOWNILLIQ、UPILLIQ、NCSKEW、DUVOL和IVmonthly）表现较优，rankIC绝对值均大于0.05，IR绝对值均大于2.5。进一步Fama-MacBeth回归验证，DOWNILLIQ、UPILLIQ及IVmonthly因子具有显著增量信息。报告展示了3个核心因子在A股的业绩表现及其与已有因子库的相关性，并提出将部分新因子纳入因子库精简体系，为多因子模型提供有力支持 [page::0][page::8][page::11][page::12]。
分红对期指的影响 20180413期指分红历史回顾及展望
本报告基于上市公司分红数据和预测模型，动态分析了2018年上证50、沪深300和中证500股指期货合约的分红影响，发现整体分红点数较2017年有所上升，特别是中证500的分红影响显著。报告梳理了历史分红趋势，提出了合理的分红预测流程，并估算了不同期货合约的分红剩余影响，为投资者把握期指定价中的分红因素提供重要参考 [page::0][page::1][page::2][page::4][page::6]
来自优秀基金经理的超额收益——因子选股系列研究之六十二
报告系统分析了A股机构化趋势，提出通过选拔优质基金及其超配股构建组合的方法，捕捉优秀基金经理带来的超额收益。在沪深300和中证500指数增强策略中引入优选基金超配股，实现年化收益分别提升1.4%和0.9%。近三年优选基金超配组合超额收益显著，达到20%-30%，且风格呈现向大盘高估值高Beta转变，有效提升了指数增强组合表现。[page::0][page::2][page::8][page::16][page::22]
乒乓球策略选股组合动态跟踪—— 技术指标选股系列报告
本报告介绍了基于持仓成本偏离度设计的乒乓球反转选股策略，通过严格控制持仓时间挖掘超跌反弹个股，策略在样本外测试中表现优异，近四周实现超额收益7.45%。详细披露了最新持仓个股及其收益情况，并通过历史回测分析验证了超跌股数量与指数反转的关系，为短期择时提供了技术依据。[page::0][page::2][page::4]
分红对期指的影响 20180727期指分红历史回顾及展望
本报告系统回顾与预测2018年上证50、沪深300及中证500指数成分股分红情况，基于年报及分红预案信息，采用净利润及分红率估算方法，动态评估分红对股指期货合约价格的影响。研究显示分红集中于5-7月，且2018年分红对期指剩余影响显著减少，报告还详细阐述了分红预测流程及理论定价模型，为期指投资者提供了重要参考依据[page::0][page::1][page::2][page::4][page::6][page::8]。
温和收益的动量与极端收益的反转效应 因子选股系列研究之五十七
本报告基于对A股日收益拆分，创新地将股票收益分为隔夜收益、盘中温和收益和极端收益三部分，发现隔夜和温和收益表现出显著动量效应，极端收益表现出强烈反转效应。通过JK组合法检验，各收益成分在不同形成期和持有期均有显著收益特征，动量成分在大市值股票中表现更优。因子相关性显示动量因子独立于常见因子，具有稳定选股能力，且表现出不同的衰减特征，为构建更精准的量化选股因子提供新思路。[page::0][page::3][page::4][page::7][page::11]
分析师覆盖度因子改进——因子选股系列研究 之 八十四
本报告基于2006年至2022年分析师研报数据，优化分析师覆盖度因子，提出公告后覆盖度因子、首次覆盖度因子及机构持仓正交覆盖度因子三种改进方案，实证显示改进因子在中证全指、中证800及各行业均提升了选股效力和收益稳定性，尤其在食品饮料、电力设备等热门行业表现优异，为投资者提供了有效的量化选股工具[page::0][page::4][page::9][page::36]。
风险模型在时间序列上的改进——《因子选股系列研究之三十一》
本报告针对风险模型的三个主要功能，重点研究了协方差矩阵估计方法的改进，比较了线性压缩（LS）、非线性压缩（NLS）、因子模型（FM）、CCC-GARCH及其组合的实证表现。结果表明，时间序列方向的风险模型改进（例如FM和CCC-GARCH）在风险控制能力上优于纯横截面方法（LS和NLS），且二者结合有助于降低组合波动率和换手率。此外，高频调仓（周频）相较于月频调仓可进一步降低组合波动，尽管增加了换手率。[page::0][page::2][page::6][page::9][page::11][page::12]
收益率的非对称分布与尾部蕴含的Alpha
本文构建多种衡量股票收益率非对称性及尾部风险的因子，包括偏度、Eφ、Sφ、AsymP和左右尾CVaR与尾部Beta，实证显示右尾CVaR因子具有最高信息系数。基于七类因子，利用随机森林模型进行非线性Alpha预测，显著提升了因子的稳健性和收益表现，实现了多空组合月收益率由1.55%提升至1.73%，最大回撤显著下降，反映出尾部风险蕴含的Alpha价值[page::0][page::3][page::14]。
升水是空头的红利（三）
本报告通过对沪深300股指期货49个合约交割前一周次月合约升水价差的历史统计，分析了空头移仓策略的收益特征。统计显示自IF1005起至IF1405，空头移仓累计收益达25.4%，年化约6.2%。周三换仓收益略高于其他交易日，日内波动较小，建议采用分散换仓以降低交易冲击成本。升水的稳定性为空头策略提供了可预期收益，但未来市场可能变化需谨慎应对 [page::0][page::3][page::4][page::5][page::6][page::9]。
分红对期指的影响 20220610
报告基于最新分红信息和预测模型，对上证50、沪深300、中证500指数期货合约的分红点数和年化对冲成本进行了量化分析。分红主要集中在5-7月，影响显著。历史数据显示，各指数分红点数逐年提升，预测模型对实际分红的准确度较高。报告详细介绍了分红预测的流程及期指理论定价模型，并列明风险提示 [page::0][page::2][page::4][page::6][page::9][page::11].
机器增强一致预期 - 因子选股系列研究之六十九
本报告利用朝阳永续庞大数据库及机器学习方法（LASSO和GBRT）系统量化分析分析师盈利预测乐观偏差，发现非线性GBRT模型在预测误差和乐观偏差修正效果上显著优于线性方法，进而构建机器增强一致预期。基于该修正一致预期，报告构造了alpha因子，实证表明其信息比率和IC值较传统数据有提升，且因子在2018年后仍保持有效，显著提高盈利预测的准确性和因子表现 [page::0][page::3][page::6][page::8][page::9][page::11][page::12]。
细分行业建模之券商内因子研究——《因子选股系列研究之二十九》
本报告针对沪深300成分股中券商板块，系统研究了多类量化单因子在券商股的选股效果，发现估值类因子表现最佳，尤其是基于月报数据的估值因子更具优势。构建了纯估值与估值+非流动性两大类因子模型，对比结果表明纯估值模型在控制5%跟踪误差下，年化对冲收益达到9.5%，最大回撤-4.03%，IR 1.88，表现优异。此外，针对券商及银行行业单独建模，显著提升沪深300增强组合的收益与风险指标，验证了行业内独立建模的必要性[page::0][page::2][page::4][page::9][page::11][page::12][page::13]。
基于残差网络的端到端因子挖掘模型
本报告提出基于残差网络（ResNet）的两阶段端到端因子挖掘模型，利用数据图片结合ResNet截面特征提取和RNN时序特征提取方法，捕捉长周期量价信息。模型以半小时和周度k线数据为输入，较传统人工构建特征提升因子选股能力。结合非线性加权打分，模型在沪深300、中证500、中证1000等宽基指数增强策略中实现显著年化超额收益，且换手率适中，具备良好替代性和增量效果。回测显示，长时序数据（week数据集）能有效提高未来收益预测能力，且端到端输入方式缓解了信息丢失和过拟合问题，适合大规模指数增强投资应用 [page::0][page::3][page::6][page::7][page::9][page::11][page::15]
分红对期指的影响 20240517
本报告基于最新分红信息和预测模型，系统分析了分红对上证50、沪深300、中证500、中证1000指数期货及各合约的影响，包括分红点数及对期货价格的内在调整及年化对冲成本，提供了完整的分红预测流程和期货理论定价模型，为期指投资及风险管理提供量化依据 [page::0][page::2][page::6][page::7]
商品基本面量化研究之铁矿石衍生品系列研究之（十一）
本报告基于铁矿石产业链，从供给、需求、库存和成本四方面梳理价格影响因素，采用向量自回归VAR模型和IVX回归方法，系统分析基本面因子与铁矿石收益率的关系及预测能力。短线样本外预测方向准确率仅55.2%，持续性较弱，长线季度预测精确度显著提升，方向准确率达70.5%。基于预测设计的多频率量化交易策略表现优异，年化收益率超19%，夏普率超1，实现有效风险控制 [page::0][page::12][page::17][page::19][page::28]。
