高频因子系列研究——日内成交量占比对滑点成本的影响
本文基于分钟级交易数据，采用随机采样方法研究了股票日内成交量占比与滑点成本及其波动率的关系。结果表明，成交量占比在20%以下时滑点成本相对稳定，边际滑点成本波动率与成交量占比呈线性正相关，且低收盘价股票的滑点风险更高，揭示了高频交易滑点风险的量化特征，为策略执行提供理论支持[page::3][page::4][page::5][page::7][page::8]。
金融研报AI分析
基于增持个股的因子选股策略——浙商证券事件驱动数量化策略研究系列之一
本报告基于高管和大股东增持股票行为，结合财务和估值因子，构建单因子和双因子选股模型，优化增持个股投资组合。实证表明，增持比例0.05%~1%、持有期6~12个月、组合股数在25~50只时，组合绩效最佳，双因子模型年化超额收益可达27%以上，最大超额收益达32.5%，显著优于沪深300基准，且稳定性高，投资策略具有良好的实操性和超额盈利能力[page::0][page::4][page::6][page::8][page::10][page::12][page::13]
Selectivity 因子基金优选组合(2022.10.15)
本报告基于Selectivity因子与Alpha因子对主动偏股基金进行优选，更新了2022年10月基金优选组合的成分及表现。优选组合在多个基金类型中表现优于样本池平均收益，尤其是普通股票型基金组合月中周度收益超出样本池0.7%。风格方面，基金组合由价值向成长风格切换，大盘成长型占比显著提升。重仓行业主要集中在食品饮料、医药生物、电力设备及交通运输。基金优选策略自2017年以来累计收益持续跑赢沪深300指数，年化收益率最高达14.51%，胜率普遍高于0.58，显示较优的实证跟踪表现[page::0][page::3][page::8][page::10][page::11]。
Selectivity 因子基金优选组合(2022.9.19)
本报告更新了2022年9月的Selectivity因子基金优选组合，涵盖增强指数型、普通股票型、偏股混合型及灵活配置型基金。优选组合整体表现优于基金样本池平均水平，特别是普通股票型和灵活配置型基金在短期周度收益表现超出样本池1%以上。组合风格主要集中于中小盘，且呈现成长向价值切换趋势。重仓行业分布以电力设备、食品饮料、医药生物等为主。策略累计收益显著优于沪深300指数，且胜率均超过0.54，表现稳定 [page::0][page::3][page::8][page::10]
美股套息交易测算及后市展望——泛事件驱动系列
本报告测算美股套息交易存量规模约3000亿美元，截至8月5日平仓比例76%，剩余放大卖压有限。盈利端恶化是美股下跌主因，资金面扰动加剧波动。美国经济韧性较强，衰退预期被高估，美债利率有望反弹，套息交易平仓节奏放缓，美股中期趋势向好。海外资金流动格局变化亦影响A股资金压力与风险偏好。[page::0][page::4][page::8][page::9][page::10][page::21][page::22]
招商中证 500 等权指数增强分析报告——金融工程专题报告
本报告系统分析了中证 500 股票池的投资价值及招商中证 500 等权指数增强产品表现。中证 500 股票池市值分布集中于中盘，且行业分布均衡，估值处于历史较低位，价值投资机遇凸显。等权指数以均衡持股和分散布局提升了收益和风格特征，历史年化收益率达11.86%。招商中证 500 等权重指增产品采用80%指数复制与20%积极管理相结合策略，实现年化9.28%的收益率，风格向中小盘价值转变，展现出稳健的风险收益特征和同类领先的业绩表现，适应疫后恢复期市场环境 [page::0][page::3][page::4][page::5][page::7][page::8][page::9][page::10][page::14]。
勇于变化，重视 AI 主题二次上行—2023 金融工程中期策略报告
报告预计宏观经济悲观预期已充分反映，市场情绪企稳回升，股指有望震荡上行。公募基金二季度显著加仓人工智能与中特估板块，推动其持续强势。行业盈利模型表明上游资源盈利压力大，半导体进入左侧布局期，银行景气持续改善。中特估板块延续红利低波风格，估值仍处历史低位，盈利潜力未被充分反映，行情有望持续。绩优基金经理策略聚焦主题机会、波段交易及稳健低波配置[page::0][page::3][page::6][page::10][page::13][page::15][page::18]。
基于股指期货的对冲组合策略
本报告基于估值因子和盈利增长因子优选沪深300成分股构建现货组合，结合沪深300股指期货采用滚动完全市值对冲策略。模拟回测结果显示，选股组合在2007-2010年稳健跑赢指数，且对冲组合有效剔除市场整体风险，实现约15%以上的年化收益率与较低波动性，展现为风险厌恶型投资者理想的稳定收益工具[page::0][page::4][page::8][page::11][page::13]。
市场下行风险监测：投资者结构平衡度
本报告提出投资者结构平衡度指标，通过衡量短期与长期收益率分布的偏离，反映投资者结构失衡情况。实证显示该指标能有效预警市场下行风险，2021年及2023年核心资产、小市值行情反转前均成功预警。预警后120交易日宽基指数平均跌幅达6.41%，60日行业平均跌幅3.67%。指标在存量市场中效果更佳，且需配合成交量信息辅助判断 [page::0][page::3][page::4][page::6][page::13]。
江海潮涌，星辰引航：量化因子掘金系列（二）— 应用神经网络 AlphaNetV3 构建的可转债因子
本报告围绕深度学习模型AlphaNetV3在可转债领域的应用，构建了可转债选债因子，经过优化的网络架构及超参数调整后，分组回测显示第三组因子表现最佳，收益率和超额收益均显著优于基准，且因子稳定性和相关性较好，适合在震荡牛市中使用。模型采用GRU结构保留时序信息，引入ReLU激活和批量归一化优化训练效果，整体模型在样本外测试中表现良好，具有较强预测能力。但因子解释性较弱，且模型对2024年转债表现较弱存在局限[page::0][page::2][page::4][page::8][page::16][page::17][page::19][page::20][page::3][page::5][page::9][page::13][page::15].
衍生品量化系列（一）：可转债多因子模型初探
报告系统梳理了中国可转债的基本概念、条款、发行流程及定价方法，重点评测了五类具有转债特色的量化因子，包括修正双低因子、修正转股溢价率、动量10日因子、转股纯债溢价率和修正纯债溢价率。经对称正交化合成的多因子组合回测显示良好表现，年化收益13.46%，夏普率1.23，最大回撤14.65%，体现出该组合优异的风险调整收益能力。此外，报告还描绘了2017年以来市场规模增长与政策驱动背景，为可转债量化投资提供有力实证支持[page::0][page::7][page::18][page::19]。
量化投资组合管理研究系列之（四）组合优化器与指增组合的构建
本报告基于复合选股因子，提出泛用性强的组合优化器，构建指数增强策略，并对沪深300和中证500指增强组合进行优化目标设定与约束控制，结合不同调仓频率展开回测。研究显示，样本外增强策略表现优于样本内，周度及月度调仓优于日度调仓，周度调仓结合策略表现和跟踪误差最优，有效提升超额收益及风险调整表现，最大回撤显著降低，跟踪误差严格控制在业界标准内，为指数增强产品设计提供实证支持 [page::0][page::3][page::4][page::11][page::13][page::16][page::19]
金融工程研究报告：衍生品量化系列（二)：可转债定价类因子
本报告基于2018年至2024年A股可转债市场数据，通过构建B-S定价类因子、二叉树定价类因子和隐含波动率类因子，实证分析了不同因子的有效性。结果显示，B-S溢价率（21日）因子表现最佳，多头年化收益达到8.87%，夏普比率为0.86，且单调性较强。二叉树定价因子整体不及B-S定价因子，隐含波动率溢价率因子则显示出夏普率最高（0.95）和较好的单调性，适合作为择时指标[page::0][page::10][page::11][page::12][page::13][page::14]。
江海潮涌，星辰引航：量化因子掘金系列（三）遗传算法因子挖掘与因子非线性合成
本报告基于遗传算法构建自动化量化因子挖掘框架，利用中证全指个股面板数据挖掘出15个非线性因子，通过最大化IC_IR加权法进行多因子合成并采用交叉验证优化协方差估计。合成因子实现年化收益27.3%、夏普1.05，最大回撤28.4%，表现持续优于基准，证明该方法具备稳定超额收益能力和鲁棒性[page::0][page::4][page::9][page::11][page::16][page::17][page::18]
江海潮涌，星辰引航：量化因子掘金系列（四)构建选股复合因子
本报告基于系列（三）提出的多因子非线性合成方法，构建了一个复合选股因子，采用最大化IC_IR和交叉验证协方差矩阵估计技术，实现了因子权重动态调节。因子在中证全指、中证500和沪深300不同范围的多频调仓回测均表现出显著超额收益和良好单调性，多空组合策略更进一步提升风险调整收益指标，尤其周度调仓表现最佳。该复合因子具有较强的选股能力和稳定的超额收益，适合构建指数量化增强策略 [page::0][page::3][page::6][page::9][page::11][page::16]。
行业轮动系列（一）：截面回归下的中观行业轮动策略
本文基于Wind中国行业指数构建中观层面的行业轮动策略，采用截面回归模型结合量价因子预测行业收益率。通过历史均值法、指数移动平均法及HP滤波法预测因子收益率，策略表现均优于基准，且适当风控（ES和DD）能提升风险收益比。日频调仓产生较高换手率，策略对交易成本敏感，后续可考虑降频优化和非线性模型改进。[page::0][page::8][page::15]
股票多因子系列（三）：机器学习在多因子组合中的应用
本报告系统介绍机器学习在多因子选股模型中的应用，涵盖监督学习多种算法如线性回归、逻辑回归、支持向量机及集成学习算法，并基于沪深A股2010-2024年数据进行89个因子的滚动训练和分层回测。结果显示，线性回归模型表现最佳，非线性高斯核支持向量机多空组合年化收益率及夏普率领先，且非线性模型在回撤控制方面优于线性模型，适应市场风格变化更快。分析指出，过大的组合规模、有限的滚动训练长度及市场风格稳定期线性模型优越性是当前模型表现的驱动因素，为后续研究提供方向[page::0][page::14][page::19][page::34][page::35]。
兼广顾深：公募基金抱团现象研究量化策略系列报告之一
本报告围绕公募基金抱团现象，通过构造抱团股票组合与抱团基金组合，分别从股票和基金两个维度追踪机构抱团行为及其表现。研究发现抱团股票组合在部分阶段具有显著超额收益，主要聚焦于食品饮料、医药等成长行业，且偏好大市值成长股。同时，抱团基金组合自2017年起表现出稳健超额收益，结合分离度指标揭示基金抱团程度的波动和松动风险，为投资者监控机构行为及把握市场动态提供量化分析工具 [page::0][page::5][page::6][page::10][page::11][page::12][page::14]。
基于业绩快报的双事件研究
本报告以A股业绩快报为核心事件，深入研究了业绩快报与重要股东增持、业绩预警两类双事件的联动效应。实证表明，股东增持事件显著增强业绩快报的超额收益表现，尤其持有期20个交易日后胜率提升了13.31%；业绩快报与业绩预警的差异对超额收益产生明显分化，略增组表现最佳，收益与胜率稳定且较高。基于双事件筛选策略的推荐股票在回溯区间收益率达2.46%-4.70%，胜率达66.67%-85.71%。报告为事件驱动投资提供了多事件联动的实证支持和具体操作建议[page::0][page::2][page::3][page::14]
从传统策略到深度学习的可转债投资
本报告分析了可转债传统双低及隐波策略的收益衰减问题，创新采用基于GRU深度学习模型，融合量价及估值因子，构建综合因子并通过LWMA平滑，有效提升预测能力和投资收益。基于该深度学习因子构建的可转债TOP30组合，近三年年化收益达24.1%，大幅超额中证转债指数。进一步构建纯债与转债8比2的固收+组合，兼顾绝对收益和风险控制，表现稳健，夏普比达3.64，最大回撤仅-1.9%。该策略在固收+基金中具备重要应用价值，显示深度学习模型在可转债量化投资领域的广阔前景[page::0][page::4][page::7][page::15][page::16][page::18][page::19]
