本报告基于供应链上下游关系数据构建供应链关系矩阵，通过矩阵乘法衍生出供应商、客户关系衍生因子，将其与原有因子结合应用于多因子选股模型。实证结果显示，加入供应链衍生因子后模型的IC和IR显著提升，尤其供应商关系提取因子效果突出。叠加衍生因子训练的模型在沪深300、中证500、中证1000指数上的策略表现均优于仅用原始因子方案，尤其在中证1000成分股上表现最佳，带来超额收益和风险调整收益的优化[page::0][page::10][page::12][page::16][page::17]
本报告围绕分析师预期收益率生命周期模型构建，基于分析师预期调整（盈利预期调整、目标价调整、评级调整）信息，深入挖掘分析师目标价因子TPP和TPM，揭示其优异的选股能力及生命周期阶段划分。报告构建“预期收益率触底增强”及“预期双击”组合，历史回测显示年化收益率分别达26.44%和28.26%，样本外跟踪表现稳健，月度胜率高，多行业及多市值分布均衡，为基于分析师因子的量化选股提供有力支持 [page::0][page::27][page::28][page::35]。
本报告基于米筐提供的沪深市场Level2限价订单簿数据，构建80维高频量价因子，采用结合CNN与LSTM的深度学习模型DeepLOB预测短期收益率。通过样本内训练和样本外测试，模型在股票交易当中实现单次平均收益超过0.8%，在可转债交易中收益高达5.55%，展示了较强泛化能力和显著的交易收益效果。实验验证了高频深度学习模型在日内高频交易上的应用潜力 [page::0][page::2][page::7][page::9][page::14][page::15][page::18][page::20]
本报告系统分析了中证国新港股通央企红利指数的投资价值，强调了港股行情回暖背景下该指数的低估值、高股息率和政策利好，揭示指数长期稳健的超额收益表现及较低波动率。核心成分股覆盖能源、电信等重要行业，重仓万亿央企龙头，具有代表性和长期配置价值。报告结合多因子和ESG视角，全面展现红利战略对抗市场波动的有效性及未来增长潜力[page::0][page::2][page::7][page::9][page::11][page::15]。
本报告基于宏观因子构建权益资产配置信号，结合技术指标与风险预算量化资产配置模型，推出宏观因子多资产策略指数（MFMA），包含稳健、平衡和进取三个版本。回测结果显示，三种策略均显著优于固收+基准，年化收益率分别为8.04%、12.16%和18.11%，夏普比率分别达到1.94、1.56和1.27，有效兼顾收益和风险[page::0][page::3][page::27][page::32][page::36][page::37]。
本报告详尽回顾了2024年2月权益ETF市场的表现与资金流动，指出权益ETF特别是大中盘宽基ETF份额大幅流入，机构投资者成为主导力量。大盘股表现强劲，尤其是科创板表现领涨，行业及风格方面红利低波依旧受机构偏好。报告中通过详细图表展示ETF份额、规模走势与行业轮动趋势，明确头部基金管理公司的主导地位，对后续市场配置与风险警示提供了系统性分析 [page::0][page::1][page::4][page::16][page::21][page::24]
报告基于基本面量化模型，通过预测A股整体和非金融板块未来季度ROE，结合行业投入产出表、多周期经济分析、估值分位与机构调研，明确2023年10月看好中游制造业中汽车、通信、纺织服装及石油石化行业的景气度和相对收益表现。行业轮动策略回测表明基本面+量价指标能有效捕捉行业景气变化，机构关注度切换验证该观点，当前行业估值普遍处于较低分位水平，存在投资机会 [page::0][page::1][page::5][page::9][page::22][page::28][page::31]
本报告基于基金模拟收益与真实收益间估算误差构建市场交易保守程度和交易倾向因子，研究其周期性和对市场及基金组合的影响。通过该因子实现中证800指数择时及大小盘轮动策略，年化超额收益显著优化。交易倾向因子作为负向筛选指标应用于基金组合，提高长期能力组合收益和稳定性，并创新构建基于交易倾向的精准行业轮动产品组合，获得行业轮动跟踪更紧密和超额收益提升。报告强调交易保守程度的周期性及其对选基因子效用的调节作用，展示量化因子在基金组合优化中的实用价值，为投资决策提供重要参考 [page::0][page::3][page::5][page::8][page::15][page::17][page::18]
本报告基于循环神经网络（RNN）选股模型，借鉴混合专家、多堆叠密集连接和多任务学习进行局部结构改进。多专家结构提升了预测稳定性与抗过拟合能力，多堆叠密集连接改善了模型退化并实现多层次特征复用，自定义参数共享的多任务结构促进标签间信息共享与训练效率提升。多个实验对比表明，这些结构改进有效提升模型泛化与训练均衡性，但未实现显著飞跃性提升，且存在一定参数敏感性和环境局限性 [page::0][page::2][page::4][page::13]。
本报告基于多因子拥挤度模型和行业景气度构建短期风险管理与中长期行业景气度前瞻框架，结合营业收入、利润及ROE/ROA等财务指标，设计行业轮动策略。策略通过剔除高拥挤度行业避免风险，回测表现出稳定显著的超额收益能力，年化超额收益达24%以上，最大回撤约10%。报告细分产业链视角解析新能源车与半导体产业链不同环节景气度差异，强调景气度的边际变化和分析师一致预期数据的重要性，为投资者提供行业配置及策略构建参考 [page::0][page::2][page::5][page::22][page::23]
本报告基于技术指标、财务数据、新闻资讯以及研究报告，结合阿里巴巴达摩院通义千问和深度求索Deepseek-chat大模型，构建了一套多维度融合的大模型个股分析系统。系统不仅实现了对股票未来收益的有效预测，其中买入信号带来的超额收益达到1.08%，且赋予模型较强的结果解释性。同时，通过消融测试分析了各类信息对预测的贡献度，发现研报数据影响最大，财务数据贡献有限或负面，新闻和技术指标亦有辅助作用。该框架提升了个股分析的准确性和可解释性，为股票量化预测提供了创新思路 [page::0][page::1][page::22]。
本报告以沪深 300 指数成分股调整为例，分析新调入和新调出股票在调整日前20个交易日的超额收益特征，发现调入股具有稳定的正超额收益，调出股则显示负超额收益。基于此构建了纯多头及多空组合策略，但近年超额收益呈下降趋势，推测与策略参与人数增多相关。报告还预测了2018年6月最新调入调出股票名单及权重，为投资提供参考 [page::0][page::2][page::6][page::8][page::9]。
本报告系统回顾了沪深300、中证500、上证180、上证50四大重要指数自2011年以来的成分调整事件效应，发现纳入效应多表现为调整日前期的正超额收益，调整日后转负，而剔除效应普遍表现为负超额收益。近期沪深300和中证500成分调整多空组合表现明显改善，2019年6月沪深300多空超额收益达11.14%。此外，报告精准预测了2019年12月成分调整名单，预测准确率平均超90%。[page::0][page::3][page::4][page::7]
本报告系统研究了七大主流机器学习分类算法在A股选股中的因子有效性，采用传统财务因子滚动12个月数据构建特征，通过全市场及分组训练，验证了因子的显著单调性和稳定表现，朴素贝叶斯因子收益最高，AdaBoost与knn因子波动率最低且稳定，同时证明了机器学习因子具有较强的市场自适应调节能力，为机器学习在量化选股策略中的应用提供了理论和实证支持 [page::0][page::8][page::10][page::13][page::17].
本报告系统分析了本轮A股行情的资金主导结构，指出公募基金在2月显著加仓且持仓偏进攻，但近期开始减仓；外资为1月市场上涨的主要推动力，反映年度配置需求；游资在1月底和2月下旬加仓，带动近期行情；散户新增资金及两融余额在2月逐渐回升，反映后知后觉的介入态势；监管对杠杆资金严格管控，未来上涨动力可能减弱，建议关注现金流改善和政策导向的科技成长板块 [page::0][page::2][page::3][page::4][page::5]
报告利用循环神经网络（RNN）构建选股模型，测试多种输入特征、模型结构及训练方式的效果。结果显示，特征集2综合表现最佳，特征集3稳定性最优，GRU模型结构稳定性和通用性强，模型更新频率需与特征集匹配。调整预测标签和样本抽样方式对绩效影响显著。模型训练和回测覆盖2017年至2023年，回测验证多空组合均有良好收益与稳定性，具备一定实用价值[page::0][page::13]。
本报告围绕因子投资在资产配置中的创新应用，强调基于资产价格的隐含因子体系构建及其对协方差矩阵估计的提升作用，通过低相关性因子有效分散尾部风险，结合贝莱德核心因子产品体系，展示了战略性+战术性的资产配置框架与实际ETF产品的优秀表现，为投资组合风险控制与收益优化提供新思路 [page::0][page::2][page::3][page::6][page::10][page::12]
报告基于行业财务因子、分析师预期及量化基本面三类信号构建复合行业轮动策略。财务因子中，盈利和成长能力指标表现最佳，分析师预期中ROE调整因子优于预期ROE本身，量化基本面择时覆盖多个周期行业策略样本显示良好表现。复合信号策略提升组合年化超额收益率至12.27%，夏普比率0.494，显著优于单一因子策略，多空组合回测表现稳定且胜率较高，有效捕捉行业景气度变化规律，为行业配置和择时提供了强有力支持 [page::0][page::3][page::6][page::12][page::14][page::15][page::19][page::21][page::22]
报告基于宏观因子跟踪及资产配置模型，指出当前中国经济阶段为普林格周期第二阶段，建议持续配置股票，维持债券短久期防御策略。风险平价模型及普林格周期配置策略回测表现稳健，改进版普林格周期策略过去7年年化收益21.3%。A股业绩超预期分化，指数总体不稳，建议精选受益于中国内生增长的个股。[page::0][page::3][page::6][page::11][page::17]
本报告系统探讨九种时序神经网络模型在多维股价时序数据上的应用，明确了TCN模型在单模型测试中的优异表现，均值IC达到11.31%。通过模型相关性分析与多模型等权组合，实现更稳定且全面的绩效提升。基于该多模型组合构建的中证1000指数增强组合年化超额收益达18.6%，信息比率2.63，体现了多模型融合选股策略的有效性和稳定性，为投资组合构建提供理论和实证支持[page::0][page::3][page::10][page::14][page::15][page::16][page::17][page::18]
