报告从基本面拆解账面价值，构建留存收益市值比（REP）和投入资本市值比（CCP）两个估值因子。REP因子相较于传统BP因子稳定性更好，年化ICIR提升显著。结合市场价量趋势指标，设计REP与CCP双因子轮动策略，实现动态择时，有效提升选股收益，策略自2007年以来相对中证全指年化超额收益达15.51%，显著优于传统BP策略，且参数敏感性较强，策略稳健有效 [page::0][page::6][page::10][page::12][page::14]
本报告基于1980-2009年美国股票型基金数据，构建风险转移度指标，实证分析风险转移对基金收益的影响。结果显示，风险转移显著降低基金收益，主要因非系统性风险和跟踪误差波动增加。风险转移持续且在收益较差基金、高费率基金中更为明显，且与基金主动性无强相关性，提示风险转移行为对主动基金成本较高，对投资者构成一定隐患 [page::0][page::3][page::5][page::7][page::11][page::16][page::17]。
本报告基于中国股市1996-2013年数据，深入研究行业层面羊群行为对动量策略的影响，发现行业羊群行为对动量回报具有显著非对称性，尤其在输家行业中，羊群行为水平高的行业未来回报更低。基于羊群行为的动量策略在多个子样本及经济危机期间均展现超额收益，提示行业动量策略实施时应充分考虑行业内部的羊群效应水平[page::0][page::3][page::7][page::9][page::15]。
本报告基于美国共同基金数据，运用机器学习方法（梯度提升、随机森林和弹性网络）探讨基金特征对未来业绩的预测能力。结果显示非线性机器学习方法识别的多头基金组合在扣除费用后实现显著正Alpha（年化2.36%-2.69%），远超线性方法和等权组合。特征重要性分析表明，过去业绩指标与基金主动程度之间存在非线性和显著交互作用，基金主动程度越高，过去业绩对未来基金表现的预测力越强。此外，基于双重筛选策略结合业绩和主动性指标亦能实现一定正Alpha，但动态机器学习模型可实现更优表现。投资者应用机器学习模型，有望从主动型共同基金中获益 [page::0][page::3][page::4][page::5][page::11][page::13][page::15][page::17]
本文提出一种基于持仓变化的基金业绩归因模型，拆解选股与择时能力对共同基金表现的贡献。研究发现，选股特别是经理人预测个股预期外表现能力为基金业绩主要正向驱动，而动量策略贡献为负，择时能力整体贡献接近于零但在市场头尾基金及危机期表现不同，且动量与选股能力表现出业绩持续性，择时能力持续性负面，整体业绩缺乏持续性[page::0][page::3][page::9][page::14][page::15]。
本文研究了因子间相关性对横截面资产回报因子筛选的影响，提出了有序加权LASSO（OWL）估计器以提升因子识别的稳健性和组合表现。通过模拟和实证分析发现，OWL 能有效识别市场因子和其他重要因子，显著优于传统LASSO和Fama-MacBeth回归，样本外对冲组合夏普比率最高且收益分布更正态，表明OWL在高度相关因子环境下具有优势且适用于因子投资实践。[page::0][page::3][page::11][page::13][page::19][page::21]
本报告基于国外文献和丰富实证数据，系统研究了收益的季节性及其反转特征，提出收益的季节性由错误定价引发的观点。通过Fama-MacBeth回归及模拟校准，确认季节性收益被异月收益的季节性反转所抵消，说明收益季节性非风险因素所致。基于美国股票、国际股票、指数和大宗商品多市场、多频率数据的研究发现，季节性与季节性反转共同存在，且季节性反转提高了季节性交易策略的预测能力，季节性和反转因子均带来了显著正的投资收益及Alpha，且独立于传统因子，能够显著提升组合夏普比率，为未来量化因子构建提供参考[page::0][page::3][page::8][page::18][page::19][page::20][page::21][page::22][page::23]
本报告系统探讨了多维度因子择时方法，通过结合宏观经济变量（货币-信用周期及宏观事件）、因子动量和因子离散度信号，有效识别因子周期性变化，优化多因子选股组合。实证结果表明，基于因子择时的沪深300、中证500及中证1000增强组合显著提升了年化超额收益和信息比，同时有效降低最大回撤，验证了因子择时策略在指数增强中的应用价值[page::0][page::5][page::24][page::40][page::41].
本报告系统研究了A股定向增发股票的投资价值及基于定向增发股票池的因子选股策略。通过统计分析，定增股票ROE明显优于市场平均水平，且定增后股票表现出显著超额收益。报告筛选了12个定增、市场、财务和估值类因子，发现流通市值和营业利润增长率因子表现优异，具备明显单调性，最终构建的组合2010年至2016年累计收益达330.3%，超额收益322.8%，表现远超沪深300 [page::0][page::5][page::8][page::9][page::12][page::18][page::20]。
本报告基于海外文献，深入研究分析师目标价格中隐含的行业相对估值信息，提出基于TPER的行业中性多空量化策略，在标普500样本中实现月均约200个基点的显著超额风险调整收益。研究内容涵盖交易成本影响、结构稳健性、潜在利润来源及子样本表现，验证TPER策略与流动性及共同基金持仓变动相关，且与传统因子和目标价公告效应无关，显示分析师相对价值判断具备投资价值 [page::0][page::3][page::6][page::9][page::11][page::14][page::16][page::18][page::19]
本报告基于美国股票型共同基金经理数据，构建过度自信指标，实证发现高过度自信基金经理持股对应更高动量收益和更显著反转效应，且结果稳健且难以被风险因素解释，支持过度自信加剧股价动量异象的观点[page::0][page::3][page::7][page::8][page::17]。
本报告基于西班牙欧元区权益基金2000-2020年数据，构建创新的基金交易分歧指标，综合买卖决策捕捉真实交易分歧，揭示基金交易分歧逐年增加且高分歧基金显著超越低分歧基金业绩，交易分歧对基金绩效贡献显著超过交易趋同，结果稳健且控制多重基金特征，为基金经理业绩增值提供关键视角[page::0][page::3][page::6][page::9][page::12]。
本报告提出DiffsFormer，一种基于扩散模型和Transformer的股票因子增强框架，针对股票预测中信噪比低和数据同质性强导致的数据稀缺问题，采用标签和行业信息作为条件引导，并引入迁移学习编辑现有样本，显著提升沪深300和中证800的年化收益率，验证了其在多种主流机器学习模型上的广泛适用性和较强的稳定性控制能力 [page::0][page::3][page::5][page::14][page::21]。
本报告围绕风格轮动策略展开，首要对大小盘及价值成长风格进行重构定义，结合宏观经济、市场状态与微观特征三维视角，构建多层次风格轮动模型，并应用于指数组合及因子改进中。回测显示，多维复合信号下大小盘轮动策略年化超额收益约14.55%，价值成长策略超额收益达21.16%。结合风格轮动信号改进BP因子，多头年化超额从3.74%提升至11.48%，显著增强收益及风险控制能力，为风格投资提供科学而系统的量化框架和实践路径[page::0][page::5][page::6][page::23][page::36][page::42][page::44]
本报告推荐海外文献基于贝叶斯动态面板模型构建基金业绩和持续性评价方法，突破传统假设，考虑时变异方差和协方差。对美国共同基金样本实证表明，风险因子及Fama-French五因子对业绩显著正向影响，费用则负向影响，基金业绩持续性强且随金融危机波动，且业绩波动性提升可作为危机预警。模型稳健且先验敏感性分析支持结果可靠，为国内基金业绩评价与因子分析提供方法借鉴与启示[page::0][page::3][page::12][page::18]。
本报告基于海外文献研究揭示公募基金Alpha与协偏度之间存在显著的权衡关系：基金追求正Alpha通常伴随较差的负协偏度，尤其由选股活动主导。基金协偏度的主要来源包括市场择时、现金管理和衍生品使用。研究发现机构投资者更关注协偏度，资金流向优良协偏度基金，体现协偏度在基金绩效评价和资金流动中的重要性[page::0][page::3][page::10][page::15]。
本报告针对当前alpha日益稀缺的市场环境，重构大小盘与价值成长风格定义，结合宏观经济、市场状态及微观特征三维视角，构建多维度风格轮动策略模型，回测结果表明该模型在年化超额收益、信息比和月胜率方面均优于基准，且结合轮动信号改进BP因子显著提升其有效性，为量化选股及资产配提供新思路 [page::0][page::5][page::36][page::42][page::44]
本报告基于模式3构建“核心+卫星”策略，利用全市场权益基金及赛道基金，融合自上而下风格及自下而上行业信号，设计进取型和激进型FOF组合，实现年化收益分别11.47%、13.44%，夏普比分别达1.58、1.43。策略以多维基金评价指标选基，卫星部分重点布局主动赛道及赛道ETF，体现行业轮动与风格轮动能力，有效增强收益[page::0][page::29]
本报告为“量化绝对收益之路”系列中篇，详细介绍均衡型与进取型固收+产品的量化组合构建方法。权益部分，均衡型以基于均衡估值BET修正的GARP因子结合多维选股因子构建组合，年化收益34.25%，夏普比1.18；进取型基于企业生命周期和业绩加速增长模式筛选成长股，年化收益35.64%，夏普比1.19。债券组合方面，均衡型加入AA+信用债，进取型加入可转债以提升收益和弹性。资产配置采用风险预算+择时策略，有效控制波动和回撤，实现稳健的绝对收益目标[page::0][page::6][page::12][page::15][page::28].
本报告研究股票历史收益的时间顺序CRO因子，揭示其能显著预测未来横截面收益。基于NY市场1926-2018年的实证，发现近期低收益且远期高收益的股票未来表现优异。通过组合分组和Fama-MacBeth回归，CRO月度和年度因子均表现出持续正向预测能力，且控制传统因子后依然显著。此外，利用行为金融理论解释该现象，认为投资者过度关注近期收益导致低CRO股票被高估。证据来自套利环境、流动性限制、期权隐含波动率价差及私人投资者关注度等多维分析，有效排除短期反转和微观结构影响，验证了CRO因子作为全新预测因子的价值 [page::0][page::3][page::6][page::7][page::12][page::14]
