期权价差套利策略
本报告系统介绍期权价差套利策略，重点分析牛市价差套利和熊市价差套利的操作逻辑和收益风险特征，结合华夏上证50ETF模拟期权，量化说明策略的盈亏平衡点、最大收益及最大亏损范围，展示期权投资中的低风险套利方式，为投资者提供风险可控的套利投资路径 [page::0][page::3][page::4][page::5][page::6][page::7][page::8][page::9]。
金融研报AI分析
如何理解这轮小市值行情？
本报告从金融学视角分析当前小市值股票行情的异常表现，指出传统因果思维难以解释，强调Fama五因子模型中小市值因子（SMB）对业绩的主要驱动作用，通过资产定价理论和P组合选取揭示小市值股票相关度低、组合夏普比高的本质，最后对行情持续性及组合投资理念提出展望与启示[page::0][page::2][page::4][page::6][page::7]。
中小盘量化选股
本报告基于多因子量化模型构建中小盘股票组合，结合估值、动量、规模、盈利、成长等多类因子，通过Kendall秩相关系数动态优化因子权重，实现月度调仓。回测显示该策略自2000年以来平均年化超额收益约20%，Sharpe比率超过3，组合表现稳健优于基准。报告深入分析了因子贡献与权重变化，强调成长、动量和盈利因子的正向作用，及波动、交易等因子近期表现差异，为投资者提供量化选股实证依据和行业布局参考 [page::0][page::2][page::3][page::6][page::7]。
“财经新闻 挖掘与 “股票策略” 构建— FarmPredict 机器学习框架
本报告基于FarmPredict机器学习框架，利用无监督学习和正则化回归从财经新闻文本中提取隐含因子与情绪因子，构建股票收益预测模型。通过对中国股市2010年至2022年新闻的实证分析，投资组合在未考虑交易成本条件下取得高达数百个百分点的理论收益，验证了文本挖掘与机器学习在投资策略构建中的强大潜力和应用价值[page::0][page::2][page::16][page::17]。
港股科技主题 ETF 投资价值对比分析
报告以定量和定性分析相结合的方法，通过对24只港股科技主题ETF基金及其跟踪的7个主要指数的编制方案、行业市值分布、成分股及估值水平等多维度深入解析，揭示了港股科技主题ETF整体具备较高长期配置价值，且腾讯、美团等互联网龙头在各指数中占主导地位；特别指出HKC科技（HKD）指数与SHS科技100指数在风险收益特征上表现最优，南向资金大幅流入科技板块支撑其制度性机会转为系统性机会，为投资者选取合理基金产品提供参考 [page::0][page::3][page::4][page::5][page::6][page::8][page::11][page::12][page::13][page::14].
美国衰退情绪升温，A股ETF资金持续流入 中泰时钟资产配置策略 （2024年08月）
本报告分析了2024年7月全球及中国主要资产市场表现，宏观经济指标及流动性变化，公募基金申报与仓位变动情况，及行业轮动与多资产配置建议。重点指出A股ETF资金持续流入，机械、医药、家电等板块具备配置机会，宏观层面流动性虽有所收敛但仍偏松，财政支出力度略有下滑，资金空转高位回落，北上资金边际流出，成交情绪快速回升。整体投资策略建议依据行业景气与情绪，结合中泰时钟战术模型进行动态调整 [page::0][page::2][page::4][page::5][page::7][page::9][page::10][page::11][page::12][page::13][page::14][page::16][page::18][page::23]
量化主动指数增强投资模型框架
本报告系统阐述了主动指数增强投资策略的模型框架，重点在于通过优化指数成分股的配置权重，在控制跟踪误差的前提下实现超额收益。报告详细分解了指数增强投资收益的数学表达，定义了主动权重及与指数的差异，建立了基于Mean-Variance框架的优化目标函数并引入IR比率评估策略表现，为实际组合构建提供理论支持和方法指导[page::0][page::2][page::3]。
博时基金邓欣雨：股票、转债双轮驱动，打造高回报、高胜率和低回撤固收 “固收+”特色产品价值分析之三
本报告详细分析了博时基金邓欣雨管理的两只代表性固收+产品——博时稳健回报与博时转债增强。博时稳健回报表现为高收益、高胜率与低回撤，侧重利率债、信用债和可转债的仓位轮动，偏好金融地产、TMT及中游制造板块，控杠杆且久期短，纯债贡献稳定收益，转债贡献弹性收益[page::0][page::6-13]。博时转债增强则表现出更大业绩弹性和更高的机构持有比例，资产配置以可转债、股票和利率债为主，股票长期偏好大盘、高盈利、高成长，并且具有较强的交易能力，转债投资更激进，对高价及资质较低转债容忍度较高[page::0][page::13-22]。报告揭示两只基金在资产配置、风格偏好及风险控制上的不同策略，助力固收+产品构建投资者稳健增值路径[page::7][page::14][page::22]。
中泰时钟：经济产出维度
本报告聚焦中泰时钟模型的经济产出维度，精选宏观指标从上游供给和下游需求两个方向入手，通过数据质量调整和逐步回归分析，识别出房地产投资、进出口额和社会消费品零售总额为经济产出最具代表性的解释指标。经济产出对债市长期利率有显著影响，股市大趋势与产出水平相符，但需要警惕非理性波动，商品指数与产出亦保持密切正相关。模型拟合效果良好，为宏观经济与多资产配置提供了有力分析框架[page::0][page::4][page::12][page::13][page::14][page::15]
万图师 AI 看图选指数——机器学习系列
本报告基于深度学习卷积神经网络（CNN），使用指数K线图的竹线图形式进行模式识别，训练万图师AI模型对行业指数及行业ETF进行周频轮动择时。策略在2019年至2023年无摩擦交易下，最高年化收益达31.33%，夏普比率最高1.63，显著优于沪深300指数，表明AI技术在指数择时策略构建上具备较强应用潜力和有效性 [page::0][page::3][page::4][page::10]
券商板块择时模型研究—数字正弦波择时系列之二
本报告基于A股券商板块的高波动特性，发展了数字正弦波择时模型，通过对券商指数与多个宽基指数及50/100指数的相对速度差分，构建数字信号和强度指数RS，实现对券商板块及全市场的领先择时。模型在25天和50天不同周期下均表现优异，其中小级别券商-50/100模型年化收益率达33.37%，最大回撤19.63%，胜率71.43%。模型对市场风险偏好的捕捉具有显著指导意义，但在券商相对大盘走势疲弱时表现不佳，需结合市场趋势进行辅助判断 [page::0][page::16][page::31].
中小盘量化选股
本报告基于多因子量化模型对中小盘股票进行选股，重点分析了估值、动量、规模、盈利、成长等因子的权重及其对组合收益的贡献，结合历史回测数据，展示了模型在A股中小盘股票的有效性及稳定超额收益能力，交易类与波动类因子贡献最大，组合2023年持有期内表现优于基准 [page::0][page::2][page::3][page::6][page::7]。
识别“双底”——技术分析算法、框架与实战之三
本报告基于缠论改进算法，构建了一套“双底”技术形态识别的系统框架，剖析双底形态的核心结构及判别规则。通过对2011-2021年上证50、沪深300、中证500成分股及申万行业指数和ETF的回测，发现双底形态在个股上择时效果有限，但在指数和行业ETF上的短期持有表现显著优于个股，尤其在电气设备、国防军工等行业表现更佳。技术形态的精确度受限于时间与空间双重约束，策略应用需考虑趋势性和持有期调整。[page::0][page::2][page::4][page::7][page::9][page::10][page::12][page::13]
高频跟踪基金核心池仓位中枢，更新大小盘配置观点（截止 20210930）
本报告通过分析主动权益基金核心池、次核心池及冷门池的仓位中枢及指数收益，跟踪基金抱团程度及大小盘配置信号的变化趋势，发现2021年三季度核心抱团仓位环比下降7.5%，呈逐步分散趋势；基于中长期及中短期择时模型，建议Q4高配中证1000代表的中小盘，低配沪深300代表的大盘，历史择时胜率达72.73%，为基金仓位配置提供量化决策支持[page::0][page::2][page::3][page::4][page::5][page::6]。
AI 能否学会看图选股——机器学习系列
本报告基于卷积神经网络（CNN）模拟机器学习方法，利用含均线的K线灰度图特征，预测低价股未来收益。研究显示该模型具备显著的预测能力，未来5、10、20交易日收益预测信息比率均超过0.9，相关多空组合年化收益率达到26%以上，夏普比率3.7以上。月度换仓策略自2019年至2023年表现优异，累计收益超万得全A，风险调整后收益更佳。该机器学习图像分析方法有效挖掘传统量化因子难以捕获的隐式市场信息，为量价二维数据投资提供创新视角 [page::0][page::3][page::4][page::6][page::9][page::10]。
趋势因子——固定效应面板方法
本报告基于固定效应面板回归方法对股票趋势因子进行构建与实证，测算以不同移动平均价格作为解释变量对未来收益的预测能力。结果显示，固定效应回归优于传统Fama-MacBeth和加权平均方法，趋势因子在A股市场表现稳健，10%分位多空组合年化收益高达21.84%，夏普比为1.57，最大回撤低于其他方法，且短期移动平均因子贡献最大，趋势因子与传统五因子模型相关性弱，独立解释力强，应用于沪深300与中证500表现亦显著且优于大盘股，适合用于实证资产定价与量化因子投资策略构建 [page::0][page::3][page::17][page::26][page::29]
基金定投— 从入门到进阶
本报告详细介绍基金定投的基本概念、适用场景及其智能化进阶策略，结合丰富的历史数据及模拟实验，证明定投能有效代替主观择时，降低投资波动和成本，提升收益率。报告特别强调适用高波动、高收益基金及不同定投频率对效果的影响，最后通过破位加仓智能策略实战案例，展示智能定投在实际操作中的优势和盈利潜力[page::0][page::3][page::4][page::5][page::6][page::10][page::11][page::12]。
基于中泰时钟的FOF投资策略
报告提出基于中泰时钟的FOF投资策略，通过宏观经济维度划分股债配置周期，并结合风格轮动模型挑选基金经理，构建多维度量化评估工具避免追逐短期业绩明星，多重风险预算实现组合权重动态调整，最终回测显示该策略在2012-2017年期间年化收益达到10.5%，稳健增长，体现了策略的有效性和实用性 [page::0][page::6][page::9][page::11].
优选稳健 alpha 基金— 基于多因子的业绩预测模型
本报告基于多因子模型，通过剥离基金股票收益计算alpha，运用基金过往alpha及规模因子构建业绩预测模型，验证基金经理业绩具有可持续性，并实现基金组合的显著超额收益。模拟组合相对基准指数年化超额约7%，显示方法的有效性与实用性[page::0][page::11][page::14][page::19]。
“均线” 才是绝对收益利器？ “ICU 均线” 下的择时策略
本报告介绍了一种基于稳健回归方法的“ICU均线”指标，用于构建绝对收益类中短线择时策略。该策略以沪深300指数为标的，采取价格上穿5日ICU均线买入、下穿卖出的简单规则，历史回测显示年化收益约14%，夏普比率达1.7，最大回撤控制在8%左右。相比传统均线，ICU均线更稳健地处理异常值和极端波动，提升趋势跟踪的准确性和响应速度，为CTA量化策略提供有效工具[page::0][page::2][page::3][page::9][page::11]。
