本论文通过对七款大型语言模型（包括GPT系列及其他）与涵盖53国人类样本的金融决策问卷答复做系统比较，发现LLMs在风险决策中表现出风险中性倾向，偏好期望值计算，而在时间折现权衡上呈现部分非规范性决策。同时，LLMs的整体答复模式与坦桑尼亚参与者最为接近，暗示训练数据中的文化及语言影响。研究揭示LLMs决策更强调理性概率评估，缺乏人类常见的情感与文化偏见，为AI金融应用中的文化适用性提供重要参考 [page::0][page::12].
本报告系统介绍了宽邦科技基于人工智能的量化投资平台BigQuant，展示了其领先的AI赋能技术架构、核心团队及多个大型券商和资管机构的成功落地案例，涵盖智能投研、因子研究、策略开发和实盘管理等全流程AI应用，实现投资管理效率和效果的显著提升[page::0][page::1][page::3][page::5][page::7][page::8][page::9][page::10]。
本报告系统预测与分析了2022年上证50、沪深300及中证500指数成分股分红情况，量化分红对各期指合约的影响及年化对冲成本，重点阐述分红点数及影响趋势，结合历史数据回顾分红趋势和模型预测准确度，阐明分红对期货定价的作用机制与计算方法，为期指交易提供决策依据 [page::0][page::2][page::4][page::6][page::9][page::11].
本报告围绕沪深300指数成分股分红对股指期货合约定价的影响，系统介绍了基于年报、快报、预警及分析师盈利预测的成分股净利润预估方法，继而推算税后分红总额及其对指数和各期货合约价格的理论影响，指出分红对6月至9月期指合约价格影响达1%以上，市场对分红预期推动期指贴水现象，强调准确预判分红对期指交易胜算的重要性及风险提示 [page::0][page::1][page::2][page::4]
本报告基于截至2019年4月28日各指数成分股已公布的分红信息，采用综合预测模型估算分红对股指期货（上证50、沪深300、中证500）不同合约的剩余影响。研究发现分红对覆盖分红高峰期合约的价格影响显著，分红点数较往年有所提升，尤其是中证500指数分红增长明显。报告还回顾了2006年以来的指数分红状况及分红时间分布，并详细说明分红预测流程与股指期货理论定价模型，为期货定价及策略制定提供量化支持和风险提示 [page::0][page::1][page::2][page::4][page::7][page::9]。
本报告系统比较了17种机器学习模型及传统线性模型对A股超额收益的预测能力，实证发现非线性模型（尤其是GBRT和RandomForest）预测精度显著优于线性模型，模型简单平均（COMBO）进一步提升预测精度。权重约束导致预测精度与组合收益不完全一致，机器学习模型偏好技术因子使得策略换手率偏高，更适合中小资金高频操作 [page::0][page::8][page::10][page::12]。
本报告系统介绍了期权无风险套利的四大模型，包括单个期权价格上下界限、两个期权的价差套利、三个期权的凸性策略及期权平价理论，详细阐述了对应的套利条件、操作流程及现金流分析，配合多个实际案例损益图，展示了无论市场行情如何变化均可实现正收益的套利机会，强调在成熟市场中套利机会虽转瞬即逝，但高效IT监控系统是捕捉关键，适合量化交易和实务操作 [page::0][page::2][page::3][page::4][page::17][page::20][page::22]。
本报告基于最新分红信息和预测模型，详细测算分红对上证50、沪深300、中证500及中证1000期指合约的影响，揭示分红对期指价格的剩余影响及对冲成本差异，并解析分红预测的流程及理论定价模型，为投资者期指定价和对冲决策提供参考。[page::0][page::2][page::3][page::4][page::7]
本报告围绕2022年股指期货中分红的最新预测，详尽说明分红对上证50、沪深300、中证500指数期货各月份合约的影响，并基于历史及最新预案数据构建精确预测模型。报告系统回顾了2005年以来各指数的分红表现及其时间分布，验证了预测模型的高准确度，详细阐释了成分股净利润及分红额的估算流程，并结合期货定价理论，分析分红对期指价格及对冲成本的实质影响，最终为投资者提供较为清晰的期指分红风险和定价参考 [page::0][page::2][page::4][page::6][page::9][page::11]
本报告系统介绍了基于东方DFQ-2018因子风险模型的绩效归因理论与工具，覆盖收益率和持仓归因方法，并研发了基于持仓的Python工具和基于Excel宏的公募基金分析工具。报告对沪深300和中证500增强组合进行了案例分析，展示了Brinson归因和多因子风险归因结果，详细揭示了不同基金产品的风格暴露与超额收益贡献，为基金投资管理和策略优化提供实证依据 [page::0][page::2][page::9][page::12][page::19]
本报告基于历史分红数据和最新分红预案，预测2018年分红对上证50、沪深300、中证500股指期货各主要合约的影响，结合建模流程量化分红对期指价格的剩余影响，揭示分红对期货价格定价的重要作用，为投资者提供动态且科学的分红影响预判工具，辅以指数成分股分红数据及趋势分析，为期指交易策略提供决策参考。[page::0][page::1][page::2][page::4][page::6]
本报告深入分析了华宝标普中国 A 股质量价值 LOF 基金，该基金基于标普中国 A 股质量价值指数，通过质量+价值双策略选股，长期收益表现优异。质量策略在震荡市表现突出，且北上资金偏好大盘优质股，推动市场风格向质量和价值倾斜。标普中国 A 股质量价值指数具备估值合理、股息率较高和行业集中等特征，基金经理经验丰富，基金规模稳步增长。报告详述指数编制方法、风险收益特征及重仓股分析，为机构投资者提供量化投资参考 [page::0][page::2][page::3][page::6][page::7][page::8][page::9][page::10][page::11][page::12]。
本报告基于历史分红数据与2023年最新分红预案，建立分红预测模型，分析分红对上证50、沪深300和中证500指数期货合约价格的影响。通过对未来各合约分红点数的动态预测，明确分红在不同合约中的剩余影响及其时间分布，结合期货理论定价模型阐释分红因素对期指定价的重要作用，为投资者提前把握信息提供参考依据 [page::0][page::1][page::2][page::4][page::6][page::8]。
本报告基于中债国债和国开债历史数据，采用Nelson-Siegel模型构建利率曲线，结合主成分分析及高斯仿射无套利模型，深入探讨利率曲线的可预测性。实证显示，利率曲线短期（3、6个月）变动难以预测，长期（1年）变动具备部分预测能力，且机器学习方法优于线性模型，真实世界的VAR模型优于风险中性框架的G-ATSM模型。报告提出利用关键期限零息债券复制投资组合，通过预测债券风险溢价来辅助利率债组合收益率的分析，实证验证模型在一年期收益预测上的有效性，但短期利率数据的质量仍制约短期预测准确性，未来研究聚焦于短端利率市场化改进 [page::0][page::3][page::5][page::6][page::7][page::9][page::13][page::15][page::18][page::21]
本报告系统分析了成长因子在Smart Beta产品中的重要地位，涵盖了美国成熟市场成长类Smart Beta ETF的规模与指数编制方法，以及A股市场中成长因子的绩效表现与策略有效性。实证结果显示，成长因子在沪深300等大盘股中表现优异，多空组合年化收益达9%以上，特别是在牛市中表现突出，等权组合优于市值加权组合。国内成长类Smart Beta产品起步较早但规模较小，业绩表现不佳，未来增长空间广阔且多家公司已布局发展。报告强调风险提示，建议投资者关注因子风格转换风险并加强风险管理 [page::0][page::2][page::4][page::5][page::7]
报告基于最新公布的分红数据和预测模型，定量预测了分红对上证50、沪深300、中证500、中证1000四大指数期货各合约的影响，详细分析分红点数、实际价差及含分红价差，并计算了年化对冲成本。结合分红预案时间及成分股净利润预估方法，完整展现了预测流程和风险提示，为期指投资者提供重要参考。[page::0][page::2][page::3][page::4][page::5]
本报告通过研究多组盘整案例，重点分析持仓量变化与价格走势间的关系。发现持仓量虽有显著增长，但价格指数多处于盘整或震荡状态，持仓量增长并非价格趋势必然信号，阶段性空头或多头行为影响多变，价格发现功能复杂且具时效限制，为期货市场分析提供实证参考[page::0][page::1][page::2][page::3][page::4]。
本报告基于沪深逐笔成交数据构建大单相关的四个alpha因子，包括大单买入占比、早盘大单买入占比、大单涨跌幅和早盘大单涨跌幅，验证了大单背后资金实力雄厚投资者所带来的选股超额收益。早盘大单买入占比因子在沪深300中月度RankIC均值最高达7.33%，多空组合年化收益25.4%，因子表现稳定且对大单划分阈值不敏感。同时因子与传统大类因子低相关，表现出较强动量特征，且在平滑周期拉长下仍具有效果，兼顾了选股能力和交易成本控制，展示了基于大单行为捕捉alpha的有效路径 [page::0][page::3][page::4][page::6][page::8][page::11]
本报告聚焦指数增强产品中因极端市场事件导致的深度学习因子系超额回撤风险，系统研究非线性市值因子对收益的影响及其风控方法。提出基准相对NLSize、左右侧相对NLSize与分组Size三种非线性市值约束，通过综合应用显著降低中证500与中证1000指数增强组合的相对最大回撤与跟踪误差，实现超额收益稳健提升，且该风控方案对上证50和沪深300亦有效果[page::0][page::4][page::25][page::22]。
