在某个时点上的股票的横截面市值基本上都可以被公司的财务指标和市场因素所解释，也就是说市值解释模型依据了市场上股票的情况，给出了每个公司当期投资者认为的内生市场价值，而解释模型的残差部分，也就是当前市值和内生市值的差，代表了不可解释的部分。残差值越大，代表公司当前的市值向上偏离内生市值越多，那么公司的

因子选股研究通常采用月频调仓模式，但是Alpha因子的效用并非在未来一个月均匀分布，而是呈现逐步衰减的形态，也就是说我们从月初获得的alpha要比月末获得的alpha高，持仓一个月不动的调仓方式在当月后半段资金利用效率较低，有必要在alpha衰退之前调仓

子的alpha衰减速度可以用其IC的半衰期

研究结论

流行差的股票有横截面溢价，但非流行性本身不能被直接观测，其一方面表示交易者若想立即成交必须对股价做出的让步，另一方面是单位主动订单对股价的冲击

我们参考学术界的研究和投资界的习惯，选择了相对买卖价差（Percent Quoted Spread）、实际交易价差（Perce

机器学习容易给人“黑箱模型”和“过拟合”的印象，但事实上一些机器学习算法的逻辑和结果都非常直白，而且算法自身带有一套避免过拟合的参数估计机制。众多的实践研究说明，机器学习方法的预测能力大部分情况下都强于线性模型，很值得在量化投资中测试使用。本报告主要讲述机器学习的基本原理和用其来做量化选股的实证结果

相同比例的主动订单对股价向上的冲击和向下的冲击可能不太一样，向上冲击较大的股票表现出上涨容易、下跌困难的特征，向下冲击较大的股票表现出下跌容易、上涨困难的特征。我们基于股票5分钟的资金流和行情数据提出了价格冲击偏差的概念，用于捕捉这一特征

价格冲击偏差在横截面上有很好的选股能力，价格冲击偏差较小的

随着技术的进步和竞争的加剧，越来越多的投资已经开始关注日内高频数据，高频数据一般指分笔数据（Tick）、快照数据（Quote）以及衍生出来的分钟数据、资金流量数据等，本文涉及主要是日内5分钟行情数据

本文主要想考察股票的日内价格行为特征和股票未来收益率之间关系，度量股票日内价格行为特征最简单的方法

传统多因子Alpha模型大多是在全市场范围内对股票一视同仁地进行打分评价，忽视了个股之间的基本面情况差异和选股因子在不同风格股票池里的适用性，能够捕捉不同股票之间差异性的动态情景模型(Dynamic Contextual Alpha Model)应运而生, 并且在海外市场获得了优异的业绩

本文借鉴

A股呈现明显的市值效应和行业效应，不少选股因子的alpha也大部分来源于此。如果采用因子的原始数据和股票收益率做相关性检验，选出的股票会明显受到市场风格因素的影响，我们有必要从因子原始数据中剥离这些因素，检验因子是否能贡献行业、风格因素之外的alpha，本报告用新的方法对估值、成长、技术、风险四类因

在本篇中，我们借鉴统计套利的思想，提出了价差偏离度的概念，试图捕捉股票相对其同类型股票的高估低估程度。价差偏离度因子本质上是一个相对意义上的反转因子，价差偏离度低，近期跑输其同类股票，股票相对处于低位，有向上回复的动力，有正的预期超额收益，价差偏离度越高，股票处于相对高位，后期有回调的压力

价差偏

研究结论

国内量化发展已有十余年，各家机构投资者的Alpha因子库也随之扩大，这时会面临两个问题：alpha信息源的重叠与因子间相关性处理。本报告将提供这两个问题的解决处理方法，

我们基于Fama-MacBeth回归设计了一套Alpha因子筛选流程，剔除信息重复的因子。在实证中，我们把11

前期的专题报告《投机、交易行为与股票收益（上）》中我们提出利用特质波动率、特异度、价格时滞、市值调整换手四个交易行为类指标可变相度量个股被投机的程度，进一步分析我们发现特异度、和市值调整换手两个指标几乎可以包含四个交易行为类指标的所有有效信

通过加总特异度、市值调整换手的信息得到一个的反应个股被投

多因子选股模型的整个投资流程包括alpha模型的构建，风险模型的构建，交易成本模型的构建，投资组合优化过程以及组合业绩的归因分析。从国内市场上已公开的量化模型看，采取的大多是打分法选股或者行业、市值分层构建组合，这种组合构建方式缺乏对风险和alpha的精确控制，最终组合可能偏离预定的投资目标

多因

主 要 结 论

中证指数公司修订沪深300指数样本空间

2021年11月19日，中证指数公司发布了《关于修订沪深300指数样本空间规则的公告》，公告显示，为适应证券市场发展变化的需要，经充分听取市场意见，并经指数专家委员会审议，中证指数有限公司决定修订沪深300指数

主 要 结 论

周指数增强组合表现

• 沪深300指数增强组合本周超额收益0.11%，本年超额收益7.22%。
• 中证500指数增强组合本周超额收益1.13%，本年超额收益8.35%
• 中证1000指数增强组合本周超额收益0%，本年超额收益6.16%。

报 告 摘 要

国信金工主动量化策略表现跟踪

• 本周，优秀基金业绩增强组合绝对收益-1.01%，相对普通股票型基金指数超额收益-1.43%。
• 本年，优秀基金业绩增强组合绝对收益16.07%，相对普通股票型基金指数超额收益5.57%。**今年以来，优秀基金业绩增

摘要

主要结论

决策树及Boosting思想是理解Xgboost算法不可或缺的部分Xgboost算法是Boosting（集成）算法的高效体现。集成学习方法是将多个学习模型组合，使得组成的模型具有更强的泛化能力。

另外，Xgboost的基模型一般选择均为CART分类回归树，其逻辑清

摘要

量化行业配置逻辑与模型化探索

基本面视角的配置思路与模型

技术面视角的配置思路与模型

机构投资行为视角的行业配置策略

自上而下构建多视角行业配置策略

正文

[/wiki/static/upload/fa/fa9b097d-0d95-453a-b900-e6762b96

摘要

在美中概股走势受贸易关系影响

近年来，随着美国对中概股监管要求的渐趋严格及做空机构的参与，在美中概股的表现弱于纳斯达克100指数；当中美贸易摩擦对中国企业的限制增大时，标普中概股50指数与纳斯达克100指数的相关性倾向于降低，与沪深300的相关性倾向于增强

**中概股回归A

摘要

大幅震荡后的市场判断

虽然近期市场出现明显震荡，但建议投资者不必过度悲观：一方面，从中长期来看基于我们对中证800未来三年复合收益的预测，中性水平下年化预期收益仍超过10%，伴随基本面的修复企业盈利状态逐步改善，将对未来市场的上涨打下坚实基础；另一方面，从短期波动率指

摘要

行业表现强度前五：建筑材料、农林牧渔、公用事业、轻工制造、家电

强度后五：通信、计算机、商业贸易、电子、非银金融

指数估值↓：上证指数、深证成指、中小板指、创业板指

行业估值相对PE较低：农林牧渔、地产、建筑装饰、建筑材料和采掘

相对PE较高：计算机、通信、休闲服务、有色、食品

摘要

择时：顺势而为，把握右侧确定性机会

因子选股：半年度复盘与展望

一月以来，市场延续去年四季度缓慢上涨格局；春节后，市场受疫情影响出现月度周期调整；三月末开始，市场情绪逐步修复，重新进入上涨区间。

从宽基指数年初至今收益率来看，创业板指领涨，年初至今收益率54.52%；上证50相对

摘要

上周（2020.07.06-2020.07.10）市场回顾。上周市场大幅上涨，上证50指数上涨6.10%，沪深300指数上涨7.55%，中证500指数上涨10.33%，创业板指上涨12.83%。

目前趋势模型显示市场处于上涨市，Wind全A指数处于20日均线之上。估值上看，全市场PE

摘要

行业表现强度前五：国防军工、商业贸易、计算机、有色金属、综合

强度后五：采掘、银行、家用电器、公用事业、建筑材料

指数估值↑：上证指数、深证成指、中小板指、创业板指

行业估值相对PE较低：农林牧渔、地产、建筑装饰、建筑材料和采掘

**相对PE较高

摘要

A股择时观点：资金情绪乐观，继续看好市场上行

本周市场宽基指数继续大幅上涨，其中创业板指周度上涨12.83%，跑赢其它宽基指数。上证综指、上证50周度上涨7.31%、6.10%。站在当前，我们对下周的市场运行判断较乐观。

1. 从市场情绪来看，本周市场情绪综合指数当前值为7

摘要

策略可行性

银行做为顺周期性行业，其业绩受宏观因素和货币政策的影响较大。同时因银行以信贷业务为主，从总量研究角度，影响银行利息净收入的资金规模、净息差因素均可以找到相关性较高的宏观经济数据。这就为银行行业择时提供了行业层面的逻辑支持。

总量研究方法

银行做为顺周期