摘要

Level2类选股因子存在进一步挖掘空间。随着业界对于选股因子研究的深入，许多类别的选股因子都得到了较好的挖掘。但在众多研究中对于基于Level 2行情数据的选股因子的相关研究却少之又少，很多前期研究都将注意力集中到了Level 2类指标的短期选股效果上而并未对于该类指标在中长期上

核心观点

上周至本周，市场主要指数回调。因子收益方面，小市值股票依然占据优势。基本面因子收益不显著。动量因子呈现负向收益。技术面因子收益显著。市场呈现风格转换趋势。

在历史收益率方面，各指数近期表现较好的因子均为短期动量因子，全市场表现较好因子还包括成长因子和波动率因子。

行业多因子方面，上周

上周成长、盈利因子延续强势表现，多数风格因子表现不佳

上周成长、盈利因子在各类股票池表现较好，延续2020年初至今的强势表现。其余风格因子整体表现不佳。估值、财务质量、反转、波动率、beta因子在各类股票池出现回撤。小市值、换手率因子在沪深300成份股票池表现较好，在其余股票池出现回撤。技术因子在

研究结论

过去几年A股alpha空间较大，一些经验的简单组合构建策略就可以获得稳健组合，组合优化方法在提高策略收益和稳健性上并无明显优势。它的作用更多是提供一个平台，让投资者同时精确控制组合风险暴露、个股数量和权重、换手率、冲击成本等，同时还可以把投资者的主观信息融合同一个模型框架下来，包

国内量化发展已有十余年，各家机构投资者的Alpha因子库已有较大规模，这时面临的问题是，继续花时间和精力进行因子挖掘扩充因子库是否划算，还能带来多少增量收益。我们尝试将近年来兴起的机器学习算法应用到Alpha模型上，进行低频层面的因子挖掘，考察机器因子库相对人工因子库的增量

本文首先利用遗传规划算

研究结论

分析师盈利预测在海外和国内都存在明显乐观偏差，本报告将尝试用线性和非线性方法定量预测乐观偏差，并修正盈利预测以期获得更准确的预测结果

报告采用朝阳永续数据库，经筛选每年都有七、八万个样本数据，数据充足，适合机器学习模型使用；但随着最近几年新股数量的增多，研报对A股的覆盖率在下降，过去三

研究结论

股票的买卖压力不仅对价格在成交量维度上的分布有影响，而且对价格在时间维度的分布也有影响。买入压力比较大的股票在价格相对低位时会有主动买单推高价格，因而在价格相对低位的停留时间较短，卖出压力比较大的股票在价格相对高位时会有主动卖单压低价格，因而在价格相对高位的停留时间较短。

不同

主力合约是否为信号来源和交易的最佳选择

期货曲线中存在多个交易合约，我们普遍交易的是流动性最佳的主力合约。但国内大部分商品期货的主力合约为远月合约，其价格收敛特征可能并不明显，而大部分品种仅到期日意义上的近月合约流动性普遍较弱，价格可靠性不足。本文从流动性和价格敏感性出发重新梳理了各品种的“活跃近

市场分析与判断：短期波动加剧，中期上涨延续全周回顾：风险偏好进一步攀升，A股市场日均成交额创今年新高。

1）A股放量大涨：中证全指、上证综指、深证综指分别对应涨幅约8.88%、7.31%、10.24%；日均成交金额逾1.5万亿元，环比接近翻倍。

2）全行业收涨，周内行业轮动明显：本周全行业普涨，

今年收益率-全A模型(收益率为标签，全A选股)超额收益13.32%

今年收益率-全A模型(收益率为标签，全A选股，基准为中证500)超额收益为13.32%。今年以来双周频调仓的“遗传规划+随机森林”模型表现较好，换手率限制为60%的情况下，该模型上周超额收益为0.87%，最近一个月超额收益

在系列前期报告中，我们从不同角度探寻了分钟成交数据、TICK盘口委托数据以及逐笔数据中所包含的选股能力。研究结果表明，高频数据中包含着较为显著的选股能力。即使在剔除了常规低频因子的影响后，高频因子依旧具有显著的选股能力。考虑到系列前期报告在研究构建高频因子时，大多仅使用某一类高频数据进行因子构建，并

投资要点

多因子组合表现。上周（2020年7月3日至2020年7月10日，下同），进取组合、平衡组合的周收益率分别为7.69%、9.17%；同期，主要宽基指数上证50指数、沪深300指数、中证500指数、中证1000指数的周收益率分别为6.10%、7.55%、10.33%、10.37%。上周，进取

近1年多来，我国被动产品的规模大幅扩张，份额在偏股类产品中的占比已增长至38%。有意思的是，同时期，以指数增强为代表的alpha策略，表现却不尽如人意。那么，两者之间是否存在一定关联呢？本文从被动产品规模已占据半壁江山的美国市场出发，再回到正在成长期的中国被动产品，尝试探讨这一问题。

美国被动产品

投资要点

本篇是系统化资产配置系列报告的第三篇，对如何利用机器学习算法进行短期市场择时进行了系统介绍。

全球金融市场每天产生海量的各类数据，如何筛选并有效利用这些数据来预测股票市场走势一直是一个重要但棘手的问题。

短期择时面临的主要困难包括：

1.短期市场走势受情绪等

概览：朝阳永续盈利预测数据库介绍

从报告内容上来讲，一篇典型的个股深度报告至少应该包含盈利预测、分析师评级、目标价三个方面

尽管近几年来券商分析师及研究员的数量在不断走高，但分析师覆盖的公司从绝对数量和相对占比上都呈现出明显的下降趋势

困境：一致预期因子近年相继回撤

传统来讲

外资持股偏好与公募基金抱团近年来，随着资本市场的逐步开放，A股市场机构投资者占比不断提升，机构资金的话语权和定价权也越来越高，“价值投资”概念越来越受关注。

从北上资金持股及公募基金重仓股组合的风格因子暴露来看，机构资金更偏向于大市值、高动量、高估值的股票，且其在基本面因子上的暴露程度普遍更高。

配臵观点

上周国内方面A股继续放量上行，自6月30日起低估值板块补涨导致的价值和成长风格强烈切换后，上周风格趋于均衡；周五在监管趋严信号和减持的影响下，大金融板块带领市场回调，但PPI底部回升、PMI超预期等经济数据反映复苏的确定性增强，加上北向资金加码和公募基金建仓持带来的增量资金持续进

基金重仓超配个股特征。公募基金倾向于超配大市值、高估值的股票。从行业分布来看，基金倾向于超配医药、计算机、电子、食品饮料、国防军工等行业的个股，而低配机械、基础化工、交通运输等行业的个股。大部分重仓超配股票，在基金持有期均跑赢了市场大部分股票

基金重仓超配个股的收益具有一定延续性。即便获取基金持仓

投资要点

不可或缺的风险模型：协方差矩阵应用领域介绍组合的波动是度量组合风险的重要指标，而组合成分股收益率的协方差矩阵便是估计组合波动的重要工具。

股票收益率的协方差矩阵在组合绝对风险估计、组合相对风险控制、组合优化和因子组合构建以及多因子合成四个部分都有着十分广泛的应用。

协

研究结论

从2016年12月沪港通开通以来，北上资金大量流入A股，截至2020年2月3日，北上资金累计流入A股1.05万亿，对A股带来了各方面的影响，因此无论是北上资金对市场风格影响还是北上持仓和流入流出本身的信息都是值得重点研究的。

本文基于公开的北上资金持仓数据构建了12个持仓

内容提要

系列前期报告《高频数据应用系列研究（一）——使用高频数据跟踪核心资产的公募基金持仓变化》讨论了使用高频数据对于基金披露的持仓进行持续修正，并得到个股上公募基金持仓占比预期的方法。本文在前期研究的基础之上，探讨了公募基金持仓占比预期（后文简称公募持仓预期）在选股以及行业轮动策略中的应用

研究结论

股票的买卖压力不仅对价格在成交量维度上的分布有影响，而且对价格在时间维度的分布也有影响。买入压力比较大的股票在价格相对低位时会有主动买单推高价格，因而在价格相对低位的停留时间较短，卖出压力比较大的股票在价格相对高位时会有主动卖单压低价格，因而在价格相对高位的停留时间较短。

不同股票的价

股票的买卖压力不仅对价格在成交量维度上的分布有影响，而且对价格在时间维度的分布也有影响。买入压力比较大的股票在价格相对低位时会有主动买单推高价格，因而在价格相对低位的停留时间较短，卖出压力比较大的股票在价格相对高位时会有主动卖单压低价格，因而在价格相对高位的停留时间较短。

不同股票的价格不具有可比

在系列前期报告中（《选股因子系列研究（十九）——高频因子之股票收益分布特征》），我们基于股票高频收益分布特征对于相关因子的选股效果进行了回测。

研究发现，股票高频偏度具有较好的选股效果，但是高频方差以及高频峰度并无显著的选股能力。考虑到股票日收益的波动率同样选股效果不佳，但将其拆分为系统波动以及特

随着传统因子研究的深入，通过使用日级别数据已经很难发现能够在传统技术选股因子之外提供额外选股能力的因子了。考虑到传统因子多使用日级别数据刻画股票日间的形态特征，通过引入日内高频数据刻画股票日内的特征也许能够为模型带来新的信息以及Alpha。

这一观点也在本系列前一篇研究（《选股因子系列研究十八——