摘要

文献来源：Dopfel, Frederick E., and Ashley Lester. "Optimal blending of smart beta and multifactor portfolios." The Journal of Portfolio Management

报告要点

投资聚焦：十年洗练，格局初现。

国内量化策略经历了十年以上的发展，行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下，投资者对量化策略的关注度与日俱增。本文从基金研究的视角，勾勒国内量化策略的历史发展和当前现状、并初步探讨了未来可能的发展方向。

摘要

机器学习波动率预测

大多数量化策略的盈利与波动率高度相关。预知波动率对于分配每个策略的仓位至关重要。使用机器学习进行波动率预测较传统方法的预测效果有所提升。

机器学习策略判断失效的方法

判断机器学习策略失效有独特的方法，可以在击穿最大回撤前提前下线策略。

**机

摘要

机器学习和人工智能在量化投资的应用有很长的历史

机器学习在九十年代初的热潮中已经被大量运用于量化投资中。尽管受限于当时的计算能力和算法，但是由于在算法交易和CTA等领域中机器学习提供了一些更好的解决方案，机器学习在这些领域的应用一直延续到今天

**机器学习在量化投资中应用的

学海拾珠系列，是指从海外量化研究领域的海量文献中选取精华，将最有价值的文章推荐给国内广大的量化投资者们。如系列名称所述，我们团队希望通过不断深耕、探索，力图在茫茫学海中找到闪烁的、凝聚着宝贵知识的珍珠，并在提炼、萃取之后呈现给大家

摘要

2017年以来，随着市场上量化策略的增多，许多以前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介

摘要

本报告将介绍一种前沿观点融合模型：熵池模型。熵池模型由KKR前首席风险官Attilio Meucci于2008年提出，主要作用为将主观或者量化的观点通过分布更新的形式融入到风险模型中，用于资产配臵或资产定价。模型当前在许多海外的大型金融机构中已开始普及。

**熵池模型vsBL

如何估算任意函数积分

对于给定的函数，我们可以通过公司计算积分。但对于计算机，对于任何复杂的函数，我们如何运行算力优势，快速估算积分。附python代码实现完整notebook，可以直接克隆运行。

原理

![{w:100}{w:100}](/wiki/api/attachment

研究结论

抽象出了动态情景Alpha模型（DCAM）的一般框架，DCAM是传统的静态模型的层次化叠加，当只有一个情景且该情景只有一个情景区间时DCAM退化为静态模型。

衡量一个情景因子好坏的主要标准就是这个情景下不同区间的alpha模型的差异化程度，即该情景下不同区间股票预期收益的

研究结论

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

研究结论

对于大规模资金产品，30-50bp的冲击成本估算在某些市场环境下远远不够，我们上篇报告引入了Almgren(2005)的模型来估算冲击成本大小，并加入组合优化目标中，定量权衡组合alpha与冲击成本的利害关系。

Almgren（2005）冲击模型采用的是幂函数非线性形式，

摘要

数据频率与预测宽度

数据频率与预测宽度数据频率与因子预测时间宽度存在天然隔阂，数据频率越高其时间序列自相关性便越低，所能预测的时间宽度通常越有限。因此信息的变频处理对于在中高频数据中构建⻓周期alpha尤为关键。本篇报告中，我们希望探索中高频数据的通用化降频方式，进而我们通过

研究结论

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息。

通过加总特异度、市值调整换

研究结论

海外和国内股票市场都发行过很多低波动指数，该类指数通常用一段时间收益率的标准差来衡量股价的波动，长期来看表现优于对应的基准指数。股价的波动很大一部分是由市值、估值等一些公共的市场风险因子引起，剔除掉这些公共因素后的剩余波动称为个股的“特质波动”，由个股的自身特性决定。我们的

研究结论

由于市场体制、投资者结构、投资者教育等多方面的原因A股市场投机性较强，既然不能改变A股投机的事实，我们不妨研究如何在投机市场中获利。

我们将个股被投机的过程划分为4个周期，投机程度增强的周期一般伴随着股价的上涨，过度投机后投机程度减弱的周期一般伴随着股价的回落，因此，买入

摘要

传统股息率计算方式存在弊端：股息率指标是一个内涵信息丰富的价值因子，一个高股息率的公司需要至少满足（1）高盈利（2）高盈利预期（3）低估值等多种条件。因此，正确的计算股息率是一项重要且复杂的任务，传统的动态股息率和静态股息率计算方式存在较大改进空间。本篇报告从现金股利政策角度入手，全方

\

导语

对因子进行分析，查看因子过去的表现，利用因子看板追踪因子在未来时间的表现。本次课程详细介绍因子分析功能及分析结果解读。

课程视频

[/wiki/static/upload/27/27e7aaba-5a1d-401d-bfee-5f8df58e03b6.mp4](/wiki/s

正文

/wiki/static/upload/cc/ccdb74be-b863-4da3-8f49-1f6faa26c18e.pdf

\

\

会议介绍

因子投资前沿会议（Frontier in Factor Investing）是由Lancaster大学管理学院金融计量经济学、资产市场及宏观经济政策研究中心(EMP)、剑桥大学捐赠基金资产管理研究中心(CEAM)及景顺有限公司合办。该会议从2018年开始，每两年线下举办一次。202

Overview

最近很多人因AI绘图的表现而大受震撼，甚至有人说2022年是AI绘图元年，Diffusion Model(扩散模型)在其中起了主要作用。

OpenAI、Google、Facebook、微软等国外AI头部企业都发表了相关研究成果和原型。OpenAI 的 DALL·E 2 ，

本文所述市场数据是指交易所为市场提供的行情数据和在此行情数据的基础上进行加工产生的衍生数据等。市场数据是交易所一项非常重要的资源，挖掘市场数据自身价值，可以起到在一定程度上吸引投资者从而活跃市场、为交易所带来可观的收益等作用。通过跟踪研究，笔者认为，境外交易所市场数据收入主要来源于 ：市场行情数据授

Overview

期权入门学习PPT材料，从期权基础概率术语、规则解读、做市商制度到定价原理、交易策略、套利交易、风险指标等。

![{w:100}](/wiki/api/attachments.redirect?id=61edae18-0ff6-4de5-99bd-94709827482