主题基金值得炒作吗?
摘要
文献来源:Ben Johnson,morningstar.com,2021.06.08,Are Thematic Funds Worthy of the Hype or a Risky Distraction?
推荐原因:主
由crisvalentine创建,最终由crisvalentine更新于
文献来源:Ben Johnson,morningstar.com,2021.06.08,Are Thematic Funds Worthy of the Hype or a Risky Distraction?
推荐原因:主
由crisvalentine创建,最终由crisvalentine更新于
A股市场存在明显的行业轮动特征。近年来各行业股票收益显著分化,此起彼伏,部分年份全市场指数可能并未大幅上涨,但部分行业可能有较为可观的超额收益,结构化行情显著。在过去的十年间,行业分化十分明显。2021年,电力设备及新能源、基础化工、有色金属、煤炭、钢铁占据了收益前五。回顾20
由kaemp创建,最终由kaemp更新于
文献来源:[1] Chen Y, Han B, Pan J. Sentiment Trading and Hedge Fund Returns[J]. The Journal of Finance, 2021.
推荐原因:当出现情绪波动时,套利者可能使用不同的
由small_q创建,最终由small_q更新于
固定收益基金的投资,我们建议用自上而下的投资思路。 固定收益类基金的投资需要对利率走势(含长期、短期利率的走势)、信用利差的走势做一些判断,然后在此基础上,来对债券型基金做配置。 当预测利率上行概率大时,建议配置久期短的债券型基金,这里可以根据之前分析的重仓债平均期限来
由vampire7777创建,最终由vampire7777更新于
文献来源:Hasbrouck, Joel. High-Frequency Quoting:Short-Term Volatility in Bids and Offers[J]. Journal of Financial andQuantitative Analysis, 2018:1-29.
由crisvalentine创建,最终由crisvalentine更新于
利用低风险现象增强Black-Litterman模型:来自韩国市场的证据
诸多研究都已经揭露了全球金融市场正在经历低风险异常这一现象。本文针对韩国市场中的低风险异常,利用Black-litterman模型构建了一个低风险投资组合。具体的,我们利用三种机器学习模型以
由crisvalentine创建,最终由crisvalentine更新于
基金经理行业择时能力与基金业绩
本文研究了对冲基金能否对特定行业进行择时,以及这种择时能力是否能预测对冲基金的未来业绩。结果表明,有相当比例的基金能够对制造业进行择时,并且那些具有较强的制造业择时能力的基金在接下来的几个月产生了更高的回报。多变量Fama-MacB
由crisvalentine创建,最终由crisvalentine更新于
8月8日,三大指数全天窄幅震荡,两市集体低开高走,汽车零部件板块掀涨停潮,半导体板块走势分化,光伏板块午后走强;8月9日,三大指数继续震荡小幅走强,创业板指略显强势,两市整体涨跌互半,光伏板块再掀涨停潮,半导体芯片股尾盘冲高;8月10日,三大指数集体回调,创业扳指盘中跌超1.8%,
由small_q创建,最终由small_q更新于
人工智能系列之59:强化学习初探与DQN择时
本文介绍强化学习基础概念和经典算法,并构建股指日频择时策略。有别于传统监督学习对真实标签的拟合,强化学习不存在标准答案,而是针对长期目标的试错学习。其核心思想是个体通过与环境交互,从反馈的奖励信号中进行学习,数学上
由iquant创建,最终由iquant更新于
下表汇总了海通证券金融工程团队开发的高频选股因子本周、2月及2022年的多空收益、多头超额收益及月度胜率。
:
由crisvalentine创建,最终由crisvalentine更新于
本文从基金投资组合和单个基金两个层面考察了共同基金基于市场定价偏差的择时能力。有显著证据表明,当存在系统性低估时,择时能力强的基金经理会增加对于市场的暴露。在排除1987年市场崩盘、2000年互联网崩盘和2008年金融危机之后,本文的结果依然成立。 此外,本文的分析表明,在考虑了市
由kuailian创建,最终由kuailian更新于
文献来源:Rousse O , Benoît Sévi. Informed Trading in OilFutures Market[J]. FEEM Working Paper No. 70. 2016
推荐原因:美国能源情报署(DOE-EIA)每周发布的库存水平被称为美国原油期货市
由crisvalentine创建,最终由crisvalentine更新于
市场回顾
过去一周市场主要指数整体表现不佳。沪深300指数下跌3.63%,中证500指数下跌2.40%,中证1000下跌3.07%。过去一周行业指数同样表现不佳,仅有三个行业上涨:其中电子(3.02%)、医药(0.47%)和电力设备及新能源(0.14%)等行业表现居前,消费者
由alkaid创建,最终由alkaid更新于
在《选股因子系列研究(五十六)——买卖单数据中的Alpha》中,我们尝试基于逐笔级数据中的叫买单号与叫卖单号构建选股因子。本文同样基于逐笔级数据,并构建了选股因子刻画投资者的主动买入行为。
可使用逐笔数据降频计算得到主买占比因子以及主买强度因子。基于逐笔成交数据,我们可降频合成得到分
由mengmer创建,最终由mengmer更新于
由small_q创建,最终由small_q更新于
风险因子与因子。我们将主动权益基金的因子库归类成风险因子与因子两大类,风险因子也可称为广义上的Beta因子,特指长期来看并不能产生正收益的因子,包括市场面、风格面以及行业面,而Alpha因子特指长期来看能够产生正收益的因子,包括技术面与基本面。每一支基金的收益均可分解为风险因子贡献、A
由small_q创建,最终由small_q更新于
沪深300股票占中证800股票的比重,最近的两次高点是年1月16日,比率达到83.13%,另一个最近的高点是2018年2月2日,82.35%,接近15年初的最高点,并没有突破15年的最高占比。 目前沪深300股票占中证800股票的比
由small_q创建,最终由small_q更新于
本文是《抽丝剥茧与Alpha提纯——FOF的因子剥离逻辑》系列的第十二篇报告。 在前序报告中,我们曾经对量化类主题的权益基金进行因子库构建以及因子剥离,取得了不错的效果。本文中,尝试对权益类因子库进行进一步拓展,以适用于分析所有主动管理型的权益基金。权益类基金因子库基本框架及因子库构
由small_q创建,最终由small_q更新于
2年期国债期货将于2018年8月17日正式挂牌交易,这是我国第三个国债期货品种。本报告从多个角度进行了分析讨论,旨在帮助各类投资者了解2年期国债期货的合约规则和投资策略。
合约面值。2年期国债期货的合约标的面值为200万元,而5年期和10年期的合约标的面值均为100万元,这一设臵更有
由small_q创建,最终由small_q更新于
本文的主要目的是在系列上一篇报告的基础上进行补充与改进。在系列报告第十四篇的末尾,曾提及两个遗留问题,分别是不同板块中的打分挖掘效果是否存在差异以及如何在量化打分体系中考虑基金管理人变更的影响。
消费、成长板块中的功能性基金配臵。消费、成长板块存在长期的配臵价值,且其中个股差异更大,
由small_q创建,最终由small_q更新于
中国宏观经济不确定性指数(EPU指数)是反应宏观经济不确定性程度的量化指标。由来自西北大学、斯坦福大学与芝加哥大学的三位学者ScottR.Baker、和StevenJ.Davis发布。具体编制方法为,在中国香港发行量最大的英文报刊——南华早报上,通过搜索关键词“uncertain/un
由small_q创建,最终由small_q更新于
上周受美股拖累,全球权益市场普遍出现快速调整,尤其是A股权重板块跌幅较大,上证50、沪深300指数一周跌幅均超过10%,我们构建的A股与港股趋势跟踪系统均触发了空头信号,短期对权益市场持谨慎态度。 不过,从中期看,我们认为A股市场上行态势未改,依旧对行情持乐观态度。首先,从估值水平看,
由small_q创建,最终由small_q更新于
香港
人才、环境、布局
今天,是香港回归祖国25周年纪念日!
世界最自由经济体、全球最大离岸人民币业务中心、粤港澳大湾区核心引擎之一、亚洲最大的国际基金和国际私人财富管理中心······
作为全球范围内最重要的金融市场之一,香港汇聚了众多顶尖资产管理人、
由small_q创建,最终由small_q更新于
今天给大家分享一篇Robeco荷宝的最新文章。关于大数据和机器学习的重大发展正在推动量化投资的前沿。计算能力的增强促进了机器学习模型的部署和使用。与基于规则的模型相比,这些模型采用完全数据驱动的方法,能够对复杂的非线性关系建模。可以潜在地揭示简单线性模型无法捕捉到的系统性和重复模式。
由small_q创建,最终由small_q更新于