因子研究系列专题:行业轮动下的指数增强策略-西部证券-20200501

摘要

行业截面存在着动量效应和高估值溢价现象。在行业轮动模型中,行业截面动量是被投资者研究讨论比较广泛的一个,本篇报告也是测试了不同回望期下的表现,发现较短回望期(1个月)下的行业动量效应是较强的。此外,2017年以来的龙头效应使得行业内龙头股带来了一个高估值溢价现象,那么,从个股到行业,是

由qxiao创建,最终由qxiao更新于

创业板低波蓝筹指数投资价值分析:创业板中的投资机会,优选蓝筹股-华泰证券-20200423

摘要

创业板低波蓝筹指数投资价值分析

创业板行业配置契合热点,创业蓝筹指数具有良好投资价值

创业板自2019年中进入一轮上行区间,我们认为主要受益于医药生物、TMT等热门行业,在全球疫情背景下,医药生物始终是受益板块,电子、计算机等行业则是这一轮科技上涨周期中的重点行业,

由qxiao创建,最终由qxiao更新于

选股因子系列研究(六十三):剔除高频多因子空头组合后的沪深300指数增强策略-海通证券-20200413

摘要

本文主要对剔除高频多因子空头组合后的沪深300指数增强策略进行回测分析。

构建高频多因子空头组合的方法。从因子复合与组合复合两种角度出发,本文共探讨了3种构建高频多因子空头组合的方法:因子复合-zscore加总、因子复合-回归模型、以及单因子空头组合复合。相对应的剔除样本空间

由qxiao创建,最终由qxiao更新于

上证180指数及华安上证180ETF投资价值分析:低估值、高分红、低波动-海通证券-20200410

摘要

上证180指数具有良好的市场代表性,行业结构偏向金融与食品饮料。上证180指数的成分股均为各行业大市值、高流动性的个股。从行业权重上看,非银行金融、银行以及食品饮料的占比分别为21.8%、21.1%以及11.7%,上述三个行业的权重之和超过50%。

上证180指数中长期收益表现稳健。

由qxiao创建,最终由qxiao更新于

金工量化周报:上周沪深300增强组合跑赢基准1.02%,建议关注金融、消费板块-申万宏源-20200406

摘要

根据申万宏源金工择时模型,从各宽基指数均线排列及均线缠绕状态判断,目前主要指数处于弱趋势中,从择时信号来看,主要宽基指数短期信号均偏空,建议投资者保持谨慎,不宜过度参与。

建议继续关注金融、消费板块

根据申万宏源金工基于风格轮动与BL模型的行业配置策略,3月份模型建议配置的

由qxiao创建,最终由qxiao更新于

《FOF+系列研究之+三十五》:新编制规则激发活力,关注新上证指数投资机会-东方证券-20200712

摘要

股市基本面和政策面向好:

  1. 宏观经济层面:宏观经济逐步复苏,投资和生产数据出现持续改善。
  2. 政策制度层面:货币政策传导效率不断增强,创业板注册制年内落地,监管体系日趋完善。
  3. 行业盈利层面:工业企业盈利出现回暖,整体利润率改善。其中制造业利润改善是工业企业利润改善

由qxiao创建,最终由qxiao更新于

《FOF系列研究之三十一》:SmartBeta产品分析之~嘉实中证500成长估值ETF-东方证券-20200415

摘要

嘉实中证500成长估值ETF跟踪的中证500成长估值指数,在中证500宽基指数的基础上进行了双重优化,指数编制包含了GARP(合理价格成长)策略思想,以及分析师一致预期,可以筛选出估值偏低,而成长性突出的中盘成长股,进一步丰富了投资者的底层工具箱。

中证500成长估值指数(93093

由qxiao创建,最终由qxiao更新于

金融工程研究报告:牛市逻辑未被破坏,科技50助力投资-东北证券-20200303

摘要

为什么我们说暴跌是加仓的机会?根据对13个主要指数的暴跌规律统计,无论是牛市和熊市,未来都有较大的上升空间和较小的下跌空间。所以,暴跌正是加仓的时机。科技股行情还能从持续多久?

科技周期走到了哪里:现在尚处于硬件向软件内容的过渡期,这轮科技周期才刚刚开始。是否有接力资金:仍有在审批的

由qxiao创建,最终由qxiao更新于

兴财富第198期:市场观点转向谨慎,建议配置创业板指-兴业证券-20200209

摘要

综合结论

对中长期投资者而言,市场估值处于历史的较低水平,建议投资者超配权益资产;对于灵活投资者而言,中期择时观点本周转向偏谨慎区间,长期和中期结合之后的模型也发出看空的信号;风格层面本周大小盘轮动策略发出创业板指更优的信号。

长期观点

长期择时模型使用股息率计算

由alkaid创建,最终由alkaid更新于

数量化专题之六十:中证500之阿尔法验金石-国泰君安-20150604

摘要

在上一篇《基于组合权重优化的风格中性多因子选股策略》中,我们构建了基于A股市场的结构化多因子风险模型。本篇报告中,我们更深入的对风险模型的预测精度进行了分析研究。偏差检验表明,风险模型对于组合波动率的预测存在统计意义上的显著性。

中证500股指期货的上线,标志着A股市场衍生品对冲工具

由qxiao创建,最终由qxiao更新于

量化多因子指数增强策略实证:指数增强方法汇总及实例-华泰证券-20180531

摘要

指数增强方法汇总及实例

量化多因子指数增强策略实证

指数增强型公募基金以量化方式为主,通过多因子模型能够有效控制风险

指数增强型基金是主动投资和被动投资的有机结合,其目标是在控制跟踪误差的前提下追求稳定、持续超越基准指数的表现。我们整理了目前所有跟踪上证5

由qxiao创建,最终由qxiao更新于

基于小波分析和支持向量机的指数预测模型-国信证券-20100621

摘要

支持向量机(support vector machine,SVM)是数据挖掘中的一项新技术,是借助于最优化方法解决机器学习问题的新工具。它成为克服“维数灾难”和“过学习”等传统困难的有效办法,虽然他还处在飞速发展的阶段,但它的理论基础和实现途径的基本框架已经形成。支持向量机目前主要用来

由qxiao创建,最终由qxiao更新于

A股量化风格:小盘反转风格显著,价值风格修复-广发证券-20200330

摘要

市场表现回顾(2020-03-23至2020-03-27):回顾上周市场表现,大小盘板块差异仍然较小。资金流上看,三类资金继续流出A股市场,但仍相对偏好创业板指等小盘板块。风格上看,小盘反转风格持续增强,盈利成长风格短期出现反弹,价值风格持续修复。

周度风格展望

根据Win

由bigquant创建,最终由bigquant更新于

指数与因子投资系列(3):如何令策略更适应日益多元化的市场-中金公司-20200408

摘要

近年来,伴随中国资本市场改革开放进程稳步推进,A股市场机构化、国际化的趋势愈发明显,各类型投资者对市场定价的影响力不断变迁。在投资者结构日益多元化的时代,如何令你的投资策略更加适应市场?我们将在本篇报告中,以盈利动量因子为例,对这一问题进行探讨。

**A股市场投资者结构的日益多元化,

由qxiao创建,最终由qxiao更新于

【兴证金工】猎金系列之三十二:财报季的财务效应研究和因子构建

导读

量化选股的数据来源无外乎财务数据、量价数据、预期类数据以及部分另类数据(文本、网络热度、专利、新闻情绪等)。除了另类数据的探索之外,传统数据加工方法的创新化也是探寻新Alpha的路径。

我们从公司财务能力的四大衡量维度入手(偿债能力、营运能力、盈利能力、企业发展能力),分别选取有代表

由qxiao创建,最终由qxiao更新于

多因子模型研究系列之十三:基于机器学习模型的因子择时框架

摘要

首先,我们介绍了因子择时时常用的几个指标,包括因子估值差与配对相关性等,并测试了其与因子未来收益的相关性

预测目标是因子收益的历史移动平均与实际因子收益的差距

通过回测我们发现,使用择时模型的组合,不管是趋势行情,还是震荡行情中,相对两个对照模型都能取得更好的收益

正文

由kyrie_fu创建,最终由kyrie_fu更新于

中信证券:量化投资的智能化、科技化趋势

摘要

非线性特征

非线性模型:𝑹=𝑿𝒇+𝑮𝑿𝒈+𝝐′其中,线性部分:𝑹=𝑿𝒇+ε;残差项的非线性结构:𝝐=𝑮X𝒈+𝝐′;𝐺()为基于线性因子暴露X的非线性函数

对于收益率的残差,分别使用randomforest,boostedtree,neuraln

由asundo19890424创建,最终由asundo19890424更新于

基本面量化-天风证券《激荡30年:30个经典逻辑》

摘要

大势研判的经典逻辑有哪些?

1.“信用-盈利”二维框架 ①信用周期:即债务总额的同比增速 ②信用周期平均领先盈利周期8.9个月,【底】平均领先10.3个月,【顶】平均领先7.2个月;领先时间有逐渐缩短的趋势。 ③信用扩张叠加盈利改善阶段:指数全面上涨、大幅拔估值 ④信

由qxiao创建,最终由qxiao更新于

基于 TRA 和最优运输学习多种股票交易模式

摘要

股票预测是量化投资中最为关键的任务。近年来,深度神经网络因其强大的表征学习能力和非线性建模能力,逐渐成为股票预测的主流方法。现有的预测方法均假设股票数据符合独立同分布(IID)且采用单一模型有监督地对股票数据建模。但实际上,股票数据通常会包含多种不同甚至对立的分布(Non-IID),比

由qxiao创建,最终由qxiao更新于

A股量化择时研究报告:金融工程,由普涨向震荡转换-广发证券-20200517

摘要

行业表现强度前五:电子、家用电器、食品饮料、商业贸易、国防军工

强度后五:建筑材料、农林牧渔、休闲服务、汽车、钢铁

指数估值↓:上证综指、中小板指、创业板指、上证50、沪深300

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

由qxiao创建,最终由qxiao更新于

“待时”系列十七:坚持底部区域判断,低估值因子持续强势-太平洋证券-20200329

摘要

市场监控:两市量能下行至春节后的最低位,消费行业热度逆势上行

市场估值:整体处历史较低水平,超大盘和中盘估值分位更低;行业估值:食品饮料估值底部上行至21%分位,电子下行至历史46%分位;市场换手率:两市量能下行至春节后的最低位,小盘指数仍维持较高活跃度;行业换手率:消费行业

由qxiao创建,最终由qxiao更新于

机器学习在基金绩效评价模型中的应用

摘要

在基金产品实际运行管理的过程中,基金绩效评价具有较 强的现实意义。基金公司管理者对基金经理的业绩考核、 基金经理对历史业绩的原因分析,都需要以科学的绩效归因和 评价模型为依据。

早期的基金评价主要评价基金的收益、超额收益、夏普 率、最大回撤等较为直观的指标。对基金的风格类型、收益来

由crisvalentine创建,最终由crisvalentine更新于

神经网络日频alpha模型初步实践

摘要

多因子体系主要包括alpha模型、风险模型、交易成本模型和组合优化,广义的alpha模型分为alpha因子构建和因子加权,是量化从业人员的研究重心但传统的alpha模型当期面临较大的挑战。

后发优势的逐渐丧失导致人工挖掘alpha因子的周期变长,国内外估值因子的长时间回撤,近年量价因

由qxiao创建,最终由qxiao更新于

人工智能系列之二十九:提升超额收益,另类标签和集成学习

摘要

【人工智能研报】华泰人工智能系列之二十九:提升超额收益,另类标签和集成学习20200319-华泰证券-35页.pdf

另类标签和集成学习有助于提升人工只能选股的超额收益

本文认为使用另类标签有三个方面的合理性

**本文使用了在多种训练期长度下测试的方法对比不同标签

由kyrie_fu创建,最终由kyrie_fu更新于

金工深度研究:_人工智能44,深度卷积GAN实证

摘要

W-DCGAN模型可用于多资产金融时间序列生成,效果良好

本文探讨GAN的重要变式——DCGAN(深度卷积生成对抗网络)在生成多资产金融时间序列中的应用。原始GAN模型存在固有缺陷,DCGAN和WGAN分别从网络结构和损失函数的角度提出改进,将两种改进方案融合可得到W-DCG

由kyrie_fu创建,最终由kyrie_fu更新于

分页:第1页第2页第3页第4页第5页第304页
{link}