摘要

高频交易同传统买入持有策略的相关性较低，起到分散风险的作用。高频交易策略作为量化投资策略的一个重要分支，是基于对交易品种的日内短期判断形成的交易策略，通过每次交易的微小盈利进行累积来获取收益。高频交易和传统买入持有策略的低相关性，对传统买入持有策略形成有益补充和分散风险

高频交易策

摘要

盘感也可以量化么？是的！在本篇报告中，我们将尝试用量化工具去识别股票价格的盘中异动,并以此构建事件驱动模型获取超额收益。

在通常情况下，股票与指数的日内走势是随波逐流的关系。但是，在某些特殊的交易日里，股票可能在盘中频繁出现与指数走势背道而驰的情况。这种个性十足的价格异动，我

摘要

股票市场的逐笔数据，蕴藏了极为丰富的alpha源。本系列研究取名“订单簿的温度”，旨在分享我们在逐笔成交数据层面的研究成果。本报告为系列研究的第2篇。

本篇报告中，我们首先定义了股票逐笔委托量中的帕累托法则：越小的委托量出现的次数越多，越大的委托量出现的次数越少，委托量的频率分布服从

摘要

A股市场是订单驱动型市场。从动力学的角度讲，股票行情的所有演化过程，都能由订单簿（order book）自下而上精确决定。逐笔成交与逐笔委托数据的信息量非常丰富。本系列研究取名为“订单簿的温度”，旨在分享我们在逐笔数据层面的研究心得。

作为“订单簿的温度”系列研究的第1篇，本篇报告我

摘要

前景理论与心理账户前景理论主要用于描述和预测人们在面临风险决策过程中表现与传统期望值理论和期望效用理论不一致的行为解释。前景理论中投资者是损失厌恶、风险偏好非对称的。心理账户对风险偏好的不对称性给出了合理的心理学解

处置效应与新增信息定价的迟滞根据有效市场假说，新增信息（如业绩超预期

摘要

行为金融一直是近几年学术领域的研究热点，而笔者作为二级市场的观察者与研究者，也一直关注与思考如何将行为金融领域中的理论或逻辑应用到投资中来。

本篇作为行为金融与量化工具结合的开篇研究，介绍笔者在量化指标研究领域的心路历程，同时以索罗斯经典的“反身性”理论与笔者常用的量能指标结合，开发

本文翻译来自MSCI研报《Factor Allocation Model: Integrating Factor Models and Strategies into the Asset Allocation Process》

关键发现

**因子模型使投资者能够理解和管理投资组合风

介绍

发布单位：J.P.Morgan

原标题：《大数据和人工智能战略—机器学习和另类数据投资方法》

发布时间

研究结论

风险因子可以帮助投资者控制组合收益波动，提升稳健性。但学术和实务研究材料中都没有对风险因子做出准确定义，我们根据BARRA CNE5 文档风险因子的统计特征，从因子稳定性、对股价影响显著、因子收益率波动大三个角度设计了一套风险因子定量判定程序。

个股在某个风险因子上的暴露

研究结论

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

研究结论

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

因子的alpha

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

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（Percen

研究结论

策略Alpha收益的定义取决于投资者控制了哪些风险，Alpha因子的ZSCORE可以通过多期横截面回归取平均的方式转化成预测收益率，输入后续的组合优化过程。

在两个变量满足正态分布时，Pearson 和Spearman相关系数的数值很接近，但Spearman秩相关系数在做

研究结论

量化策略回溯测试得到的“纸面收益”与实际交易“账面收益”最大差别在于交易成本控制，特别是对资金量大、换手率高的产品。在成交价格上加减一个固定比例的冲击成本的传统做法并不可行，它无法反应不同时点、不同股票、不同资金量造成冲击的差异。本报告基于A股主动买卖单数据，提供了一个可行

研究结论

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，

研究结论

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

论文原文

《FOMO Index: A Cross Sectional and Time Series Analyses》

论文作者

约瑟夫·波拿巴

科罗拉多大学丹佛分校 - 金融系

发布时间

2021 年 12 月 8 日

关键词

FOMO；抢购; 少数投资

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