摘要

文献来源：Aboody, D., Even-Tov, O., Lehavy, R., & Trueman, B. (2018). Overnight Returns and Firm-Specific Investor Sentiment. Journal of Financial and Quantitative Analysis, 53(2), 485-505.

推荐原因：投资者情绪对于股票收益的横截面（或时间序列）属性的影响是一个具有重要研究意义的课题。个人投资者容易受市场情绪所影响，并且他们倾向于在盘后挂单进而在交易日开盘进行成交，因此股票隔夜收益可以作为度量个

摘要

文献来源：Kan S., Gong S. (2017) Does High Stock return synchronicity Indicate High or Low Price Informativeness? Evidence from a regulatory experiment, International Review of Finance

推荐原因：传统观点大都认为股票收益相对市场收益的同步性（synchronicity）与股票价格信息含量（price informativeness）间呈现负向相关性，当股价更多地反应企业特有信息时，股票收益与市场收益

摘要

文献来源：van Loon R J M. Long-Term Investing and the Frequency of Investment Decisions[J]. The Journal of Portfolio Management, 2021.

推荐原因：本文分析了投资决策频率对长期投资结果的影响。我们推导出，长期投资回报是技能、交易成本和波动率的非线性函数。实证研究表明，当存在交易成本时，最佳投资决策的频率存在着一个上限，且美国股票和政府债券市场中的最佳频率有较为显著的差异。此外，当投资频率偏低或者偏高时，投资策略对所需的技能水平都有较高的要求。

文献来源:Schaub, N.. The Role of Data Providers as Information Intermediaries. Journal of Financial and Quantitative Analysis, 2018, 53(4), 1805-1838.

推荐原因:本文研究了金融数据提供者是否在资本市场中承担信息中介的角色。为此，本文检验了据提供者First Call （汤森路透）传播业绩信息的及时性是否会影响股票市场对业绩公告的反应。结果显示，当First Call延迟传播业绩公告时，即时的价格和成交量反应较弱，而财报公布后的影响则较强。为了减

文献来源：Aharon D Y, Qadan M. The Size Effect Is Alive and Well, and Hiding behind Calendar Anomalies[J]. The Journal of Portfolio Management, 2019: jpm. 2019.1. 088.

推荐原因：自上世纪80年代就有国外学者得到实证结论，规模效应正在逐渐消失。在这篇文章中，作者检验了1926年至2014年该金融异象的稳定性。在实证中发现，规模效应在多个日历效应，如一月效应，万圣节效应，马克吐温效应，其他一月效应，月初效应等等下均有显著

摘要

文献来源：Bradley, Daniel & Clarke, Jonathan & Zeng,Linghang. (2019). The Speed of Information and the Sell-Side Research Industry. Journal of Financial and Quantitative Analysis. 55. 1-48. 10.1017/S0022109019000577.

推荐原因：卖方研究行业通过向客户推荐股票以赚取佣金，而FLY（the Fly on the Wall，第三方信息平台）等金融科技机构对于分析师推荐信息的

摘要

文献来源

Jiang D. The preholiday corporate announcement effect[J]. Journal of Financial Markets, 2019, 45: 61-82.

推荐原因

我们发现公司在节假日之前发布公告时，投资者对于股票回购、增发、并购以及盈余公告的反应更加积极。通常会引起股票价格下跌的公告在假期之前的负向超额收益会减少，而通常会引起股票价格上涨的公告在该区间的正向超额收益会增加。即使控制了市场状况及选择性偏差后，该效应仍然显著，并且在之后出现反转。这一现象在多个国际市场中出现。我们的研究表明

摘要

文献来源：David E. Rapach, Jack K. Strauss, Jun Tu and Guofu Zhou. "Industry Return Predictability: A Machine Learning Approach." The Journal of Financial Data Science, Summer 2019, 1 (3) 9-28.

推荐原因：在整体经济环境中，利用滞后行业的收益，使用机器学习工具分析行业收益的可预测性。通过对后选推断和多重测试的控制，发现了行业收益可预测性的重要样本内证据。金融行业、大宗商品和材料生产行业的滞后

摘要

文献来源：Ron Alquist, Andrea Frazzini, Antti Ilmanen, Lasse Heje Pedersen. Fact and Fiction about Low-Risk Investing[J]. The Journal of Portfolio Management. May 2020, 46 (6) 72-92.

推荐原因：过去10年里，包括股票和其他资产在内的低风险投资受到了广泛关注。本文指出了关于低风险投资的五个事实和五个误区。

事实是：低风险投资

1. 历史收益一直很高；
2. 样本外表现也非常可观；
3. 在许多国

报告摘要

新闻内容和社交媒体情绪研究的兴起

在过去10年中，金融市场中新的系统性风险因素的不断发酵，这些问题在一定程度上是由于流动性减少造成的。随着机器学习的使用，用来定量衡量新闻内容和社交媒体情绪的另类数据得到广泛应用。本文试图研究社交媒体和新闻数据能否为投资者提供现有数据无法捕捉到的市场情绪高涨和恐慌的信息。

研究现状

本文是首个研究社交媒体情绪对日内流动性影响的文章，但也有学者研究社交媒体和新闻如何影响资产价格，比如Twitter和谷歌Insight Search (GIS)情绪可以预测每日股市指数的回报等，一些研究还考虑了社交媒体对个人行为的影响。

摘要

这是最近在Quora上的一个提问：

Is stochastic math and Brownian motion still important to quantitative hedge funds? Is it all about AI and machine learning now？

机器学习算法大流行的时代，传统的量化金融理论，如随机过程、布朗运动等在量化对冲基金还重要吗？这本质上还是Q-Quant与P-Quant发展的问题。在这个问题下面，很多网友给出了很精彩的回答。

正文

▌Aaron Brown

很多量化投资策略都是基于非常简单的数学。复杂的工具往

摘要

文献来源：Lin, Wenguang, and Gary C. Sanger. "Is smart beta still smart under the lens of the diversification return?." The Journal of Portfolio Management 47.1 (2020): 29-39.

推荐原因：分散化收益是一种关于组合收益的统计量，它可以在很大程度上解释投资组合的收益率。同时，一些关于Smart Beta策略的测试结果引发了人们对相关策略的极大兴趣；大量的研究结果表明，Smart Beta策略，在组合构建过程中，通

摘要

文献来源：Blitz, David. Hanauer, Matthias. Settling the Size Matter: The Journal of Portfolio Management Quantitative Special Issue 2021, 47 (2) 99-112.

推荐原因：规模溢价自被发现已有近四十年，然而规模因子的alpha一直很微弱，但是当控制质量因子(quality-versus-junk)暴露时，因子似乎又恢复了活力。本文发现，在美国市场，规模因子对质量因子回归后呈现出非常显著的alpha，然而超额收益主要由质量因子的空头端驱动，

摘要

文献来源：So E C . A new approach to predicting analyst forecast errors: Do investors overweight analyst forecasts?[J]. Journal of Financial Economics, 2011, 108(3):615-640.

推荐原因：本文证明了价格没有完全反映分析师预测误差中可预测部分，认为投资者往往过度重视分析师预测，这与之前的研究结论相悖。本文指出了传统估计分析师预测偏差方法中存在估计偏误，并开发了一种减少这种偏误的新方法——通过公司历史基本面信息来

摘要

文献来源：Peltomäki, Jarkko, and Janne Äijö. "Where Is the “Meat” in Smart beta Strategies?." The Journal of Wealth Management 20.3 (2017): 24-32.

推荐原因：本文采用来自MSCI的四只Smart beta策略指数和一只基准指数作为研究对象，使用PCA方法对指数进行策略分解。从分解结果来看，等权和价值加权策略对投资组合的业绩影响相对较小。从实证结果来看，基本面指数向价值倾斜，为实现价值溢价提供了投资工具。对比全球、EAFE（欧洲、澳大拉西

摘要

文献来源：Mateus C, Todorovic N, Sarwar G. US Sector Rotation with Five-Factor Fama-French Alphas[J]. Journal of Asset Management, 2017,19(2):1-17.

推荐原因：**在本文中，我们使用Fama-French五因子模型的alpha值来研究经风险调整后的美国行业投资组合收益和行业轮动策略。我们发现五因素模型比三因素模型能更好地拟合美国行业投资组合的收益。在全样本期间，有50％的行业产生了显著的五因子alpha。我们通过应用简单的纯多头和多

正文

/wiki/static/upload/25/259b1aaa-df16-4ed2-abd6-8ad67bba7fb7.pdf

\

文章结构

第 1 部分：简单的学术

第 2 部分：简单的行业内价值组合

第 3 部分：与我们将要到达的地⽅⼀样现实

概括

附录

英文原文

/wiki/static/upload/9d/9d7af0f3-98a9-449e-8eaf-fdbefed8291e.pdf

谷歌机翻版

[/wiki/static/upload/5e/5e88f46d-d42d-473c-9972-cb6f38f1aa95.pdf](/wiki/stat

摘要

1.1.人工智能正当时1956年，人工智能（ArtificialIntelligence,AI）的概念在计算机达特茅斯会议上被提出。AI赋予机器像人一样思考，并做出反应的能力。它的本质是通过研究人类活动的规律，构造具有一定智能的人工系统来模拟人类的某些思维过程和智能行为，去完成以往需要人的智力才能胜任的工作。

如今，大数据、GPU和复杂算法的出现与进步，大大加速了人工智能的发展。2016年，由DeepMind开发的AlphaGo以4：1战胜了韩国棋手李世石，让人工智能备受关注，掀起了人工智能的浪潮。这一新兴学科凭借其广阔的发展前景吸引了众多研究者，目前已经在计算机视觉、自然语

20200514-国盛证券-量化专题报告：利率债收益预测框架——大类资产定价

/wiki/static/upload/63/632174fd-6d0d-47e1-a63e-cb2799d0406f.pdf

\

摘要

文献来源：Chow, Tzee-Man, Feifei Li, and Yoseop Shim. "Smart beta multifactor construction methodology: Mixing versus integrating." The Journal of Index Investing 8.4 (2018): 47-60.

推荐原因：我们的研究主要集中在一个实际问题上，这个问题在此之前关注度较低：市场参与者如何在权衡后选择采用不同方法构建的多因子投资组合作为投资工具。具体来说，我们研究和比较了两种不同的方法。第一种方法（以下称为整合法），是在

\

/wiki/static/upload/b2/b2ee2101-bb57-4a2b-92e6-a192c81aa6be.pdf

\

报告摘要

推荐文献一：The lead–lag relationship between stock index and stock index futures: A thermal optimal path method【2018】

推荐理由

通过源于统计物理学的热最优路径(Thermal Optimal Path)模型来探究中、美、港三大市场上股指与股指期货的领先滞后关系。 热最优路径是一种非参模型，有别于传统的格兰杰检验、误差修正模型，它能反映出指标之间长期的、时变的领先滞后关系。实证表明：香港恒生指数、美国 S&P500 指数的股指期货均对股指有着显著且长期的领先关

报告摘要

推荐文献一：Can the Market Multiply and Divide?Non-Proportional Thinking in Financial Markets【2018】

推荐理由

从一个简单的非比例思维模型出发，推论出当实际价格相对参考价格更低时，股票将对新消息做出过度反应并在随后进行纠正，因此将具有更高的波动率和更大的β值。对这些推论通过回归分析和事件分析进行了验证，基于此，从非比例思维的角度，对市场上诸如杠杠效应、规模与波动率、规模与β的负相关系、过度反应或反应不足及随后的纠正等一系列现象，进行了解释，是行为金融学相关理论的重要补充。