核心观点

本报告包含有色金属行业择时和有色金属行业内多因子选股两个模型。择时 模型使用宏观和行业的基本面数据，分为绝对收益和相对收益两种情况。选 股模型为多因子模型针对单一行业的细化研究。

有色金属行业择时模型

利用均值 T 检验的方法得到获取绝对收益的有效择时因子，包括 PMI、消费 者信心指数、城镇可支配收入、M0 同比、社会融资规模、十种有色金属产 销量当月同比、有色金属采矿业主营业务收入同比、有色金属采矿业固定 资产投资完成额同比，择时策略相对基准的年化收益率由 6.18%增加到 7.72%，择时策略的最大回撤为 23.85%，而基准的最大回撤为 82.17%。

摘要

自2017年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此，因子收益的预测就变得至关重要。系列前期专题报告《选股因子系列研究(二十)——基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。专题报告《选股因子系列研究(三十)——因子择时模型改进与择时指标库构建》对于因子择时模型进行了改进并对于择时变量库的构建进行了讨论。本文将重点讨论择时变量的筛选以及择时模型的相关扩展应用

可使用套索回归进行择时变量筛选以及因子收益预测

在2016年12月30日至2017年12月29日间，因子择时模型收益为12.3%，基准组合收益为-20.9%。

摘要

2017年以来，传统的多因子组合皆出现了不同程度的回撤

通过分析可以发现传统模型之所以出现大幅回撤是因为模型中权重配臵较高的市值、反转以及特异度等因子皆出现了不同程度的失效。在这样一种大背景下，投资者对于因子择时研究的需求也在逐渐上升。本文基于条件期望这一思路，在传统多因子模型权重分配框架下对于因子择时进行了应用，为投资者提供了一个量化的因子择时框架

本报告主要分为三部分。第一部分介绍了基于条件期望的因子择时模型；第二部分展示了不同因子集合、不同历史数据时间窗口下不同条件变量因子择时模型的表现；第三部分引入了AIC筛选法并提出了AIC筛选下的多条件变量因子择时模

摘要

量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史，很多思维的火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白，将海通量化团队的分析师平日阅读、思考的心得与海外数据相结合，致力于为国内的量化从业人员提供新的灵感。考虑到篇幅，文中只呈现了研究思路和主要结论，对详细过程感兴趣的读者可与我们联系，海通量化团队时刻为您守候，与您分享。

基于横截面和时间序列指标的因子择时

使用横截面和时间序列变量，对指数构建因子择时模型。讨论在不同经济周期以及市场状态下，对估值、市值、动量、质量以及低波因子具有预测效果的择时变量。分析结果表明，若将经济周期（或商业周期）、

摘要

文献来源： Ilmanen A S, Israel R, Moskowitz T J, et al. Factor Premia and Factor Timing: A Century of Evidence [J]. SSRN Electronic Journal, 2019 .

推荐原因：本文利用超过100年的样本数据在六个大类资产中分析了四类主要因子的溢价——价值(value)、动量(momentum)、利差(carry)和防御(defensive)。首先，我们利用大量的样本外数据在各类资产中验证了这些因子溢价的存在性。同时，我们发现样本外数据中溢价

研究结论

反转和市值因子的失效触发了国内对因子择时的研究需求。海外市场和A股类似，因子择时研究的兴起也是由2007.08的“量化危机”和2008年金融危机触发。危机后估值、动量和质量因子的效果明显下降。报告汇总讨论了AQR、BlackRock、GSAM等几家大机构有关因子择时的研究成果。有乐观者、有悲观者。但Corbett(2016)实证发现风格切换频繁的基金经理的风格择时能力并不比一般基金经理强，而且业绩往往更差，这一定程度上展示了现实投资中因子择时的难度。

传统OLS方法不能用于金融时间序列的预测，因为金融数据中常见的变量内生性和持续性问题，会导致OLS估计有篇，且统计检

Dichtl H , Drobetz W , Lohre H , et al. Optimal Timing and Tilting of Equity Factors[J]. Financial Analysts Journal.

推荐原因

为了更好地获取全球权益因子溢价收益，我们构建了基于时间序列变量进行因子择时和根据截面因子特征进行因子配置的多因子模型。研究发现，因子如预期的与基本面和技术面时间序列指标以及因子动量和拥挤等截面特征相关。而且，这种可预测性在扣除交易成本后很难从交易中受益。进一步平滑因子配置的换手率后，因子择时与配置策略可以稍微改善因子择时收益，但不能

https://bigquant.com/experimentshare/1b22bef4ecc847b18bbeb4bed93c3738

\

简介

本帖对国信证券的研报——《国信投资者情绪指数择时模型》进行了复现，文末有策略链接，欢迎克隆研究。

研报在借鉴 A. D.Persaud 风险偏好指数的基础上，根据中国股市特点，将该方法完善改进后移植到 A 股市场，构建了国信投资者情绪指数 GSISI。

A.D.Persaud 因为在金融领域的诸多创新而为众人所知，其在研究货币市场时，发明了一种度量投资者风险偏好的良好方法——风险偏好指数(Risk AppetiteIndex)。基本方法是在度量资产的风险与收益之间的相关系数的基础上设计了风险偏好指数。 该报告在借鉴 A. D.Persaud 风险偏好指数的基础上，根据中国股市

报告摘要

基金经理是否具有择时能力的讨论

现存的研究指出基金经理是不具备市场择时能力的，例如，Treynor和Mazuy（1966）开发出一个择时模型用来刻画基金经理的择时能力，然而，在其57只基金的样本池中，只有一只基金具备择时能力。Henriksson（1984）利用Henriksson和Merton（1981）提出的择时模型发现，在116只基金的样本池中，只有3只基金具有显著的市场择时能力。

本文通过构建和剥离基金收益相对于合成基金收益的部分来衡量基金经理的择时能力，同时发现使用日度收益率进行刻画效果远显著于使用月度收益率进行度量。

**基金经理择时能力统计

个股信号开仓前多指标风控。

大盘多指标择时。

最大回撤出现在22年行情急速下跌时，在这之前回撤10左右。

个股初始止损8% 动态止损5%（涨了以后 下跌5个点卖出）

个股止盈40%。

持仓为动态持仓，每支票风控独立运行

交易方式：

涨7个点不卖

盘中低开5%不买

盘中交易

该策略不通过机器学习构建，不存在训练集测试集，过拟合欠拟合问题。

该策略没有进行特别调参，基本上都是采用非常普通的参数

我在选择策略的时候，最大时间是2022-11-26，而生成的数据最大时间2018-01-04，这是为什么呢？

https://bigquant.com/experimentshare/96081c27eb2f4a5a8d45f4e55e13b59f

\

策略案例

https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80

\

摘要

正文

/wiki/static/upload/c8/c889ea29-9c9e-4610-883a-d095ba76fca9.pdf

\

报告摘要

主要观点

本篇是学海拾珠系列第七十九篇，本期推荐的海外文献提出了一个新颖的基金业绩归因模型。该模型主要基于投资组合的持仓数据，衡量了基金来自不同业绩来源的增值，如动量策略、选股、择时，并且可以分离出被动择时对业绩的影响。回到国内基金市场，投资者常常会用回归法对基金的择时能力进行分析，鲜有基于持仓的视角，本文为我们深入探究基金择时能力提供新颖的思路。

选股能力是基金业绩的主要贡献来源

关于个股选择能力，本文考虑了两个组成部分。第一个部分，衡量基金经理的动量策略所增加的价值，这些策略包括对具有特异性回报的证券进行增持或减持。结果表明，这部分的

报告摘要

主要观点

本篇是“学海拾珠”系列第七十八篇，本期推荐的海外文献分析了基金经理在股市错误估值时是否具有把握住择时机会的能力。这种择时能力与传统的择时能力（市场择时、情绪择时、流动性择时以及波动性择时）并不存在包含关系，是一种全新的择时能力。回到国内基金市场，我们可以使用相似的方法来衡量这种择时能力，更好地了解这种能力有助于投资者选择未来有超额收益的基金。

• 错误估值择时指标的构建

作者参考Hirshleifer和Jiang (2010)提出的系统错误定价因子UMO，在此基础上将其对若干个宏观变量进行正交化处理，得到的MISV指标代表了股市

报告摘要

主要观点

本篇是“学海拾珠”系列第六十四篇，本期推荐的海外文献研究共同基金经理是否拥有把握选股机会的能力，这与传统文献中的择时能力不同，作者研究了基金经理是否拥有判断未来选股时机的能力。研究表明很大一部分共同基金具有“择时”选股能力，且具有较强的稳健性，而更好的择时选股能力的基金能带来显著更高的回报。回到国内基金市场，我们可以运用类似的方法找出那些在选股机会多的时候更频繁主动交易的基金，即拥有正向“择时”选股能力的基金，这是基金经理能力衡量的新的维度。

基金的“择时”选股能力

在美国市场，高换手的基金往往比低换手的基金表现更差。活跃管理基

报告摘要

主要观点

本篇是“学海拾珠”系列第五十二篇，本期推荐的海外文献研究基金的下行风险择时能力，平均来看，美国的主动管理型基金具有正的下行风险择时能力，这种能力在市场大跌时期对业绩的贡献十分显著。回到国内主动权益基金市场，在传统择时能力衡量指标的基础上，我们可以引入这种下行风险择时能力衡量指标，更加全面地评价基金经理的择时能力。

• 下行风险择时能力衡量指标

  第一步，用基金投资组合中个股的下行Beta的加权平均值，减去常规Beta的加权平均值来计算得到基金的相对下行Beta。相对Beta系数的主动变化（Active change inrel

报告摘要

主要观点

本篇是“学海拾珠”系列第二十三篇。作者在本文中证明，指标对因子收益的预测能力是视预测时长而定的，同时受指标与因子收益的时变关系以及数据挖掘的影响。尽管有这些挑战，但只要投资者能切实地意识到因子择时的局限性，因子择时仍有可能成为非常好的工具。

• 因子表现随时间变化很大

产生因子溢价的主要来源包括风险暴露的补偿、由于市场参与者的不理性而产生的回报以及市场摩擦的影响。这三个因素中的每一个因素，都会随时间变化而波动。

• 五类信号可以预测因子的回报

因子的回报可以通过金融环境、经济环境、情绪、价差和动量这五类信号来

研究结论

在过去23年历史里，A股的小盘股溢价现象非常显著，市值最小的20%股票相对市值最大的20%的股票平均每月有1.1%溢价。按月份统计，小盘股跑赢大盘股的占比接近六成（58.9%）；按年份统计，23年里仅有4年发生过风格反转，2017年最为明显

报告里用小盘股相对大盘股每个月的超额收益来度量小市值溢价，其年化波动率高达21%，和美国股市整体波动程度相当，显著高于其它alpha因子，对其择时的潜在收益与风险都大。

用金融时间序列数据做回归预测小盘股溢价时必须考虑数据在时间序列上的持续性，传统OLS方法会得到错误统计结论。报告里采用IVX方法做回归预测，DLM方法分析样本内各个指

摘要

跟踪公募基金的股票仓位能较准确且及时地了解公募基金的仓位动向，同时我们也希望将仓位信息运用于实际投资中，本文作为仓位测算的应用篇，分别在不同市场环境中对仓位数据进行了测试并按照均线系统将市场划为趋势市和震荡市，在震荡市中构建了基于基金仓位信息的择时模型。在此基础上本文将基金仓位因子融入到现有的择时模型中并进一步构建了分环境择时模型，无论是在趋势市还是在震荡市中均有优异的表现。

**本文在不同环境下对基金仓位进行了分析，发现在趋势市中基金仓位有明显的追涨杀跌特性，在市场趋势向上时管理人将提高仓位，趋势下行则降低仓位；在震荡市中管理人则反其道而行之，当市场上涨时趋向于降低仓位，当市

摘要

黄金具有稳定、稀缺、易分割等优质特性，自古以来就作为硬通货使用。虽然在布雷顿森林体系崩溃后，全球进入信用货币体系，黄金不再具有直接交易媒介和价值尺度的功能，但其稀缺稳定的特性和人类千百年间对其的建立的信任使黄金仍具有重要的保值和避险作用

从历史上看，总体上黄金价格由于货币贬值而呈上涨趋势，但在特定经济环境下，黄金价格也可能出现长时间的震荡或趋势下行。因此，虽然近两年通过简单持有黄金就可以获得不错的收益，但长期来看我们可能依然需要对黄金走势进行判断，规避黄金下行的时间段，以获得更高的收益

从投资者角度看，黄金具有保值、避险和投机价值，我们认为这三种因素也是黄金价格的主要推动力量

摘要

主要结论

房地产企业的业务：房地产开发业务为主房地产企业的业务包括，房地产开发业务、物业服务、房屋租赁和其他业务。我们选取房地产开发业务占比在80%以上，并且房地产开发业务收入规模在20亿元以上的房企作为研究对象，分为四组：4家龙头房企、10家大型房企、15家中型房企和15家小型房企。

房地产企业财务报表：资产以存货为主，高负债率

将样本房企财务报表相同科目合并，可以发现：1、资产主要是与房地产开发业务相关的存货（57.67%）；2、负债主要是商品房预售收到的预收账款和合同负债（合计31.86%）；3、所有者权益主要是未分配利润（7.05%）和少数股东权益（

报告要点

A 股市场主动管理基金为投资者创造了一定价值

在《FOF 研究系列之七：十个角度看中国公募基金行业发展》中，我们对国内公募基金的业绩表现进行了梳理，发现：分年度看，主动管理股票基金在多数年份能够战胜基准；滚动三年业绩能战胜基准的基金比例也一直维持在 60%以上；从更长期业绩看，10 年期业绩战胜中证全指和中证 800 指数的基金比例超过 70%，而在欧美成熟市场，跑赢对应市场基准的公募基金占比不足 20%。这在某种程度上说明了：A 股市场的专业资产管理机构进行的主动管理，为投资者创造了一定价值。 本篇报告将从业绩归因角度，对国内主动管理公募基金获取的超额收益进行分解，

摘要

量化择时交易策略

机器学习量化交易策略的制定，是通过从海量历史数据中，利用计算机强大的处理能力，挖掘并分析出那些能够为投资者带来收益的各种大概率可行的投资方式来实现的。通过数学模型对这些策略进行分析并加以验证，以期望让投资者获得更高更稳定的收益，或更合理地规避风险。

长短期记忆模型通过记忆单元有效地学习长期依赖关系，在金融市场预测中具有明显优势

长短期记忆网络是人工神经网络的一种，具有负责计算时间序列中各个观测值之间依赖性的能力，同时具有快速适应趋势中急剧变化的固有能力。所以，长短期记忆模型可以在波动的时间序列中很好地工作。在处理股票价格这样的时间序列数