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

摘要

净值化时代，为满足客户的绝对收益需求，多资产配置是一种必然思路。CTA作为一类不同于股票、债券等传统资产的另类资产，策略本身的运作手段丰富，历史净值表现优异，同时众多优异的CTA产品回撤控制较好，收益风险比极佳。

从多资产配置视角看，对于CTA策略，首先我们需要明了的是，什么样的宏观及市场环境下，CTA策略具有较好的性价比，因为CTA策略也有小年和大年，当环境不利时，即使表现再好的CTA策略，可能收益也不及中性、股票多头等其他策略，此时从自上而下的视角看，最优的选择应该是增配其他更优的资产，而不是在CTA策略中“火中取栗”。这其实就是CTA策略的择时问题。本文中，我们构建了一套

摘要

资产配置的本质是资产选择以及市场择时

资产配置就是在给定的预期收益条件下，期望组合风险最小；在给定期望组合风险条件下，期望投资收益最大。实现其目标主要包括资产选择和权重配置两部分。

隐马尔可夫模型的本质是对复杂数据进行降维，学习低维隐藏状态的转移进行预测

隐马尔可夫模型将每一个可观测值的产生对应着市场状态的变化，通过观测序列得知对于目前市场状态建模，进而帮助择时判断。市场状态是隐藏状态不可观测的，其通过可观测变量来进行推断。模型本质上是将市场观测状态用隐藏状态进行降维，之后再对低维的隐藏状态空间拟合状态转移，根据状态转移概率对未来市场状态形成预测。

摘要

自2017年以来，我们撰写了一系列报告对于因子择时模型的构建进行了讨论。现有的因子择时模型多通过修正因子的收益预期来影响多因子加权权重，最终通过影响股票综合打分或者收益预期来实现因子择时。简单来说，该类模型通过收益预测模型实现因子择时。然而，收益预测模型是因子择时的唯一实现途径吗？答案是否定的。

本文构建了一整套动态风险控制框架，旨在通过风险控制模型来实现因子择时。本文第一章阐述了模型整体构建思路。本文第二章详细介绍了动态风险控制框架的构建。本文第三章分别基于沪深300指数以及中证500指数构建了风险控制组合并对于组合的具体表现情况进行了展示。

因子择时既可通过收益预测模型实

小样本学习(Few-Shot Learning，FSL)是一种新颖的机器学习方法，旨在从少量的标记数据中学习。

深度神经网络在大数据上取得了骄人的成绩，但在仅有少量样本时表现得不尽如人意，而在很多实际情况中，数据难以取样或大量累积。为解决问题，小样本学习越来越受关注。

机器学习是从数据中学习，使完成任务的表现越来越好，而小样本学习则是具有有限监督数据的机器学习。

近年来，各种机器学习方法己被广泛应用到金融时间序列预测方面。这些方法往往是基于历史大样本数据进行训练，且假设训练样本和预测样本的分布是一致的。但股市分布并不稳定，在不同时间段，分布也不同。

为避免股市数据分布变化的问题，一个有

报告摘要

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，在考虑了市场择时、波动率择时、流动性择时和情绪择时的情况下，以及控制了其他潜在风险因子之后，本文构建的定价偏差择时模型仍然有效。

本文还进行了bootstrap分析，以判断定价偏差是否源于运气或随机。本文发现定价偏差择时能更多的可以归于基金经理的投资管理能力。进一步，本文发现定价偏差择时能力为共同

摘要

文献来源：Park, Sangkyun. The P-E Ratio, the Business Cycle, and Timing the Stock Market. The Journal of Portfolio Management, forthcoming November 2021.

推荐原因：本文利用1871-2020年的月度股市数据，分析了市盈率与未来股票市场表现之间的关系，以及错误定价是否为股市择时提供了机会。研究发现，市盈率与已实现的股权溢价成反比；而与公允市盈率这一基本面指标成正比。这些发现表明，市盈率可能同时反映了被误导的市场情绪和理性的投资者预

摘要

因为权重行业相对小市值行业走弱，我们转为短期谨慎态度。近期行业配置发出市值加权配置信号，从而减少小市值因子暴露。重点推荐的行业有国防军工、医药、农林牧渔、传媒和交通运输。

1. 行业月度涨跌幅排名：

   银行涨跌幅排名在处于历史 90%分位数，而食品饮料、医药和电子元器件的涨幅排名在下降。从涨跌幅排名上看市场风险高；

2. 行业波动率排名：

   银行和医药的波动率有所下降，非银处于历史 10%分位数以下，食品饮料和电子元器件行业波动率从低点回升；从波动率排名上看市场风险中等；

3. 前五名权重行业中：

   a. 没有行业符合急涨

摘要

宏观周期的界定:货币、信用、经济、通胀为常见维度

宏观周期的界定，往往依赖于划分标准的选取，常见有经济-通胀周期(美林时钟)、货币-信用周期、货币-经济周期等，此三种划分结果其实是围绕着货币、信用、经济、通胀而展开的。相比于美林时钟而言，货币-信用周期和货币-经济周期更加贴合中国的市场，但是也各自有一些瑕疵。以上三种框架的问题皆为维度考虑不够，如果能够添加更多的维度进行切分，效果都会不错。本报告我们选择“货币-经济周期”框架进行讨论，主要原因在于货币和经济维度相对更重要且时间跨度较宽，有利于后续精细化分析。

经济状态和货币松紧的衡量

经济状态:工业增

导读

1. 作为西学东渐--海外文献推荐系列报告第一百三十九篇，本文推荐了Andrew Chin和Wenxuan Tang于2020年发表的论文《Factor Timing in Fixed-Income Strategies》；

2. 随着市场波动不断加剧，因子择时所受关注也在不断上升。如何判断基金经理的择时能力也成为了热门话题之一，本文提出了一套完整的框架体系对固收基金经理的因子择时能力进行评估，对于我们进行基金经理筛选有着重要启发；

3. 本文主要探讨了如何评估固收基金经理的因子择时能力，主要贡献如下：

   构建框架将固收基金经理的主动收益分解为战略因子贡献、战术因子贡献（因

报告摘要

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-MacBeth截面回归也表明，在控制了各种基金特征和基金的其他择时能力后，制造业择时系数的预测能力依然存在。

长期预测能力测试表明，制造业择时系数与未来收益之间的正相关性可以持续到未来6个月。除了产生更高的回报外，本文还发现制造业择时能力强的基金未来有更多的资本流入，并且在接下来的6-12个月期间有更高的

摘要

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，数学上使用马尔可夫决策过程刻画。本文围绕基于价值的方法和基于策略的方法两个方向，依次介绍蒙特卡洛、时序差分、Sarsa、Q学习、DQN、策略梯度、REINFORCE、演员-评委算法。使用DQN构建上证指数择时策略，原始超参数样本外2017年至2022年6月年化超额收益率18.2%，夏普比率1.31，年均调

报告摘要

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，在考虑了市场择时、波动率择时、流动性择时和情绪择时的情况下，以及控制了其他潜在风险因子之后，本文构建的定价偏差择时模型仍然有效。 本文还进行了bootstrap分析，以判断定价偏差是否源于运气或随机。本文发现定价偏差择时能更多的可以归于基金经理的投资管理能力。进一步，本文发现定价偏差择时能力为共同基金投资者创

摘要

调整结束信号如期呈现，超跌板块有望卷土重来

我们在上周的周报中从宏观事件、价量以及日历效应来看，下周初若出现缩量将是较好的入场时机

两市成交总额在上周一和上周三两次跌破万亿，随后迎来反弹，调整结束信号如期兑现。过去一周，wind全A反复震荡，上涨1.27%，市值维度上，上周代表小市值股票的国证2000指数再创新高，大涨2.89%；中盘股中证500上涨1.11%，沪深300上涨0.39%，创业板指上涨0.78%;中信一级行业上，国防军工和轻工制造领涨，军工大涨4.54%；食品饮料和煤炭调整幅度较大，下跌均超4%。上周成交活跃度上，中信一级行业中医药与军工板块资金

摘要

缩量到什么幅度或可确认调整结束？

我们在上周的周报中从宏观事件、价量以及日历效应来看，市场有望延续反弹走势，期待开门红。但市场完全超出预期，过去一周，wind 全 A 持续调整，下跌 2.61%，市值维度上，上周代表小市值股票的国证 2000 指数再创出新高后出现调整，下跌 2.5%；中盘股中证 500 下跌 2.5%，沪深 300 下跌 2.39%，创业板指大跌 6.8%;中信一级行业上，家电和房地产领涨，涨幅均超 4%；军工和电力设备调整幅度较大，军工下跌超 8%。上周成交活跃度上，中信一级行业中银行与消费者服务板块资金流入明显。 从择时体系来看，我们定义的用来区别市场整

摘要

择时雷达六面图。国盛金工的择时雷达六面图主要综合了宏观流动性、宏观经济、市场估值、资金流向、技术指标、情绪指标这六个维度的信息，使用了三十多个指标对未来权益市场给出择时观点并进行研判。基于各项指标的观点，综合给出[-5,5]的择时打分，当前的综合打分为 2.38 分，整体相较上周仍维持看多观点。

流动性

代表货币政策与银行间流动性的 DR007 与 SHIBOR 均处于历史较低区间，且相较于上周继续下行，维持看多信号。代表信用的 M1 同比、M1与 PPI 剪刀差等指标本月新披露数据后，均继续处于上行趋势，综合来看维持上周的显著看多信号。

经济面

当前

摘要

期权作为现货的衍生产品，其交易情况暗含了投资者对市场的观点，期权交易日益活跃，可以从中获得有效且领先于现货市场的信息，兴业水晶球策略于2015年中推出，至今已有三年多样本外数据，其致力于挖掘期权市场中符合经济学逻辑且统计规律显著的因子，对期权标的现货（50ETF）进行短期的预测，无论是策略的整体表现，还是在历次市场拐点的判断上，都非常优秀。

目前上证50ETF期权的主要投资群体是通过考试的专业投资者，具有一定的前瞻性，他们对现货的未来走势预期可能相对会更加准确。如果能够充分地挖掘这部分投资者的情绪，就可以利用从期权中获得的信息对现货进行择时，这也是水晶球择时的基本逻辑。

符

摘要

“基底”价格形态下的CANSLIM模型基本逻辑A股实证研究。本报告借鉴美国著名投资学家欧奈尔的“基底”理论和CANSLIM模型理论，结合A股市场现状，推出了适用于当前A股市场的申万A股欧奈尔CANSLIM选股模型。申万A股欧奈尔CANSLIM选股模型的基本思路为：找出“基底”价格形态的股票和买点；依据欧奈尔CANSLIM模型同时考虑基本面因子和技术面因子，实现价格形态，基本面和技术面三者的共振。

“基底”价格形态、基本面因子、技术面因子和市场走势。本报告采用一些规则刻画“基底”价格形态（含“杯柄形态”、“双重底”、“蝶形”等）的共性；基本面因子关注净利润增长、营业收入增长率和投资

摘要

自2017年以来，我们撰写了一系列报告对于因子择时模型的构建进行了讨论。现有的因子择时模型多通过修正因子的收益预期来影响多因子加权权重，最终通过影响股票综合打分或者收益预期来实现因子择时。简单来说，该类模型通过收益预测模型实现因子择时。然而，收益预测模型是因子择时的唯一实现途径吗？答案是否定的。 本文构建了一整套动态风险控制框架，旨在通过风险控制模型来实现因子择时。本文第一章阐述了模型整体构建思路。本文第二章详细介绍了动态风险控制框架的构建。本文第三章分别基于沪深300指数以及中证500指数构建了风险控制组合并对于组合的具体表现情况进行了展示。

因子择时既可通过收益预测模型实现

\

摘要

“货币+信用”体系的再梳理

货币因子的预测能力来源于货币政策的滞后性与外生性，信用因子的预测能力来源于信用指标与经济之间的稳健领先性。 “货币+信用”体系并不适用国外：一方面海外央行货币政策独立性较强，且明显受规则制主导，基本内生于经济环境；另一方面发达国家基本转型为价格型货币政策框架（信用指标不再设为中介目标），且没有信贷驱动经济的特征。 “货币+信用”体系中，股票市场择时表现优于债券市场的原因：债券市场对货币政策与基本面的反馈方向相同（经济好利空债券，货币收紧也利空债券）；由于债券市场对基本面变化非常敏感，且货币政策具备滞后性特征，其所反应的部分信息很大概率上已经