\ 基于动量与风险优化双重视角的ETF行业轮动策略研究.pdf 879357/wiki/static/upload/49/4975593f-8512-460a-a15b-6e242a2de80e.pdf \
本文导读 待测因子：传统的1个月反转等因子，以及改进的动量因子动量因子是一类非常重要的风格因子，本报告中我们选取了十三个具有代 表性的动量因子进行测试，包括 HAlpha（个股 60 个月收益与上证综指线 性回归的截矩项）， returnNm（个股最近 N 个月的收益率，N=1、3、6、 12），w
摘要 雪球如何定价 我们使用了蒙特卡洛模拟法和PDE方法对雪球的价格进行了测算，着重介绍了两种方法的原理及实现，并根据雪球产品收益的三大类情景将其拆分为多个奇异期权，分别计算这些期权的价格来获得雪球的价值。 影响雪球价格的因素 本文定量分析了股指期货贴水对雪球价格的影响，在年化11%贴水的背景下，雪
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
摘要 随着传统因子研究的深入，通过使用日级别数据已经很难发现能够在传统技术选股因子之外提供额外选股能力的因子了。考虑到传统因子多使用日级别数据刻画股票日间的形态特征，通过引入日内高频数据刻画股票日内的特征也许能够为模型带来新的信息以及Alpha。这一观点也在本系列前一篇研究（《选股因子系列研究十八—
\ \
摘要 观点 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，本篇报告我们从
摘要 基于市场周期规律与同比序列42个月短周期状态判断“牛熊”拐点在华泰金工周期系列研究的基础上，通过信号处理、统计检验等手段，证明指数同比序列的42个月短周期决定了市场“牛熊”状态，并进一步通过数学推导、实证检验证明同比序列42个月周期领先于价格序列4.5个月。 以此为基础，提出同比序列的42个月
摘要 文章首先介绍了国际贸易的基本概念，包括进口和出口的定义，以及国际贸易的起源和重要性。文章提到，由于各国资源分配不均，国际贸易成为满足国内需求的重要手段。文章还回顾了国际贸易理论的发展，从亚当·斯密的绝对优势理论、大卫·李嘉图的比较优势理论，到赫克歇尔-俄林模型和克鲁格曼的新贸易理论。这些理论为
/wiki/static/upload/8e/8e97415d-7da8-4842-9c1b-5410a41e5136.pdf/wiki/static/upload/8e/8e97415d-7da8-4842-9c1b-5410a41e5136.pdf \
摘要 文章指出，在过去20年中，武装冲突的频率增加，这些冲突不仅影响社会层面，还对经济和金融领域产生重大影响。例如，“9·11”事件后，市场不确定性显著增加，投资受到抑制。地缘政治风险对经济周期和金融市场有显著影响，因此中央银行家和企业投资者常将地缘政治风险视为投资决策的重要因素。此外，地缘政治事件
摘要 股市预测是一个经典但具有挑战性的问题，吸引了经济学家和计算机科学家的关注。交易活动涉及高风险，投资者可能会损失部分或全部投资金额，因此需要更智能的技术来辅助投资决策。 除了传统的金融数据，如价格和交易量，文本数据（如新闻和社交媒体）和宏观经济数据（如GDP和CPI）也可用于预测。这些数据类型可
多空股票策略涉及在各种股票中持有多头和空头头寸，鉴于其本身较低的风险状况，对冲基金通常采用这种策略来提高风险调整后的回报。 在本指南中，我们将深入研究此策略的机制，探索其实现并使用 Python 回溯测试结果。我们将介绍基本知识，例如历史背景、驱动其回报的来源，以及高级主题，例如它与仅做多和市场中性
报告摘要 主要观点 本篇是“学海拾珠”系列第九十七篇。本文提出了一种离散型的交易策略，将投资组合的回撤控制在目标水平内，同时最大化长期投资组合的收益。本文将损失控制目标定义为滚动窗口内的回撤REDD。本文使用三个大类资产来测试动态资产配置策略：标准普尔500总收益指数SPTR、巴克莱资本20+年美国
研究结论 传统多因子Alpha模型大多是在全市场范围内对股票一视同仁地进行打分评价，忽视了个股之间的基本面情况差异和选股因子在不同风格股票池里的适用性，能够捕捉不同股票之间差异性的动态情景模型Dynamic Contextual Alpha Model应运而生, 并且在海外市场获得了优异的业绩。 本
摘要 本篇文章的核心内容是研究期货市场是否能够通过信息溢出效应改善中国指数ETF市场的高频技术交易规则（Technical Trading Rules, TTRs）。研究使用了遗传程序（Genetic Programming, GP）技术来寻找最优的技术交易规则，并分析了指数期货信息对这些规则盈利能
研究背景 金融领域越来越依赖文本数据（如金融新闻、监管文件和社交媒体）来预测经济事件和市场走势。 传统的情感分析方法（如基于词典的方法）存在局限性，无法充分捕捉文本中的复杂信息。 大型语言模型（LLMs）如BERT、OPT、QuantAgent和FinBERT等在自然语言处理（NLP）任务中表现出色