本报告针对高频选股因子中存在的非线性及阶段性失效问题，提出分段线性近似、线性插值、多项式拟合及分段线性回归四种线性转换方法，对非线性因子进行线性化处理，同时动态纠正失效因子。测试显示，转换后因子的多空组合年化收益率相比转换前提升约10%至11%。采用分段线性回归方法线性化后构建的高频线性重构因子，日频IC均值达3.13%，多空组合年化收益率62.57%，周频IC均值3.81%，多空组合年化收益率28.39%。基于周频线性重构因子构建的中证1000指数增强策略年化超额收益率达11.03%，信息比率1.47，结合传统因子及量价背离因子得到的线性重构增强策略表现更优，年化超额收益率达23.24%，信息比率3.41，策略收益持续稳健提升 [page::0][page::12][page::14][page::16][page::17][page::19][page::20][page::21]
本报告基于A股高频订单簿数据构建了斜率凸性因子，揭示了高低档买卖委托单的耐心差异及供需弹性对股票收益的预测意义。因子在沪深300和中证800成分股上表现突出，多头年化超额收益率超过12%，周频降频后依然保持稳健超额收益。结合一致预期、成长、技术和动量等传统因子，构建的多因子组合在中证800指数增强策略中年化超额收益率达19.91%，信息比率达1.59，展示了该因子在实际投资中的良好应用价值 [page::1][page::5][page::10][page::14][page::15][page::16]
本报告针对A股市场风格持续轮动的现象，创新构建了多维度风格因子体系，智能识别出风格轮动型基金，并通过截面风格收益因子和主动轮动收益因子对其未来业绩进行量化优选。优选组合在2016年至2023年1月实现6.57%的年化超额收益率，信息比率0.90，显著跑赢偏股混合型基金指数，验证了轮动型基金优选的有效性和策略的稳定性 [page::0][page::1][page::4][page::5][page::7][page::9][page::10][page::11]
本报告基于FinGPT大语言模型对子长科技提供的沪深300金融论坛评论数据进行了情感分析，构建了包含情绪表达、分歧及变化的情感打分体系，并基于乐观情绪构建量化选股因子与舆情增强策略。研究显示，乐观情感因子单因子IC达到3.65%，多空组合年化收益率12.71%，且与基本面因子相关性低，表明情感因子能有效捕捉独立市场信息，舆情增强策略在费用调整后实现6.69%年化收益，夏普比率0.32，策略表现稳健，提供了金融论坛情绪对量化投资的增量价值证据 [page::1][page::7][page::9][page::10][page::11][page::12][page::13]
本报告针对传统基本面因子预测能力下降问题，应用插值类线性转换方法（分段线性近似与线性插值），对七大类传统因子及其116个细分因子进行改进。结果显示，直接转换大类因子收益提升有限，基于细分因子转换和重构的传统大类因子显著提升年化多空收益率和夏普比率，且提出组合区分度与分布稳定性两个因子评价指标辅助筛选适合转换的因子，从而有效缓解因子失效，实现动态纠正，提高因子收益稳定性与预测能力 [page::0][page::1][page::4][page::5][page::7][page::9]
本报告基于估值和市值双维度构建双风格轮动型基金识别体系，运用主动轮动收益因子对基金进行优选。主动轮动收益因子在双风格轮动型基金池内IC达到7.37%，自2016年以来构建的选基策略实现4.60%的年化超额收益，且相比传统业绩动量因子具有更低相关性及更优表现。2023年以来，风格轮动持续，双风格轮动型基金优选组合跑赢偏股混合型基金指数2.78%，表现稳健。基金持仓行业分布更为分散，规避单一行业风险，具有较强的风格适应能力和投资价值。[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11]
本报告系统分析了中证1000指数的行业分布、估值水平及波动特征，指出该指数以小盘股为主，成分股分散且换手率高，估值处于近十年低位。此外，中证1000股指期权的推出为投资者提供了针对小盘股更有效的风险对冲工具和多样化套利策略，特别是在大小风格差异和波动率差异的背景下，丰富了金融衍生品的配置选择 [page::0][page::3][page::4][page::5][page::7][page::10][page::13]。
本报告提出FinBen，首个针对金融领域大型语言模型的开源综合评测基准，涵盖36个数据集、24项任务，覆盖信息抽取、文本分析、问答、文本生成、风险管理、预测与决策七大方向[page::0][page::1][page::2]。评测15款代表性LLM显示：GPT-4在信息抽取与股票交易表现优异，Gemini在文本生成与预测具优势，开源金融LLM在复杂任务表现受限[page::6][page::7]。此外，基于FinBen举办的FinLLM挑战赛吸引多支团队，产生超越GPT-4的创新方案[page::19][page::22]，为金融领域LLM发展提供重要推动力。
报告提出一种基于资产预选择的两步法解决基数约束指数跟踪及增强跟踪组合选择问题，通过正交统计回归方法实现资产筛选和权重优化，克服NP难题限制，支持大规模资产组合。实证采用2005-2023年标普500数据，结果显示OLS优于LAD，后向逐步回归优于前向选择，跟踪误差与组合基数的平方根呈反比，增强跟踪在基数10至20范围内效果最佳，分析覆盖跟踪误差、交易量及回报风险比，验证方案有效性和灵活性 [page::0][page::8][page::18]
本报告系统论述了区块链及Fintech对现代金融体系尤其企业融资的深刻影响，探讨了其在监管、环境可持续性、非法活动关联和市场效率方面所面临的挑战。报告指出，尽管Fintech具备替代传统金融的潜力，但其未来更可能趋于透明、高效且受到法规规范。分析涵盖了加密货币市场的价格偏差、NFT数字产权的兴起及其对传统金融体系的补充作用，为未来企业融资与市场监管提供重要视角 [page::0][page::4][page::6][page::9][page::11][page::13][page::15][page::16]
本报告研究了“cursedness”（诅咒程度）如何影响斯宾塞（Spence）工作市场信号博弈中的信息传递效率。通过构建Cursed Sequential Equilibrium（CSE），发现随着玩家的诅咒程度上升，工人的教育水平降低，成本信号减少且效率提升，但该提升依赖于信号空间的丰富性。实验回顾支持该理论，阐释了诅咒模型对工资压缩现象的解释意义 [page::0][page::2][page::8][page::11][page::14][page::15]。
本报告创新性利用社交媒体、新闻文章、关键词搜索等多数据源构建针对十个宏观经济变量的关注度与情绪指数，运用传统与机器学习模型显著提升对404只主要美股的日度波动率预测精度，特别在极端价格波动日平均提升达14.99%。研究确认FOMC会议及劳动市场指标相关情绪的预测价值，并识别谷歌趋势、推特及新闻文章为主要有效信息源，提出结合注意力与情绪的综合模型为波动率预测提供新视角，结果在多个经济行业及不同模型设定下保持稳健[page::0][page::23][page::33]
本文基于无套利和完全市场假设，运用资产定价基本定理(FTAP)构建了寿险类资产的动态定价框架，推导了包括终身寿险和寿险年金的定价公式，并强调贴现资产价格在无红利时的鞅性质。报告还讨论了动态经济中静态投资组合的信息集重构，为寿险合约的金融经济学计价提供理论基础[page::0][page::6][page::8].
本文从因果视角出发，结合经济计量多因子模型，提出一个包含因果关系的新型泛化误差上界，揭示市场非平稳性对模型泛化的影响。基于该理论，设计了能够发现不变因果特征的因果发现技术，有效减小泛化误差，显著提升股票预测模型对样本外（OOS）领域的稳定性和准确性。实证基于中国A股超4000只股票，采用多神经网络架构和多因子维度，实验验证该方法在实际投资组合中提升了年化收益率和夏普比率 [page::0][page::1][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10].
本报告系统综述了深度学习与大型语言模型（LLMs）在量化投资中，特别是α策略中的应用进展与技术演变。通过解析量化投资的主要流程，包括数据处理、建模预测、投资组合优化及交易执行，揭示了深度学习提升模式识别和复杂数据处理能力的重要作用。报告重点探讨了LLMs在情感提取、多模态时间序列预测与量化因子生成中的创新应用，及其在自动化投资代理中的潜力与挑战，为未来量化投资智能化提供宏观视角及前瞻方向[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26][page::27]
本报告针对去中心化交易市场中的恒定乘积自动做市商（CPMM）模型，给出了池子价值的静态复制公式，利用欧式看涨和看跌期权组合实现池子价值的静态复制，提出了基于欧式期权长跨式策略的永久损失对冲方法，有效覆盖预设价格区间内的永久损失风险，并通过以太坊期权市场的实证数据展示了策略应用效果 [page::0][page::3][page::4][page::9][page::11][page::15]
本文利用Malliavin微积分技术，推导了跳跃扩散随机波动率Bachelier模型下，在行权价等于标的当前价格时隐含波动率（ATM-IV）水平和偏斜的短期渐近行为，涵盖了复合泊松和广义纯跳Lévy过程。结果表明，短期ATM-IV水平在纯跳Lévy过程类别内一致，偏斜存在性取决于跳跃分布的性质。此外，论文还提供多种带跳跃和随机波动率模型的数值示例，验证理论准确性，为含跳跃随机波动率模型的期权定价与风险管理提供了理论依据和实用方法。[page::0][page::1][page::5][page::7][page::16][page::26][page::27]
本报告构建了AMM与其战略性流动性提供者（LP）之间的领导者-跟随者随机博弈模型，推导出近似闭式均衡合约。研究表明，LP仅在流动性增加能够显著吸引更多噪声交易时，才有激励提供流动性，合约依赖于外部价格、池内参考价格及储备量。基于2022年ETH-USDC市场数据，验证了流动性与订单量正相关性，对AMM设计优化与LP盈利性提供理论指导 [page::0][page::1][page::15][page::18][page::20][page::30]。
本报告提出利用piecewise deterministic Markov Process（PDMP）建模资本市场最大回撤记录，系统推导了最大回撤记录序列的均值和方差等统计特性，并开发了相关参数估计与模拟方法。通过对标普500指数的实证应用，验证了模型的有效性和实用性，提供了一套可用于金融风险管理的强有力工具。该方法不仅有助于理解极值记录问题，还为多状态风险动态分析提供理论与数值支持 [page::0][page::1][page::3][page::5][page::15][page::16][page::16].
本报告利用美国金融顾问与公司匹配的长期面板数据，深入研究职业激励如何推动顶尖金融顾问在职业早期积极投资关键资质、承担更高合规风险并实现向更大公司跳槽的现象。研究发现，顶尖顾问在被排名前不仅更可能通过关键投资许可（如Series 65/66），还承担高达7倍的客户纠纷风险，但同时享有更低的劳动市场处罚。通过经纪人招募协议（Broker Protocol）的分阶段实施，报告揭示了劳动市场摩擦降低导致的动态人才排序，顶尖顾问更集中于协议成员公司，体现职业激励与风险容忍度在金融行业的深刻互动[page::0][page::4][page::11][page::17][page::20]。
