资产配置日报：大A独美
本报告围绕2025年11月5日国内外市场表现，重点分析A股市场表现优异，资金偏好微盘股及市场筹码态度。债市方面关注央行操作及利率信用分化，商品市场情绪偏弱但贵金属跌势缓和，综合判断市场仍处观望与结构性分化阶段，为资金配置提供参考。[page::0][page::1][page::2]
金融研报AI分析
华西最强声 1107 | 大A独美；重点关注中文传媒
本报告重点聚焦国内资产配置，分析当前大A股市场表现优于全球主要市场的原因，指出A股低开高走背后筹码态度积极，微盘股体现超额收益趋势，并深入解读相关行业个股业绩及市场风险，辅以黄金生产企业Agnico Eagle及中文传媒等重点公司的三季度财报点评，提供投资建议与风险提示 [page::0][page::1][page::3][page::6][page::9]
分化加剧，博弈修复——公募REITs三季度报点评
2025年第三季度公募REITs市场表现出显著分化，保障房和市政环保板块收入实现增长，产业园和仓储板块收入持续承压，能源板块整体滑落。二级市场上，产业园及仓储板块股价明显下跌，超跌修复与机构配置成为行情重要支撑，但主要偏好优质项目。报告提示关注政策风险及资产经营变化带来的影响，强调交易谨慎与仓位优化策略的重要性 [page::0].
综合量化模型信号和日历效应，11月建议超配小盘风格、价值风格
报告通过综合量化模型信号与日历效应分析，建议2025年11月超配小盘及价值风格股票，大小盘轮动策略年内累计收益分别为27.85%和18.96%，因子表现显示动量、红利等风格因子近期收益较好，同时更新了最新股票协方差矩阵支持风险预测，为风格轮动量化投资提供依据 [page::0][page::1]。
由于未提供有效内容和图片信息，本次研报无法进行类型识别、内容摘要及相关分析。
掘金“情绪消费”崛起分论坛-精彩花絮｜启航新征程·国泰海通2026年度策略会
本报告为国泰海通证券2026年度策略会精彩花絮，聚焦“情绪消费”崛起背景下的投资机遇，展示了行业观点交流及市场趋势展望，未详述具体量化策略与数据回测，旨在布局新征程投资方向指导[page::0][page::3]。
启航新征程·国泰海通2026年度策略会
本报告为国泰海通证券2026年度策略会议精彩花絮，主要回顾了策略会的主要活动与主题交流，未包含具体量化投资策略或行业深度分析内容，突出展示了会议现场氛围和研究团队交流互动，为投资者了解公司年度策略会议动态提供参考[paget::0][page::1][page::4]
From Patterns to Predictions: A Shapelet-Based Framework for Directional Forecasting in Noisy Financial Markets
本论文提出一种结合选择性不变多变量模式聚类（SIMPC）和形状基分类网络（JISC-Net）的两阶段框架，用于从噪声金融时间序列中提取可解释的重复模式并进行方向性预测。通过动态时间规整（DTW）技术克服振幅缩放及时间扭曲问题，在比特币及三只标普500股票上的实测结果表明该方法在多个指标中领先传统深度学习和量化模型，显著提升预测准确度和交易表现，同时提升模型透明度，支持人机交互决策分析 [page::0][page::2][page::6][page::7][page::8]。
【东吴金工 指数择时月报】基于技术指标的指数仓位调整月报202511
本报告基于量价技术指标信号构建了27个指标的单信号与多信号仓位调整策略，通过信号合成和滚动搜索方法实现指数仓位动态调整。所构建策略在沪深300、中证500、中证1000等宽基指数和多个行业指数上回测，滚动稳健策略年化超额收益率高达3.99%，滚动追涨策略适合风险偏好较高投资者。10月策略在沪深300和中证1000指数均实现正超额收益，稳健体现了技术指标多信号组合的有效性，为指数择时提供了量化支持 [page::0][page::1][page::3][page::6]。
【东吴金工 行业轮动月报】从微观出发的五维行业轮动月度跟踪202511
本报告基于东吴金工特色多因子体系，构建了包含波动率、估值、成交量、情绪、动量五维的行业轮动模型，通过多空对冲策略在申万一级行业中取得年化收益21.41%，信息比率1.98，最大回撤13.30%。重点推荐2025年11月持仓行业为农林牧渔、基础化工、医药生物、交通运输和社会服务。情绪因子近期表现突出，模型稳定性和盈利能力均表现良好，具有较高月度胜率与超额收益能力。风险提示涵盖市场变化、单因子波动及数据误差[page::0][page::1][page::3][page::4]。
东吴金工风格轮动月报：从微观出发的风格轮动月度跟踪202511
报告基于东吴金工多因子体系，构建包含640个微观特征的风格择时+打分模型，利用随机森林方法实现风格轮动。回测区间2017年至2025年10月底，策略年化收益16.18%，信息比率0.80，最大回撤仅8.53%。最新风格方向锁定价值、大市值、动量、低波动因子，10月相对基准超额收益1.57%。模型有效捕捉风格变化，适合股票市场风格轮动布局 [page::0][page::1][page::3]
Forecasting Stock Prices from the Limit Order Book using Convolutional Neural Networks
本论文提出利用卷积神经网络（CNN）基于高频限价订单簿数据预测股票中间价走势，包含针对价格和成交量的智能归一化方法。基于芬兰纳斯达克5只股票的450万订单数据训练，CNN较传统支持向量机和多层感知器表现更优，能有效捕捉市场微观结构信息，实现短期价格方向分类 [page::0][page::2][page::4]。
Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies
本文针对多智能体系统(MAS)设计难题，提出了Multi-Agent System Search (Mass)框架，通过交替优化单体代理层面的提示(prompt)以及整体工作流的拓扑结构，有效提升系统性能。实验跨多个复杂任务验证了Mass显著优于现有人工设计和自动设计方法，揭示出提示优化在MAS设计中的关键作用和拓扑设计的影响因素，提出实用设计原则推动未来MAS的高效构建[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10].
Pre-training Time Series Models with Stock Data Customization
本文针对股票数据的独特属性，提出三种定制化预训练任务（股票编码分类、行业分类及移动平均预测），结合两层Transformer架构的SSPT模型，显著提升股票选择的投资收益率和夏普率。通过五大市场多时间段实证验证方法的稳健性，并通过模拟数据分析解释预训练背后的统计特征提取机制，为金融时间序列模型预训练提供新思路及应用指导[page::0][page::1][page::6][page::7][page::8]。
LLM Knows Geometry Better than Algebra: Numerical Understanding of LLM-Based Agents in A Trading Arena
本文提出一种名为Agent Trading Arena的零和虚拟交易游戏，用于检验大型语言模型（LLMs）在动态复杂金融数值环境中的推理能力。实验证明，LLMs在处理纯文本数值数据时表现欠佳，偏向局部细节与代数推理，而在视觉化数值数据（如K线图）上表现显著提升，体现了几何推理优势。结合反思模块，进一步增强模型综合分析复杂数据的能力。基于纳斯达克股票数据的验证表明，视觉数据输入显著改善了LLM的投资表现，展示其在实际金融场景中应用潜力与局限性 [page::0][page::1][page::3][page::4][page::5][page::7]。
Editorial for the special issue on financial econometrics in the age of the digital economy
本文作为《计量经济学杂志》金融计量经济学特刊的编辑导言，综述了数字经济时代金融计量经济学的最新进展，涵盖因子模型、风险测度、波动率建模、资产定价、信息聚合及多维时间序列建模等多个前沿课题。报告强调数字化技术对金融市场结构的深刻影响及金融计量经济学工具在应对大数据、风险监控和高频交易中的核心作用，为后续论文的研究提供框架和动向指引 [page::0][page::1][page::2]。
Using principal component analysis to estimate a high dimensional factor model with high-frequency data
本文提出基于主成分分析（PCA）和双重渐近理论的新型估计方法，用于高频数据下高维因子模型中的因子数量及大规模协方差矩阵的估计。实证显示美股大规模资产的协方差矩阵可用低秩因子结构加稀疏残差矩阵良好刻画，PCA估计器在无监督情况下优于样本协方差估计器，并具备结构解释力和投资组合优化实用价值。[page::0][page::1][page::3][page::5][page::7][page::9]
Generalized aggregation of misspecified models: With an application to asset pricing
本文提出了一种基于广义熵的模型聚合方法，有效应对多个错误指定的资产定价模型的不确定性。方法通过最小化Hellinger距离构建加权聚合随机贴现因子（SDF），在理论上保证了风险界限，并在实证中显著提升了资产定价模型的拟合表现，聚合结果对基准模型选择具有鲁棒性 [page::0][page::2][page::6][page::10][page::14]。
Econometric analysis of multivariate realised QML: Estimation of the covariation of equity prices under asynchronous trading
本文提出了一种多变量实现的拟最大似然（QML）估计方法，用于处理因市场微观结构噪声和非同步交易引起的股价协方差估计难题。利用Kalman滤波与EM算法优化似然函数，新估计量保证正定性、利用全部异步数据且具有一致性和渐近混合正态分布。因子模型版本支持高维资产，且两种估计均达到有效收敛速率。蒙特卡洛模拟与实证研究均显示该方法在估计精度及大尺度资产组合分析中具有优势，尤其在非均衡数据情形下表现突出 [page::0][page::1][page::4][page::6][page::8][page::9][page::11][page::14][page::15]
