报告针对申万风格轮动模型自2021年下半年以来有效性下降的问题，提出基于长期（经济周期及流动性）、中期（机构资金流动）和短期（市场情绪和交易指标）多维度信号的组合风格轮动模型，提升风格择时精准度。组合策略在2012-2022年回测中年化收益率高达33.4%，超额年化收益率23.4%，超额夏普比率达1.38，有效缓解单一信号局限，展现更稳健的收益和风险控制能力，且策略适当扩展标的池实现分散收益和降低波动[page::0][page::5][page::29][page::32]
本报告系统介绍了机器学习的发展历程、主要算法及其在金融领域的应用价值，基于上海地区二手房价格预测案例，详述机器学习标准工作流程，涵盖特征工程、数据处理、基准模型及深度神经网络模型构建与超参数调优，展示机器学习在复杂金融数据建模中的显著优势与挑战[page::0][page::3][page::5][page::16]。
报告构建了基于基本面特征、统计规律和宏观影响的5类13个CTA风险溢价因子，涵盖库存、期限结构、持仓变化、量价和宏观因子。通过分组回测检验因子有效性，发现库存及期限结构因子表现最佳，动量和变异系数因子在量价类中表现较好，而宏观因子（CPI和人民币Beta）未表现出显著超额收益。报告强调因子挖掘应坚持经济逻辑，避免过度统计挖掘，结果具有较高稳定性和参考价值[page::0][page::4][page::27]。
本报告系统挖掘了经营性财务因子对股票选股的有效性，重点关注经营性流动资产与负债变化因子的表现及其行业差异。因子在电气设备、电子、轻工等行业均表现出显著增强效果，其中经营性流动负债变化因子多空夏普比达2.62，年化收益9.22%。报告还构造了基于经营性财务指标的应计利润因子，直接法计量的应计利润因子表现优于间接法，并在食品饮料、传媒行业体现了较强的利润持续性，显示良好选股能力[page::1][page::20][page::7][page::8][page::11][page::19]
本报告介绍了“大数择时”方法，将长、中、短线32个技术指标应用于单只股票的多周期、多指标计算，通过加权汇总个股得分获得指数层面的择时信号。报告详细阐述了市场状态刻画的五大逻辑维度：折返、缠绕、反复穿插、波段过多和平坦，且用多幅图示展示了这些市场状态的量化定义及其与价格走势的对应关系。最后强调状态判断在策略选择与优化中的重要作用，为主动量化投资提供精细的市场描述工具[page::2][page::4][page::5][page::7-14][page::16]。
本报告从三个方法（综合排序、二维划分、聚类）探讨成长与价值股票的定义与选股体系，通过在大盘股和小盘股内构建风格组合回测，发现价值组合表现整体优于成长组合，且兼具成长与价值特征的均衡组合表现最佳。大盘均衡组合2010-2017年累计收益达81.22%，远超沪深300，而小盘价值组合收益更为突出，累计达340.66%，对中证500年胜率100%。研究结论为风格指数和历史估值指标构建的成长价值选股策略提供了实证依据 [page::0][page::2][page::6][page::8][page::11]。
报告基于2007-2012年数据，系统梳理了九大类31个市场因子，增添预期数据因子，分析不同市场阶段因子表现和周期性。成交金额因子表现最佳，牛市中估值因子表现突出，空头市流动性因子更有效，中短期因子呈现反转特征。基于“低估 + 反转”动态权重模型显著跑赢基础策略，极端样本和微利股处理对因子效果影响显著 [page::33].
本报告分析了行业景气度回升背景下汽车、银行等周期板块表现亮眼，沪深300指数短期占优，盈利与成长因子在沪深300成分股中表现较好，北向资金重点增持钢铁、家用电器和休闲服务行业，助力顺周期板块估值修复，为投资决策提供重要参考。[page::0][page::3][page::4][page::7][page::9][page::11]
本文分析了2021年1月GameStop(GME)股票价格暴涨背后的核心原因，强调长期过高的空头占比导致了“逼空”事件。美股的融券卖空和期权卖空机制均加剧了股价飙升，空头因股价上涨追加保证金、平仓压力巨大。随着空头持仓回落及期权价格上升，市场回归博弈态势。该事件揭示单只股票过度做空的巨大风险。[page::0][page::3][page::4][page::7][page::9]
本报告基于量价趋势因子构建不同时间尺度价量均值，实证显示该因子在A股市场具有显著选股能力。通过月度截面回归估计，各时间尺度量价趋势信号均表现出正收益，且信号窗口越长，收益越显著。剔除壳污染和行业市值中性化处理提升了因子的风险调整收益。趋势因子与传统大类风格因子及反转因子相关性低，风格行业中性化后依然保持稳定超额收益，适用于全市场及沪深300、中证500不同范围股票池 [page::4][page::7][page::8][page::9][page::10][page::11][page::13][page::16][page::18]。
本文系统拆解红利指数的收益来源，发现近年来红利指数收益主要来自稳定增长的股息和2023年估值提升。针对红利指数特殊的股息率加权非市值属性，作者提出修正估值和股息率的计算方法，得到更合理的指标。结果显示，估值长期呈现下行趋势且缺乏周期性，信息有限，仅提供安全边际参考；修正后的股息率则对投资性价比有较好指示作用，尤其是在衡量红利策略相对主动权益投资时更有效。基于平滑处理后的股息率构建买卖时点，表明高股息买入、低股息卖出对红利投资具有一定参考价值 [page::0][page::4][page::6][page::9][page::13][page::15][page::17]。
本报告监测11个市场风险指标，从交易活跃度、公募基金持仓及新发基金情况、机构资金流向、衍生品市场情绪指标（PCR和波动率指数）等多维度深入分析当前A股市场状态，发现换手率和成交额近期回落，公募基金股票资产占比拐头上升，机构资金流入减缓，衍生品市场波动率指数位于高位，市场估值处于历史中低分位，股债性价比较高，整体反映市场情绪仍较谨慎但有改善迹象 [page::2][page::3][page::6][page::8][page::10][page::11][page::14][page::16][page::18]
本报告首次将债券Macaulay久期概念引入股票选股，通过现金流贴现法计算股票久期，进而构建低久期与高久期组合。回测显示，沪深300低久期组合表现显著优于沪深300基准指数，近十年八年实现超额收益；中证500和中证1000指数中低久期的超额收益效果减弱但仍存在。久期因子与盈利因子高度相关，主要反映股票现金流的时间分布特征，为投资者提供了新的选股维度与因子投资工具。[page::0][page::6][page::10]
本报告围绕股票市场中的底部形态技术分析，重点构建了基于大圆弧底形态的选股策略，通过识别股价经历大幅下跌后进入横盘整理且换手率超过3倍或放量突破箱体的买入信号，实证显示该策略自2013年以来累计跑赢沪深300指数超过95%。报告还提出了基于持仓7个月卖出及15%止损的策略优化方案，尽管提升有限，但更加稳健。研究强调形态识别依赖量价特征，可辅以基本面筛选提升选股效果 [page::2][page::4][page::5][page::8][page::14][page::15][page::16][page::20]
本报告聚焦量化投资流程中的基础工作，重点探讨数据管理与回测框架改造。报告提出基于MongoDB构建行情及因子数据库，介绍Zipline回测框架的本地化调整以适配A股市场特性，使用非流动性因子进行框架测试和因子有效性验证，显示所构建系统基本满足研究需求 [page::0][page::2][page::4][page::6][page::9][page::11]。
报告基于Vanguard的VFMO框架构建动量和反转组合，利用上证指数成分股数据回测显示，上证A股无显著动量效应但反转效应明显，尤其体现在小市值股票组合中。动量组合收益主要由小市值贡献，且反转组合总体表现优于动量组合，反映A股市场的独特交易情绪和行为特征[page::0][page::18][page::21]。
本报告基于混合型开放式基金定期报告构建股票投资组合，结合行业市值占比及其变化筛选行业，以回报和ROE选择个股，控制股票数量为30只，构建隐含市场权重组合并进行样本外回测，结果显示该组合在收益和风险指标上均优于上证综指和沪深300，且通过加入国债ETF风险平价组合实现风险降低，同时强调基金持仓变化不能简单作为市场涨跌信号。[page::0][page::3][page::11][page::12][page::18]
本报告基于均值方差模型，在资产配置中引入协偏度和协峰度两个高阶矩变量，构建了考虑资产收益分布偏度和峰度特征的优化目标函数。通过对我国主要ETF资产的日周度数据进行滚动窗口样本内参数估计和样本外回测，发现高阶矩资产配置方法在回报和风险控制方面均优于传统等权配置和沪深300基准组合，夏普比率显著提升，最大回撤明显降低，体现了模型更好地捕捉极端事件风险的能力，为资产配置提供新的理论和实证支持[page::0][page::3][page::17][page::18][page::19].
本报告系统介绍了资产组合优化的核心概念，包括决策变量、目标函数与约束条件，强调凸优化中局部最优即全局最优，详细讲解了线性规划与二次规划问题，并通过多资产历史回报数据示例，展示风险最小化、夏普比率最大化等传统投资组合优化方法的应用和Matlab代码实现，附有效前沿图展示组合风险与收益的权衡，为资产配置提供理论基础与实践参考 [page::0][page::12][page::14][page::15][page::16][page::17][page::18]
本报告系统讲解了资产相关性分析中常用的Pearson、Spearman、Kendall和Copula四种方法，阐述各自的假设条件与优劣，结合随机抽样数据计算沪深300指数、中证国债、中证货币基金和SGE黄金间的各种相关系数，揭示不同方法间可能存在的不一致性及尾部相关性问题，强调要综合多种衡量指标科学判断资产相关性，避免单一指标引发的误判风险，为资产配置中分散风险提供了数据支撑和方法指导[page::0][page::3][page::13][page::19]。
