A股趋势与风格定量观察20200621
本报告以定量模型对A股市场的趋势与风格进行观察。二季度市场显著回升，成长与消费板块表现优异，市场分化加剧。择时模型指出整体估值不高但分化明显，流动性及风险偏好评分偏低，短期仍维持震荡观点。风格上，大小盘配置建议均衡，行业推荐超配金融与消费板块。策略回测显示中长期择时和风格轮动均有较好表现，三年复合收益预期显著为正，权益资产具备配置价值[page::0][page::1][page::2][page::4][page::5][page::7]。
金融研报AI分析
穿越牛熊，追求有 “性价比” 的成长——前海开源邱杰调研纪要及投资风格分析
本报告深度解析了前海开源基金经理邱杰及其管理的“前海开源再融资主题精选”基金，结合基金规模、资产配置、持仓集中度、换手率等指标详述基金风格，重点突出其价值成长投资策略及穿越牛熊的超额收益能力。基金持续跑赢沪深300且风控出色，逆境胜率高，行业配置以消费、TMT为核心，重仓股贡献业绩显著，彰显基金显著的选股和行业配置能力，为价值成长型投资提供参考 [page::0][page::7][page::8][page::12][page::14]。
量化投资 波动率预测效果评价方法
本报告围绕沪深300指数的波动率预测效果评价，重点讨论了波动率作为隐藏变量带来的特殊性及损失函数选择问题。采用已实现波动率作为真实波动率的代表，比较了历史标准差、GARCH及含突变点GARCH三类模型的预测效果。通过引入稳健损失函数QL和MSE，以及Diebold-Mariano检验，解决了传统F检验方法不适用的问题，结果显示：选择QL损失函数时20日历史标准差效果最佳，选择MSE时GARCH模型表现优异。[page::0][page::2][page::4][page::9][page::12][page::13]
利用基本面信息改进机器学习因子——AI系列研究之三
本报告主要探讨将基本面信息融入机器学习量价因子以改进因子表现。通过剔除行业、市值、Beta风险因子调整学习目标收益率，结合Alpha158数据和多频率量价信息，构建综合因子显著提升多头收益率并降低换手率。基于综合因子构建沪深300、中证500和中证1000周频指数增强策略，策略年化超额收益率显著，信息比率均超4，最大回撤较低，体现了基本面信息对机器学习因子的有效改善和策略稳定性提升 [page::0][page::4][page::6][page::11][page::18].
主动投资逻辑在小盘股中是否有效？掘金“小而美”系列研究之四
本报告基于中证1000小盘股池，系统验证了经典及增强PB-ROE策略与营收相似补涨策略的有效性。增强PB-ROE策略在2015-2023年区间年化收益达25.79%，营收相似补涨策略在2019-2023年区间年化收益达33.53%，均显著超额收益且风险控制良好，展示了主动投资结合量化因子的投资潜力[page::0][page::10][page::9]
多资产组合定量跟踪
本报告通过量化配置模型设计股债轮动、多资产灵活配置和多资产趋势跟踪三类投资组合，分别对应保守、稳健、积极不同风险偏好。2019年组合表现整体优于基准，股债轮动积极组合收益最高达19.23%。展望10月，量化择时模型对权益、债券及黄金资产观点均以中性为主。各组合策略配置信息及收益波动表现通过系列图表详述，提供多资产定量配置的实证跟踪和动态调整指导 [page::0][page::1][page::2][page::3][page::4]。
ESG选股策略2023年3月定期跟踪报告
本报告基于秩鼎ESG评分体系，构建并持续跟踪了沪深300、中证500和中证1000三大股票池的多维度ESG量化选股策略体系。策略涵盖正面筛选、负面剔除、行业增强、SmartBeta和基本面整合等方法，三大代表策略在2023年2月均实现显著超额收益，分别为2.70%、1.77%和1.82%。研究通过盈利现金流、风险及资本成本三条传导路径，验证了ESG评分对股票估值的正向影响。整体策略表现出良好的风险调整收益和稳健的选股能力，显示ESG因子在A股市场具备持续的Alpha挖掘潜力。[page::0][page::2][page::4][page::5][page::6]
当下市场风格配置的两种思路 ——A 股趋势与风格定量观察 20220724
报告从成长价值和大小盘两大维度定量观察当前A股市场风格配置，结合估值差异、成交占比及宏观流动性数据，提出价值和小盘板块具备配置优势。基于量化择时模型，预计A股未来三年复合年化收益约10%，建议中长期超配小盘价值风格；短期维度建议均衡配置成长、价值及大小盘风格。文中多幅图表展现了风格轮动模型表现、盈利走势以及择时模型收益，有效辅助投资决策。[page::0][page::1][page::3][page::5]
多维度行业轮动体系探索——基于基金经理轮动能力分析的行业轮动策略
本报告基于公募基金经理行业轮动能力，构建多维度行业轮动策略。针对持仓数据不完整和披露滞后两大缺点，采用基于证监会行业分布约束的持仓补全法提升行业测算精准度，并筛选具备行业轮动能力的基金池。回测显示，基金池构建的季频策略年化收益达12.85%，超额收益显著，结合基金净值和Lasso模型优化后，月频策略年化收益提升至14.11%，回撤及波动更优，收益风险指标明显提升，表现优于行业等权与中证800指数 [page::0][page::3][page::7][page::13][page::15][page::18]
若机构抱团瓦解，该何去何从？
本报告系统回顾了A股历史上五次机构抱团及其瓦解期的市场表现，重点分析了抱团瓦解期板块收益分化、风格因子表现及公募基金配置变化。研究发现瓦解期抱团板块普遍跑输大盘，高贝塔和高营收能力个股在该阶段表现更佳，主动基金经理虽减仓抱团板块但高集中度基金仍承担较大亏损，投资者对高集中度基金减持幅度有限。报告最后推荐了符合低估值、高营收、高弹性标准的ETF产品组合，为基金投资者提供配置方案 [page::0][page::3][page::4][page::7][page::8][page::10][page::13][page::15][page::17]
科创板50指数与创业板50指数的对比分析
本报告系统比较了科创板50指数与创业板50指数在编制方案、代表性、行业与市值分布、基本面及风险收益特征等方面的差异。科创板50指数在成分股上市时间及权重控制等方面更为严格，呈现小市值和更强研发投入的科技属性风格。创业板50指数在市值、收入及现金流等代表性指标上占优，近阶段盈利及成长能力表现优异。估值方面，科创板指数历史估值较低，预期估值则相反。整体收益风险比较显示，创业板50指数收益率、夏普比率明显优于科创板50指数，风险有所控制。报告为投资者理解两指数特性及差异提供重要参考 [page::0][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14]
混合频率量价因子模型初探 ——AI 系列研究之四
报告提出基于周频、日频和15分钟混合频率量价数据构建综合量价机器学习因子，创新采用残差增量学习和特征提升方法，显著提升因子表现。综合因子周频RankIC达13.15%，年化多头超额收益38.01%。构建沪深300、中证500、中证1000指数增强策略在多档换手率约束下均取得优异超额收益和信息比率，风险主要集中在小市值股票暴跌带来的尾部风险。[page::0][page::4][page::7][page::10][page::11][page::13][page::14][page::18]
杠杆、反向ETF的收益与风险特征
本报告系统介绍了杠杆ETF和反向ETF的收益与风险特征，重点分析了其隐形成本、再平衡频率对收益的影响及波动率行为，结合多个典型ETF样本数据和实证研究，揭示了杠杆ETF的波动率与杠杆倍数的非线性关系及持有期对回报率的显著影响，最后提出杠杆ETF作为稳定杠杆工具对国内市场引入的建议，为投资者风险管理与产品选择提供参考 [page::0][page::2][page::4][page::6][page::9]。
基于供应链动量溢出效应的选股策略
本报告基于秩鼎供应链数据，构建单层级与双层级供应链动量因子，验证其在A股选股中的预测能力。客户动量因子与传统动量相关性较低，独立性强。双层供应链动量因子比单层因子更稳健，对不同样本池均显著跑赢基准，且具有较好的风险控制特征。报告深入探讨了供应链动量溢出效应的理论基础、因子构建与性能验证，展现供应链数据在量化选股领域的独特价值。[page::0][page::6][page::8][page::10][page::11][page::13][page::16][page::19]
风险规避策略的思考——风险事件前后的观点比较
本报告梳理了Campbell等2019年及AQR近期两篇关于风险规避策略的研究，对比分析了包括期权对冲、避风港资产、多资产动量、质量因子、风险平价等策略在短期和长期市场下跌及经济衰退期的表现。结果显示，传统期权策略短期保护表现突出但长期成本高昂，多资产动量与质量因子策略提供较低成本的中长期风险防护；而多策略组合可实现更稳健的保护效果。长期亏损周期下，期权策略表现受限，而防御型股票、风险平价及趋势跟踪策略表现较好。新冠疫情期间，期权对冲及趋势策略表现亮眼，进一步验证了多样化风险规避组合的有效性[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]
幸运的因子—“琢璞”系列报告之四十一：基于CR Harvey和Y Liu（2021）的因子筛选方法解析
本报告深度解析CR Harvey与Y Liu（2021）在Journal of Financial Economics发表的《Lucky factors》方法，提出基于自举采样的多重检验框架，有效剥离传统单次回归中因子筛选的偶然成分，实现因子筛选的鲁棒性。报告以14个经典风险因子为案例，用Fama-MacBeth回归和投资组合测试说明市场因子在解释预期收益横截面中的主导地位，且该方法能对因子进行有效排序与筛选，提升资产定价模型的准确性和解释力[page::0][page::2][page::6][page::9][page::10]。
ESG 选股策略 2023 年 6 月定期跟踪报告
本报告基于秩鼎 ESG 评分体系，招商证券量化团队构建了300ESG基本面整合策略、500ESG正面筛选策略和1000ESG Smart Beta策略三类ESG量化选股体系，验证了ESG因子通过提升盈利现金流、降低特质性风险及资本成本正向影响股票估值。2023年以来各策略相较各自基准均表现优异，5月均实现显著超额收益，显示ESG策略具备稳定的中长期alpha潜力 [page::0][page::2][page::4][page::5][page::6]
端到端的动态 Alpha 模型 ——AI 系列研究之一
本文提出基于深度神经网络的端到端动态Alpha因子模型，引入非线性因子表示与自适应权重训练，采用多层感知机结构，并加入因子正交化正则项以降低因子相关性。实验显示相较于传统线性模型，非线性模型在多头收益率与组合稳定性方面表现显著提升，且不同损失函数（MSE，IC，CCC）对模型性能影响明显，IC损失函数带来更优多头选股表现。SHAP归因分析指出流动性和量价类因子对模型贡献最大，模型在中证不同成分股中均有稳健的选股效果[page::0][page::4][page::6][page::8][page::10][page::12][page::13][page::15][page::16][page::17][page::18].
量化投资 圣杯在手，组合无忧
本文回顾与分析了招商金工2013年主要市场驱动因子的表现，揭示了上半年动量效应与下半年反转效应的动态变化，量化精选组合及资金流组合均显著跑赢市场基准。沪深300指数增强策略表现稳定，辅策略年化信息比率超过3.5，累计最大回撤均小于1.5%，展现优异的稳健性与风险控制能力，为量化跟踪与增强提供系统方法论支持[page::0][page::3][page::6][page::10][page::11]。
复杂的企业盈余漂移越显著？
本报告以文献《Firm Complexity and Post Earnings Announcement Drift》为基础，实证分析表明企业组织结构的复杂度显著增强盈余公告漂移（PEAD）效应。复杂公司因投资者信息处理成本高，导致盈余信息扩散更慢，表现出更强的盈余惯性。新成立的企业集团和高细分行业盈利离散度亦加剧该现象，机构持股较低的情况下效应更明显，为从业绩超预期的个股中寻找潜在收益提供理论支持和实证依据 [page::0][page::2][page::5][page::14][page::15]。
