本报告提出并实证了“SMIP”双重相似性匹配量化选股策略。该策略通过第一重匹配市场环境找到历史相似时期，再进行第二重匹配选出与该时期牛股特征相似的当前股票，构建组合。回测覆盖2011年1月至2012年10月，结果显示该模型在不同组合规模下均获得显著超额收益，且可有效增强沪深300和中证800指数收益，风险调整后表现稳健，为指数增强提供新思路 [page::0][page::8][page::9][page::10][page::11][page::12]。
本报告基于Wind数据，系统梳理了指数类基金产品及其跟踪指数的发展情况，重点分析了指数的超卖指标（K值）及其对应的长期持有收益。数据显示，2022年4月底约65%的指数处于超卖区域，宽基指数、主题指数和行业指数分别有较高比例处于该区域。长期持有处于超卖区域的指数，尤其是K值小于20时，3年年化收益平均值可达18.3%，其中核心宽基指数如沪深300等表现突出，行业主题多集中于医药及消费。指数类基金产品规模增长迅速，竞争格局围绕细分行业展开，正逐渐提供丰富的配置选择，且产品丰富度已接近主动权益基金。超卖指标在周期性判断中适用性较强，但作为调仓选基因子仍需优化调整 [page::0][page::3][page::10][page::12][page::16]
本报告系统回顾了2020年11月中国A股市场的量化风格表现，结合历史风格季节性特征和资金流向，指出风险偏好下降推动绩优蓝筹价值风格修复。报告基于Wind数据，揭示估值、资金流和宏观事件对风格演变的影响，并回测了沪深300绩优蓝筹风格趋势策略，显示稳健的超额收益和信息比。[page::0][page::3][page::8][page::16]
报告基于美林投资时钟理论，结合宏观与中观因子构建资产收益预测模型，定量预测股票、债券、商品三类大类资产收益并制定配置策略。通过因子领先期和公布滞后期分类，采用高频因子对非高频因子进行再预测，提升模型准确性。回测显示，单资产及多资产组合策略均显著优于基准，能够有效避开重要下跌周期且收益稳定。此外，报告系统分析了宏观因子对资产价格的传导路径，分别详述“复苏阶段对应股票”、“过热阶段对应商品”及“滞胀到衰退阶段对应债券”的传导机制，为量化资产配置提供理论和实证支持[page::0][page::3][page::6][page::17][page::20]。
本报告基于历史数据和多维度量化分析，揭示了2020年3月A股市场风格切换趋势。资金流显示小盘股反转风格持续增强，价值风格逐步复苏，盈利成长风格失效。日历效应和分化度指标均支持小盘反转与价值风格占优。结合资金流向、估值水平及宏观事件预测，推荐投资者关注小盘反转和价值风格组合。同时，报告回顾绩优蓝筹趋势策略，显示该策略具备稳定超额收益和较好风险控制能力 [page::0][page::3][page::9][page::11][page::14][page::20][page::21]
本报告提出了一种基于深度学习的风险中性选股策略，通过构建行业和市值中性化的机器学习模型，剥离风险因子影响，提升选股的独立alpha能力。模型以156个因子和28个行业哑变量为输入，采用5层深度神经网络结构对股票涨跌进行三分类预测。风险中性模型在2011年至2018年回测期间实现了年化收益率21.95%、最大回撤-5.03%、信息比2.92，显著优于普通深度学习模型的表现，并且大幅降低了因子与市值的相关性，实现了策略表现的有效多样化[page::0][page::3][page::11][page::19][page::25][page::31]。
报告分析了2017年国内CTA产品整体表现平淡，2018年发行数量及规模预计难以提升。股指期货流动性不足，短线策略难以执行，中长期趋势跟踪策略待波动率提升。大宗商品作为CTA主战场，2017年波动率较低但价格偏高，2018年预期波动率上升，有助趋势交易，并辅以跨品种套利分散风险。国债期货流动性较弱，长期趋势跟踪仍具价值，跨品种套利可分散风险。整体判断CTA仍为绝对收益可行方案[page::0][page::4][page::7][page::9][page::11][page::13][page::15][page::17][page::20][page::24][page::27][page::31]
本报告系统回顾了CTA基金的发展历程及其逆周期收益特征，重点分析了美国及亚洲市场（日本、台湾）CTA基金的发展背景和业绩，借鉴Man集团旗下三大基金AHL、GLG和多管理基金的成功经验，提出构建符合中国国情的CTA基金模式，建议适时推出商品期货基金以对冲经济放缓与通胀风险，并强调风险管理和专业团队建设的重要性 [page::0][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::11][page::13]。
本报告基于宏观经济指标的预期差，定义宏观超、低预期事件，构建事件驱动型行业轮动策略，利用宏观超预期对行业指数的短期影响，通过组合多个事件实现稳健超额收益。策略取得21.67%的年化收益率，夏普比率0.94，显著领先行业等权基准，验证了宏观预期差对行业配置的有效指导作用，为量化行业优选提供创新思路 [page::0][page::10][page::20][page::24]
本报告基于对大型券商发布的调研报告后股价超额收益的量化研究，发现大型券商调研具有显著的投资价值，尤其是单独调研和与中小券商联合调研的股票组合表现更佳。基于动态资金规划构建的投资组合实现年化超额收益8.94%，剔除部分行业后年化超额收益提升至13.64%[page::0][page::2][page::4][page::6][page::7]。
本报告系统阐述基于遗传算法优化的期指日内突破策略构建方法，利用沪深300指数期货2分钟数据回测，策略累计收益130%，胜率52%，赔率1.34，具备稳定且相对较高的收益表现。报告详细介绍了突破反转模式逻辑、遗传算法参数优化过程及策略实证效果，策略年化收益达46%、38%、25%，并保持稳定的胜率和赔率，展现出良好的样本外表现和风险控制能力 [page::0][page::3][page::6][page::8][page::9][page::14]
本报告介绍了广发证券金融工程在投研中应用网络爬虫与大数据技术，涵盖数据采集、文本挖掘及舆情分析等多个环节。通过大数据辅助投资决策，实现对市场热点、个股动态、行业趋势及消费行为的监测与研究，具体包括基于搜索引擎指数的量化择时、中观产业电商数据分析、房价大数据监测及企业招聘数据洞察，最终实现人机结合的投研支持系统，为资产管理未来发展提供重要支撑[page::0][page::5][page::7][page::10][page::16][page::23][page::27]。
本报告系统分析了2021年12月底至年末ETF及创新型基金产品的发行动态、规模变化及市场表现。报告显示，ETF整体规模增长293亿元，股票型与QDII型ETF规模大幅增加，货币市场型ETF有所缩水，主题ETF中碳中和、区块链和养老产业等领域受关注度显著提升。基金管理人层面，华夏、易方达和华泰柏瑞等为主导。权益类、债券类、商品类、QDII及货币ETF均有详细表现与规模数据统计，主动权益基金发行亦显活跃。报告包含多张图表揭示市场细节及具体产品表现，为投资者提供了全面的基金产品市场状况分析和风险提示[page::0][page::9][page::10][page::11][page::24]。
本报告系统介绍了广发证券金融工程团队在量化投资领域应用人工智能与大数据技术的研究实践，涵盖团队构建、研究体系、AI与大数据技术框架、多个量化选股、择时和CTA交易策略的设计与实证，以及智能投顾发展现状和未来展望。重点展示了深度学习在Alpha因子挖掘、隐马尔科夫模型与反事实遗憾最小化算法在择时策略构建、EMDT与遗传规划等CTA策略的应用，及基于舆情数据驱动的行业轮动和资产配置策略的有效性，相关策略多年回测均表现良好，彰显了AI方法的投资潜力与实用价值 [page::3][page::11][page::14][page::23][page::25][page::27][page::29][page::30][page::36][page::41][page::43][page::44]
本报告基于2010年至2013年期间深度报告的发布数据，研究事件驱动策略的量化投资机会。研究发现优秀与未知评级的深度报告在发布后持有40个交易日具备显著超额收益，且知名分析师及大型券商分析师发布的深度报告表现更优。通过动态资金规划方法构建的股票组合取得累计超额收益97.77%，年化超额收益18.53%，显著优于沪深300指数[page::0][page::18]。
本报告基于2000年至2014年申万二级行业数据，分析了我国股票市场存在显著的行业月度效应。不同月份，不同行业表现出超额收益率及高胜率，如1月化学原料、2月物流及贸易、3月酒店等，相关行业的月度超额收益胜率普遍高于73%，平均超额收益率最高达0.24%。报告结合行业基本面探讨了主要行业月度效应的内在逻辑，并建议投资者在行业配置时可考虑月度效应作为辅助决策依据，但强调历史数据不能保证未来效果，提示投资风险。[page::0][page::4][page::5][page::6][page::27]
本报告通过宏观信用通胀周期和估值、风险溢价、情绪等多视角量化分析，展望2024年下半年A股可能迎来慢牛回升。重点关注价值风格板块，提倡围绕红利指数和周期类行业构建配置策略。报告同时结合资金面北上资金流入与日历效应，为下半年风格与行业轮动提供具体建议。[page::0][page::6][page::12][page::15][page::20]
本文通过构建基于多期限移动均线的多因子模型，同时捕捉短期反转、中期动量与长期反转效应，设计了基于周度调仓的多因子选股策略。实证应用于全市场及中证500、中证800指数成分股，策略多空对冲年化收益率最高达29.58%，信息比率超2.5，且改进后LLT低延迟趋势因子因更好刻画价格趋势，表现优于传统均线因子，提升了收益和信息比率，回测结果稳健且换手率适中，显示多期限因子在中国A股市场具备较强选股能力[page::0][page::5][page::8][page::13][page::16][page::24]。
本报告构建了短线、中线和长线三种基于不同训练周期的机器学习选股模型（基于XGBoost），通过因子IC筛选适应不同预测窗口的选股因子。实证发现短线模型适合高频调仓，长线模型适合低频调仓，多模型集成策略显著提升收益表现，周频调仓下年化超额收益38.97%，夏普比率3.89，且集成策略降低换手率，策略表现稳定且领先基准[page::0][page::3][page::4][page::21][page::23]。
本报告构建基于宏观经济、供需及风险资产价格因子的xgboost机器学习模型，进行季度频率的原油价格涨跌幅预测，自2010年以来多空择时策略年化收益达18.75%。报告还分析了国内商品型基金及FOF对原油的配置现状，指出当前原油具备短期配置价值，但长期价格偏高，提供了投资风险提示[page::0][page::6][page::8][page::19]
