本报告系统回顾了深度学习技术在Alpha因子再挖掘领域的进展与应用，详细阐述了深度神经网络模型构建、训练及调优方法，包含激活函数、目标函数改进、Batch Normalization、Dropout及模型结构搜索。报告在全市场股票池采用128因子+28行业因子训练深度学习模型，实现了年化收益20%以上且最大回撤低于5%的稳定超额收益，验证模型优异的预测准确率和因子IC表现，揭示深度学习模型因子与传统风格因子相关性低，体现创新投资价值。最后讨论了模型滚动更新策略及交易成本控制，强调深度学习投资因子在量化选股领域的实际应用潜力。[page::0][page::6][page::10][page::16][page::20][page::25][page::26][page::28][page::29][page::30][page::31][page::35]
本报告跟踪评估了广发金融工程团队2020年发布的基于盈利与成长因子的长线选股策略。实证回测显示，等权重组合年化收益率达到22.12%，相对中证800指数年化超额收益率15.74%，信息比达1.15。组合平均持股数量约55只，流通市值约130亿元，行业上医药生物、化工、电子等为主要配置方向。风险提示涵盖市场结构和交易行为变化可能导致策略失效的风险 [page::0][page::3][page::5][page::11]
本报告基于行为金融学理论，构建了资本利得突出量（CGO）因子，结合处置效应和前景理论，揭示不同盈亏状态下投资者风险偏好的变化规律，并设计了基于CGO分层的差异化选股策略。CGO因子具有显著的Alpha表现，低CGO值个股未来表现优异；基于CGO分层，结合振幅和市值因子，构建的复合策略显著超越基准，且在不同市况具有稳定表现，为行为金融因子在量化投资中的应用提供有力支持[page::3][page::8][page::14][page::16][page::33]。
本报告基于ANFIS模型，利用自适应网络模糊推理系统结合遗传算法优化参数，构建股票价格涨跌的分类择时模型。通过68个输入变量组合择优，最佳模型样本外择时准确率最高达57.24%，模拟交易在考虑手续费后仍超过指数收益。通过自定义准确率为目标函数的改进模型，准确率提升至60.51%，并显著降低交易次数，实现收益及风险的优化平衡，展现了模糊逻辑在量化择时中的应用潜力[page::0][page::10][page::12][page::16][page::18][page::22]
本报告基于广发证券量化择时模型对A股市场近期表现及行业估值进行深入分析。指出M1同比10月上行至9.1%，预示货币周期未结束，排除熊市可能，市场或现强势上行，重点看好创业板指。结合PE、PB、市场情绪及择时模型信号，综合评判当前A股处于震荡至上行阶段，风险提示模型存在失效可能[page::0][page::19][page::5][page::17][page::13][page::19]。
本报告提出利用机器学习随机森林模型，通过宏观经济及市场变量识别市场上涨与下跌模式，对市场指数及28个申万一级行业进行择时策略研究。沪深300指数择时策略样本外年化收益16.6%，最大回撤-24.8%，行业轮动策略样本外年化超额收益8.2%，最大回撤-10.9%，表现稳健且交易频率适中，为投资决策提供量化择时支撑 [page::0][page::3][page::4][page::8][page::11][page::14][page::17][page::18]
本报告提出基于可见性图与卷积神经网络融合的Visibility Graph-CNN架构，通过将时间序列价量数据转换为低维度二值矩阵作为输入，设计低参数复杂度卷积网络进行股价未来走势预测。采用历史20日和60日数据训练两个模型，预测未来20个交易日的股价上涨概率，构建分档投资组合。样本外回测显示，20日和60日模型在全市场及细分板块均表现稳健，20日模型多头年化收益率达10.35%，超额市场收益9.57%，且因子与传统风格因子相关性低，展现较好的泛化与分层选股能力 [page::0][page::4][page::5][page::6][page::7][page::11][page::19]
报告基于多维度量化模型，从宏观事件、行业景气度、相对估值、资金流、盈利预测及日历效应构建综合行业轮动策略。通过对申万一级行业及主要宽基指数的系统性分析，2月中小板指数集体反弹，3月重点关注建筑材料、休闲服务、交通运输、纺织服装及房地产。行业轮动策略历史回测表现优异，综合策略年化超额收益显著。重点推荐中证1000指数为核心配置标的，因其长线趋势与日历效应明显[page::0][page::4][page::5][page::23][page::24][page::29]。
本报告基于事件驱动策略，系统研究了长期未发布公告股票的超额收益机会。通过对2007年至2011年所有上市公司公告数据的分析，构建了基于公告间隔交易天数d的选股策略，确认d越大股票在公告日前呈现超额收益，d较小股票超额收益多出现于公告日后。该策略平均持有期约30天，忽略ST类样本后年化超额收益达20.04%，胜率近60%。结合动态资金规划构建的股票组合及空仓期间的指数增强组合，年化信息比率分别达到59.91%和75.84%，具备显著的风险调整收益优势 [page::0][page::2][page::5][page::6][page::8]。
报告基于2023年5月底至6月初数据，评估A股市场估值、情绪及资金流动指标，结合量化择时模型GFTD和LLT提出市场整体呈现阶段性回暖迹象，但量化模型仍指示市场短期偏弱，提示投资者关注风险控制 [page::0][page::21]。
本报告评析了GFTD择时模型在上证指数上的应用及效果，阐述买入卖出信号的具体形成条件及止损机制。模型自2000年以来年度收益稳定，多数年份收益超过15%。最新买入信号启动于2014年1月，止损点设于1984点，收益率达2.09%。通过趋势跟随策略实现较优择时表现，体现了CTA策略的典型特征 [page::0][page::2][page::3]。
本报告基于2023年8月中旬数据，综合市场表现、估值、情绪指标及量化择时模型，指出A股市场处于低估值且修复概率较大阶段。量化择时模型GFTD与LLT均发出市场下跌信号，但考虑历史周期及风险溢价指标，认为市场已具备反转条件，尤其关注超跌板块和低估值行业，提出三季度下半段市场可能进入回升窗口的观点 [page::0][page::5][page::8][page::14][page::21]。
本报告构建了基于5分钟高频交易数据的18个技术因子，覆盖收益率分布、量价复合、动量、大单资金流向等7类，应用于国内可转债市场的量化选股。通过对偏债、中性、偏股三类可转债分层，进行单因子及多因子回测，验证高频因子能有效捕捉可转债日内特征，提升组合收益和风险调整能力。2019年以来，分层加权组合年化收益达到13.07%，最大回撤12.06%，夏普比率1.13，优于基准指数，显示高频因子在可转债量化投资中具备显著增益作用[page::0][page::14][page::26][page::31].
本报告基于卷积神经网络设计深度学习因子，通过对标准化价量数据图表进行图像识别，实现对A股权益ETF的轮动配置。实证表明，ETF_fimage因子具备稳定的IC值与正收益，持有5只优选ETF年化收益率达约21%，且相较于市场基准有显著超额收益。此外，流动性要求和交易费用对收益有一定影响，严格流动性限制和较高费用降低组合回报，体现了策略在实际交易中的可操作性和风险特征 [page::0][page::5][page::14][page::16][page::20][page::22][page::23]
本报告针对传统多因子Alpha策略，提出基于风格回复的多因子动态调仓策略。通过月中对因子极端变化引起的风格偏移进行动态调仓，替换失效股票为新兴高分股票，策略在2005年-2014年期间有效提升了超额收益、胜率，并降低回撤，且月中换手率保持在35%以内，兼顾收益与交易成本，有效稳健提升多因子策略表现[page::0][page::29][page::30].
本报告基于互联网舆情数据，构建基于舆情回归残差的指数轮动策略。通过比较沪深300、上证50与中证500指数的舆情变化与市场表现，验证了舆情数据的领先指标作用。实证显示，沪深300与中证500轮动策略年化收益22.13%、信息比率1.51，上证50与中证500轮动策略年化收益30.68%、信息比率1.43，策略表现稳健优秀，且具有较好的实用价值 [page::0][page::13][page::14][page::15][page::18]。
本报告基于广发证券发展研究中心的量化择时模型，详细分析了2022年8月的A股市场表现、行业估值、市场情绪及资金流动情况。报告指出小盘股继续表现强势，市场整体估值处于历史中位偏下位置，风险溢价水平较高，显示潜在投资价值。量化择时模型在多指数上给出涨跌信号，综合宏观因子事件与资金面表现，对A股未来走势提出谨慎乐观看法，并强调风险管理重要性[page::0][page::3][page::5][page::14][page::22]。
报告回顾了2020年2月A股市场风格表现，发现小盘成长风格维持优势，价值风格仍处于失效状态。结合资金流向、日历效应、分化度及宏观事件分析，预计3月盈利成长风格失效概率加大，价值风格有望修复，小盘成长风格继续增强。策略层面，推荐基于沪深300的绩优蓝筹风格趋势策略，强调长期布局价值蓝筹，短期仍需规避风格切换风险 [page::0][page::3][page::10][page::19][page::20][page::21]。
本报告系统分析了Smart Beta产品的市场优势、分类方法及其在全球及中国市场的发展现状。重点介绍了美国市场的主流Smart Beta ETF产品，尤其是动量因子的显著表现及其背后的投资逻辑，同时详细评估了国内Smart Beta的发展阶段及现状，指出中国市场以红利风格为主，未来Smart Beta产品仍有较大成长空间，技术进步和多因子智能切换是未来趋势[page::0][page::4][page::11][page::15][page::19][page::20][page::24][page::26]
本报告围绕多资产动态战术资产配置（TAA）策略构建，基于宏观经济、流动性、利率政策、市场预期及技术指标五大维度的126个指标对权益、债券及黄金资产进行趋势预测。实证表明TAA策略相较固定比例战略资产配置（SAA）显著提升组合年化收益率和夏普比率，并显著降低最大回撤，表现稳健优越。风险平价结合TAA动态调整策略进一步提升风险调整收益，且动态组合近十年来年年盈利。当前资产配置观点：权益中性偏利好，债券与黄金偏乐观，现金低配 [page::0][page::3][page::14][page::16][page::17][page::18]
