金融工程：量化风格分化加大风格或切换，关注盈利及反转
报告回顾了2021年8月市场风格表现，指数整体上涨但风格分化显著，价值股表现相对稳健，成长股资金流出明显。9月风格或迎反转，重点关注盈利与反转风格。结合日历效应、资金流、分化度与宏观因子，推荐关注低估值与高质量策略。报告还推介沪深300绩优蓝筹风格趋势策略，年化超额收益12.4%，信息比率0.86，适合看好价值蓝筹的投资者。[page::0][page::3][page::9][page::10][page::15][page::18]
金融研报AI分析
海量Level 2数据因子挖掘系列（四）——竞价相关因子
本报告基于深证A指成分股海量Level 2逐笔订单数据，构建了15个集合竞价相关因子，涵盖开盘和收盘不同竞价时段的委托、成交和撤单行为。通过2019年3月至2024年5月的历史回测，多个因子表现出稳定的负向RankIC以及选股能力，尤其是买单方向因子在开盘集合竞价阶段表现突出，收盘卖单方向因子则体现出较强看空信号。此外，集合竞价因子与传统大小单和长短单因子相关度较低，具备独立新信息价值，回测组合在多样化选股规模下实现了显著超额收益和良好风险调整表现。报告对竞价因子在量化选股中的应用提出了新思路，并强调策略潜在的市场结构风险 [page::0][page::6][page::9][page::20]
金融工程：信用保持扩张态势——A股量化择时研究报告
本报告基于2022年8月15日至19日的市场数据，利用GFTD和LLT量化择时模型，对A股市场结构、行业表现和估值趋势进行了全面分析。研究显示信用周期持续扩张，宏观杠杆率稳定提升，市场整体估值偏低且情绪处非过热阶段，ETF资金及北向资金均呈流入。择时模型对沪深300、中小板、创业板等指数给出近期趋势指引，风险溢价居高但处于合理范围，提示中长期市场仍具一定投资机会，但模型失效风险存在，需关注宏观事件及流动性风险 [page::0][page::3][page::5][page::8][page::14][page::16][page::21]。
趋强避弱 商品期货套利策略研究
本报告研究了商品期货套利策略中的“趋强避弱”设计理念，基于跨期价差的统计特征，结合偏度、峰度修正确定套利边界，设计了跨期套利策略并应用于铜、锌、铝、螺纹钢、橡胶等品种。实证结果显示，该策略在2011年1月至2012年8月期间收益显著、胜率高且回撤较小，体现出稳定的收益与较低风险特征[page::8][page::11][page::17][page::29][page::31]。
中频探索：股指期货 T+1 组合策略
报告针对当前股指期货流动性问题，重点研究基于T+1交易频率的三种股指期货CTA策略——基于统计语言模型的SLM策略、价量模式匹配策略及期权比率预测策略。通过等权与风险平价两种组合方式应用，显著降低了整体波动率和最大回撤。交易成本敏感性分析显示，尽管交易成本上升导致收益下降，但组合策略年化收益仍保持在10%以上，说明T+1 CTA组合策略在流动性受限环境下具备较强的稳定盈利能力和风险控制优势 [page::0][page::3][page::5][page::12][page::16]。
二季度量化风格展望
本报告回顾一季度A股市场多次风格变换并分析主要风格因子表现，指出中小创一季度反弹缺乏基本面支撑，盈利风格表现突出。基于日历效应和资金流向，二季度市场将回归理性，建议规避中小创，重点关注年报业绩显著改善的中盘蓝筹，推荐沪深300绩优蓝筹风格趋势策略，该策略自2017年以来累计超额年化收益22.6%且风险控制较好。同时结合估值和宏观事件，推荐高股息率、超跌反转及低成交额因子。报告数据支撑详见相关图表和策略回测结果[page::0][page::3][page::4][page::8][page::10][page::13][page::18]。
基于“经典投资十法”的价值型Smart Beta策略研究
本文基于格雷厄姆经典投资十法，结合国内市场，将十法转化为十个单因子，通过因子IC和分组回测验证有效性。价值因子表现突出，尤其是E/P近两年分位数因子，安全因子表现一般。构建价值五法与安全三法复合因子，优化形成多因子Smart Beta策略。回测显示，该策略年化超额收益达13.2%，最大回撤11%，信息比率1.34，优于沪深300，适合构建指数化产品 [page::0][page::6][page::10][page::13][page::20][page::23][page::25]
跨品种套利策略 研究
本文系统研究了适用于伦敦金银和沪铜沪铝市场的跨品种套利策略，利用价比趋势线组合发出交易信号并辅以严格的止损机制，实现较高的年化收益率（11.73%-13.3%）和良好的风险控制（最大回撤低于7%，夏普比率接近1），策略在不同品种上的表现稳定且符合趋势交易逻辑，显示跨品种套利策略具备资金容量大、操作简单、盈利空间广阔的优势，为机构投资提供有效套利手段[page::0][page::15][page::11][page::13].
金融工程： 当下市场应保持理性 A 股量化择时研究报告
本报告系统回顾了2020年8月A股市场表现、行业与市场估值情况、市场情绪及量化择时模型（GFTD及LLT）的信号与历史净值走势，结合宏观因子周期与日历效应分析，维持中性市场观点，强调当前市场处于中继震荡阶段，关注8月底及10月底两大时间节点，提示量化模型不保证完全成功，需注意风险控制 [page::0][page::3][page::5][page::13][page::16][page::17][page::18]
细分债务周期与定量资产配置——量化资产配置研究之十七
报告提出通过细分经济部门杠杆率周期，深入分析债务周期与大类资产价格的领先关系，构建了基于政府、金融、居民部门杠杆率的债券、股票和商品定量配置策略，策略历时回测表现显著优于买入持有，为大类资产配置提供了有力的理论和实证支持[page::0][page::13][page::15][page::16][page::20]。
创业板涨跌幅扩大后的趋势投资分析
本报告系统研究创业板涨跌幅放宽至20%后的市场影响。通过对A股沪深、市台湾及韩国市场扩板案例的量化分析发现，扩板后市场波动性及趋势特征显著增强。利用费雪变换模拟创业板扩板后的指数走势，验证波动率和趋势指标如ATR、峰度及Hurst指数的提升。应用经典MACD和创新OLSTL低延迟趋势线交易模型，实证显示扩板增强了趋势策略的有效性，OLSTL策略表现优于LLT且经波动率约束后进一步优化，显著提升累积收益率并降低最大回撤[page::0][page::4][page::7][page::9][page::10][page::14][page::16][page::17]
起跑，在趋势形成乊前 面向择时不交易
本文介绍了一种基于均线收缩特征的趋势跟踪择时策略，通过提前捕捉传统均线金叉死叉前的均线间距收紧信号，降低趋势跟踪的信号延迟。基于沪深300、中证500、创业板及股指期货的实证显示，该策略显著提升了年化收益率与交易频率，改善了传统均线交叉策略最大回撤大、震荡市亏损和持仓时间过长的问题。通过对股指期货等日内CTA策略流动性和交易成本的分析，指出在当前交易政策环境下，长周期均线收缩策略更适合抵御较高交易成本并实现稳健收益 [page::4][page::11][page::14][page::15][page::22][page::25]
金融工程：50 回调或已结束
本报告基于量化模型GFTD和LLT对A股市场特别是上证50指数及沪深300指数的择时研究，结合市场结构、行业估值和情绪指标，分析认为上证50指数近期回调可能结束，市场进入新的长周期上涨行情。报告揭示杠杆率企稳为行情提供基石，同时通过日历效应和ETF资金流动验证市场复苏信号。量化择时净值曲线显示模型有效性，风险提示涵盖模型失效可能性及市场波动性风险[page::0][page::3][page::5][page::13][page::20]。
金融工程: A 股量化风格：跟随风格趋势，继续关注基本面风格
报告基于2020年初A股市场风格表现和资金流向，结合日历效应、分化度、估值及宏观事件等多维度分析，指出盈利、成长及股价动量风格依然显著，价值风格持续失效。资金面上，北上资金和融资结构分化明显，支持中小盘及盈利成长风格。推荐继续跟随风格趋势，重点把握绩优蓝筹风格趋势策略，回测表现优异，年化超额收益10.5%，胜率近58%。整体分析逻辑基于多因子模型与资金流向综合测算，辅以宏观事件量化检测，为投资者把握当前风格机会提供了定量支持与策略建议[page::0][page::3][page::9][page::11][page::18][page::19]。
把握市场风格 探寻量化纵深 ——金融工程 2012 年度 策略报告
本报告深度分析了2011年中国A股市场的结构性特征与量化因子表现，指出个股选股效应持续，建议2012年轻指数重个股；沪深300期货市场持仓活跃但期现套利及跨期套利机会减少；量化择时显示A股处于低估且超卖状态；行业层面，相对PE和股价反转因子表现突出，推荐关注信贷敏感周期行业。个股层面，股价反转与估值类因子仍具超额收益潜力，财务类因子短期受资金紧缺影响提升；各行业因子表现差异显著，提示精细化量化选股价值明显。整体报告为基于丰富量化因子分析的市场策略提供了系统指导。[page::0][page::3][page::4][page::6][page::9][page::11][page::24]
货币先行指数的构建与 A 股择时应用
本报告提出了构建货币先行指数的方法，基于19个筛选出的领先货币因子，经主成分分析降维后，形成领先于M1同比的货币先行指数。该指数在拐点识别上领先于M1，并领先于沪深300指数，结合该指数构建了股债轮动择时策略，回测年化收益达7.30%，表现优于沪深300指数，展现了较好的宏观择时能力[page::0][page::17][page::18][page::22][page::23]
基亍大数据挖掘的行业轮动策略研究
报告基于大数据技术，结合互联网舆情数据与申万一级行业指数，通过构建行业舆情涨幅与行情涨幅的量化择时策略，实证验证舆情指数领先行情走势且高度相关，策略年化收益接近20%，显示了舆情主导的行业轮动在A股市场的有效性与实用性 [page::5][page::17][page::26][page::31].
融券打新中的融券标的选择
报告系统梳理了融券市场现状、融券成本及市场规模变化，详细解析融券打新业务模式和网下打新规则，测算不同账户规模下的网下打新收益。通过融券卖出与股票多头底仓对冲，实现锁定底仓规模风险并放大打新收益。报告提出融券标的筛选标准，包括剔除卖一挂单过大、报价稀疏及券源不稳定的股票，构建优质融券标的池，确保交易的即时性和成本控制，为融券打新实现稳健绝对收益提供策略支持 [page::0][page::3][page::4][page::10][page::11][page::12][page::13]
多角度看商品资产配置价值——量化资产配置研究之八
报告从商品资产的收益特性、风险分散作用及通胀保护价值出发，实证分析商品资产尤其不同类别商品在组合配置中的表现及作用。研究发现，商品虽波动较大且无稳定现金流，但能在股票大幅下跌时减缓损失，并在高通胀时期提升组合收益。进一步，报告细分商品类别，揭示不同类别商品对组合风险及通胀保护的差异性，结合中美市场商品基金现状，强调商品资产在大类配置中的重要地位与应用前景。[page::0][page::9][page::12][page::13][page::16][page::27]
国泰量化策略收益：专注多因子 alpha 精选个股公募基金产品研究系列之五十
本报告系统分析了国泰量化策略收益基金的多因子alpha选股模型及其资产配置策略，结合丰富图表展示基金业绩、持仓风格、行业配置和收益归因，验证其自2018年9月起取得稳定超额收益，策略以价值、成长、盈利质量等因子构建，多因子模型驱动下行业偏离度持续下降，个股选择贡献正收益，基金换手率高于同类，加强了指数增强效果，为量化基金投资提供了详实参考 [page::0][page::3][page::8][page::11][page::18][page::20].
