本报告系统分析了A股市场机构投资者持仓风格及质优龙头股表现，结合Piotroski和Asness等学术指标体系，定义“公司质量”特征。重点介绍了中金MSCI中国A股质量基金的基金表现、风格暴露和行业配置特征，显示其重仓食品饮料、医药、电子等高质量龙头股，年化收益远超宽基指数，且跟踪误差极低，反映质量因子投资价值。报告还介绍了中金质量ETF募集情况，为投资者提供配置参考 [page::0][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12]
本报告聚焦递归神经网络（RNN）在多因子量化选股中的应用创新，提出通过自适应计算次数（ACT）提升RNN复杂度，显著加快训练收敛速度并提高多空仓位区分度及收益表现。报告系统优化数据输入结构，尝试相对收益标签、精选少量代表性因子（12个）及缩减时间步长等方法，进一步提升模型稳定性和效果。同时基于A股多因子数据回测，验证ACT-RNN模型在看多组合准确率及收益率方面均优于传统LSTM模型，尽管中性组合预测仍表现较弱，且预测看多股票偏多，且市场趋势影响模型效果显著。上述研究为深度学习方法在中国股票市场多因子选股提供新思路和实证支持[page::0][page::3][page::5][page::11][page::12][page::13][page::14]。
本报告基于ARFIMA模型，刻画股市收益的长期记忆特性，设计出利用时变分形差分参数 d 的股市量化择时策略。实证显示当 d<0 时股指趋于反转，d>0 时延续原趋势，基于该信号构建的交易策略年化收益达29.86%，有效捕捉大趋势行情，彰显长期记忆模型在择时中的优越性和潜力 [page::0][page::5][page::8][page::9]。
本报告研究了股票分化度与A股市场趋势的关系，构建了基于股票分化度的条件型4周动量指数趋势策略。实证表明，加入股票分化度指标能有效降低策略回撤，提升夏普比指标，显著优于简单动量策略。该策略在沪深300、上证50、中证500、中证800等主要指数及相关ETF、股指期货上均表现稳健，年化超额收益最高达21.7%，最大回撤显著降低，胜率超过54%。报告强调股票分化度作为趋势风险的前瞻信号具备较强应用潜力 [page::0][page::3][page::9][page::10][page::12][page::14][page::15][page::16]
本报告基于2007至2012年中证800成分股数据，采用回归法衡量68个指标的风险收益率，系统筛选出39个有效风险因子，涵盖盈利收益率、成长、杠杆、流动性、动量、规模、价值、波动和财务质量九大类。其中，动量、规模和价值因子表现较为稳定，符合Beta风险指标定义。本报告指出Alpha依赖Beta且不稳定，强调对因子收益的显著性与稳定性检验方法，提供了风险因子筛选的实证依据与量化框架，为量化选股策略构建提供理论支持和实践路径。[page::0][page::3][page::6][page::8][page::9][page::10][page::12]
本报告系统综述了深度学习在时间序列预测中的应用，详细介绍了深度前馈神经网络、循环神经网络及其变体（LSTM、GRU、BRNN、DRNN）和卷积神经网络（CNN及其变体TCN）的架构与原理。并针对深度学习实践中的超参数优化、框架选择与硬件性能等工程问题进行了深入分析，为金融领域时间序列预测提供实用指导与技术框架支持 [page::0][page::4][page::15]
本报告采用事件研究法，系统分析了2006-2010年间A股市场主要微观（分红、盈余公告、定向增发）及宏观事件（利率、存款准备金率调整）对股价的冲击效应，发现股价通常提前1到2周发生反应。分红中市场偏好股票股利和混合股利，盈余公告中好消息组获正超额收益，定向增发公告前股价上涨而后回落，利率和准备金率调整对不同行业影响差异显著。研究还探讨了基于事件的套利策略和高频数据提前征兆捕捉方法，为投资提供参考价值[page::0][page::6][page::9][page::14][page::15][page::16]
本报告深入研究递归神经网络（RNN）及其增强模型，重点介绍了维度叠加LSTM（Grid-LSTM）和可微分神经计算机（DNC），并结合A股多因子选股实证，发现Grid-LSTM能够提升模型层深同时减少梯度消失，但绝对收益水平较低，组合展现出较强的小市值风格暴露且行业分布较广。DNC通过增加外部存储机制显著增强RNN记忆能力，为未来复杂模型方向提供思路 [page::0][page::3][page::6][page::7][page::10][page::13]
本报告基于多重分形理论，构建了沪深300指数的短趋势择时策略（MF策略），通过计算多重分形谱函数特征参数预测短期指数走势。策略在2005-2010年样本内累计收益达520%，胜率74.7%，超越基准指数同期192%的涨幅。样本外2010-2011年收益45.5%，夏普比率达2.21，表现稳健。该策略具备良好风险收益特性，适用于股票及股指期货短线交易，并可用于行业指数和ETF短线择时，具有广泛的应用前景[page::0][page::9][page::10][page::11][page::12][page::13]。
本报告基于成交量篮子构建了VPIN指标，用于衡量高频交易中的指令流毒性，VPIN无需估计不可观测参数，能动态与成交量同步更新。实证显示VPIN能提前预警市场波动风险，尤其在2009年7月29日大盘崩盘前1小时显示极高毒性，且VPIN与标的资产波动性及未来绝对收益正相关，适合作为高频交易风险管理工具[page::0][page::2][page::8][page::13][page::17]
本报告基于中证指数公司最新修订的沪深300指数样本空间规则，结合定量模型预测2021年12月沪深核心宽基指数（沪深300、中证100、上证180、上证50、创业板指、中证500）成分股调整名单，揭示重点调入调出股票及其市值规模，为投资者把握被动指数调整带来的交易机会提供参考[page::0][page::4][page::5][page::6][page::7][page::3]。
本报告系统回顾了国信资金强弱指标（GSMS）与有效资金强弱（EMS）择时策略的样本外表现，提出结合价量波动的非线性GSMS模型显著提升了选股效果。报告重点展示了流通市值加权EMS择时策略及其与GSMS选股策略的综合表现，获得了超过33%的超额收益，同时探讨了择时策略在不同规模指数的应用及参数敏感性，验证了大市值指数适用性更优，为量化因子筛选及交易策略改进提供理论和实证支持[page::0][page::4][page::9][page::10][page::17]
本报告基于极端分化结构视角提出度量公募基金核心资产仓位的方法，通过筛选“坚定抱团基金”测算其仓位动态。研究发现春节前基金已减仓约5.71%，春节后在核心资产下跌时曾逢低加仓，随后核心资产持续下跌基金又小幅减仓，截至2月24日减仓幅度约1.03%。核心资产持有集中度与收益呈明显负相关，表明高持仓基金受回调影响更大。度量方法仅在市场分化显著时有效，将持续跟踪数据更新指导投资决策[page::0][page::4][page::5][page::6][page::7][page::9]
报告围绕量化基本面模型的风格分析，采用夏普风格分析法和因子池主成分二维聚类两种方式，定义市场五六类风格，分解模型收益为可解释和不可解释部分，进而识别模型风格优势、胜率和回撤控制路径。以国信GARP、ROE及CANSLIM三个市场中性模型为例，分析其风格权重演变、收益贡献及胜率，明确对应不同风格的风险收益表现与控制策略。通过2011-2014年回撤案例，展示基于风格的回撤原因识别与模型风险管理框架，验证模型的风险可控性，为量化策略风格调优及风险控制提供系统性方法论 [page::0][page::3][page::4][page::6][page::9][page::10][page::16][page::18][page::22]
本报告提出了不定因子策略，动态选择区分度高的强势因子构建多因子模型进行选股，并结合半衰期策略优化换仓。研究发现该策略在周期行业内表现出显著反转效应及单调性，且加入半衰期约束后收益明显提升，实证测试显示部分参数下累计收益率最高达17.85%，明显优于沪深300基准收益。报告还对空仓与指数复制的策略实现进行了比较，并依据行业周期性分组分析反转效应，为量化选股提供实用框架与策略指引 [page::0][page::3][page::6][page::8][page::9][page::11][page::15][page::19][page::20]
报告详细介绍股指期货结合变点择时和配对交易的量化策略，通过沪深300指数的Beta管理和130/30基金策略实现风险调控与超额收益。实证显示股指期货+变点择时组合净值为沪深300的4.26倍，130/30基金策略超越基准12.45%，且组合风险明显降低。变点择时技术有效识别趋势起点，提升择时准确率，配对交易及市场中性策略稳定产生盈利。整体策略利用市场中性和指数增强理念，适应A股市场多变环境，绩效突出[page::0][page::9][page::27][page::24][page::16][page::20][page::28][page::26][page::15][page::10][page::18][page::19][page::22][page::23][page::29][page::30][page::31].
本报告基于现金流指标构建行业投资时钟与大小盘轮动量化模型，通过考察行业现金流和通胀情况，划分复苏、过热、滞胀、衰退四阶段，动态调整行业权重，实现自下而上的基本面驱动行业轮动。模型自2005年以来回测显示，行业投资时钟策略年化超额收益达25.1%，最大回撤18.3%；大小盘轮动策略年化超额收益9.1%，最大回撤10.9%，且策略换仓频率为季度，反映出较好的风险收益表现与较高的日胜率。本报告显示现金流作为盈利质量有效指标，为行业及规模轮动提供了坚实的量化基础[page::0][page::1][page::5][page::6][page::8]
本报告详细介绍了基于机器学习中的AdaBoost算法构建沪深300成份股多空选股模型，采用丰富财务因子和技术指标，利用弱分类器迭代提升，实证回测24个月总回报57%，夏普比率1.90，最大月回撤仅3.75%，证明该模型具备较高分类精度和较好收益风险表现，为量化选股提供了有效方法[page::0][page::6][page::16][page::18]。
报告基于葛兰碧八大法则，构建基于短期与长期均线的选股系统，在沪深300成分股中实证回测，交易系统表现出低胜率、高盈亏比特点，总回报远超沪深300，且风险调整后收益明显更优。对冲沪深300期货后构建市场中性组合，回报稳定且最大回撤显著降低，参数优化和样本外测试均验证了系统的稳定性及优越性。资金管理和止损机制为系统盈利核心，未来以滚动窗口参数优化及辅助因子提升胜率为后续方向[page::0][page::6][page::9][page::10][page::12][page::13]。
本报告基于双现金流选股模型，通过区分经营性现金流与资产负债表现金流构建选股因子，实证结果显示，模型在2007至2013年回测期内显著超越沪深300指数，实现年化超额收益8.95%，且组合表现稳定，年信息比率平均1.62，策略呈现市场与行业中性特征，积极收益主要来自规模、成长与财务质量因子，有力支持基于现金流质量的量化选股投资策略[page::0][page::4][page::6][page::7]
