本文研究通过基于 PyTorch+CUDA 技术路线对遗传规划因子挖掘全流程及核心计算环节进行 GPU 加速，实现 7\~9 倍加速效果。采用 3000 种群规模，5 轮、每轮 3 代进化，共挖掘出 350 个符合入库条件的优质因子，样本外测试验证部分因子具备较好收益表现。大量GPU加速测试表明，PyTorch+CUDA优于RAPIDS及Numba+CUDA方案，在矩阵加法、线性衰减加权和相关系数计算中均实现百倍级提升。因子构建采用29个初始特征及31个算子，重点组合 ts_grouping_sortavg 算子和换手率特征，提升因子解释力。报告最后指出当前研究局限及后续优化方向 [page::0][page::2][page::3][page::7][page::8][page::9][page::10][page::12][page::13][page::17]
2025年上半年房地产行业进入无风险时代，行业信用风险和刚性支出显著下降。地产投资减少11.2%，竣工面积同比下降14.8%，但城市更新进展提速对冲开支减少。销售端政策仍有空间，全年销售额预计缓降，需求侧政策重点持续发力。行业风险系统性下降，未来估值有望提升，但价格企稳压力仍存 [page::0].
本报告指出当前煤炭行业“反内卷”供给侧改革与2016年不同，政策重点转向依法治理低价无序竞争，通过“时间换空间”实现产能调整，预计煤价将务实筑底形成基本面拐点，此外，供给端自发减产和需求端用电恢复预示周期底部已现，推荐业绩风险释放板块龙头企业。[page::0]
本报告分析了全球领先eVTOL企业Joby与Archer的成长路径及运营经验，深刻揭示其卓越的融资能力、产业链垂直整合及国际适航认证进展，结合国内eVTOL产业现状，指出技术代差、资源禀赋及商业逻辑差异，提出国内产业未来发展建议，包括强化产业生态、推动国际标准互认、分阶段推进车型路径和促进军民融合，助力我国低空经济产业健康快速发展 [page::0].
报告深入解析国债期货跨期价差倒挂与修复现象，指出长端合约价差倒挂回正反映预期与现实重归一致，短端合约价差倒挂常态化，建议重点关注基差套利及IRR正套机会。报告强调跨期价差由流动性与市场情绪驱动逐渐转为理论定价驱动，未来跨期价差与债市情绪负相关性将延续，为债市中性策略提供重要信号与判断依据 [page::0][page::1]。
报告系统梳理了固态电池技术进展及产业化动态，聚焦硫化物路线和氧化物半固态电池发展优势，重点分析了材料端的创新弹性和设备端的技术确定性，展望固态电池在新能源汽车及低空、人形机器人等多领域的广阔应用前景，预判2027年产业化元年，强调头部企业领先带动产业链快速发展。[page::1][page::2][page::3][page::4][page::5]
本报告提出结合大语言模型（LLM）衍生的定性风险评分与传统金融指标，构建基于LSTM的多维度风险评估及特质波动率预测框架。实证显示引入新型风险特征显著提升模型解释力，LSTM优于ANN和XGBoost，尤其在捕捉时间序列依赖性方面表现卓越。研究系统分析了ESG、地缘政治与供应链中断风险的动态演变及其对市场波动的影响，并通过SHAP和回归深度解析特征重要性，为现代金融风险管理提供了前瞻性思路和操作参考[page::0][page::1][page::5][page::6][page::8][page::9][page::10]
本文介绍了遗传规划（genetic programming）方法在股票选股因子挖掘中的应用，基于对gplearn项目的深度改进和定制，结合丰富的量价数据和函数库，实现选股因子的启发式公式演化。测试结果显示，遗传规划可挖掘出具有增量信息的股票因子，并通过包括行业和主流风格中性化的单因子回归、IC值及分层回测测评，6个因子表现稳健且大部分相关性较低，验证了该方法在A股市场的有效性和可操作性 [page::0][page::4][page::9][page::10][page::13][page::22]。
本报告系统性探讨了低频量化策略的收益来源、业绩评价标准及逻辑支撑，通过经验模态分解(EMD)方法分析全球主要股票指数的内在周期分量，揭示低频策略有效性主要依赖于捕捉42个月左右的股价周期(IMF3分量)及大幅波动的市场冲击(IMF2分量)，同时去除高频噪声分量(IMF1)能提升择时信号的有效性。报告多角度模拟了不同胜率的低频择时策略表现，强调低频策略胜负博弈的特殊性，即少数关键决策对长期业绩影响巨大，提出市场与策略的共同进化观念，强调策略逻辑支撑的重要性，为理解和设计稳健低频量化策略提供了系统框架和实证依据 [page::0][page::4][page::7][page::12][page::25][page::26][page::28][page::36]
本报告系统梳理了经典PB-ROE定价模型，针对模型在A股市场中实证拟合效果不理想的问题，提出了基于折中ROE和离群值Winsorize的预处理方法显著提升回归结果。进一步引入Beta因子改善了收益预期解释能力，提升模型整体拟合度。基于改进模型的残差因子与常规估值因子关联度较高，且在因子有效性和投资组合回测中表现优异，显示其在低估值及价值动量策略中具备替代潜力和增强效果。为解决不同行业投资时长差异，尝试了行业及板块分层回归，验证了分层回归对改进模型的有限提升。整体来看，残差因子通过提纯ROE及引入风险因子显著提升了股价定价解释力，为估值与量化策略提供了理论与实践路径。[page::0][page::5][page::10][page::14][page::24][page::25]
本报告基于2005年至2012年期间能源行业的股票数据，采用信息系数和FF排序打分法分析了36个选股因子表现，选出表现优异的正向因子包括B/P、CF/P、户均持股比例及其变化，负向因子包括流通市值、短期涨幅及换手率。构建的多因子选股模型在多个组合中均显著超越基准，10只多头组合年化收益率高达46.10%，空头组合表现明显落后，且多头组合信息比率和Sharpe比率表现突出，反映出该模型在能源行业内较强的选股能力和稳定性[page::0][page::14][page::15][page::16]。
本报告针对传统马科维茨组合模型基于均值和方差假设资产收益正态分布的局限性，创新引入收益率的高阶矩偏度和峰度，通过多项式目标优化方法构建多目标函数，优化组合表现。实证结合标普500、欧洲斯托克50及上证综指等多资产池及不同时间窗口，验证偏度模型显著提高组合夏普率，表现稳健；峰度的加入对提升效果不明显。偏度模型在风险资产配置中具备较强提升潜力，适合股指与商品资产组合 [page::0][page::6][page::9][page::12][page::21]。
本报告深入分析后疫情时期以A股和H股为代表的亚太新兴市场的经济复苏与盈利修复趋势，基于华泰金工周期模型预测2021年市场上行通道延续，强调A+H均衡配置的长期投资潜力。重点介绍了中证沪港深500指数及其ETF产品的市场表现、成分特征及行业配置，展示出该指数风险调整收益优异并兼具稳健性和成长性。此外，报告强调了ETF低费率优势及灵活交易机制，为投资者提供跨市场配置的有效工具[page::0][page::3][page::8][page::13].
本报告梳理2022年九坤Kaggle量化大赛高分队伍方案，聚焦特征工程、损失函数、交叉验证、模型集成四方面改进，并应用于中证500指数增强策略，实测年化超额收益和信息比率均显著提升。均值因子对神经网络模型效果突出，CCC损失优于传统MSE和IC损失，时序交叉验证效果有限，模型集成稳定提升性能[page::0][page::11][page::19]。
报告围绕A股市场情绪面指标，从量价数据和后市预期两个维度构建共21个情绪指标，通过统一的预处理与多策略回测框架，验证其择时效果。量价类指标多为市场同步信号，主要作为情绪温度计，缺乏领先性和择时增益；后市预期类指标（两融、期货、期权相关）体现投资者对未来市场的预期，具备一定的择时顶底领先信号和增量信息，优于基于指数本身的择时策略。融资买入额、期货基差和期权持仓量PCR具备较好择时表现，部分策略夏普比显著优于基准，且过拟合风险较低，具备实用价值 [page::0][page::5][page::16][page::17][page::26]
本报告系统研究了市盈率及相对市盈率在A股市场的表现，构建了华泰证券相对市盈率估值选股模型。通过长期回测，模型总收益率和夏普比率显著优于沪深300及中证500基准，说明相对市盈率能有效判断市场和个股估值水平，结合盈利预测增强选股效果，低估组合收益稳定且夏普比率较高 [page::0][page::14][page::19]。
本报告深入探讨了条件生成对抗网络（cGAN）在大类资产配置中的应用，提出通过cGAN预测未来资产收益率协方差矩阵，替代传统仅基于历史的风险平价方法。实证回测显示，cGAN模型显著提升了组合的夏普比率与Calmar比率，并具备较好鲁棒性与逼近真实市场风险的能力。报告详细阐述了cGAN的网络架构、训练方法及生成序列的质量评估体系，验证了其对风险重新定义的理论和实用价值 [page::0][page::4][page::16][page::29]。
本文研究了深度卷积生成对抗网络(DCGAN)及其与WGAN结合形成的W-DCGAN模型在多资产金融时间序列生成中的应用。通过9项单资产和5项多资产评价指标，实证表明DCGAN网络结构虽合理但生成效果有限，而引入Wasserstein距离的W-DCGAN模型能更好刻画真实序列的统计特征，显著提高了盈亏不对称性、Hurst指数和多资产滚动相关系数的拟合效果，为金融时间序列的模拟和量化研究提供新思路 [page::0][page::4][page::15][page::19][page::26]。
本报告深度分析资本市场改革及开放推动证券行业长期发展的逻辑，结合中证全指证券公司指数的构成、历史表现、估值及盈利能力，肯定证券行业未来盈利能力与成长性可期，推荐关注相关ETF产品，如华安中证全指证券公司ETF，及其背后的投资逻辑与基金管理团队优势，为投资者提供行业长期投资视角和策略参考[page::0][page::3][page::14][page::17][page::18][page::19][page::20][page::21][page::22][page::23]
本报告创新性构建基于神经网络的多频率因子挖掘模型，实现原始量价数据的端到端特征提取。通过引入15分钟频与日频数据的混合结构，设计两阶段增量学习模型，显著提升因子效用。回测结果显示，多频率增量混合模型周度RankIC高达10.22%，TOP组合年化超额收益率达36.36%。基于该模型构建的沪深300、中证500、1000及国证2000指数增强组合均表现优异，信息比率最高超4.79，显示出强劲的指数增强能力与风险控制效果。报告充分验证了神经网络多频率因子挖掘在A股量化投资中的应用价值。[page::0][page::3][page::18]
