本报告基于海外文献，深入研究分析师目标价格中隐含的行业相对估值信息，提出基于TPER的行业中性多空量化策略，在标普500样本中实现月均约200个基点的显著超额风险调整收益。研究内容涵盖交易成本影响、结构稳健性、潜在利润来源及子样本表现，验证TPER策略与流动性及共同基金持仓变动相关，且与传统因子和目标价公告效应无关，显示分析师相对价值判断具备投资价值 [page::0][page::3][page::6][page::9][page::11][page::14][page::16][page::18][page::19]
本报告基于美国股票型共同基金经理数据，构建过度自信指标，实证发现高过度自信基金经理持股对应更高动量收益和更显著反转效应，且结果稳健且难以被风险因素解释，支持过度自信加剧股价动量异象的观点[page::0][page::3][page::7][page::8][page::17]。
本报告基于西班牙欧元区权益基金2000-2020年数据，构建创新的基金交易分歧指标，综合买卖决策捕捉真实交易分歧，揭示基金交易分歧逐年增加且高分歧基金显著超越低分歧基金业绩，交易分歧对基金绩效贡献显著超过交易趋同，结果稳健且控制多重基金特征，为基金经理业绩增值提供关键视角[page::0][page::3][page::6][page::9][page::12]。
本报告提出DiffsFormer，一种基于扩散模型和Transformer的股票因子增强框架，针对股票预测中信噪比低和数据同质性强导致的数据稀缺问题，采用标签和行业信息作为条件引导，并引入迁移学习编辑现有样本，显著提升沪深300和中证800的年化收益率，验证了其在多种主流机器学习模型上的广泛适用性和较强的稳定性控制能力 [page::0][page::3][page::5][page::14][page::21]。
本报告围绕风格轮动策略展开，首要对大小盘及价值成长风格进行重构定义，结合宏观经济、市场状态与微观特征三维视角，构建多层次风格轮动模型，并应用于指数组合及因子改进中。回测显示，多维复合信号下大小盘轮动策略年化超额收益约14.55%，价值成长策略超额收益达21.16%。结合风格轮动信号改进BP因子，多头年化超额从3.74%提升至11.48%，显著增强收益及风险控制能力，为风格投资提供科学而系统的量化框架和实践路径[page::0][page::5][page::6][page::23][page::36][page::42][page::44]
本报告推荐海外文献基于贝叶斯动态面板模型构建基金业绩和持续性评价方法，突破传统假设，考虑时变异方差和协方差。对美国共同基金样本实证表明，风险因子及Fama-French五因子对业绩显著正向影响，费用则负向影响，基金业绩持续性强且随金融危机波动，且业绩波动性提升可作为危机预警。模型稳健且先验敏感性分析支持结果可靠，为国内基金业绩评价与因子分析提供方法借鉴与启示[page::0][page::3][page::12][page::18]。
本报告基于海外文献研究揭示公募基金Alpha与协偏度之间存在显著的权衡关系：基金追求正Alpha通常伴随较差的负协偏度，尤其由选股活动主导。基金协偏度的主要来源包括市场择时、现金管理和衍生品使用。研究发现机构投资者更关注协偏度，资金流向优良协偏度基金，体现协偏度在基金绩效评价和资金流动中的重要性[page::0][page::3][page::10][page::15]。
本报告针对当前alpha日益稀缺的市场环境，重构大小盘与价值成长风格定义，结合宏观经济、市场状态及微观特征三维视角，构建多维度风格轮动策略模型，回测结果表明该模型在年化超额收益、信息比和月胜率方面均优于基准，且结合轮动信号改进BP因子显著提升其有效性，为量化选股及资产配提供新思路 [page::0][page::5][page::36][page::42][page::44]
本报告基于模式3构建“核心+卫星”策略，利用全市场权益基金及赛道基金，融合自上而下风格及自下而上行业信号，设计进取型和激进型FOF组合，实现年化收益分别11.47%、13.44%，夏普比分别达1.58、1.43。策略以多维基金评价指标选基，卫星部分重点布局主动赛道及赛道ETF，体现行业轮动与风格轮动能力，有效增强收益[page::0][page::29]
本报告为“量化绝对收益之路”系列中篇，详细介绍均衡型与进取型固收+产品的量化组合构建方法。权益部分，均衡型以基于均衡估值BET修正的GARP因子结合多维选股因子构建组合，年化收益34.25%，夏普比1.18；进取型基于企业生命周期和业绩加速增长模式筛选成长股，年化收益35.64%，夏普比1.19。债券组合方面，均衡型加入AA+信用债，进取型加入可转债以提升收益和弹性。资产配置采用风险预算+择时策略，有效控制波动和回撤，实现稳健的绝对收益目标[page::0][page::6][page::12][page::15][page::28].
本报告研究股票历史收益的时间顺序CRO因子，揭示其能显著预测未来横截面收益。基于NY市场1926-2018年的实证，发现近期低收益且远期高收益的股票未来表现优异。通过组合分组和Fama-MacBeth回归，CRO月度和年度因子均表现出持续正向预测能力，且控制传统因子后依然显著。此外，利用行为金融理论解释该现象，认为投资者过度关注近期收益导致低CRO股票被高估。证据来自套利环境、流动性限制、期权隐含波动率价差及私人投资者关注度等多维分析，有效排除短期反转和微观结构影响，验证了CRO因子作为全新预测因子的价值 [page::0][page::3][page::6][page::7][page::12][page::14]
本文提出了一种基于下行风险测度（VaR和CVaR）的风险缩放策略，针对传统波动率缩放策略在风险衡量和管理上的不足，重点应用于BAB低风险多空组合。通过对24个发达国家6个地区的长期历史数据实证，发现下行风险缩放策略在风险调整后回报、夏普比率等指标上显著优于未缩放和波动率缩放策略，且结果对参数设置稳健，风险管理效率明显提升。多个关键图表展示了策略权重动态调整、收益时序表现和样本外累计回报等重要成果[page::0][page::3][page::6][page::9][page::11][page::13]
本报告介绍了一种基于主成分分析法（PCA）提取股票横截面定价因子的模型，构建了“水平、斜度、曲线”三因子模型。该模型通过多变量Fama-MacBeth回归预测预期收益，排序构建投资组合并对组合收益做PCA提取公共因子。实证显示该模型在横截面定价能力和解释收益变化方面优于CAPM、Fama-French三因子及五因子模型等多个主流模型，且在样本外具有良好的稳健性。图表12和13显示此模型在多个投资组合上的优越定价效果及风险特征解读[page::0][page::3][page::6][page::8][page::12][page::15][page::16]。
本报告基于SPY及其他重磅ETF的日内半小时收益率数据，研究发现第一个半小时收益率对最后半小时收益率具有显著正向预测能力，且预测能力随着波动率、成交量增加及经济衰退期提高。研究构建的基于日内动量的择时策略和均值-方差配置策略均表现良好，夏普比率超1，交易成本影响有限，策略在10只热门ETF中表现稳健。日内动量产生的两大经济驱动为非高频调仓和信息接收延迟现象，重要宏观经济信息发布进一步显著提升日内动量效应[page::0][page::3][page::9][page::10][page::15]
本报告系统分析了海外半透明主动ETF的发展背景、产品设计、主要结构及模式，详尽介绍了七种主要半透明主动ETF模型及其运作机制。通过引入代理组合隐藏真实持仓，半透明主动ETF在保护基金经理投资策略的同时兼顾一定透明度，缓解了主动型ETF“持仓过于透明导致抢跑交易”的困境。报告还列举了近期已发行的相关产品并分析了基金代理组合的持仓重合度，指出半透明主动ETF可能成为资管行业的新风口，为国内公募基金创新提供借鉴 [page::0][page::3][page::8][page::16][page::17][page::22]。
本报告基于论文《Stock Return Asymmetry: Beyond Skewness》提出了两种新的基于数据分布函数的股票收益不对称性度量方法，这两种方法比传统偏度更有效地检测收益分布的不对称性。实证结果显示，高上行不对称性对应股票未来更低的预期回报率，且该关系稳健不受尾部风险、波动率、投资者情绪和市场流动性的影响，优于传统偏度指标在预测股票收益上的表现，具有较强的投资应用价值 [page::0][page::3][page::5][page::9][page::11][page::15]。
本报告基于1963-2020年美国市场数据，实证发现传统经济周期难以解释因子溢价的周期性，而因子自身存在特定的三阶段周期：正常阶段、成长反弹/价值崩溃阶段及反转阶段。该周期反复发生，正常阶段约占三分之二时间。成长反弹期间价值因子表现极差，动量因子表现强劲；价值崩溃期间价值股下跌且牛市反转后动量因子表现大幅波动。作者提出的该周期模型能解释大部分因子收益趋势，对构建具有长期规划意义的因子投资组合和评估alpha因子稳健性具有启发意义[page::0][page::3][page::9][page::10][page::15]。
本报告基于Fama-French多因子模型，采用条件单因子和双因子模型实证美国及国际市场股票因子的风险-收益权衡，发现盈利因子（RMW）和投资因子（CMA）表现出显著的正向风险-收益关系，且在样本外具有预测能力，动态交易策略夏普比率超过1，凸显因子择时的经济价值[page::0][page::4][page::19][page::23]。
本报告系统分析了金融市场中资产价格波动性与价格信息含量之间的均衡关系，识别了噪声减少和均衡学习两条机制通道，解释了两者正负相关的条件。报告基于CARA-高斯模型框架，结合美国1963至2017年股票实证数据，发现大多数股票处于信息含量与价格波动性负相关区域，且提供了明确的参数条件刻画这些共动区域，为理解价格波动性变化背后的信息含量变化提供了理论依据和实证支撑 [page::0][page::3][page::4][page::5][page::21][page::23][page::24].
本报告系统研究强化学习在动态资产配置中的应用，重点解决金融时间序列非平稳性及投资约束的集成问题。通过引入市场阶段变化变量，提升样本外预测准确性，并结合实际风险管理、资金需求与交易成本等约束条件，实证展示了强化学习算法在多变市场环境下优化资产组合表现的有效性，且信号准确性与约束设置显著影响策略行为和绩效 [page::0][page::4][page::6][page::13]
