本报告基于隐马尔可夫模型（HMM）构建动态资产配置系统，进一步引入特征显著性隐马尔可夫模型（FSHMM）实现嵌入式特征选择，提升了市场机理状态识别的准确性和动态配置效果。研究采用标普500及MSCI因子指数数据，实证显示采用状态转换识别机制的智能贝塔策略在风险调整收益上明显优于静态基准，且FSHMM模型在经济困境期间的敏感度更高，投资组合表现更佳，为多因子动态资产配置提供了有力方法论支持[page::0][page::3][page::6][page::10][page::16][page::19][page::21].
本文基于共同资金流的实证研究，构建了资金流动冲击因子，发现股票收益与共同资金流（flow beta）存在显著定价关系。高 flow beta 股票具有更高超额收益与 CAPM alpha，且主动基金倾向于规避高 flow beta 股票以对冲资金流风险。此外，资金流动冲击与经济不确定性负相关，flow beta 的资产定价影响不完全由价格影响或现金流载荷解释。该研究揭示了主动基金资金流影响股票定价的机制，为投资组合构建提供新视角 [page::0][page::3][page::4][page::6][page::8][page::13].
本报告基于海外文献与历史数据，系统分析了主动型基金换手率与其后续业绩之间的正向时间序列关系。研究表明，换手率提高反映基金识别并利用时变获利机会的能力，且这一关系在小盘股基金及高费用基金中更为显著。基金换手率与投资者情绪、股票波动性及市场流动性密切相关，且基金换手率具有较强的共性，类似基金的平均换手率对单只基金的未来业绩具有显著预测能力。这些发现支持主动管理在价格发现中的作用，同时为基金管理能力提供了新的时间序列视角[page::0][page::3][page::9][page::13][page::16][page::21][page::22]。
本报告系统构建并评估了结合期权隐含波动率、风险转换、随机占优约束及copula模型的复合策略在美国行业ETF组合构建中的应用。结果显示，基于Heston模型及风险转换的风险中性分布被调整为现实世界分布后，具有更优的预测能力和样本外表现。综合策略在样本期间（2001-2020年）实现了年化约15.75%的收益率，风险调整表现优于传统均值-方差和最小方差策略，且在高波动市场环境下表现尤为突出。再平衡频率调节有效控制交易成本，确保策略的实际可行性。非高斯多变量copula在构建中作用有限，偏度优化和尾部风险控制是业绩提升关键 [page::0][page::3][page::4][page::8][page::10][page::12][page::13][page::16][page::18]。
本报告系统介绍了开源大语言模型ChatGLM-6B的基本原理及其在量化投资中文本处理中的应用潜力。通过对比ChatGLM与ChatGPT在推理能力及文本总结任务上的性能表现，指出其在高阶逻辑推理方面存在不足，但在简单文本总结方面展现了较好性价比。此外，报告强调ChatGLM可在本地消费级显卡部署，支持微调定制，有望在金融领域实现针对性优化，提升量化研究效率与效果，为量化投资开辟新的辅助路径[page::0][page::4][page::9][page::13]。
报告基于公募基金持仓的风格仓位变化构建风格轮动量化策略，因子本质为基于仓位动量的动量策略，回测区间2011年至2019年，季频调仓下多头年化超额收益3.23%，胜率达69%，多空组合年化收益6.44%，胜率72%，表现稳健且空头效果优于行业轮动策略，策略更侧重于胜率作为辅助后市判断的参考，其核心逻辑及参数具有较强鲁棒性[page::0][page::3][page::7][page::9][page::11]
本报告提出基于自由流通市值加权的涨跌停比率剪刀差构造改进，形成推波助澜V3模型，有效修正此前等权模型对A股整体情绪的误判。推波助澜V3在大盘风格宽基指数（上证指数、上证50、中证100、沪深300等）择时能力显著优于V1和V2模型，同时降低最大回撤，提升夏普比率和胜率，权衡了中小盘与大盘指数间的择时效果利弊，为A股中期择时提供改良方案 [page::0][page::1][page::4][page::5]
本报告基于推波助澜模型和价量共振模型的非重叠多头波段，构建了双剑合璧择时系统。该系统在控制最大回撤的同时，兼具抄底与逃顶能力，实现攻守兼备，回测显示上证综指年化16.93%，最大回撤21.83%，夏普0.995，胜率60.7%，万得全A年化22.16%，夏普1.255，最大回撤16.66%，显著优于单一模型和鱼和熊掌模型，策略适用于A股宽基指数及其成分股的量化择时[page::0][page::4][page::7][page::9][page::11]。
本报告基于中金所金融期货持仓量及成交量排名数据，优化了dH指标用于捕捉持仓博弈异常信号并构建CTA策略。策略在2014-2017年样本外全品种回测中年化收益12.92%，夏普比率1.72，2018年单年收益显著提升至85.24%年化，最大回撤8.34%，表现优异。策略展示了良好的参数稳定性和收益连续性，尤其在沪深300股指期货表现突出，未来随着市场政策放松，策略有望持续有效[page::0][page::5][page::9][page::24]。
本报告首次尝试通过个股K线形态信号合成行业指数多空形态剪刀差，用HMA均线构建择时模型，实现稳定跑赢中信一级行业指数。模型年化收益超20%，胜率均衡，交易次数适中，历史回测表现优异，适合中期行业择时应用 [page::0][page::1][page::6][page::7][page::23]。
本报告基于遗传规划算法，创新性挖掘沪深300指数多空择时因子，构建复合适应度函数实现多维度筛选，最终多因子组合模型回测表现优异，年化收益率61.52%，夏普比率2.439，最大回撤14.79%，胜率61.14%，盈亏比2.941，显著超越基准[page::0][page::14]。
本报告系统介绍了CPU和GPU并行计算的原理与应用，详细展现多核CPU、多进程、多线程的提升机制及影响因素，重点阐述了GPU架构、计算能力、CUDA编程及Python加速库（如pandarallel、pyCUDA、RAPIDS和Numba）的使用方法。案例测试显示，在任务数据量较大（超过10万）时，GPU加速能有效缩短计算时间，提升效率达数倍至十倍以上，极大提高金融分析和模型运算效率，为投资者提供高效投研工具选择参考。[page::0][page::7][page::18][page::25][page::30]
本报告基于华创证券对沪深300及中证500指数样本股的调整规则，结合历史样本股调仓的事件研究，运用过去一年行情数据预测2021年6月指数样本股调入和调出名单，并通过历年实证数据验证调仓事件对股票短期异常收益产生显著影响，为投资者提供事件驱动的量化操作依据[page::0][page::1][page::6][page::12][page::13]
本报告回顾了自2010年以来中国A股市场春季躁动行情的表现特征，强调流动性宽松与政策驱动为两大根本原因。春季躁动期间，宽基指数和行业指数普遍实现正收益，尤其是二月份收益最高。风格因子中，BETA因子表现最为稳健，建议适时放宽其限制。春季躁动结束后，市场风格通常由小盘转向大盘，行业表现多体现回调。报告同时给出2022年投资策略建议，推荐小市值高贝塔组合及多周期择时模型的综合应用 [page::0][page::4][page::13][page::24][page::15]
本报告提出两种基于二次规划的偏股基金持仓穿透算法，对比准确性与鲁棒性，重点分析基金仓位与沪深300指数及市场风格之间的相关性。结果显示偏股基金仓位滞后指数约2-3周，与成长价值风格高度同步，反映基金交易行为趋势跟随特征，为把握市场偏好提供重要工具和参考 [page::0][page::16][page::17][page::19]
本报告系统介绍并改进了基于成长、动量、机构认可度及一致预期四个维度的CANSLIM选股策略。通过历史回测与样本外验证，改进后的CANSLIM 2.0策略年化收益29.5%，显著超越基准中证500的8.5%，且在2021年“赛道牛市”中表现更优。报告深入剖析了成长因子、动量因子和一致预期因子的构建、表现及其IC统计特征，验证了因子有效性，并展示了策略行业分布分散、仓位动态优化的优势，为A股市场成长型选股提供量化参考[page::0][page::5][page::11][page::23][page::26]。
本报告基于自定义一致预期算法，深入分析分析师预期准确性及业绩超预期特征，设计了涵盖预测机构数、估值及季度增长率限制的量化选股策略。策略回测期间（2007-2018年）复合年化收益达28.7%，超额收益22.6%，信息比1.61，月度胜率70%，显示业绩超预期股票具备显著选股价值[page::0][page::3][page::9][page::11][page::14]。
本报告总结了2023年三季度主要量化择时、行业轮动及选股策略的表现，涵盖短期至长期多周期择时模型、多视角行业轮动和多因子选股法，包括智能择时模型和基于基金仓位的行业预判。核心择时策略均表现优异，智能择时和综合兵器模型回测年化收益达40%以上，行业轮动模型年化收益21.01%，选股策略CANSLIM 2.0年化收益24.4%。四季度看好农林牧渔、传媒、家电等行业，为投资者提供全方位量化策略参考与配置建议[page::0][page::5][page::7][page::15][page::29][page::31]
本报告基于传统成交量指标的不足，创新构建了一类结合成交量移动平均线（AMA）与价格移动平均线（BMA）的价量共振指标，实现了对18个宽基指数及行业指数的有效择时。该指标在交易频度、胜率、盈亏比、夏普比率及最大回撤等方面均优于传统成交量指标，且结合多头空头市场划分的阈值调整，进一步提升了策略性能，适用短期快速择时，表现出较好风险收益特征 [page::0][page::3][page::7][page::9][page::12][page::14]
本报告提出了CrossGRU-2模型，通过双分支Patch和交叉注意力机制实现多尺度时序与截面信息的深度交互，提升量价因子挖掘效果。实证显示，在30D、90D及30分钟数据集上，CrossGRU-2的年化超额收益分别达到28.60%、32.01%和23.26%，明显优于基准GRU模型。消融测试表明双分支和截面模块均贡献正向增益，长序列输入配合Patch设计进一步提升了模型表现及训练效率。基于90D数据集的CrossGRU-2在中证1000指数增强组合中实现年化超额收益19.43%，跟踪误差2.83%。模型基于历史回测，存在过拟合及未来有效性风险 [page::0][page::4][page::13][page::15][page::18][page::19]
