【专题报告】数据探索的择时系列之进阶篇：自上而下，青出于蓝而胜于蓝
本文基于遗传规划挖掘出的中证500指数择时因子，采用GRASP(贪婪自适应搜索)算法进行因子组合优化，解决因子多样性及反向关系带来的组合困难。最终组合策略年化收益达84.02%，最大回撤15.8%，夏普比率2.999，显著优于简单叠加组合，展示了有效择时因子组合的新路径，为宽基指数择时模型提供了创新方法与实证验证[page::0][page::4][page::6][page::8]。
金融研报AI分析
行业轮动系列——FESC 行业轮动投资框架 1.0
本报告体系化构建基于微观基本面、市场情绪、一致预期调整及预期变化四个维度的行业轮动模型FESC，采用17个关键因子对中信一级及二级行业进行综合评价。组合因子在一级行业和二级行业分别取得9.6%和8.5%的IC均值，年化夏普分别为0.75和0.87，表现持续稳定，显著优于单因子。报告通过涵盖成长、盈利、营运、获现能力等多个因子维度，验证了行业轮动的有效性和投资价值，支持行业分层配置和动态调仓策略设计[page::0][page::5][page::8][page::28][page::33][page::34]
【专题报告】量化复盘光伏行业与行业动态因子建模
报告通过量化视角复盘光伏行业，结合政策、行业周期及个股因子表现，分析产业链数据并采用动态因子模型建模行业景气度。研究发现当前行业处于筑底阶段，需求端出口因子边际改善，月度换手率低、资产负债率低等因子优异表现，提示高质量个股潜在超额收益机会[page::0][page::1][page::5][page::9][page::18][page::21]。
【点评报告】形态学研究之十三： 形态学在 ETF 上的择时研究
本报告基于成分股形态信号合成对ETF进行择时，验证了形态学策略在富国基金36只ETF上的超额收益能力。以稀土ETF为例，形态学择时策略实现年化收益32.77%，显著跑赢买入持有策略，同时最大回撤明显较小，提供ETF择时研究新思路，帮助投资者实现主动交易获利 [page::0][page::3][page::5][page::6]。
“十倍股”的研究
本报告基于2009年至2018年A股数据，系统研究高涨幅股票尤其“十倍股”的产生机制。研究发现，市场环境为股价上涨核心驱动因素，市值效应、新股效应及资产重组等事件性因素主要影响短期表现。通过价值投资理论视角拆解“十倍股”收益，盈利能力稳定增长是长期回报关键，而估值呈现温和下行趋势。高增长股票涨幅虽优于市场，但估值调整限制表现；盈利高速增长的持续性有限，识别未来盈利爆发点是获取超额收益的核心 [page::0][page::5][page::15][page::17][page::19][page::23]
【专题报告】多因子模型与行业轮动模型的结合
报告剖析了行业轮动模型与多因子框架的割裂问题，提出构建纯行业组合以剥离风格影响，通过Barra纯因子模型实现行业因子与风格因子正交，显著降低因子共线性，提升因子表现纯度与解释力。经过多图表验证，纯行业组合与单因子组合在收益趋势和相关性上有明显差异，更能反映真实行业特性。最后提出两种行业轮动结合多因子的方法，为行业轮动投资增添理论支撑和实操路径[page::0][page::3][page::7][page::9][page::11][page::13][page::15][page::22][page::25][page::26]
【专题报告】综合模型择时系列之三：锦上添花，强中更强，综合兵器 V3
本报告构建了综合兵器 V3.1 与 V3.2 综合择时模型，通过融合短期、中期、长期不同周期模型信号，加入独立的增量信息模型，明显提升择时效果。V3 版本在沪深300及中证500等宽基指数的年化收益和夏普比率均较 V2 模型有显著提升，最大回撤得到有效控制，回测胜率高达80%以上，策略具有稳定捕捉波段的能力 [page::0][page::4][page::5][page::6][page::8]
【专题报告】华创金工形态选股系列之一：基于杯柄形态的识别与交易探索
报告基于量价技术面，定义并识别了杯柄形态，统计分析了杯长、柄长、突破年份及月份对持有收益率的影响。构建了基于周度杯柄突破信号的等权组合策略，实现年化收益率10.6%，年化超额收益7.6%，表现显著优于沪深300指数，且在牛市中效果突出。策略回测显示持有30日胜率和盈亏比最优，柄长过长则表现下降。市场处于低位及连续上涨阶段时，杯柄突破胜率和平均收益均较高。报告强调形态识别的风险与历史局限性，详细展开了量价关系与投资心理的形态形成逻辑。[page::0][page::24][page::25][page::26]
【专题报告】华创金工陆港通研究系列——北上资金选股策略探究
本报告深入分析北上资金持仓比例因子的选股能力，构建基于周频和月频的数据因子，采用中性化处理、IC分析、多空分组和纯因子回归验证了该因子的显著alpha属性。研究发现，北上资金持仓比例因子展现较强预测未来收益能力，信息比率高，年化超额收益达7%-10%以上，且最大回撤低于沪深300基准。持仓变动因子虽然表现较好，但纯因子贡献较低，易被其他风格因子解释。整体策略显示出外资聪明钱的选股风格和偏好，对食品饮料、医药及家电行业有较大超配，符合沪深300风格特征[page::0][page::1][page::9][page::16][page::35].
【专题报告】涨跌停剪刀差择时系列之三：推波助澜 V2 模型
报告提出推波助澜 V2 模型，通过加入连板比率剪刀差及地天与天地板比率剪刀差，融合更多历史与价位信息，构建综合情绪指标，提升择时效果。回测显示该模型在万得全A及其他宽基指数上均表现优异，年化收益、最大回撤、夏普比率等指标均优于V1版本和经典双剑合璧模型V1，攻守兼备效果显著提升 [page::0][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12]
【专题报告】alpha 检验与合成的新思路
本报告提出构建最小波动纯因子组合用于alpha因子检验，以更贴近组合目标函数反映alpha能力，并提出将因子合成问题转化为特征组合配权问题，通过结合风险模型增强因子收益协方差矩阵估计稳定性和准确性，实证显示改进方法优于传统因子合成，提供了更精准因子合成的新思路[page::0][page::3][page::4][page::16][page::20]。
【专题报告】量化视角下的交易机会
报告基于量化视角，从历史反弹行情统计、机构持仓分析、高送转预测及业绩预期四方面挖掘2018年中国资本市场的投资机会。反弹行情中中小盘优于大盘，有色、建筑、汽车、国防军工表现出色，核心因子包括市值和换手率因子。机构持仓显示公募基金为市场主力，基于高送转新规构建Logistic回归模型预测潜在个股，结合业绩预告和ROE变化推荐了重点行业投资价值。报告结合多张量化图表支撑结论，为投资者提供全面决策参考 [page::0][page::3][page::4][page::6][page::11][page::13][page::14][page::15]
【专题报告】房地产行业基本面量化研究——风险与收益并存
本报告基于房地产企业项目导向特性，结合净资产值估值法（NAV）构建了存货与预收款相关的基本面估值因子。通过调整少数股东损益比例，设计inventory_ev与adReceipt_ev因子，在沪深300和ZZ500样本的回测显示，因子可有效捕捉房地产行业的风险与收益特征，实现显著超额收益，尤其预收款因子在近期表现最佳，符合当前市场预期[page::0][page::3][page::4][page::7][page::10][page::11]。
【专题报告】基于可比公司域的指数增强框架
本报告构建基于行业可比公司域的指数增强策略，强调低估值选股的Alpha来源及预期估值的重要性。实证显示，使用静态PE、一致预期PE及未来实际下一年PE进行沪深300和中证500回测，未来实际PE表现最为稳健、信息比最高。研究还探讨了域修正、一致预期质量提升、盈利质量及子行业择时等提升策略有效性的方向 [page::0][page::3][page::4][page::5][page::6][page::7][page::8][page::9]
综合兵器：融合短期、中期、长期的结合性模型
本文基于华创金工多年来积累的短期（价量共振）、中期（推波助澜）、长期（动量摆动）择时模型，提出融合这三类模型信号的综合兵器模型，实现多维度择时信号结合。综合兵器在沪深300和中证500指数上均取得优异表现，年化收益分别为35.57%和51.5%，夏普比率分别为1.431和1.727，且胜率均超过61%，盈亏比在2.3以上，交易频率适中。模型兼具做多与做空能力，择时净值显著优于大盘指数，体现华创金工择时研究的核心成果[page::0][page::1][page::4][page::6][page::14].
技术指标研究之一：重新认识技术指标
本报告系统介绍了22种常见技术指标的分类、参数选取及优化方法，涵盖均线类、动量类和反转类指标。通过对1121个技术指标参数进行多重有效性检验（买卖点有效性、策略多空收益有效性、样本内外有效性）和数据窥探检验，最终筛选出数十个有效策略，并进行样本内外回测验证，策略年化收益普遍在4%-12%区间，夏普比率可达0.6以上，较好地体现了技术指标的应用价值，相关策略已集成于华创金工技术指标投研系统供投资者使用[page::0][page::4][page::5][page::6][page::25][page::27]。
CrossGRU： 基于交叉注意力的时序+截面端到端模型
本报告提出CrossGRU模型，结合GRU时序模型与交叉注意力截面交互机制，通过“市场隐变量”假设实现高效截面信息融合。模型在中证全指的量价因子挖掘任务中表现优异，5日和10日RankIC分别达到10.9%和11.7%，分组测试中TOP组年化超额收益提升7%，最大回撤明显减少至8%。消融测试显示，截面交互模块和市场隐状态数量显著提升模型表现。简化模型CsAGRU也验证了截面信息融合的有效性，为量化投资提供新思路与工具。[page::0][page::5][page::10][page::16][page::22][page::25]
【专题报告】牛市让利，熊市得益，价量共振择时之二：如何规避放量下跌？
本报告基于价量共振择时模型V1和V2，创新提出价量共振V3，加入价格效率指标和动量指标以数学方式识别强劲趋势下跌，规避放量下跌误导信号，显著提升择时模型的稳健性和风险控制能力。样本内外回测显示，V3模型在多只宽基指数资产中实现了更高的胜率、盈亏比与夏普比率，且最大回撤明显下降，体现了牛市让利、熊市得益的择时理念，有效降低组合波动风险，为股票市场量化择时提供新的实用工具。[page::0][page::3][page::6][page::7][page::8][page::13]
形态学研究之十一：基于形态研究做投资组合的几点思考
本报告基于K线形态学信号，首次提出利用形态信号构建指数增强投资组合的方法。通过沪深300、中证500和中证1000等指数成分股的正向与负向形态信号构建组合，回测显示形态信号显著跑赢基准指数。此外，全市场绝对收益策略年化收益达34.41%，夏普比率1.49，验证了形态学在组合层面的有效性与alpha能力[page::0][page::5][page::15]。
【专题报告】基于排序学习的行业轮动模型
本报告系统介绍了排序学习（Learning to Rank, LTR）及其在量化投资中行业轮动策略构建中的应用，基于LGBMRanker模型，使用中信一级行业价量数据构建排序因子，回测显示2007年至今年化收益率达17.53%，超额年化收益9.81%，夏普比率0.59，表现优异，且排名准确性评价指标NDCG体现出模型优秀的排序表现，行业推荐稳定捕捉领涨板块，验证了排序学习在行业轮动中的有效性与潜力 [page::0][page::10][page::14][page::16][page::19]。
