招商证券金融工程团队研究成果精选
本报告汇集招商证券金融工程团队多领域量化研究成果，涵盖量化选股、资产配置、行业轮动、风格轮动、技术择时、ESG投资及AI赋能等多个方向，体现团队深厚量化实力与细分领域专长，助力投资机构决策优化 [page::0][page::2][page::3]。
金融研报AI分析
广发金融工程 2025年量化精选 AI量化及基本面量化系列专题报告
本报告汇总了广发金融工程团队2025年量化精选专题，涵盖AI量化与基本面量化两大系列，系统呈现深度学习在股指期货、因子挖掘、择时策略、高频数据及基金管理等领域的创新应用，提供多元量化策略框架与方法论，为投资决策提供数据驱动支持 [page::0][page::1].
【金融工程】FOF配置周报：市场分化明显，关注CTA布局时机
本周市场出现结构性行情，热点板块快速轮动。公募与私募基金风格分化明显，科技成长风格表现优异。私募中指数增强与CTA趋势策略收益可观，建议左侧布局CTA策略，适当配置中性策略，警惕节日资金减仓带来的回撤风险。[page::0][page::1]
加权影线频率与 K 线形态因子
本文基于量化识别和加权计数方法，构建加权上下影线频率因子及2K线形态因子，实证显示2K形态因子与股票未来收益正相关，年化收益22.35%、夏普比率1.83，优于影线因子。2K形态因子与传统因子相关性低，能提供新的选股信息，适用于A股市场主流宽基指数成分股 [page::0][page::8][page::9][page::10][page::12][page::16][page::17]
DAFAT：基于Transformer模型的自适应解决方案
本文提出了DAFAT模型，通过动态位置编码自适应、稀疏注意力机制自适应和多尺度信息融合等三大核心创新，显著提升了Transformer模型在A股市场量化选股中的表现。回测显示DAFAT模型因子IC均值达11.07%，多头组合年化收益率32.30%，最大回撤33.00%。基于该模型的沪深300及中证1000指数增强策略分别实现年化超额收益12.65%和14.57%，展现较优的风险调整收益能力和较强的市场适应性 [page::0][page::21][page::22][page::23][page::25][page::26]
资金流潮汐与“引力场” 因子构建
本报告基于沪深市场逐笔成交数据，构建“主买成交特异性”和“虹吸效应”两个资金流供需因子，并将二者等权合成“引力场”因子，用以捕捉资金流动的潮汐效应。主买成交特异性因子反映持续且特异性的买盘资金流入，虹吸效应因子刻画因热点转移引发的主卖资金逆转，二者均展现出显著的选股能力和稳健的历史回测表现，其中“引力场”因子多空年化收益达42.55%，多头年化超额收益达10.71%，在沪深300、中证500、中证1000及国证2000均表现优异。此外，因子在周频调仓下收益和稳定性明显提升，且相关性分析显示其偏低波动、低流动性及低估值风格，具有显著的alpha挖掘价值，为基于成交量的量化选股提供新思路与有效工具 [page::0][page::2][page::4][page::5][page::8][page::9][page::10][page::12][page::13][page::15]。
中信建投金融工程及基金研究团队研究成果合集
本报告汇总了中信建投金融工程及基金研究团队在资产配置、行业轮动、量化选股、AI量化及基金研究等多个领域的最新研究成果，涵盖宏观资产配置、多维行业轮动框架、基本面及量价因子挖掘、基金标签矩阵及智能投研工具等，展现团队在投资策略创新与应用的深厚积累和前沿进展 [page::1][page::3][page::4]。
【广发金融工程】2025年量化精选— 多因子系列专题报告
本报告系统介绍了广发金融工程团队基于十余年研发积累的多因子数据库，覆盖基础面因子、高频因子、机器学习因子等多维度指标，支持多空策略、指数增强、行业轮动及资产配置，结合海量高质量数据深度挖掘Alpha因子，为2025年量化策略精选提供有力支撑，重点展现了因子的定义、历史表现及相关性趋势，促进量化选股与风格轮动研究的深化 [page::0][page::1][page::2]。
ROBUST REINFORCEMENT LEARNING WITH DYNAMIC DISTORTION RISK MEASURES
本文提出了一种结合动态鲁棒失真风险度量的强化学习框架，通过Wasserstein球构建环境不确定性集合，实现了时间一致的风险感知决策。利用神经网络估计动态风险，推导出基于分位数的确定性策略梯度，并设计了深度演员-评论家算法。在包括组合投资的实证应用中，展示了算法良好的性能与策略稳健性 [page::0][page::2][page::6][page::10][page::15][page::16].
Racial bias, colorism, and overcorrection∗
本报告研究了公众对种族偏见和肤色歧视（colorism）意识提升对WNBA裁判判罚的影响。采用机器学习算法精准量化选手肤色，并利用裁判随机分配及固定效应方法估计种族和肤色构成对犯规判罚的影响。结果发现，媒体广泛报道之前无明显种族偏见，但曝光后出现“过度纠正”现象，即反种族裁判执法时对异族选手犯规判罚减少。该效应随后逐渐消退，恢复无偏见水平。研究强调在推行多样性、公平、包容政策时需考虑原有偏见水平，避免不当过正，结果对政策制定及组织实践有重要启示 [page::0][page::2][page::4][page::14][page::16][page::20][page::21]。
Pontryagin-Guided Deep Policy Learning for Constrained Dynamic Portfolio Choice
本文提出了一种基于Pontryagin最大原理与深度策略优化结合的PG-DPO框架，用于解决具有投资和消费约束的连续时间高维动态组合选择问题。该方法通过对约束下Hamiltonian进行对数障碍规约和流形投影，实现了对高维资产组合的有效可行性控制和第一阶最优条件的遵循。理论上证明了障碍方法与KKT条件的对应关系及其逼近误差，并在无闭式解情况下实现了精准的策略恢复。实证部分通过无卖空约束和财富比例消费上限两类约束案例，展示了投影变体P-PGDPO相比激活函数约束的PG-DPO在策略误差和边界表现上的显著优势，且优势随维度提升而更加明显，为高维受限动态组合优化提供了可扩展且具有严格误差控制的新范式[page::0][page::5][page::7][page::13][page::16]
Estimating Spillover Effects from Sampled Connections
本文针对因网络链接采样带来的溢出效应估计偏误问题，揭示常见采样设计可能导致溢出效应的上/下偏。提出基于网络度分布的聚合统计数据构建的偏差校正估计量，适用于线性及非线性网络模型，并支持处理处理分配依赖网络结构的情况。模拟结果验证方法有效性，实证估计美国上市公司供应链中气候冲击的传播，显示未经校正的传统回归系数高估约一倍 [page::0][page::1][page::5][page::20][page::25][page::26]。
Enhanced fill probability estimates in institutional algorithmic bond trading using statistical learning algorithms with quantum computers
本文针对欧州公司债券市场算法交易中的订单成交概率估计问题，提出利用量子计算生成特征，配合统计学习模型进行填充概率预测。基于真实大规模交易数据，采用IBM量子硬件与无噪声模拟对比实验，结果显示量子硬件生成的特征能够显著提升机器学习模型预测效果，测试AUC较经典特征提升高达34%。该研究展示了量子计算在金融量化模型增强中的潜力及探索价值 [page::0][page::1][page::3][page::7][page::10][page::12][page::13]
The randomly distorted Choquet integrals with respect to a \(\mathcal{G}\)-randomly distorted capacity and risk measures
本文研究了基于容量上的\(\mathcal{G}\)-随机扭曲函数构造的\(\mathcal{G}\)-随机扭曲Choquet积分，证明了其完备协同加性、单调性、正齐次性及现金不变性等性质。给出了满足一阶随机支配和止损随机支配下条件风险测度的表征结果，拓展了VaR和AVaR等著名风险度量的随机版本，结合容量框架考虑模型不确定性，为金融和保险中的风险测量提供了理论基础与应用示例[page::1][page::7][page::14][page::15][page::19][page::21]
Quantum Adaptive Self-Attention for Financial Rebalancing: An Empirical Study on Automated Market Makers in Decentralized Finance
本报告首次将量子自适应自注意力(QASA)模块应用于去中心化金融（DeFi）自动化做市商（AMM）资金再平衡，将再平衡任务转化为检测问题。通过2024年BTCUSDC日线数据回测，QASA-Sequence在收益和风险调整表现方面超越传统机器学习及纯量子模型，表现出13.99%的收益率和1.76的Sharpe比率，展现了量子-经典混合注意力机制在多变且噪声较大的金融时序预测中的潜力和实用性 [page::0][page::3]。
Tenure Under Pressure: Simulation of AI’s Disruptive Effects on Academic Publishing
本论文通过仿真模型系统性地探讨生成式人工智能对学术出版系统带来的冲击，重点分析AI导致的稿件激增如何驱动编辑部的拒稿率提升、审稿周期拉长及教职工发表成果数量减少，特别对商学院晋升与终身教职过程产生不利影响。研究模拟了基础模型、早期采用者模型和AI滥用模型，揭示早采纳者虽能暂获优势，但整体接纳率急剧下降，中低层期刊的安全港作用弱化，导致大多数研究者，尤其青年教师发表压力加剧。论文强调了期刊编辑筛稿环节的结构性瓶颈，呼吁学术评价体系改革和知识传播多渠道发展，以应对AI驱动的学术生态变革 [page::0][page::10][page::12][page::15][page::20]。
FinFlowRL: An Imitation-Reinforcement Learning Framework for Adaptive Stochastic Control in Finance
本论文提出FinFlowRL框架，结合模仿学习与强化学习以解决金融随机控制问题。通过专家策略预训练MeanFlow模型，再以强化学习微调噪声生成过程，实现对非马尔可夫金融市场中高频交易行为的序列决策优化。实验证明FinFlowRL在多样化市场条件下相比传统模型表现更优，显著提升夏普比率并降低最大回撤，验证了其在复杂市场环境下的自适应能力和优越性[page::0][page::1][page::3]。
Economic Complexity Alignment and Sustainable Development
本论文结合经济复杂性理论与多维社会和环境可持续性指标，量化国家最相关的多样化机会与可持续发展目标之间的匹配程度。研究发现，高收入国家面临更多复杂且环境友好的多样化机会，而低收入国家则存在复杂性与环境表现的错配，需通过非相关多样化策略促进可持续发展。这为衡量国家未来经济发展路径的可持续性提供了全新视角[page::0][page::1][page::8][page::13][page::19][page::21]。
