本报告基于沪深300、中证500及中证1000市场，系统构建并解析了大小单资金流、北向资金流及权益基金资金流的斥力和引力因子，揭示不同资金流与股价的互动机制。大小单资金斥力因子表现出显著负向选股能力，北向资金引力因子体现中长期配置特征，权益基金资金斥力因子同样有效。合成大类资金流引斥力因子，回测区间长达十年，表现稳定，且在沪深300增强组合年化超额收益超7%，中证1000超11%，显示资金流因子具备独立alpha贡献，显著提升指数增强策略表现[page::0][page::4][page::9][page::21][page::22][page::24][page::29]
本文系统研究了27个基金业绩预测指标在样本外的表现，发现预测能力普遍衰减，样本外alpha spread仅为样本内的39%。通过实证分析指出，这种衰减主要源于市场套利活动的增强，而基金竞争影响较小，未发现由数据窥探或投资者学习导致的衰减证据。研究采用美股主动型股票基金1961-2015年丰富样本，利用多元面板回归和基金层面分析证实套利活动指标（如做空比例、股票换手率、对冲基金资产规模）与基金alpha的下降显著相关。基于对顶尖基金组合的alpha历史变化追踪，整体alpha水平显著减少甚至趋零，强调了时间变化对基金业绩预测力的重要影响，为基金业绩评价和组合构建提供重要参考 [page::0][page::3][page::6][page::7][page::11][page::12][page::14][page::17]
本报告提出了基于隐含波动率（IV）和实际波动率（RV）构建的系统风险指标IVRVSRI，覆盖2000-2023年全球及主要国家股市。该指标具有良好的稳健性，对参数选择不敏感，能准确反映不同市场的系统风险特征及动态。IVRVSRI对标的指数SP500的下跌风险预测优于当前主流指标，尤其在系统风险高发时期表现突出，显示出较强的前瞻性和稳定性。此外，IVRVSRI指标基于公开高频数据，计算简单，适合实时风险监测，且能有效捕捉风险溢出效应和各市场的异质性表现 [page::0][page::3][page::8][page::13][page::23].
本报告提出应用统计跳跃模型（JM）进行两状态市场划分，通过优化跳跃惩罚提升状态持续性与识别准确度，实现基于状态的0/1资产配置策略。实证显示，JM模型指导的策略在美国、德国、日本主要股指上显著降低波动性和最大回撤，并提升年化收益率1%-4%、夏普比率与卡尔玛比率，且对交易延迟表现更稳健[page::0][page::4][page::15][page::17][page::18]。
本文基于美国1992-2016年大样本数据，系统研究了公募基金投资者对极端正收益（MAX）的偏好及其对未来资金流的影响。结果表明，基金过去一年风格调整后的最大月收益率（MAX）与未来资金流显著正相关，反映投资者高估极端高收益的概率。该关系在多种稳健性检验、子样本分析及加入异质波动率、偏度控制后依旧显著。MAX在高活跃度股票基金和明星基金中影响较强，而非债券或指数基金，且MAX不能预测未来基金业绩，表明投资者偏好而非业绩驱使资金流动。文章进一步分析了基金知名度的影响及标的股票MAX的作用，综合结论支持投资者存在对极端收益的系统性高估。[page::0][page::3][page::4][page::5][page::6][page::9][page::10][page::13][page::16][page::22][page::26]
本报告研究了共同基金持仓拥挤度对股票收益的影响，构建了以基金持股比例除以股票换手率的拥挤度指标，发现拥挤度与股票收益存在显著负相关关系。基于拥挤度的多空策略（做多最不拥挤股票，做空最拥挤股票）取得了可观的风险调整后年化回报（最高达38.46%），且异常回报主要来源于最不拥挤股票。相比仅用流动性衡量指标，拥挤度能传递更丰富的定价信息，且策略回报在实证中对交易成本和卖空限制表现出稳健性，为投资组合管理提供新思路。报告还提供了丰富图表和多时期分样分析。[page::0][page::3][page::4][page::6][page::7][page::11]
本报告系统总结了传统 PPI 预测方法的痛点，重点提出基于 LASSO 机器学习回归模型解决共线性及变量挑选问题，并引入12期滞后变量调整权重，最终构建了拟合度高达99%的PPI预测模型，精准预测2022年2月PPI同比为9.1%。分析表明，流通领域重要生产资料价格对PPI预测效果优异，且权重采用前一年同期行业营收占比最为合理[page::0][page::3][page::4][page::8][page::9][page::11]。
本报告提出基于滚动经济回撤(REDD)的动态资产配置策略REDD-COPS，通过对风险资产进行动态调仓实现投资组合的回撤控制与收益最大化。研究使用标准普尔500指数、美国长期国债指数及大宗商品指数作为风险资产，结合无风险资产，在多周期回测中显示REDD-COPS显著优于传统资产配置组合，尤其在控制最大回撤和提升风险调整收益方面效果突出。回撤控制机制通过动态调整资产权重，有效应对市场波动，适合长周期投资管理场景[page::0][page::6][page::14][page::16][page::17]。
本文基于经典资产定价理论，构建了个股 alpha 与行业 beta 耦合模型，动态权衡个股内生特性与行业暴露，以实现双驱动选股策略。通过构建盈利、估值、技术面三维个股评价模型(alpha)和资金面、情绪面行业评价模型(beta)，结合个股相对行业弹性调整权重，实现个股综合评分。回测结果显示，双驱策略2022年11月优选50等权组合年化收益31.0%，超额收益显著，夏普比率达1.06，风险更低且换手适中，权重优化进一步提升策略表现。[page::0][page::16][page::27][page::29][page::34]
本报告基于标准普尔1500美股样本，构建了一个直接现金流模板，创新性地拆分经营、融资、税收及非经营现金流，发现直接现金流计量方法明显优于间接现金流法和传统利润指标在预测股票收益率的表现。通过Fama-MacBeth和Fama-French三因子及五因子模型的回归稳健性检验，确认现金流指标的多空组合收益显著为正，信息比率较高，且税收和资本支出提供增量预测信息。行业中性测试和不同持有期分析均支持结论，表明现金流类指标对估值和投资决策更具指导意义 [page::0][page::3][page::6][page::9][page::11][page::13][page::15][page::17][page::18]
本文研究了美国ETF资金流动的三个驱动部分：需求驱动、套利驱动和预期外流量，发现预期外流量能显著预测第二天ETF收益，并与次日新闻相关，说明知情交易者通过一级市场申购赎回ETF份额进行套利获利；构建的基于预期外流量的策略也展现出显著的超额收益与正阿尔法，风险调整后表现优异，国内ETF市场信息研究仍不足，值得关注[page::0][page::3][page::8][page::11][page::12][page::13].
报告区分了两组宏观经济变量：五个宏观经济风险因子与四个宏观经济状态变量，前者为风险的主要来源，后者为预期回报的长期驱动。研究表明，均衡配置宏观风险因子可实现一定分散，但经济环境差时回撤较大；而宏观经济状态变量组合则展现更强的上行潜力和风险回报表现，策略基于因子风险平价方法构建并结合MS-VAR进行动态调整，有效提升组合稳定性和风险调整收益[page::0][page::20][page::18].
本报告通过对美国股市1963-2019年数据实证发现，股票成交量与错误定价呈现放大效应：在被低估股票中，成交量与预期收益正相关；在被高估股票中，二者呈反向关系，错误定价主要集中于高成交量股票。同时，成交量放大效应稳健于多种错误定价指标和控制变量，且持续时间可达两年，表明成交量和错误定价结合能够更有效识别投资机会。[page::0][page::3][page::5][page::9][page::18]
本报告基于“Betting against noisy beta”研究，聚焦债券基金与股票基金资金流动引入的定价噪音对高贝塔股票的影响，发现市场情绪高涨时，个人投资者资金流入风险资产导致高贝塔股票被高估，随后产生显著反转。设计的基于资金流信号的动态BAB策略显著优于市场因子和静态BAB策略，风险调整后alpha表现优异，验证定价噪音对BAB因子收益的重要影响，为量化多因子策略提供新视角和实证支持 [page::0][page::3][page::8][page::9][page::10][page::11]
本文提出将传统市场贝塔分解为四个半贝塔，揭示出与负市场收益相关的两种半贝塔（βN和βM-）显著预测未来收益且具有风险溢价，而与正市场收益相关的半贝塔不具显著定价能力。基于高频日内数据的实证研究显示，日度半贝塔具有更强的预测能力。多空半贝塔策略的年化超额收益达8.17%，夏普比率0.92，显著优于传统贝塔和下行贝塔策略。考虑交易成本和部分调仓策略后，半贝塔策略依旧表现稳健，统计和经济意义显著，强调半贝塔在风险定价和量化选股中的潜力。[page::0][page::5][page::8][page::13][page::15][page::19]
本报告提出深度动量网络（DMN），结合深度神经网络和传统时间序列动量策略波动率缩放框架，直接输出交易头寸。通过对88份连续期货合约1990-2015年数据回测，LSTM架构下基于夏普比率优化的模型展现出最佳风险调整后表现，显著优于传统动量基准和其他机器学习模型。引入换手率正则化有效应对高交易成本环境，显示该模型适合流动性较强资产交易，为时间序列动量策略创新提供新路径 [page::0][page::3][page::5][page::8][page::10][page::11][page::12][page::13][page::15][page::16][page::18]
报告基于市场情绪、估值盈利、资金面、风格、日历效应及公募基金持仓多维度分析，指出2021年一季度A股将呈宽幅震荡态势，顺周期板块或有结构性行情。情绪指标及换手率处历史低位，市场风险预警指数显示风险可控；大盘及创业板估值高但盈利稳步回升，中小成长估值中游。短期看好低估值反弹，长期偏好成长、低波动、低换手风格，小市值表现承压。资金面北向资金震荡，两融余额增速放缓，IPO加速增加短期压力。公募基金抱团弱化，中游制造受青睐，医药降温。A股存在明显日历效应，建议11月关注中小盘成长，12月关注大盘蓝筹，一季度春节行情明显 [page::0][page::4][page::22].
本报告提出RSAP-DFM，一种基于连续状态的动态因子模型，通过双重状态转换和对抗学习后验因子构建，显著提升了股票收益预测的准确性和模型鲁棒性。模型采用多头注意力机制自动提取连续宏观经济信息并映射股票收益，实证显示其在中国A股市场优于多种先进基线模型，并带来更佳的投资多空策略回报和风险调整收益[page::0][page::11][page::15][page::16]。
本报告提出基于深度强化学习的投资组合管理框架，结合对比学习和奖励平滑技术提升智能体在面对不确定资产价格走势时的泛化和稳健性。通过在美国股市和加密货币市场实证，模型相较传统和其他DL方法表现出更高的投资组合价值与夏普比率，尤其在下跌市场中平滑奖励发挥正则化作用，有效减少过拟合和波动风险。消融研究及与TS2VEC的比较进一步验证了对比学习与奖励平滑的协同效益 [page::0][page::4][page::12][page::14]。
本报告研究动量价差比率（MSR）指标对动量因子表现的预测能力。实证发现MSR在股票层面显著负向预测传统动量、行业动量和残差动量，控制Fama-French因子后仍显著，表明动量效应部分源于行为偏差。1994年后长期动量表现减弱，MSR依然具备预测能力，反映投资者对部分套利机会利用的不充分性，为动量因子择时提供新方法 [page::0][page::4][page::9][page::12][page::17]
