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]
本报告基于华创金工构建的短期价量共振、中期推波助澜和长期动量摆动三大择时模型，结合公募基金行业仓位数据，进行行业轮动与选股策略研究。结果显示短中长期择时指标共振看多，股票型基金仓位高企但有所下降，重点推荐电力设备及新能源、医药、家电、建材、交通运输等行业。报告构建包括业绩超预期、大师策略、形态识别等多角度选股策略，验证其显著超额收益，覆盖量化因子与策略回测，结合图表展示模型回测效果和行业仓位演变，详尽展现量化行业轮动信号及选股方法 [page::0][page::4][page::5][page::9][page::14][page::15][page::23]
本报告基于沪深300指数样本股调整事件，利用近一年行情数据预测2020年6月调入调出股票名单。通过历史事件研究验证调入样本股在公告日前及公告后均表现出显著正超额收益，调出股票反之，验证了事件驱动策略的有效性。报告详细列示了2019年6月和12月调样股的预测准确率及收益统计，并结合调整规则和影响机制分析指数调样的市场效应，为投资者及指数基金提供重要参考 [page::0][page::1][page::6][page::7][page::8][page::9][page::10]
报告基于事件研究方法，系统分析沪深300指数样本股的调入及调出效应，结合市值与行业因素校正异常收益，发现调入股在公告日前10个交易日出现明显正收益，调出股则呈现基准日前下跌趋势，调入调出效应均受行业和市值影响，最终提供了2019年中期调整名单预测，为市场调整事件的解读与预判提供数据支撑[page::0][page::8][page::10][page::12]。
报告围绕端到端深度学习GRU模型的泛化性问题，基于样本加权(GroupDRO)与风格约束两种改进方法，显著提升模型在中证全指股票池因子测试和1000指数增强中的稳健性与超额收益表现。GRU DRO模型10日RankIC达14.3，超额年化收益率提高4%，最大回撤从-21%降至-16%；风格约束模型在一定区间显著改善风格暴露，表现亦优于基线[page::0][page::4][page::19]。
本报告基于行为金融有限注意力理论，利用龙虎榜机构席位资金的极端净流入与净流出行为，揭示了沪深300指数未来收益的非线性V型分布特征，构建了相应的多空择时模型，实现年化收益21.06%、夏普比率0.938，模型回测表现优异，显示机构席位异常资金行为对市场择时具有重要价值 [page::0][page::1][page::7][page::8].
本报告重点研究了基于多时序深度学习模型集成的量价因子在A股选股和ETF轮动上的应用。通过GRU、PatchTST、Transformer、TSMixer与ModernTCN模型的融合，构建Ensemble_factor，显著提升了IC均值与稳定性。该集成因子在全A、宽基指数、风格池及基金重仓股均表现出优秀的因子区分度和分组收益能力，并基于该因子实现选股及ETF轮动策略，长期超额收益显著，ETF轮动策略年化收益率达11.7%（宽基类）和16%（行业主题类），均优于沪深300基准，展现出人工智能在量化投资领域的有效应用与潜力，为投资者提供了创新量化工具及方法论 [page::0][page::5][page::10][page::12][page::20][page::27][page::29]
本文基于万得全A指数成分股的涨跌停板比率构造推波助澜比率指标，结合价量共振择时方法，设计出灵敏的市场择时系统。该系统体现了抄底与逃顶的逻辑，回测显示年化收益15.39%，最大回撤24.88%，夏普比率0.946，胜率58%，盈亏比2.86，平均多头持有期约3周。系统参数稳定性良好，能较好把握部分市场顶底行情，为A股大盘择时提供有效模型参考 [page::0][page::3][page::4][page::5][page::8]
报告构建评价基金行业轮动能力的新指标，验证其稳定的收益预测能力，并基于该指标对行业轮动策略基金池进行动态筛选，显著提升策略年化收益34.61%、夏普率21%。该指标对FOF选基具有实用价值，策略回测覆盖2011年至2018年8月 [page::0][page::3][page::10][page::12][page::13]
本报告系统分析了动量因子在A股选股及行业轮动上的表现，发现动量因子在个股层面表现为反转效应，而在一级行业层面表现出显著的正向动量效应。通过“长短共振”思想，将1个月与12个月动量因子合成，显著提升行业动量因子表现，应用于一级和二级行业均有效，合成因子年化收益超额基准组合5%，换手率适中，为构建行业轮动量化策略提供理论和实证依据 [page::0][page::5][page::9][page::12][page::20][page::23]
本报告基于复杂网络理论构建股票市场网络，以最小生成树方法计算股票的度中心度、接近中心度和中介中心度三种中心度因子，发现接近中心度因子表现最佳，尤其是在22交易日时间跨度下，全A样本年化多空收益达到24.24%，IC均值为0.043。研究还从风险因子相关性及定性角度分析该因子收益来源，指出高接近中心度股票更具市场信息传递效率和关注度，有望带来超额收益。风险提示历史表现不代表未来收益 [page::0][page::1][page::6][page::12][page::16][page::17][page::19]
本报告基于朝阳永续数据，系统研究分析师推荐信号的超额收益特征，揭示推荐前存在显著超额收益及推荐后动量反转现象，特别强调多篇分析师报告覆盖的股票展现更强的动量效应。并构建分析师关注度因子AAT，通过时间加权评分有效补充一致预期评级信号ASC，合成信号在中证500表现优异，实现约12.85%的年化收益及1.4的信息比，且最大回撤明显降低，展现了信号之间互补性和投资应用价值 [page::0][page::3][page::5][page::10][page::12][page::13].
本报告基于公募基金行业仓位数据，创新采用二次规划算法分解基金收益测算行业配置，构建仓位动量驱动的行业轮动策略，显著提升策略的预测能力和超额收益率，回测显示多头年化相对收益达12.51%，夏普率1.52，且策略具备良好鲁棒性与实用价值[page::0][page::8][page::16].
本报告系统分析了公募主动型量化基金的现状与业绩表现，指出主动型量化基金收益及夏普比率优于多数传统基金类别。重点推荐以中证1000指数为代表的中小盘股票投资价值，因其行业分散度高、市值结构偏小盘且估值较低，适合长期超额收益。以博时智选量化多因子产品为例，结合机器学习自动挖掘因子和技术形态买卖点，提高组合弹性与收益能力，规避拥挤赛道风险，具有较强配置价值和成长潜力 [page::0][page::3][page::6][page::9][page::10]。
