What Proportion of Knowledge is Patented?
本文系统梳理了专利权对知识产权体系中的作用，重点分析了可申请专利的知识比例以及实际被专利保护的发明占比，揭示大多数知识因非新颖、非经济价值或商业策略而未被专利化。文中通过历史与现代实证研究数据，探讨了不同行业、不同类型发明的专利倾向，并指出专利虽促进技术共享，同时也在社会重要领域带来使用限制和公平性挑战 [page::1][page::2][page::3][page::4]。
金融研报AI分析
周期正在退潮 商品即将见顶 一 大类资产热点思考系列之六
本报告基于库存周期和需求指标分析，判断2022年二季度起商品周期将见顶并进入调整期。主要逻辑包括美国库存周期即将下行、需求增速见顶回落及商品偏离度指数处于历史高位。商品见顶背景下，建议降低商品多头仓位，增配黄金资产，同时关注利率债和结构性机会。美股和A股均将面临盈利压力和估值调整，市场整体更趋谨慎 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14]
真正的紧缩冲击是黄金下一个买点 大类资产热点思考系列之四
报告指出2021年下半年美国核心通胀将超预期，主要由服务价格供需错配、房租传导以及劳动力市场紧张三大逻辑驱动。7-8月成为美联储缩减刺激政策（缩减恐慌）关键观察期，市场可能经历类似1966年的股债双杀局面。紧缩虽对黄金短期不利，但历史和基本面显示，真正的紧缩冲击后，黄金将迎来新的买点，因长端利率在紧缩充分反映后有望回落，支持黄金重回上升轨道。同时，收益率曲线倒挂常伴随黄金上涨，提示未来黄金配置价值提升 [page::0][page::1][page::4][page::5][page::6][page::7][page::9][page::10]
深度专题130：大类资产轮动量化策略体系 宏观基本面&动量视角
本报告创新性地基于宏观基本面引入ListMLE排序学习算法构建大类资产轮动策略，并结合动量因子构造复合轮动策略，实现2017年以来年化收益17.8%、夏普比率1.48，最大回撤9.1%的优异表现。宏观策略通过112个处理过的宏观变量预测资产收益排名，动量策略则基于价格均线偏离度与波动率因子联合构建，复合策略通过轮动两者因子表现进一步优化配置效果，2024年以来表现尤为突出，每月均选择最优表现资产 [page::0][page::1][page::3][page::4][page::5][page::6][page::7]
逐鹿 Alpha 专题报告（十五）：基于领域知识生成的基本面因子挖掘框架
本报告提出了一种基于遗传规划启发式算法结合枚举法的基本面因子挖掘框架，通过生成高效稳定的无量纲因子并对其结构与基因进行剪枝和分析，筛选出效果优异且相关性低的基本面及估值因子。基于行业先验领域知识构建因子结构与基因组，再利用遗传规划快速搜索，显著提升因子搜寻效率与多样性，最终通过因子IC及相关性验证成果稳健，具备较好实用价值[page::0][page::2][page::3][page::5][page::7][page::9][page::10]。
基金长期能力因子构建之二 基金选股能力因子应用
本报告基于基金业绩分解模型引入风格和行业-风格因素，构建风格选股及行业-风格配置因子。通过多期滚动、市场羊群效应择时及持仓补全方法，解决选股因子失效阶段问题，最终结合长期能力因子框架实现对主动权益基金及多类基金分类的显著增强效果。长期能力因子在科技、医药、消费等主题基金中表现优异，结合行业轮动策略，年化超额收益高达22.13%，信息比1.29，具备较强的择基价值和应用潜力[page::0][page::8][page::9][page::11][page::14][page::18][page::19][page::21]
深度专题122： 逐鹿 Alpha 专题报告--基于openFE的基本面因子挖掘框架
本报告基于openFE的Expand-And-Reduce框架，将三大报表数据经过算子组合构建约70万个基本面因子，应用两步筛选法甄别优质因子。核心发现包括动量、市值和行业因子贡献最大，价值因子重要性最高，质量因子表现一般。结合基础及合成因子训练月频选股模型，回测期年化超额收益21%，夏普比率1.19，表现稳健且有效。在不同指数池中策略表现存在差异，模型随机性与数据区间带来潜在风险。[page::0][page::1][page::2][page::5][page::6][page::7][page::8]
基金长期能力因子构建 从择时和行业配置角度
本文基于基金业绩归因视角，提出并验证了一种改进的行业择时Brinson模型，结合T-M、H-M波段择时模型和动态Beta特质收益分解，构建反映择时、行业配置和交易能力的长期能力因子。长期能力因子表现出优异的预测效力和投资回报，2022年样本外年化超额收益达8.94%，策略年化收益达18.91%，显示在多风格切换和市场波动加剧的环境下，能力因子对基金优选和FOF组合配置具有较强指导价值[page::0][page::6][page::10][page::13][page::14][page::15][page::17][page::18]。
逐鹿 Alpha 专题报告（十一） 基于限价订单簿数据的 DEEPLOB 模型
本报告基于沪深市场Level2逐笔订单簿数据，构建80维高频量价因子，利用结合CNN与LSTM的深度学习模型DeepLOB进行短期收益率三分类预测。通过对股票及可转债的回测，结果显示连续信号触发的阈值N大于15时，股票单次交易平均收益率超过0.8%，可转债甚至达5.55%，证明模型具备较强的泛化及预测能力，且高频因子的加入有效提升了模型表现[page::0][page::4][page::5][page::6][page::10][page::11][page::14][page::15]。
券商金股组合深度解析及分析师因子再增强
本报告深度解析券商金股组合的超额收益特征，梳理了各券商推荐金股的行业分布与推荐行为差异，通过构建分析师预期调整类、市场一致预期调整类及纯净分析师覆盖度因子，显著增强了金股组合表现，构建的金股20组合年化收益达31.36%，样本外绝对收益达35.18%，行业及规模配置均衡，策略具有较高的稳定性和选股能力。[page::1][page::2][page::5][page::8][page::9][page::10]
深度专题109：基于主题分类的基金行业轮动FOF策略
本文构建了基于仓位高低、仓位择时和选股范围的三维基金分类体系，细化主动权益基金的行业主题标签，通过构建行业主题基金指数和优选指数，实现对公募基金行业轮动策略的研究。研究表明，行业基金轮动策略2016-2021年年化收益24.52%，优选行业基金轮动策略年化收益28.65%，显著超越主动权益基金基准，反映出主题分类在提升基金配置效率中的重要价值[page::0][page::5][page::11][page::12]
理论与应用指南：Black-Litterman模型详解 资产配置模型探讨系列之二
报告详细解析Black-Litterman模型，阐述了其对传统均值方差模型极端权重和参数敏感性的改进机制。通过融合市场均衡和投资者观点的两类不确定信息，模型有效缓解估计误差放大问题，实现更稳健的资产配置，并通过实证比较不同预期收益设定对组合表现的影响，验证精准观点在优化组合风险收益中的重要作用。[page::0][page::1][page::2][page::4][page::5][page::6]
基于基本面及分析师预期的复合行业轮动策略
本报告基于行业财务因子、分析师预期因子及量化基本面信息，构建复合行业轮动策略。研究发现盈利和成长类财务指标及其增量对行业选择具有重要参考性，预期调整因子超越预期ROE数值因子表现明显，量化基本面择时指标在周期行业中展现效用。综合这三类因子构成的多维行业轮动策略，年化超额收益率最高达到12.27%，夏普比率达0.494，且近年量化基本面和预期信号效应显著增强，为行业轮动投资提供有效量化框架和实证支持 [page::0][page::3][page::7][page::8][page::9]
建投金工深度专题106：分析师预期调整事件增强选股策略全攻略
本报告深入研究分析师预期调整信息，包括盈利预期、目标价格和投资评级调整三大方面。构建了相应的选股因子和事件增强策略，结合分析师盈利预期调整幅度对目标价及评级上调事件进行增强，实现了显著的选股效果。特别是EPS_FY1、EPS_FY2、净利润FY1均主动上调预期叠加盈利预期调整幅度因子的策略表现最佳，年化收益率达33.64%，超额收益率29.39%，信息比率2.32，胜率71.43%，并有效分散行业和市值风险，体现出强逻辑和良好稳定性 [page::2][page::4][page::6][page::8][page::10][page::11][page::12][page::13].
建投金工深度专题104：高频订单失衡及价差因子
本报告挖掘高频盘口数据中的价值信息，构建逐档订单失衡率和中间价变化率两大类共14个高频量价选股因子，通过高频转低频方法转换为月频选股因子。单因子回测显示MPC5_neut因子表现最佳，年化多空收益达30.63%，夏普比率2.88。因子在中证500和沪深300样本内均表现优异，验证了高频量价因子的选股有效性 [page::1][page::4][page::5][page::6][page::8][page::9]
建投金工深度专题102：买卖报单流动性因子构建
本报告基于高频盘口数据，构建买单流动性因子MCI_B与卖单流动性因子MCI_A，通过将高频因子降频至月频形成稳定的选股因子。MCI_B因子表现优异，IC均值6.89%，年化多空收益达到26.58%，显著提升指数增强模型表现。研究强调买卖报单流动性不对称性，流动性风险溢价在长期回报中占重要地位。两因子通过市值和行业中性化处理，适用于沪深300及中证500指数样本池，具备实际投资应用价值 [page::1][page::6][page::7][page::8][page::10]
建投金工深度专题98：高频量价选股因子初探
本报告基于高频盘口数据，构建了订单失衡（VOI）、订单失衡率（OIR）和市价偏离度（MPB）三大高频量价选股因子，并将其降频至月度进行低频选股策略。研究发现VOI和OIR因子在高频层面与收益呈正相关，但低频（即月度）呈现逻辑反转，MPB因子整体表现较优，IC均值达-5.23%，年化多空收益率21.24%，夏普比率2.68，是全部因子中表现最佳。研究还揭示了高频信息向低频转化过程中的信息衰减和策略应用注意事项，为量化选股提供了新思路和实践路径 [page::1][page::4][page::5][page::8]
建投金工深度专题66：科创板解析：规则、投资者结构与基金产品
本报告全面解析了科创板的设立背景、规则创新及发展历程，重点分析了科创板与创业板及主板在审核机制、上市门槛、投资者准入及交易机制等方面的差异。同时，深入探讨了科创板投资者结构变化及对基金产品的影响，重点阐述公募基金、战略配售基金及保险资金参与科创板的多样化路径及市场机遇，最后梳理了科创板基金的类型及规模现状，为投资者理解科创板的生态构建和投资价值提供了系统参考 [page::0][page::1][page::2][page::3][page::6][page::7][page::8][page::9][page::10]。
量化视角衡量个股估值提升的确定性——估值提升概率模型及其有效性分析
本报告基于概率模型构建股票估值提升幅度的预期量化因子，揭示因子与估值的kendall相关系数的统计规律，通过对全市场及大市值样本实证，发现该估值提升因子在市值排名前1/3样本中表现优异，显著提升IC和多空收益差，且能更稳定地捕捉股票未来上涨空间，为量化选股提供新的估值视角和策略方向 [page::0][page::2][page::5][page::6][page::11][page::12][page::14]。
宏观因子行业轮动体系 主观与量化结合新尝试
本报告基于普林格周期和宏观变量构建行业轮动模型，通过逐步回归和逻辑回归两种量化方法，深入挖掘宏观因子对A股29个一级行业超额收益的预测能力。实证结果显示，基于周期划分的行业集中配置策略与拟合预测模型均能显著获得超额收益，多头年化超额收益分别超过5%和14%，且模型具有较强的稳定性和解释性，提供了宏观与微观结合的有效投资框架[page::0][page::2][page::4][page::8][page::9]。
