本报告通过构建主动型权益基金及被动型权益基金的多维度选基因子和指数因子，分别进行定量打分和筛选，结合二者优势构建宽基指数增强组合。利用优化模型控制风格及板块偏离，实现组合因子得分最大化。实证基于沪深300、中证500、中证800、中证1000指数的回测结果显示，该增强组合在回测期间均获得了显著超额收益，展现出较为稳健的量化选基能力及组合构建优势，为权益基金投资提供有效的主动与被动结合策略思路 [page::0][page::6][page::11][page::15][page::24][page::17][page::19][page::21][page::22][page::23][page::24].
本报告基于海量Level 2逐笔订单数据，结合订单大小与成交时长两个独立维度，构建240个订单因子，通过多维度解耦分析挖掘出优异表现的精选订单因子组合。2021-2023年回测显示，精选订单因子组合在全市场及多个板块均实现显著超额收益，Top-30组合年化收益率高达31.33%，夏普比率达1.86，显著优于基准指数表现。该系列研究为量化选股提供了有效的交易信号和策略基础。[page::0][page::5][page::14][page::22]
本报告以可转债的股性与债性为核心，研究通过分层转债指数复制及动态配置，实现对中证转债指数的复制及收益增强。重点利用宏观、中观及微观多因子择时模型动态调整偏股、中性、偏债层转债权重，并结合转债估值指标（转股溢价率、到期收益率）引入正股及纯债替代策略，有效提升策略收益与降低组合波动 [page::0][page::12][page::16][page::17][page::18]。
本报告聚焦美国红利ETF市场，系统梳理主要红利指数特征及其编制方案，结合A股分红实际数据，进行了海外红利指数逻辑在A股的回测。结果表明，红利质量和红利增长风格的海外红利选股逻辑在A股表现出差异化收益，尤其是基于WisdomTree U.S.Quality Dividend Growth Index策略的组合显著超过了传统股息率选股方案，展示出较好的超额收益潜力[page::0][page::1][page::8][page::9][page::13]。
本报告基于Level2快照数据，提出利用主动交易单对分档限价单的突破（档位突破）信号构造选股因子，反映短期内买卖双方多空强弱对比。因子表现稳定，IC显著，月度和周度调仓均显示持续超额收益，尤其在中证1000成分股中表现更优。风格及行业正交分析表明该因子具有额外信息，风险适中，适合多频率量价因子体系扩展 [page::0][page::4][page::6][page::18]
本报告基于主动权益基金的持仓数据与证券波动率、分析师预测分歧度两类指标，构建基金投资注意力需求与注意力分配效率因子，研究发现基金注意力需求与未来收益负相关，而注意力分配效率与未来收益正相关；两指标交叉划分四象限，对主动权益基金收益区分显著，注意力需求高且分配效率高的象限表现最好，表明基金经理有限的投资注意力以及其分配效率对基金绩效具有重要影响，为主动基金投资评价提供新的视角和量化指标 [page::0][page::1][page::5][page::6][page::8]。
本报告基于个股资金流数据，构建了指数资金流指标，筛选了6个周频有效指标，进而设计了指数轮动策略与ETF组合。回测结果显示该策略在多个频率和资产组合中均实现显著超额收益和稳健表现，为高频指数轮动及ETF配置策略提供了有力支持。[page::0][page::3][page::10][page::11][page::13][page::19]
本报告提出基于多期限残差优化的多期限动量反转因子，利用残差动量及改进的低延迟趋势线提升因子的稳定性与选股能力。实证发现该因子在沪深A股各板块均表现稳健，尤其是在创业板及中证1000股票池，Rank IC均值分别达到-4.32%和-3.79%。策略回测显示，多头组合年化收益率最高达23.90%，夏普比率最高达0.67，多空组合也呈现良好风险收益特征。同时，经过Barra中性化处理后因子仍保持有效性。该因子换手率明显低于原始动量因子，且在不同调仓频率和残差平均窗口长度下均表现稳健。风险提示包括因子策略在市场结构和交易行为变化时的可能失效风险。[page::0][page::1][page::3][page::7][page::11][page::14][page::16][page::17][page::19]
报告聚焦基于行为金融学的处置效应与前景理论，提出资本利得突出量（CGO）因子，结合低频和高频价量数据，通过实证回测展示该因子的选股效能。低频因子表现稳定，多空年化收益约28%；高频因子表现更优，行业市值中性后多空年化收益达40%，夏普比率显著提升。因子内部时间回溯周期影响显著，分域检验显示低频因子在小盘股更有效，高频因子在沪深300表现更佳。此外，策略对换仓频率和交易费用敏感，提示实际应用风险。报告为量化投资者提供了从行为金融视角出发的多频率量化因子投资策略框架及其表现分析 [page::0][page::5][page::9][page::17][page::18][page::19]
报告基于A股市场的结构分化特征，使用分化度指标构建动态风格轮动策略。以Wind风格指数和Wind主题指数为标的，策略通过阈值判定采用趋势或反转模式，实现了显著超额收益。风格轮动策略自2018年以来年化收益约33%，主题轮动策略自2013年以来年化收益达52%，均显著优于等权基准。策略动态适应市场分化度变化，提高投资效果并给出风格及主题配置建议，彰显分化度在风格轮动中的重要参考价值[page::0][page::11][page::12][page::15][page::16]
本报告基于海量Level 2逐笔订单数据，提出多维度解耦的大小单因子构建方法，涵盖时间和订单双重维度的93个大小单占比因子。通过对2020-2023年A股市场的实证回测，精选大小单因子组合在全市场及多个板块均实现超过30%的年化多头收益率和高夏普比率，显著跑赢相关指数，反映了大小单因子在捕捉主力买卖行为及市场信息方面的有效性，为量化投资提供了新的因子挖掘思路和选股依据 [page::0][page::16][page::25]
本报告提出扩散因子模型，将潜在因子结构融入生成式扩散过程中，有效解决高维资产收益率和小样本数据环境下的模拟难题。通过时间变换正交投影分解得分函数，设计专门的神经网络架构，实现对高维金融数据的高效生成并提供非渐近误差界。数值和实证结果表明，该模型在子空间恢复与投资组合构建中表现优异，超越传统方法，有效缓解维度灾难，支持大规模资产的风险管理与最优投资策略制定 [page::0][page::3][page::4][page::16].
本报告研究了通过做空投资级企业债券（如LQD ETF）作为尾部风险对冲工具的有效性。采用信用风险、流动性和动量三大信号，通过典型相关分析（CCA）优化对冲时机和仓位，实证显示该动态对冲方法能显著降低下行风险，提升Sortino比率，适用于高承载、高主动风险债券基金如PIMIX，并考虑了交易成本和市场容量限制，实现了现实可操作的风险管理方案 [page::2][page::5][page::56][page::57]
本报告提出了基于联合可交换数组的保险组合系统性风险建模框架，扩展了经典集体风险模型以考虑交互作用。通过建立相关的中心极限定理，理论刻画了大量保险合同及长期时间跨度下的总损失分布，验证了模型在中等规模组合上的有效性。同时，数值模拟揭示了风险依赖结构对尾部损失分布的显著影响，为风险管理提供新的理论工具与实证支持 [page::0][page::1][page::8][page::14][page::20]。
本文提出了一种基于Ornstein-Uhlenbeck过程的汇率风险溢价均值回复模型，刻画汇率偏离无套期保值利率平价（UIP）的结构性行为。实证采用2010-2025年USD/KRW数据，发现风险溢价在多个预测期限内均表现出强均值回复特征，且模型在2周、1个月及中长期（6个月、1年）预测中均表现良好，仅3个月预测期存在明显低估波动的过渡期现象。研究表明，汇率偏离UIP主要源于结构化风险溢价而非随机噪声，模型为汇率动态预测提供新的可解释框架，未来研究可关注尾部风险校正和多阶段动力学 [page::0][page::1][page::2][page::5][page::6]
本报告系统阐述了基于资产动态及因果驱动的投资组合优化理论框架，提出了“Commonality Principle”作为组合最优因果驱动的必要且充分条件，利用感度空间实现因果驱动下的系统性和非系统性多元化的整合。报告深入探讨了从Reichenbach的因果原理到神经网络自动微分提取敏感度，并构建了适用于投资组合的灵敏度距离矩阵及层次聚类优化方法；同时，创新性引入了基于公因果流形及其切空间的风险管理框架，将灵敏度预测作为路径依赖的动力学系统，通过随机微分方程模拟未来多步灵敏度轨迹，进而实现动态、前瞻性的投资组合多样化优化。大量实证实验涵盖美欧市场、不同周期、不同资产配置，结果显示基于因果敏感度的Hierarchical Sensitivity Parity（HSP）方法显著优于传统最大夏普率和层次风险平价方法，实现了更稳健的风险调整收益率 [page::1][page::5][page::11][page::20][page::53][page::123].
本文对八种主流深度强化学习算法在期权动态对冲任务中的表现进行了系统比较，以根半二次损失(RSQP)为风险衡量指标，实验证明蒙特卡洛策略梯度（MCPG）与近端策略优化（PPO）表现最佳，且MCPG在有限计算预算下唯一显著优于经典Black-Scholes Delta对冲基线，且收敛速度最快，揭示了稀疏奖励环境下策略梯度法的优势及其实际应用潜力。[page::0][page::4][page::6]
本文提出了一种基于Hawkes过程的逐笔价格形成模型，通过均场相互作用聚合多个自激点过程，揭示在临界参数条件下，聚合价格过程在大尺度极限下收敛为具有杠杆效应和超线性均值回复速度的随机波动率模型。该模型为市场价格微观结构与宏观波动率现象（如多重分形行为、杠杆效应）的数学基础提供理论支持，为复杂市场行为的刻画搭建桥梁 [page::0][page::1][page::2].
本报告提出一种基于生成对抗网络(GAN)与深度强化学习相结合的“Reinforced-GAN”算法，用于计算含有交易成本等摩擦的多代理金融市场均衡模型。该方法通过引入反馈机制稳定训练过程，实现了在多代理高维复杂环境下对资产溢价与波动性内生生成的精准模拟，超越传统解析及数值方法的限制。算法具备理论逼近保证，并通过多场景数值实验验证了其在LQ偏好及非线性交易成本下的优越性能及可扩展性，为金融均衡价量模型的求解提供了创新路径[page::0][page::1][page::4][page::9][page::10][page::13][page::15][page::17].
本报告研究了在模型不确定性背景下，基于单调均值-方差准则的最优风险分担问题。通过引入多个参考损失模型及卡方散度惩罚，构建了多模型下的优化策略。以Cramér-Lundberg损失模型为基础，获得了最优风险分担合同及财富过程的封闭形式解，揭示了财富过程与Radon-Nikodym导数辅助过程的线性关系，模型惩罚参数对财富波动性起约束作用。最终结合西班牙汽车保险数据进行了数值模拟，验证了模型有效性及保险人与对手方的盈亏权衡机制 [page::0][page::2][page::11][page::26][page::29]
