AI Agent的技术演进与产业洞察
本报告深度解析AI Agent的技术演进，围绕以大语言模型为核心的新范式，阐释从传统架构到多智能体协作的演变过程，分析上游基础模型、算力与生态构建，中游开发平台和下游垂直应用的发展现状与趋势，指出关键技术瓶颈与未来发展方向，为相关产业链投资提供洞察与风险提示[page::0][page::1]。
金融研报AI分析
出口再超预期后：风险与韧性并存
2025年7月中国出口增速持续超预期，美元计价出口同比增长7.2%，东盟和拉美出口表现强劲，消费电子等品类增速回落，服装等成品被东盟替代。预计8月出口将因232关税及转口监管面临回落压力，但资本品出口表现韧性较强，受全球地缘风险和产业转移影响，出口的中期韧性值得关注 [page::0].
国盛量化 | 行业模型形成共振，指向TMT $+$ 金融周期板块
本报告基于行业相对强弱指标（RS）、景气度-趋势-拥挤度模型和库存反转模型，揭示当前行业模型共振指向TMT与金融周期板块，推荐银行、有色、钢铁、传媒、通信等行业。行业ETF组合自2023年至2025年实现显著超额收益，景气度选股策略年化收益逾25%，行业库存反转模型亦表现不俗。哑铃型配置策略被证实为当前配置优选，左手稳定价值，右手科技成长，实现稳健与成长兼顾[page::0][page::1][page::3][page::4][page::5][page::6]。
沪深300超额旗手，指增版本重磅首发——长信沪深300指数量化增强投资价值分析
报告系统分析了沪深300指数增强策略的配置价值，结合政策托底、经济复苏背景及指数成分股的高分红和行业优势，指出沪深300指数适合做指数增强。以长信量化价值驱动A基金为案例，展示其自2022年起年化超额收益达到7.27%，行业偏离严格且风险因子暴露符合策略预期。介绍了长信量化团队的实力及新发的长信沪深300指数量化增强基金，强调其严格控制跟踪误差、结合多因子模型及量化风险管理体系，力争实现持续稳定的超额收益 [page::0][page::1][page::8][page::12][page::13]
行业轮动系列：估值比较视角下的行业轮动策略
本报告深入研究基于多维度估值比较的行业轮动策略，提出相对估值分歧因子、估值天花板因子和龙头估值溢价因子三大因子体系，结合行业间横向对比、历史估值高点和行业内部龙头溢价视角，构建多因子叠加合成因子，有效提升行业轮动策略的表现和超额收益能力，且因子多样性降低同质化风险，为行业择时和资产配置提供创新路径 [page::1][page::3][page::8][page::9][page::12][page::17][page::19]。
【信达金工于明明团队】基金经理调研第22期(深圳站，8/8更新后)
本报告汇总了信达金工团队组织的基金经理调研活动安排，涵盖了科技、医药、量化和制造等多个热点板块，收集公募FOF、资产配置部及保险等机构的基金经理观点，聚焦年度市场趋势及多维度投资机会分析，为基金投资研究提供重要参考。[page::0][page::1][page::2]
国泰海通 ·2025研究框架培训邀请函｜洞察价值，共创未来
本邀请函介绍了国泰海通证券于2025年8月18日至26日举办的研究框架培训安排，涵盖多个研究领域包括消费、金融、总量、周期、医药、科技及先进制造等多个板块，邀请全首席分析师深度讲解专业研究内容，促进洞察价值与共同发展，具体培训日程详见表格及讲师团队介绍[page::1][page::2][page::4][page::5]。
Breaking the Trend: How to Avoid Cherry-Picked Signals
本报告实证验证了Grebenkov和Serror (2014)提出的趋势跟踪策略理论Sharpe比率公式，表明仅用单一时间尺度的均值回复过程和简单EMA指标即可精准捕获趋势特征。复杂指标组合不仅非必要，反而易导致数据捡择风险。实测在跨资产期货组合中，基于ARP策略的EMA参数优化与理论公式高度吻合，最佳EMA平滑参数约为112天，验证了模型的稳健性与实际适用性。多时间尺度指标如MACD未显著超越单一EMA，进一步支持理论结论 [page::0][page::7][page::16][page::18].
The Cost of Coming Out
本文利用热门网络游戏《英雄联盟》中角色“Graves”同性恋身份公开的自然实验，采用合成控制法分析公开同性恋身份对玩家角色选择偏好的因果影响。结果显示，公开身份导致玩家选择该角色的频率持续下降超过40%，且该负面反应在不同玩家技能层次及多个地区均存在。实证排除了游戏角色强度变化、玩家技能、游戏表现及新角色上线等替代解释，证明了社会污名压力构成重大“出柜成本”，为理解LGB身份个体在社会和职业领域的低代表性提供了新视角[page::0][page::1][page::2][page::11][page::15][page::16][page::18][page::28]。
Deconstructing the Crystal Ball: From Ad-Hoc Prediction to Principled Startup Evaluation with the SAISE Framework
本论文系统性回顾了57项AI驱动的创业公司成功预测的实证研究，揭示了该领域数据和算法上的高度趋同与方法论上的显著分歧。针对当前研究在成功定义分散、特征工程缺乏理论指导、验证不规范及解释性不足的问题，提出了一个五阶段的系统性AI驱动创业评估框架（SAISE），以实现更加严谨、统一和具备实际应用价值的创业评价方法[page::0][page::1][page::4][page::21][page::34]。
【策略】政策巩固回稳向好，中期趋势有望延续——A股市场2025年8月投资策略报告
本报告基于当前政策巩固和经济回稳背景，分析A股市场2025年8月的投资策略，指出宏观流动性将保持宽松，资本市场流动性继续增量，行业方面重点关注人工智能、创新药、国防军工及金融板块的投资机会，预计A股市场呈震荡上行趋势，风险主要来自政策及地缘政治的不确定性。[page::0][page::1][page::2]
Sparse Asymptotic PCA: Identifying Sparse Latent Factors Across Time Horizon in High-Dimensional Time Series
本论文提出了一种基于稀疏渐近主成分分析（sparse APCA）的稀疏潜因子建模框架，假设因子过程在时间维度上稀疏而载荷非稀疏，以更好刻画金融市场高维时间序列中系统风险随时间的动态演变。论文设计了基于截断幂法的估计算法，并创新性地提出利用截面交叉验证确定稀疏度，理论上证明了估计量的一致性。通过蒙特卡洛模拟和标普500股票日收益率的实证分析，揭示了影响股市的九个重要时间风险因子，体现了方法在解析市场系统性风险时的优越性与解释力 [page::0][page::3][page::24]
ByteGen: A Tokenizer-Free Generative Model for Orderbook Events in Byte Space
本论文提出ByteGen，一种无需tokenizer的字节级限价单簿（LOB）事件生成模型。通过设计紧凑的32字节二进制格式，结合H-Net层次化动态分块架构，模型直接从原始字节流学习市场动态，避免了传统token化方法的信息损失。基于超过3420万条芝商所比特币期货高频数据训练，ByteGen成功复现了价格分布、厚尾收益及事件时序的若干市场风格特征，展现了字节级建模在金融量化领域的巨大潜力和高度适应性。[page::0][page::1][page::4][page::6][page::14][page::17]
Automation, AI, and the Intergenerational Transmission of Knowledge
本文构建了一个重叠代际模型，分析先进自动化（尤其是人工智能）如何影响隐性知识的代际传递。研究发现，自动化低级任务可显著提升短期生产效率，但会削弱新一代技能积累，长远导致经济增长放缓。估算显示，美国长期年增长率可能因AI驱动的低级任务自动化而减少0.05至0.35个百分点。尽管AI辅助系统（AI协助工具）可部分缓解知识传递断层，但若降低了年轻人亲身学习动力，反而可能加剧这一问题。政策应在推动AI应用与维护入门岗位间寻找平衡，以免知识技能流失侵蚀未来生产力 [page::0][page::3][page::5][page::31]
International Comparisons: Multilateral Indices and Nonparametric Welfare Bounds
本文基于国际消费价格和产出数据，构建国际参考消费者偏好，实现了多边成本生活指数的无参数福利界限，改进传统双边界限，并提出了广义星形系统指数，实现指数的跨国间一致性和福利解释。实证发现多边指数较市场汇率更具经济福利解释力，且超优指数优于非超优指数，贪爱偏差较小，索引理论基础扎实 [page::0][page::2][page::3][page::10][page::19][page::25].
Multivariate Rough Volatility
本文提出了多变量分数傅里叶-奥恩斯坦-乌伦贝克（mfOU）过程来描述多维对数波动率的联合动态，开发了基于广义矩方法（GMM）的参数估计，并通过对Oxford-Man库22组近20年的实际波动率数据进行实证分析，发现该模型能够很好地捕捉波动率时间序列之间的相关性及其非对称交叉协方差特征，从而揭示波动溢出效应及波动率的粗糙性和近非平稳行为，为金融风险管理和波动率预测提供理论工具和实证支持 [page::0][page::1][page::5][page::12][page::24].
Tail Risk Alert Based on Conditional Autoregressive VaR by Regression Quantiles and Machine Learning Algorithms
本论文基于多变量多层次条件自回归VaR模型，采用遗传算法和梯度下降方法优化，揭示并量化了美国股票、外汇和信用债市场间尾部风险溢出关系，发现信用债市市场处于极端风险预警核心地位，能够有效预测其它市场风险，提出构建跨市场尾部风险预警体系的理论与方法[page::1][page::2][page::3][page::4][page::5]。
Dependent Default Modeling through Multivariate Generalized Cox Processes
本文提出了一个多元广义Cox过程框架，用于建模依赖的违约时间，能够刻画同时和非同时违约事件。通过对Azéma超鞅的乘法分解及确定性补偿过程假设，推导了联合生存概率的解析表达式，涵盖了Lévy次加速器、复合泊松过程和Shot-noise过程等重要特例，并扩展了模型以纳入随机连续成分，实现了渐进与突发违约风险的统一表述[page::0][page::1][page::7][page::8][page::12][page::13][page::22][page::23]。
Assessing Dynamic Connectedness in Global Supply Chain Infrastructure Portfolios: The Impact of Risk Factors and Extreme Events
本论文基于2010年至2023年间的多维度数据，利用时间变参数向量自回归(TVP-VAR)模型，分析了能源市场、投资者情绪和全球航运成本三大风险因素与全球供应链基础设施投资组合的动态联系及风险溢出效应。研究发现，具有较高ESG评分的投资组合表现出更强的动态连通性。COVID-19疫情作为极端事件，显著改变了风险溢出结构和对冲有效性。投资组合与风险因素间的净定向连通性揭示了投资组合作为溢出冲击的主要源头，而风险因素多为溢出冲击的接受者，研究为投资者调整对冲策略提供了重要启示[page::0][page::13][page::24][page::39].
Periodic evaluation of defined-contribution pension fund: A dynamic risk measure approach
本文提出定期评估DC养老金基金的新框架，以动态风险度量为准则，通过模型无关的强化学习算法优化投资与保险策略。使用美国数据及Lee-Carter模型校准寿命数据，结果显示定期评估导致更为风险厌恶的策略，而寿命改进则促使接受者采取风险偏好更强的行为，显著影响投资配置与寿险需求 [page::0][page::2][page::6][page::15][page::18][page::21][page::22].
