本报告详尽分析了2025年二季度公募基金在股指期货的持仓结构与变化趋势。二季度整体指数经历跳空缺口，推动股指期货贴水达到历史极高水平，公募基金对股指期货多头需求旺盛，多头持仓创历史新高至280亿，空头持仓小幅增加，总持仓规模接近2020年峰值。多头持仓集中于当季合约及被动指数产品，空头以IM品种为主对冲小盘股风险。境外持仓有所下降，但NASDAQ 100期货与恒生科技指数仍为主流品种。公募股票多空策略维持正收益但规模缩减，反映基金仓位调控及市场趋势变化。本报告为国泰君安期货专业研报，数据来源合规，分析独立客观 [page::0]。
本报告深入解析了2025年二季度公募基金市场发展态势，揭示基金总体规模增长，主动权益、固收+、FOF、ETF及量化基金等板块表现分化。量化基金规模和数量持续攀升，固收+基金规模达1.56万亿元且展现不同弹性特征，主动权益基金头部管理效应显著，REITs市场稳定增长。报告基于丰富数据图表展现基金类型规模结构、管理排名及业绩表现，全面反映当前公募基金行业景气及投资趋势，为投资者提供系统参考。[page::0][page::1][page::8][page::10][page::29][page::36]
本文件为西南金工金融工程研究岗位的招聘启事，内容涵盖岗位职责、任职要求及简历投递信息，未涉及具体的金融研究或量化策略内容。[page::0]
本内容为国泰海通证券研究发布的行业访谈直播预告，重点介绍批发零售及社会服务行业首席分析师刘越男的观点，聚焦新消费背景、居民消费新特征及政策方向，未涉及具体量化策略或投资评级信息，适合签约客户参考。[page::0][page::1][page::2]
本报告聚焦化工行业在新一轮产业政策推动下的供给侧优化趋势，分析了雅鲁藏布江下游水电工程对相关细分行业（如民爆、全钢胎）的投资机会，重点推荐MDI/TDI龙头万华化学、华鲁恒升等企业。通过政策面与市场数据（如制造业PMI、PPI、出口变化及申万化工板块涨跌幅）结合，判断行业周期复苏有望持续，重点关注具备成本或技术优势的龙头企业 [page::0][page::1][page::2][page::3][page::4][page::5]。
报告围绕易控智驾冲刺港股IPO事件，分析其无人矿卡业务的高速增长潜力。公司近三年营收复合增长率305.8%，矿业无人驾驶商业化进入快速发展期，未来销量渗透率预计2024年6%提升至2030年超过50%。全球市场预测2030年规模达81亿美元，复合年增长率51.0%。建议关注相关矿业新能源无人驾驶企业，风险来自技术发展及行业竞争加剧 [page::0][page::1]。
本报告涵盖基础化工、卡车及光伏产业链等行业最新动态与投资建议。政策推动化工供给侧优化，重大水电工程启动拉动相关产业；易控智驾无人矿卡市场快速增长，具备国产替代潜力；光伏产业链价格普遍上涨，硅料和硅片供应紧张。重点推荐相关优质上市公司，提示油价波动及行业竞争风险 [page::0][page::1][page::2][page::3]
本论文提出了一种自动化机器学习（AutoML）框架，用于提升供应链安全性，通过识别欺诈行为、预测设备维护需求及材料缺货，实现供应链运营效率的提升。针对三个真实供应链数据集，采用多种机器学习模型及调参技术，欺诈检测准确率达88%以上，机器故障预测准确率达93.4%，材料缺货预测准确率达89.3%。研究还采用SHAP值解释模型结果，提升了模型的可解释性，展示了AutoML框架在供应链安全多方面应用中的有效性与实用价值 [page::0][page::1][page::3][page::4][page::6][page::16][page::23][page::27]。
本文基于半经典（WKB）近似方法，利用Hamiltonian系统和Van Vleck-Morette行列式，推导出恒定弹性波动率（CEV）模型期权定价的闭式解析表达式。该方法相较于已有文献更简洁且包含缺失的指数因子，提升了CEV模型中波动率偏斜等市场特征的刻画能力。数值模拟验证该近似在较大波动率偏斜和较短期限时表现良好。该工作拓展了传统Black-Scholes模型的理论和计算应用，为期权定价提供了有效的半解析工具 [page::0][page::3][page::9][page::13]
本报告提出结合树提升和潜在时空高斯过程的新型机器学习模型，以非线性和交互效应捕捉预测变量，且考虑无法观测的时空脆弱性相关性，提升抵押贷款违约概率及贷款组合损失分布的预测准确性。应用于美国大型抵押贷款数据，模型表现优于传统线性及时空模型，特别在金融危机期间，组合损失预测准确度提高约10亿美元。通过模型可解释性分析，发现脆弱性效应和预测变量间复杂非线性交互是性能提升关键 [page::0][page::1][page::8][page::10][page::14]。
本报告基于对自动做市商（AMM）与套利者交互模型的扩展，首次引入交易费用和离散区块生成时间，通过马尔可夫跳扩散过程计算套利利润的预期瞬时收益率。结果表明，交易费用会将套利利润按可盈利交易区块比例缩放，快速区块时间将降低LP损失，且固定汽油费减少也能降低LP亏损。模型对AMM设计、区块链架构和LP盈利能力具有深远指导意义 [page::0][page::1][page::2][page::3][page::4][page::12][page::24][page::27]
本报告基于美国2010年和2017年两波Pew调查数据，利用伪面板方法净化年龄效应，验证两种常用表格变换方法——传统的IPF算法与新提出的NM方法——在揭示教育同质配对趋势中的表现差异。实证结果支持NM方法，对教育同质性的时间趋势表现出U型变化，反映社会不平等的变迁。本研究为方法选择提供统计检验依据，有助于准确分析社会分层动力学并指导相关政策 [page::1][page::2][page::8][page::19][page::23][page::24][page::27]
本文采用多分类机器学习模型预测股票表现，将个股划分为超额收益者、次优收益者和低收益者，构建多因子量化模型，实现年化夏普比率达1.67至3.35且alpha高达29%-48%。引入机器不确定性指标衡量信息稀缺性，发现信息不完整性与股价回报显著负相关，尤其对过去表现不佳的股票影响最大，量化模型的预测性能与信息环境紧密相关[page::0][page::2][page::4][page::16][page::20][page::24][page::25][page::34][page::39][page::41]。
本论文系统研究了以Lévy过程作为时间变换机制的跳跃模型，重点分析基于Gamma子ordinator的变差伽马（VG）过程及其随机时间变换扩展VGSA模型，推导了其强一致性和渐近正态性。通过引入广义的CIR与CKLS过程作为随机时钟，提供了更灵活的波动聚类建模框架。仿真验证了理论结果，展示了VGSA及CGMY-SA模型在随机时间变换下的分布收敛性与正态近似特征，为金融市场中跳跃及波动聚类的量化建模提供重要理论基础与实践支持。[page::0][page::5][page::13][page::17]
本研究基于1870年至2020年16个发达国家长达150年的宏观历史数据，利用生命周期模拟方法严谨评估了住房拥有权对家庭财富和福利的影响。结果显示，购房策略相比全部股权投资能将财富提高9%、福利提升23%，并有效降低投资组合风险与财富不平等，同时福利收益主要来自退休后的消费与遗产动机。中等杠杆购房策略及适时购房（低利率、高房价时期）能获取最大收益。二套房虽增加财富但无明显福利提升。此结果挑战了住房投资“不佳”观点，为长期资产配置和生命周期投资提供理论支持[page::0][page::4][page::5][page::7][page::30][page::31][page::36].
本研究基于神经网络技术，提出并扩展了Time Deep Gradient Flow (TDGF) 方法以高效求解多维美式期权定价问题，涵盖Black–Scholes与Heston模型，最高支持五维资产标的。通过构建自由边界偏微分方程的能量最小化问题，设计专门采样策略和网络架构，实验证明TDGF相较于Deep Galerkin Method (DGM)在训练速度上更优，且均显著优于传统蒙特卡洛方法，精度与计算效率兼顾 [page::0][page::4][page::6][page::7][page::8]。
本文提出了Evolutionary Factor Search（EFS）框架，利用大型语言模型（LLMs）动态生成和进化alpha因子，实现稀疏组合优化问题的因子化资产排序。该方法通过演化反馈循环持续优化因子池，并在多个Fama-French基准和实际市场数据上展现了优异的收益和稳定性表现，显著优于统计和基于优化的传统基准，且因子表达具备良好解释性和适应性，尤其在大资产池和波动市场环境下效果突出[page::0][page::1][page::7][page::9][page::10][page::19]。
本文研究了含有可预测收益、瞬时和持久性价格冲击、多尺度随机波动率的动态投资组合优化问题，扩展了Garleanu和Pedersen(2013)在常波动率假设下的经典模型。针对非线性HJB方程，提出多尺度波动率展开和小价格冲击的渐近逼近，证明了数值准确性。通过蒙特卡罗仿真验证，修正模型显著提升了投资组合的盈亏表现，且揭示快慢尺度波动率对最优交易策略的不同影响机理。[page::0][page::1][page::6][page::11][page::14][page::18][page::24]
