因子轮动
本报告基于因子Spread与宏观周期视角，分析当前市场因子配置价值。规模因子Spread达到历史高位，显示小盘股具有较好配置性价比；价值因子Spread处于历史低位，风险较大。宏观周期方面，流动性收紧利于价值股但不利小盘股，市场波动率偏低利好低波动率与动量因子。综合建议均衡配置规模与价值因子，超配成长、低波动率、流动性和动量因子，低配反转因子[page::0][page::2][page::4][page::5][page::7]。
金融研报AI分析
业内选股之寻找龙头和背离
本报告系统研究了行业内龙头股的选取及其背离股的补涨逻辑，通过历史数据验证连续成长型龙头、阶段领涨型龙头及背离补涨股在不同申万二级行业的超额收益表现，提出结合行业特性使用龙头股与背离股相结合的指数增强策略，实现相对沪深300和中证500的稳定超额收益，样本内外信息比率分别达1.65和1.22，最大连续回撤低于3% [page::0][page::4][page::6][page::14][page::17][page::18].
量化选股的线性回归体系构建（二）--因子牛熊市区别
本报告基于长江趋势模型区分牛熊市，利用Fama-MacBeth回归方法分析多因子在不同市场状态下的选股表现。发现估值、预期和增速类因子在牛市表现更好，而市值、现金比率和偿债能力等因子在熊市选股中更显著。进一步构建牛市和熊市多因子组合，回测显示组合具有稳定超额收益，但在极端市场阶段存在较大回撤。报告提出后续将研究因子的最优持仓周期和行业中性调整方法[page::0][page::3][page::5][page::6][page::7][page::8][page::10][page::11][page::12]。
什么行业应该做 beta？ 什么行业应该做 alpha？
本报告基于2005-2019年主动型基金持仓数据，深入研究了各行业alpha与beta特征及节奏。报告指出银行、非银和餐饮旅游行业做alpha难度较大，其他行业牛市主升浪时应重点做beta，其余时间可显著做出alpha。医药、电子等行业适合长期持有主动基金或smart beta指数。科技板块整体处于回调期但有良好alpha空间，消费板块中食品饮料与高beta行业节奏互补，家电beta稳健。周期板块建材和化工alpha表现良好，房地产收益弹性较低。基金持仓通常表现为“越涨越买，越跌越减”，反映随行就市行为[page::0][page::3][page::4][page::22]。
组合优化中的因子动量
本报告围绕多因子组合优化中因子动量未能有效传导至因子暴露的问题展开，重点分析了规模因子暴露偏差严重原因及因子间正交化对暴露冲突无解的现象。通过在优化模型添加六种不同限制条件，尤其是比例限制，显著提升了动量信号在组合中的反映，带来超额收益扩张与回撤改善。此外，报告探讨因子动量策略有效性的本质，表明因子收益均值的稳定性高于单期相关性，基于过去收益均值预估未来表现更为合理，为多因子择时提供理论支撑和实证依据 [page::0][page::3][page::7][page::20][page::22][page::23]
到中流击水：公募量化基金年度盘点 （中）
本报告重点分析了2021年公募量化基金中沪深300增强基金和中证500增强基金的回撤原因、打新收益及换手率表现。2021年9月后，因选股性价比下降、行业轮动以及选股因子失效，指数增强基金普遍出现回撤。打新收益约在5%左右，不同基金表现存在差异，基金规模与打新收益呈负相关。换手率虽高于非量化基金2倍左右，但整体市场影响有限。沪深300增强基金换手率与超额收益无明显相关性，中证500增强基金可通过适当换手提升超额收益 [page::2][page::7][page::8][page::9][page::15][page::17][page::18][page::19]
资金流跟踪系列三十七：基金年度考核季北上资金表现如何？
本报告聚焦基金年度考核季，系统跟踪分析北上资金行业配置、资金流动及收益表现，结合主要ETF资金流及申赎变化，揭示医药、TMT板块活跃，顺周期板块调仓，及主动管理基金的新发行动态，提供对基金整体仓位、北上资金偏好和ETF市场的深度洞察[page::0][page::3][page::4][page::6][page::8][page::9][page::14][page::15][page::17][page::18]。
红利投资全景图——A股篇——收益何来？怎么用更有效？哪些标的值得关注？
报告全面梳理了A股市场红利投资的收益来源，分解为beta、alpha及分红收益三部分，强调选股池结构与行业分布对beta收益的决定作用。其中“红利+”指标结合低波动、质量、成长等维度提升alpha表现，但可能牺牲部分股息收益。分析指出行业配置和加权方式影响组合表现，股息率加权普遍优于流通市值加权。不同红利指数适应的市场风格不同，深证红利适合成长风格，上证红利偏向周期与价值，且推荐多种被动和主动红利产品。报告结合多张图表详细展示指数收益、风格暴露及行业贡献，助力投资者更有效运用红利策略 [page::2][page::5][page::6][page::10][page::11][page::14][page::16][page::17][page::22][page::23]
主动量化周报（二十三）：震荡行情下，红利和医药增强策略防御属性显现
本报告跟踪分析了2024年12月上半月市场震荡行情中红利和医药板块的表现，重点关注长江金工团队发布的主动量化增强策略。红利资产表现防御属性较明显，央国企高分红及攻守兼备红利30组合均跑赢中证红利全收益指数，且超额收益显著。医药板块中医药零售子赛道表现强劲，医疗保健增强1.0和2.0组合均实现超额收益。报告结合多个行业和细分指数收益数据及净值表现图表，验证策略有效性，表明主动量化策略在震荡市中具备较好防御和稳健收益能力[page::1][page::4][page::5][page::6].
什么是 Beta？ 从 CAPM 说起
本报告系统阐述了Beta及Fama-French三因子模型的定义与意义，深入分析了大小盘和高低估值两大风格切换的内在驱动机制，重点强调权益市场风险溢价和市场风险偏好对风格切换的重要影响。通过对历史风格切换时点及其背后经济环境（如利率变化、经济复苏、降息周期等）的实证复盘，验证了风险溢价择时可以有效规避因子回撤风险。报告还探讨了低波动、反转及流动性因子收益的存在及其稳定性。最后结合当前经济发展、通胀、估值及风险偏好，对未来大小盘及估值风格演绎做出了中长期展望，提出中期内大小盘风格均衡，低估值回撤行情或难以持续，长期小盘股有望逐渐占优 [page::0][page::3][page::11][page::19]
机构股接力超跌反弹
本报告分析当前结构性牛市中机构股在超跌反弹阶段的表现，指出上证50指数已确认进入上行趋势，沪深300指数第二段下跌完成，创业板指或形成周线反弹，但大底尚未出现。行业层面，价格突破信号主要集中在交通运输、商业贸易和化学品行业。整体市场以成长股为反弹主力，且市场焦点正由筹码股向机构股转移，但超跌反弹通常止步于某根均线，存在一定调整风险[page::1][page::3][page::4][page::6]。
行业差别在缩小 个股差别仍显著
本报告以沪深300与创业板指数为主，对2011年以来行业和个股收益差别进行系统分析。结果显示，风格和行业之间的收益差距逐渐缩小，但个股之间的收益差别显著且逐年增加，尤其是创业板和部分行业中个股波动极大。休闲服务和计算机行业个股表现差异尤为突出，提示投资者需更多关注个股精选机会 [page::0][page::2][page::3][page::4][page::6][page::8]。
不可忽视的 beta 力量——长江贝塔系列指数
报告系统介绍了长江贝塔系列指数的构建方法及其表现，集中分析了高贝塔与低贝塔股票组合的收益、波动及行业特征。历史数据显示低贝塔指数在收益和风险控制上表现优异，验证“低贝塔异象”存在。策略在不同市值段及市场牛熊切换中，展现出显著配置价值。低贝塔标的以金融地产等周期行业为主，估值低且盈利稳定，高贝塔标的多集中于电新等高景气行业但波动较大。研究为基于beta因子的量化投资策略提供了实践依据和工具支持[page::2][page::8][page::9][page::12][page::15][page::18][page::19][page::21][page::22][page::23][page::24][page::25][page::26]
知其源，究其因，何以成就高分红个股？从长江红利系列指数说起
本报告围绕A股市场高分红个股的形成机制，通过历史分红行为、基本面财务指标、一致预期数据和行业因素四维度系统分析影响分红的关键因素，并基于此构建了长江红利系列指数。该系列指数以股息率加权，包含行业中性及潜在分红指数，历经牛熊市均表现稳健且超越同类指数，显示出显著的高收益与低波动特征，为红利投资风格提供实证支持与量化工具[page::1][page::7][page::12][page::18][page::19][page::23]
TS-Boost 因子选股框架初探
本报告针对金融机器学习选股面临的“样本非同分布”和“信噪比低”两大难题，设计了基于时间结构的 TS-Boost 因子选股框架，结合截面模型及排序学习目标函数，有效提高预测稳定性及收益表现。实证显示，TS-Boost 在全A与中证800成分股的行业中性策略中，均显著超越传统线性模型，年化超额收益分别达21.9%和11.8%，信息比率高达3.34和3.06，且能更好捕捉因子间非线性关系，非线性效应因子贡献年化超额收益7.1%及5.3%。该框架为机器学习在股票因子选股中的应用提供了有效路径和理论依据。[page::0][page::4][page::9][page::13][page::16]
如何利用负面因子做指数增强？—高频因子篇
本报告基于高频交易数据构建多类高频因子，包括开盘成交占比、收盘成交占比、量价相关性、高阶矩、结构化反转和非流动性等，发现在中证500指数成分股中，这些因子的空头组合表现出显著的负向超额收益。通过合成负面因子并剔除空头股票，构建指数增强策略，回测显示复杂增强策略年化收益达9.61%，超额收益7.06%，最大回撤低至1.76%，信息比率和跟踪误差均优于简单策略，表明负面因子有效提升了指数组合的收益表现[page::1][page::4][page::10][page::17][page::21][page::23]
绝对收益（二）：指数分红预测与基差监控
本报告系统分析了沪深三大指数历史分红特征，构建了基于成分股分红的指数分红预测模型，涵盖分红总量及时间分布预测，回顾2019年预测效果并给出2020年分红预测结果，且开发了基差监控工具帮助投资者动态追踪期货基差和分红调整，为指数期现套利与风险管理提供实用参考[page::0][page::3][page::4][page::11][page::18]。
量化选股——中庸之道选股（技术指标选股系列之（一））
报告系统研究非线性技术指标如换手率、涨跌幅和波动率的截面表现规律，发现指标排序中间区间的股票表现优于极端组别；基于此构建“中庸之道”选股模型，采用20日形成期，1个月持有期，在剔除交易成本后实现年化超额收益24%，胜率57%，展现较稳健的量化选股效果。研究覆盖回溯期和持有期多样组合，验证了技术指标选股的稳定性和实际可操作性 [page::0][page::2][page::8][page::9]。
如何根据财务风险事件构建因子赋能指数增强
本报告基于财务风险事件，构建涵盖商誉、其他应收款、无形资产等关键财务指标的多维度因子，采用Logistic回归捕捉财务指标异常，成功识别财务风险事件高风险标的。该财务风险因子在中证500和中证1000股票池中指数增强回测表现稳定优异，显著提升了回撤控制能力和超额收益，推荐以该因子构建指数增强策略，优化大盘中小盘资产配置[page::2][page::5][page::16][page::19][page::36]。
收益复制的 LASSO 回归方法实践
本报告系统阐述了基于机器学习中LASSO回归与二次优化相结合的收益复制框架，应用于指数、基金及个股三大复制场景。通过月度调仓及小型股票池约束，实现了最大30只持仓股票的长期有效跟踪，月均跟踪误差分别为0.07%、0.01%和-0.16%，并在基金和个股复制中准确捕捉持仓风格和行业特征。海外对冲基金ETF设计也给予了方法论支持，展示了复制模型在多种持仓受限情况下的适用性和有效性 [page::0][page::3][page::5][page::9][page::10][page::13][page::15]
