囧浩的选择（二） 金融工程(专题报告) 方向性期权策略
本报告深入分析方向性期权策略，结合TSLA真实交易数据，重点解析裸期权与垂直价差交易的构造及其风险特征，详述如何根据预期持有期选择期权行权价及买卖方向，探讨垂直价差的希腊字母变化规律及比率/逆比率价差拆解方法，为投资者提供系统的期权方向性交易指导[page::0][page::2][page::5][page::7][page::9].
金融研报AI分析
不确定性带来赔率
本报告分析当前中国股市结构性底部确认，公募与非公募核心重仓股均已探底，沪深300与创业板指数均出现了底部信号和趋势背驰，市场尚需回踩以完成二次买点，反弹过程不会一蹴而就，体现了不确定性下的投资赔率机会 [page::2][page::3][page::4][page::5][page::6][page::7][page::8]
外资行为散户化 (I)“配置型”VS“交易型”选股能力因子化谁更强？
本报告基于北上资金的托管机构分类，将资金划分为“配置型”和“交易型”，通过构建资金持有占比因子和资金净流入占比因子，量化比较不同机构资金的选股能力和超额收益表现。研究发现，“交易型资金”表现出更强的行业调整与超额收益能力；资金净流入因子的边际逻辑相比持股比例因子更适合当前市场，但两者的有效性均随市场环境动态变化，需结合时序和截面分析灵活应用。主要机构分别展现出不同的因子效能和风险收益特征，对A股市场投资具有重要参考价值 [page::1][page::4][page::16][page::18][page::19]
从交易策略的角度看因子择时
本报告系统阐述了基于交易策略的因子择时方法，通过构建大小盘因子和高低估值因子的交易策略，实现对因子状态的动态交易切换。研究表明，该类策略在历史回测中具有较高的择时准确率，模拟组合收益显著超越沪深300，年均Alpha超过30%，Sharpe比率超过1.4，并通过设置止损机制控制风险。但因子模型自2011年以来表现有所衰退，需持续探索新的因子以维持超额收益。[page::0][page::2][page::6][page::8][page::11][page::15][page::17]
否极泰来（一）——当前行情与2016年1月的异同
报告比较了2024年初与2016年1月市场走势异同，指出当前市场或已接近大底，创业板指与沪深300的周线级别下跌正在等待底背驰信号结束，下跌后反弹优质标的多为跌幅最大且关注度高的微盘股，风格切换存在时滞。行业重仓结构随着跌幅变化有所调整，核心资产成分股权重集中度提高，大小盘及重仓非重仓风格出现拐点，市场热点展示平台突破及底部放量个股，量化图表支持上述结论[page::1][page::3][page::5][page::7][page::9][page::10]。
量化研究—金融工程研究框架与业绩展示
本报告系统阐述了基于事件驱动与多因子框架的量化投资体系，涵盖事件冲击评估、多因子策略（Smart Money、筹码分布、网络中心度、盈利预测增强）、大数据驱动的微信热度因子、以及高送转预测等创新因子的构建与应用，结合丰富的实证回测图表展示各策略在A股市场的超额收益表现，有效提升投资组合收益与风险管理能力[page::0][page::5][page::6][page::8][page::10][page::13]。
事件驱动下的红利投资
本报告基于事件驱动视角，系统分析了上市公司分红事件的市场表现及投资机会。通过对分红事件收益的统计分析发现整体超额收益不显著，但在小市值及中等EPS股票池内表现相对较好。此外，预测模型和因子增强方法（如市值、交易活跃度因子）可提升策略表现，尽管策略波动较大且存在回撤风险 [page::2][page::8][page::14][page::20][page::21]。
事件研究（四）：基于高管增持的事件驱动策略
本报告基于2006年以来上市公司高管增持事件进行严格事件研究，揭示高管增持多发生在股价下跌期，发布后股价出现明显正向反转。高管本人大额增持事件信号更强，基于该事件构建的驱动策略表现稳健，最高年化收益达47.65%，显著超越沪深300指数，实现了稳定的超额收益能力 [page::2][page::6][page::20]。
业绩表现亮眼，人工智能步入新发展时代
本报告聚焦量化金融视角下的人工智能主题，结合中证人工智能主题指数及华夏中证人工智能ETF的业绩表现，深入分析大模型技术的突破、多模态发展及其在办公软件、智能驾驶、个性化教育及互联网金融等领域的应用，指出人工智能行业龙头企业市值均衡且业绩增长稳健，指数表现持续领跑沪深300且存在低估机会，投资价值凸显[page::0][page::1][page::13][page::15][page::16][page::17]
解铃还是系铃人
报告分析人民币汇率与A股市场间的相关性，指出汇率影响为相关关系非因果关系，2022年贬值对应主跌浪后进入反弹阶段。沪深300及上证50指数处于调整等待金叉信号，创业板指数已现金叉，电子、电新、医药为本轮领跌行业，当前可能形成大底并迎来强反弹，但仍需警惕汇率再次急剧贬值风险 [page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::11]
【机构持仓（五）】机构持仓补全与分域增强策略
报告基于上交所年鉴数据和机构持仓行为，建立机构持仓补全模型，采用机构—非机构分域构建多因子增强策略。分域增强方法因子选择更精准，有效提升沪深300和中证500的超额收益率和信息比，提升策略稳定性。中证1000因成分股基本为非机构股，分域效果有限。[page::2][page::19]
基础因子研究（十）：高频因子和交易行为
本报告系统研究了量价组合构建的高频因子，分别以改进的非流动性因子和博弈因子为例，揭示其选股能力和收益表现。通过剥离规模因子影响，轨迹5分钟非流动性因子在全A股实现超额收益9.7%，多空夏普比高达2.9；博弈因子带来4.47%超额收益和2.1夏普比。引入特异率因子刻画交易异常，提升了因子信息增量。虽然高频因子间收益相关性有限，且相互影响导致回测收益下降，但合成因子能够增强策略收益和稳定性，降低风险。报告还从因子风险维度揭示高频因子下行风险关联紧密，尾部风险集中爆发，指出高频因子投资的局限及其组合挖掘的价值 [page::0][page::3][page::6][page::9][page::14][page::20]
神经网络因子挖掘——TCN 日频量价因子
本报告基于TCN神经网络对沪深两市股票过去63天日频量价数据进行深度因子挖掘，设计综合考虑单因子有效性、合成因子有效性与因子间相关性的损失函数，最终产出64个日频量价因子及1个高效合成因子。2018年以来因子表现稳健，合成因子平均RankIC达11.73%，并构建多头策略实现年化超额收益20.31%。因子间相关性较低，有效覆盖不同选股信号，因子效果在不同指数成分股存在差异，且预测未来20日收益表现最佳。最终基于等权合成因子打分构建日频多头策略，持股周期20日，换手率接近月频调仓水平，策略展现稳定的超额收益和较高胜率[page::1][page::2][page::5][page::10][page::15][page::21][page::22][page::24]
指数增强系列（三）超额收益来源拆解
本报告系统拆解沪深300指数增强基金的超额收益来源，重点分析股票投资与打新收益贡献。2020年为超额收益大年，部分基金信息比超过10，打新收益对整体表现贡献显著，基金规模与打新收益呈非线性关系。债券、逆回购等收益占比较低，衍生品投资略优于债券。基金数量与规模2017年以来快速增长，超额收益与跟踪误差波动显著，整体策略表现稳健[page::1][page::6][page::22]。
谁是 “聪明钱”？资金流因子全面测试兼正交化方法详解
本报告全面测试200余种资金流因子，重点分析“小单流入额”因子收益来源及与成交额、市值等流动性因子的关系，提出了创新的“部分对称正交化”方法，剔除流动性影响后仍发现资金流因子具备一定选股价值。以部分对称正交后因子构建组合，在中证500成分股表现出超额年化收益11.7%。报告还揭示资金流因子非事件性信号特征及非线性效应，为量化因子研究提供新视角和方法 [page::0][page::3][page::27]。
长江金工个股因子体系介绍
报告详细介绍了长江金工个股因子体系1.0与2.0的构建思路及代表性因子，覆盖高频、量价、基本面和分析师四个维度，支持月度及更高频率的因子选股与板块轮动策略。通过大量历史与近年回测数据验证，多个因子在全市场、中证800及中证1000等不同标的池均表现出稳定的超额收益及较好风险调整后收益，充分体现因子体系的多维收益来源与广泛应用价值[page::1][page::3][page::7][page::9][page::11].
期指松绑之后： 基差将向何处去？
本报告分析了2017年2月中金所股指期货交易限制松绑的具体调整措施，研究市场对此消息是否提前反应及未来贴水可能达到的水平。通过三个股指品种持仓量及合约贴水率的变化，发现交易限制放松消息未被市场提前充分反映。同时，基于流动性与贴水率的非线性关系模型，预测假设流动性提升一倍，IF、IH、IC的年化贴水率将分别缩小至4.9%、2.3%、10.2%附近，为投资者提供了未来基差走势的理论依据。[page::0][page::2][page::4][page::5][page::6]
沪深300和中证A500的配置 或已出现 “再平衡”
2024年9月24日至10月22日期间，指数基金资金先净流入后转为净流出，尤其10月11日后整体净流出。沪深300与中证A500出现资金再平衡，中证A500ETF上市后净流入显著，而沪深300流出加速。行业指数多为资金净流出，宽基指数基金获主力资金青睐。北交所成交创新高，但基金限购严控显示市场分层特征明显 [page::3][page::4][page::10]
不要迷恋 Alpha
报告深入分析了所谓Alpha收益大多来源于市场风格因子，如大小盘及高低估值因子，应用三因子模型可解释绝大部分超额收益，实证显示单因子模型拟合效果较弱且Alpha偏高，三因子模型拟合效果提升同时Alpha显著下降。报告强调因子选择需考虑多维度、共线性和经济意义，最终采用沪深300、大小盘和高低估值三因子。利用完美预测的因子和Beta构建组合的模拟结果表明，理想条件下模型可获得显著超额收益，但实际操作中因子预测难度大，收益存在较大不确定性。报告通过多张图表展示因子相关性、模型拟合及因子走势，揭示Alpha的真相及量化投资理想境界 [page::0][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11]。
指数增强系列（二）：现存沪深300增强基金的风格偏离特征
本报告系统梳理了沪深300指数增强型基金的规模发展及风格偏离特征，覆盖大小盘、估值（PE、PB、EP）、ROE、成长性、分红、波动率、换手率及动量等多维因子，揭示增强基金整体风格暴露相对克制，且自2019年以来部分估值指标偏离由低转高，基金成长性和动量偏好逐步增强，为指数增强产品风险收益分析提供深度参考[page::1][page::5][page::29]。
