摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也促使我们通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前

目前，因子择时受到众多关注，本文结合市场择时和因子投资的思想研究因子择时，具有较高价值。首先，本文的研究有着重要的经济学理论价值：最优投资组合应当等于SDF。

文章通过加入：

1. 假设存

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。

作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也促使本文们通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前

近年来个人投资者在共同基金持有人中的比例逐年增加，他们的一个突出特点是偏好持有存在较小概率获得较大回报的资产。本文主要研究了这种偏好如何影响其对共同基金的投资：

首先，本文定义了一种衡

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也正促使通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前

本文重点对资产配置与因子配置进行研究。本文将资产配置问题转化为因子配置问题，结合因子模拟投资组合、因子收益预测、因子配置等方法实现了资产的最优配置。本文的方法共包含7个步骤：首先选择宏观经济因子

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也促使我们通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前

本文提出了一个灵活的、统一的、以组合为核心的归因框架。它把事前(ex ante)和事后(ex pose)归因统一到了一个框架内。可以采用同样的方法对组合的alpha、预期风险、收益等各种属性

投资要点

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也促使我们通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前

股票市场的收益预测是投资者非常关注但是一直没有得到完美解决的问题。本文将股票市场的收益率分解为三个部分：股息率、利润增长率和市盈率增长率，作者利用其不同的时间序列特征并通过分项加总（SOP）的方

价值投资不等于低估值投资，低估值股票可能是由于公司质地真的很烂，只考虑股票估值因素容易调入所谓的“估值陷阱”。所以价值投资一个必要过程是判断上市公司质地是否优良，再看公司质地是否配得上它的估值。我们这篇报告要解决的问题是如何用定量指标来衡量A股上市公司的质量优劣，验证一下A股是否真如一些市场偏见所言“只听故事，不看基本面”，“优质+合理估值”的价值投资方式能否在A股挣钱

公司质量的定义维度有很多，我们从盈利能力、成长性、财务稳健、公司治理角度定量测试了一些选股因子的有效性，具体结果可以参考报告正文，整体来说，基于市场历史公开数据，投资者是可以发现质地优良股票并获得显著超额收益的。

我们用I

机器学习容易给人“黑箱模型”和“过拟合”的印象，但事实上一些机器学习算法的逻辑和结果都非常直白，而且算法自身带有一套避免过拟合的参数估计机制。众多的实践研究说明，机器学习方法的预测能力大部分情况下都强于线性模型，很值得在量化投资中测试使用。本报告主要讲述机器学习的基本原理和用其来做量化选股的实证结果

机器学习模型众多，不存在所谓的最强模型，不同的数据，不同的问题适用不同的模型。我们测试了LASSO、SVM、增强型决策树、随机森林等几种常见机器学习方法，最终选择用随机森林，主要是因为它结构简单、参数少、过拟合概率低，同时还具有非常强的样本外预测能力

机器选股模型省去了“因子筛选”、“因子加权

主题：The Impact of AI to Global Asset Managers: The Responses and Adoptions

演讲人：关子敬 先生 Kevin Kwan 彭博亚太区量化及数据科学专家

谢谢Big Quant的邀请，今天所有策略的绩效仅作交流的用途展示概念，投资人如果对策略本身有兴趣的话，请在我们网站下载白皮书或是与我们的客户经理联系。

1全球资产管理报告 AUM升高 收

前言

棋手柯洁研究了大半年的围棋软件，竟然发现人类关于围棋的认知“全都是错的，……甚至没有一个人沾到围棋真理的边”。

而在投资上用了人工智能后会我们发现，人类过去关于投资的认知也可能都是错的

用户小a从事量化投资快三年了，在我们的平台上，做出了非常漂亮的结果，符合他过去的经验逻辑，但效果远超过自己过去的成果；后来 他随便选了一个因子——上市天数，最后发现该因子开发的策略效果很好。

于是他给我们反馈一个很奇怪的问题，为什么 只选择 上市天数(list_days_0)，也会有好的收益。他觉得非常不可思议，是不是哪个地方出了问题。

我们看了他发过来的收益曲线，有收益，但波动率也很大，

作者：Mybridge
翻译：BigQuant

我们比较了2017年全年近2万篇关于机器学习应用的文章，并且从中挑选出50篇最有价值的文章分享给大家。

“在硅谷，招聘一名机器学习工程师或数据科学家正在变得像招聘一名职业运动员一样。 这就是对他的要求”——[纽约时报](https://www.nytimes.com/2017/10/22/technology/artificial-in

策略案例

https://bigquant.com/experimentshare/8594992a1d9345d98cbe949eb6297067

\

策略案例

https://bigquant.com/experimentshare/05251c753111424eaff32648838ac24f

\

由私募排排网主办，世纪证券、中信建投证券联合主办，华西证券、平安证券、云溪基金、潼骁投资协办，深圳市私募基金商会支持，主题为“大变局·新时代·勇破局·启远航”的“2020年第九届中国对冲基金年会”于2020年12月17日-18日在杭州洲际酒店隆重举行。年会特邀对冲基金精英代表聚首，共同探讨对冲基金行业发展的新趋势，展望对冲基金行业发展的新未来。

明汯投资是我国量化私募代表公司，也是最早