十二月券商金工精選

✦研報目錄✦

✦簡述✦

按釋出時間排序

華寶證券

主動暴露的得與失—從Barra架構到私募指增因子分析方法

釋出日期：2022-12-01   

關鍵詞：股票、Barra、風險暴露、指數增強

主要内容：本文針對私募指數增強産品的政策流程，設計了一套相應的風險因子暴露分析方法，以風險暴露的角度構造因子對私募指數增強産品進行分析。在業績統計篩選方法中加入風險輪動因子可以顯著提升滬深300指數增強産品篩選組合的收益表現，其中加入風格輪動因子後組合年化超額收益從15.6%提升到了23.5%，超額最大回撤從6.2%下降到了5.5%。

方正證券

專題報告：如何跑赢股票型基金指數？

釋出日期：2022-12-02   

關鍵詞：股票、基金、多因子模型

主要内容：文章于每個季度補全基金的全部模拟持倉，并分析模拟持倉組合的風格暴露偏向中小市值、高流動性、高波動、高估值的個股。從估值、動量、盈利、成長、分析師預期、技術特征等多元度來建構選股因子，複合選股因子的RankIC 均值為6.71%，年化RankICIR 為3.26，RankIC 的勝率為83.33%，多空年化收益為30.71%。

東北證券

成長分類定價和未被分析師覆寫股票的預測資料填充

釋出日期：2022-12-02   

關鍵詞：股票、成長股、分析師

主要内容：文章對中信一級行業分為“穩定增長型”、“快速增長型”和“周期行業”三類，并分别對各類型的股票使用“PE/(G-2YCAGR)”、“PE/(G-YOY)”和“PB/(Sa;es-Growth-2YCAGR)”作為成長定價名額，進行組合與回溯；其他對尚未被分析師覆寫或無預測名額的股票進行資料預估，再重新進行成長分類定價的回溯。模型的多頭年化收益21.89%，相對萬得全A年化超額13.61%。

開源證券

市場微觀結構研究系列（17）：日内極端收益前後的反轉特性與因子建構

釋出日期：2022-12-04   關鍵詞：股票、日内極端收益

主要内容：本篇報告試圖從分鐘資料出發，探尋日内極端收益的alpha資訊。對于極端收益的定義，我們使用S=｜χ-median（χ）｜為衡量标準。經過一系列研究後建構了ERR因子，其RankIC均值-7.08%，RankICIR-3.18，10分組多空對沖年化收益率19.58%，資訊比率3.01，勝率81.90%，最大回撤5.71%。

東方證券

《量化政策研究之六》：行業動量的刻畫

釋出日期：2022-12-05   關鍵詞：行業、行業動量

主要内容：文章根據行業rank動量、成分股動量、換手率等資訊建構複合行業動量因子，因子多頭超額8.32%，資訊比率0.88，超額收益最大回撤17%。

東北證券

行業輪動五：如何更好的描述行業趨勢

釋出日期：2022-12-06   關鍵詞：股票、行業、趨勢

主要内容：本報告中，通過行業價格指數運作的趨勢中的極大值極小值時序上的關系，日内上下影線結構，成分股運作的一緻性等多個視角，建構了不同的動量因子，來對簡單的時間區間内漲跌幅因子進行替代。模型組合年化收益17.22%，年化波動率21.58%，最大回撤32.08%。

東方證券

《因子選股系列研究之八十六》：研封包本情感傾向因子

釋出日期：2022-12-07   關鍵詞：股票、文本情感

主要内容：分析師研報資料是相對獨立的資訊源，本報告基于朝陽永續的研報标題和摘要文本、盈利預測，用多種NLP模型提取文本特征，判斷研報的情感傾向。合成因子RPST，全樣本rankIC3.8%，ICIR1.4，年化收益20%。

中金公司

國債期貨訂單流交易政策初探——固收量化探索系列

釋出日期：2022-12  關鍵詞：期貨、國債、訂單流

主要内容：文章基于“供需的平衡狀态影響短期價格的變化”這個原理，通過訂單簿信号的趨勢資訊與不同訂單估算方法建構政策，取得正收益和較為平滑的收益曲線。

安信證券

基于一緻預期的價值分析模型簡介及應用

釋出日期：2022-12-11   

關鍵詞：股票、一緻預期、估值模型

主要内容：文章根據一緻預期資料建構了價值分析模型，包括自動定量計算估值結果、基于業績基準系數、最新年報的EPS、T年、T+1年和T+2年的一緻預期EPS建構的四條價值帶，并展示了部分重要标的的價值分析結果。

開源證券

開源量化評論（68）：從龍頭股領漲到行業動量：絕對與相對的統一架構

釋出日期：2022-12-12   關鍵詞：股票、行業、龍頭股

主要内容：文章基于《A股行業動量的精細結構》中提出的“行業動量的龍頭股模型”進一步優化，改進龍頭股模型因子ND：RankIC均值為5.37%，RankICIR為0.84，三分組下月度多空勝率可達58.4%，盈虧比為1.50。

國金證券

Beta獵手系列：基于動态宏觀事件因子的股債輪動政策

釋出日期：2022-12-13   關鍵詞：股票、債券、宏觀事件

主要内容：文章建構了動态事件驅動政策架構，将事件因子的評價環節包含在每期事件因子的選擇當中，動态選擇與資産走勢更相關的事件因子；并使用擇時政策中獲得的股票倉位資訊搭配風險預算模型來建構不同風險偏好的股債輪動政策，千一手續費下年化收益21.92%，夏普比率1.33。

華安證券

行業輪動邏輯的标簽化應用：重構輪動架構

釋出日期：2022-12  關鍵詞：股票、行業輪動、标簽

主要内容：文章建構闆塊-概念-風格三維一體式的行業标簽體系，并挑選宏觀名額，定義8種事件模式，基于事件驅動的研究思路和嚴格的篩選标準，考察宏觀事件和概念指數之間的關系。文章建構的複合因子RankIC均值為15.1%，年化ICIR為2.49，IC月勝率為78.8%。

方正證券

多因子選股系列研究之八：顯著效應、極端收益扭曲決策權重和“草木皆兵”因子

釋出日期：2022-12-13   

關鍵詞：股票、顯著效應、反轉因子

主要内容：顯著理論認為那些收益率過分高于市場收益率的股票，會吸引投資者的注意力并引起投資者的過度買入，進而股價會在未來發生回落。文章将顯著理論和反轉因子互相結合建構了“草木皆兵”因子，Rank IC達-8.90%，Rank ICIR為-4.54，多空組合年化收益率達32.50%，資訊比3.92。

光大證券

量化政策研究系列報告之三：細“顆粒度”下北向資金的配置能力

釋出日期：2022-12-13   關鍵詞：股票、北向資金

主要内容：從市場覆寫度、影響力和交易行為特征出發，對北向資金托管機構進行細分，将北向資金拆解為“激流勇進”的交易盤和“細水長流”的配置盤，定期調整機構劃分結果，以便更有效地捕捉機構特征的變化。

浙商證券

金融工程深度：金股資料庫及金股組合增強政策（二）

釋出日期：2022-12-13   關鍵詞：股票、金股、IC動量

主要内容：文章基于前期建構的金股資料庫1.0版本，疊代了金股資料庫2.0版本，并嘗試IC動量挖掘、OLS回歸、遺傳規劃和神經網絡模型，用以提取資料庫字段中包含的有效資訊，并合成分析師推薦因子。經實證，IC動量挖掘政策擷取收益的能力相較原始政策有所提升。

國信證券

戰勝機構投資者—再論主動股基業績增強政策

釋出日期：2022-12-13   關鍵詞：股票、基金、業績增強

主要内容：文章以戰勝主動股基中位數為目标建構股票投資政策，先對基金進行收益類因子中性化處理，再進一步優選基金，并補全持倉建構優選基金持倉組合。文章建構的優秀基金持倉精選組合年化收益28.87%，年化超額17.81%，2012年以來均能排在主動股基前30%以内。

太平洋證券

基于市場拐點的行業輪動政策

釋出日期：2022-12-13   關鍵詞：行業、行業輪動、拐點

主要内容：文章對常用基于技術面拐點的方法進行研究：通過搜尋指數行情的拐點，進而判斷市場處于“上漲市”還是“下跌市”，觀察行業指數在不同市場狀态下的排名情況，以尋找穩定的行業動量特征。政策平均年化超額收益為10%，年度勝率100%。

東方證券

基于量價資訊的利率擇時探讨 —— 宏觀固收量化研究系列之（八）

釋出日期：2022-12-14   

關鍵詞：期貨、利率擇時、多因子

主要内容：本文探讨了通過挖掘利率市場量價資訊來進行擇時的可能性，嘗試篩選出較好的量價因子，建構因子池，并最終将各因子的信号通過等權法或回歸法合成最終信号，其中對于長短久期國開債指數的輪動組合，全樣本費後年化收益達到6.36%，收益風險比達3.1。

東北證券

機器學習系列之二：基于cVAE的資料增強對下行風險預測的提升

釋出日期：2022-12-15   

關鍵詞：指數、下行風險、cVAE

主要内容：本文介紹了用條件變分自編碼器模型cVAE進行資料增強的方法，利用cVAE在不同下行風險等級下學習多元期權相關名額的分布，并嘗試将其應用在依靠期權風險名額對未來下行風險預測評估的任務中，較大程度地提升了預測效果，也使得基于風險預測的政策表現更為優異。

國元證券

哈雷之約：基于指數成分股調整的選股政策

釋出日期：2022-12-15   關鍵詞：股票、指數成分股

主要内容：文章定義指數成分調整沖擊因子=被動資金流/日均成交金額，以表征指數調整對個股的價格沖擊；并建構選股政策，因子單次（半月）RankIC均值為19.8%，年化ICIR達到7.32；多頭每次開倉獲得5.1%的收益率，年化收益率為10.26%，夏普比率1.03，最大回撤3%。

浙商證券

以Lucky Fund為目标的ETF組合建構政策-長期績優組合構造

釋出日期：2022-12-15   關鍵詞：基金、Lucky Fund

主要内容：本文探讨了錨定Lucky Fund（簡稱：LF）淨值曲線擷取績優組合收益的可行性。首先測算了LF的模拟持倉結構，其次刻畫LF的風格切換和行業輪動特征，并設計了多種方案對模拟持倉做出定期修正。政策使用場内ETF和行業指數模拟組合對LF進行跟蹤，對于40%以上收益水準的LF堅持跟随政策可以擷取顯著的市場超額回報。

中金公司

基本面量化系列（8）：四象限風格内應如何選股？

釋出日期：2022-12-15   關鍵詞：股票、風格、選股政策

主要内容：本篇報告将大盤/小盤風格與成長/價值風格結合，可實作風格的更精确的定義，聚焦于分析各類風格内的主要特征，挖掘特定風格内有效性較高的選股政策。

中金公司

基本面量化系列（9）：機構調研行為是否存在alpha？

釋出日期：2022-12-17   關鍵詞：股票、機構調研

主要内容：本文關注調研資料，并聚焦調研事件的變化與影響建構調研選股因子，捕捉調研活動中的增量資訊。其中調研變化率因子在全市場的ICIR為0.48，IC均值為1.49%。

開源證券

市場微觀結構研究系列（18）：大小單資金流alpha探究2.0：變量精篩與高頻測算

釋出日期：2022-12-20   

關鍵詞：股票、資金流、殘差、羊群效應

主要内容：文章基于前期系列研究，對大小單殘差因子和散戶羊群效應做進一步改進，并建構複合因子：大小單綜合資金流因子，RankIC均值7.89%，RankICIR3.99，10分組多空對沖年化收益率35.36%，資訊比率4.82，勝率89.19%，最大回撤2.09%。

華泰證券

析精剖微：機構拆解看北向資金

釋出日期：2022-12-20   

關鍵詞：股票、北向資金、機構

主要内容：本文從托管機構拆解角度出發，對北向資金進行全方位剖析。全面畫像下各類北向機構特征迥異。圍繞各類北向資金流事件，建構北向資金日頻情緒指數，基于該指數的擇時政策樣本外年化超額約15%。建構行業配置因子，選取有效因子複合形成行業配置政策，年化超額約15%。

華西證券

機器學習研究系列之五：機器學習政策的可解釋性分析

釋出日期：2022-12-20   

關鍵詞：股票、機器學習、SHAP

主要内容：本文介紹了目前已有的解釋性架構及原理，并嘗試使用SHAP架構對擇時政策進行可解釋性分析。通過特征的Shapley值進行分析可以判斷在一次或多次預測過程中輸入特征的重要程度，進而得到因子對于資産收益率的非線性相關性關系。

東證期貨

國債期貨量化系列三：擇時模型倉位管理優化方法探究

釋出日期：2022-12-21   關鍵詞：期貨、擇時、倉位管理

主要内容：文章基于前期系列研究，進一步豐富完善邏輯名額池；并進一步探讨倉位優化模組化，将自定義損失函數用于LSTM模型；最後，建構基于國債期貨的多政策多品種組合模型，取得年化收益6.6%，年化波動率2.1%，最大回撤0.7%，夏普率3.09的測試集表現。

天風證券

主動量化系列（一）：景氣度邊際變化在行業配置和選股上的應用

釋出日期：2022-12-23   關鍵詞：股票、景氣度

主要内容：本文基于分析師對個股的業績預測資料，合成行業預期ROE增速因子，以此作為景氣度量化名額，并根據景氣度的季度環比變化，建構高景氣的行業和個股組合。建構“全市場景氣TOP10”股票組合年化收益35.98%，組合年化超額收益25.45%，夏普比率達1.24，Calmar達0.90。

中信期貨

期貨多因子專題（五）：不同頻率視角下的選期因子

釋出日期：2022-12-23   關鍵詞：期貨、多因子

主要内容：文章利用高、低頻交易資料建構了“量價相關性”因子、“趨勢強度”因子以及“振幅”因子，其中振幅因子在 J=63 時因子表現非常穩定，平均年化收益在 9.4%左右，夏普率1.3 左右，Calmar 比率在 0.97 左右。

華寶證券

量化視點2022年第15期：可以利用行業主題型基金複制基準指數嗎？

釋出日期：2022-12-23   關鍵詞：基金、行業主題

主要内容：本文站在建構FOF組合中有對于如何建構底倉進行了新的嘗試，首先通過将行業分類縮小到六大類，然後利用其對應的行業指數建構組合能夠比較好的複制基準指數；最後在這六個行業大類内分别選取貼合各行業指數的主題型基金，并建構組合，最終回測得到的淨值不僅與基準指數有很高的相關性，同時也能穩定的獲得超額收益，年化收益相較基準高出了5.46個百分點。

中信建投期貨

CTA系列七十：政策指數建構和分析

釋出日期：2022-12-23   關鍵詞：期貨、CTA、政策指數

主要内容：本文的目的在于建構CTA政策指數，用于績效歸因和跟蹤觀察的目的。重點在于跟蹤長中短周期趨勢的政策指數淨值，另外包含一個反轉類政策的指數淨值。本文還從闆塊、品種對于政策指數的貢獻進行了分解，作為一個績效歸因的案例。

國盛證券

宏觀經濟量化系列之二：宏觀預期差量化與超預期政策

釋出日期：2022-12-23   關鍵詞：固收、宏觀預期差

主要内容：本文從國内投資者關注較少的宏觀一緻預期的資料切入，補充解決了宏觀量化中的力度判斷問題：如何刻畫經濟資料、貨币政策預期差等問題，并建構了固收+預期差增強型政策，年化收益達6.4%，年化波動為2.6%，最大回撤為2.7%。

開源證券

市場微觀結構研究系列（19）：日内分鐘收益率的時序特征：邏輯讨論與因子增強

釋出日期：2022-12-25   關鍵詞：股票、時間重心偏離

主要内容：文章認為，漲、跌幅時間重心的相對位置是一個有效的Alpha因子，經過一系列分析後建構了時間重心偏離（TGD）因子多空資訊比率達到4.5以上，RankICIR為4.93。

國盛證券

量化專題報告：政府補助資訊中的alpha

釋出日期：2022-12-27   關鍵詞：股票、政府補助

主要内容：基于非經常性政府補助、其他收益和遞延收益三個與政府補助相關的财務報表科目，我們綜合建構政府補助因子govt。在中小市值股票域中，我們基于補助因子等權持有100隻股票建構多頭組合，2014年以來年化收益26.6%，同期中證1000指數年化收益3.8%，超額收益22.8%，資訊比達2.80，超額收益顯著。

開源證券

開源量化評論（69）：機構行為alpha的細分結構：龍虎榜、機構調研、大宗交易

釋出日期：2022-12-28   

關鍵詞：股票、機構行為、龍虎榜、機構調研、大宗交易

主要内容：文章針對機構行為進行了一系列的研究，包括龍虎榜、機構調研和大宗交易，并從多頭次元出發，建構機構行為事件組合。全時間區間内，組合年化收益率為30.9%，收益表現優于同期滬深300指數（15.2%）和中證500指數（20.3%）。

國泰君安證券

行業趨勢的量化模組化

釋出日期：2022-12-28   

關鍵詞：行業、基金、行業趨勢

主要内容：本篇報告刻畫了一種事件性投資機會：當偏股型基金創新高比例上升超過10%時，創新高基金重倉行業中，未形成市場共識的行業存在持續6個月左右投資機會。2012年以來共篩選出18次不同時間或行業的投資機會，在事件後6個月的平均累計收益為21.94%，勝率72.22%。

東證期貨

基于資訊論的商品CTA中長周期趨勢政策初探

釋出日期：2022-12-28   關鍵詞：期貨、CTA、資訊論

主要内容：文章先嘗試從行為經濟學和期權理論出發對趨勢政策進行詳盡地解讀，并整理了市面上應用廣泛的趨勢名額計算方式，基于多因子的理念進行檢驗，最後通過互資訊特征進行篩選。

國海證券

資産配置系列報告(七)：宏觀流動性對A股的傳導和定價

釋出日期：2022-12-30   關鍵詞：股票、宏觀流動性

主要内容：文章以宏觀流動性的視角探讨A股市場，發現剩餘流動性環比、環比加速度對未來10 天的中證全指漲跌有較強的訓示意義，同時流動性驅動對于市場結構也有較強的訓示意義。用環比信号對未來中證全指10 個交易日做擇時，能夠擷取22.53%的超額收益，且整體勝率較高。

中信期貨

期貨多因子專題報告（六）：基于深度學習的期貨組合優化

釋出日期：2022-12-30   

關鍵詞：期貨、深度學期、組合優化

主要内容：本文以期貨市場及其量價多因子為基礎，将以“組合優化”為目标的凸優化與神經網絡結合起來，建構了完整的期貨組合量化投資架構。在合理的參數配置中，模型均能獲得較好的收益表現。如每日調倉時，年化收益率約為18%、年化波動率約為5%、夏普率3.49。

湘财證券

估值與成長因子（行業輪動專題一）：基于财報資料的行業輪動政策

釋出日期：2022-12-30   

關鍵詞：行業、行業輪動、估值、成長

主要内容：文章分别從24個估值因子與80個成長因子中篩選出優秀的因子，并基于回歸法建構估值成長行業輪動模型，從2014年3月至2022年11月底，模型年化超額收益率為 10%。

海通證券

高頻政策交易成本的分析和預測

釋出日期：2022-12-30   關鍵詞：股票、交易成本

主要内容：随着量化政策交易頻率的逐漸升高，以及單個标的交易金額随整體管理規模的上升而增大，交易成本對投資收益的影響變得愈發不可忽視。傳統的簡單滑點方式估計交易成本，已越來越難适應高頻換倉與大金額下單的場景。文章從價格走勢、價格波動、買賣價差、盤口流動性和現加單成交機率分别對純市價單和限價單優先政策進行測算。

- End -

聲明：本内容由掘金量化整理，僅供學習、交流、示範之用，不構成任何投資建議！如需轉載請聯系掘金小Q授權，否則作侵權處理！