光期研究 1 光大证券 2020 年 半 年 度 业 绩 E V E R B R I G H T S E C U R I T I E S 2024 年四季度金融工程策略报告 - - 商品市场资金流向与展望 $$2 \; 0 \; 2 \; 4 \;. \; 0 \; 9 \;. \; 3 \; 0$$ 今年以来商品和股票走势 2,500 2,600 2,700 2,800 2,900 3,000 3,100 170 175 180 185 190 195 200 205 210 215 2024/01 2024/02 2024/03 2024/04 2024/05 2024/06 2024/07 2024/08 2024/09 商品指数 同花顺全A(加权) 今年以来，商品市场与股票市场走势具有高度相关性，一点季度商品市场波动较小，二季度商品市场呈 现上涨走势，后续三季度呈现震荡回落，三季度最后几个交易日股票市场出现大幅反弹 p 2 今年以来商品期货市场保证金 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100 2024/1/2 2024/2/2 2024/3/2 ...

金 融 工 程 研 究 2024 年 09 月 29 日 金融工程研究团队 魏建榕（首席分析师） 证书编号：S0790519120001 张 翔（分析师） 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高 鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790121070009 苏 良（分析师） 证书编号：S0790121070008 何申昊（分析师） 证书编号：S0790524070009 陈 威（研究员） 证书编号：S0790123070027 蒋 韬（研究员） 证书编号：S0790123070037 相关研究报告 《 出 海 板 块 的 资 金 行 为 监 测 》 -2024.05.18 《 红 利 板 块 的 资 金 行 为 监 测 》 -2024.06.14 《 果 链 板 块 的 资 金 行 为 监 测 》 -2024.07.12 《 银 ...

请阅读最后一页免责声明及信息披露 http://www.cindasc.com 1 Research and Development Center 政策组合助力预期扭转，增量市可期 —— 量化市场追踪周报（2024W37-38） [Table_ReportTime] 2024 年 9 月 29 日 证券研究报告 | --- | --- | |----------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- ...

金融工程|金工定期报告 金融工程 证券研究报告 2024 年 09 月 29 日 作者 吴先兴 分析师 SAC 执业证书编号：S1110516120001 wuxianxing@tfzq.com 量化择时周报：关键指标上周触发，进入最佳窗口 期 关键指标上周触发，进入最佳窗口期 上周周报(20240922)认为：下行趋势格局中， $$\mathrm { w i n d }$$ 全 $$\A$$ 一旦 45 日均线被 有效突破意味着下行趋势得到逆转，结束下行趋势。上周， wind 全 $$\A$$ 周 二击破 45 日均线，市场立刻迎来大幅上涨，全周大涨 15.13%，市值维度 上，上周代表小市值股票的国证 2000 上涨 14.24%，中盘股中证 500 上涨 15.63%，沪深 300 上涨 15.70%，上证 50 上涨 15.13%;上周中信一级行业 中，食品饮料和综合金融表现最强，食品饮料上涨 26.10%；电力及公用事 业和石油石化涨幅较低，电力及公用事业上涨 8.07%。上周成交活跃度 上，非银金融板块资金流入明显。 从择时体系来看，我们定义的用来区别市场整体环境的 $$\mathrm { w i ...

金融工程 | 金工定期报告 易日股价出现向上跳空，该跳空通常代表市场对盈余报告的认可程度。 | --- | --- | |-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------| | 金融工程 | 2024 年 09 月 29 日 | | | 作者 | | 净利润断层本周超额基准 0.48% 戴维斯双击策略 | 吴先兴 分析师 SAC 执业证书编号： S1110516120001 wuxianx ...

量化模型与构建方式 PB-ROE-50 组合 - **模型构建思路**：基于市净率（PB）和净资产收益率（ROE）构建的组合策略[18] - **模型具体构建过程**：以PB和ROE为核心指标，筛选出前50只股票构建组合，并进行定期调仓[18] - **模型评价**：本周在各股票池中超额收益出现回撤[18] 机构调研组合 - **模型构建思路**：基于公募和私募机构调研信息构建的选股策略[21] - **模型具体构建过程**：根据公募和私募机构的调研信息，筛选出相关股票构建组合，并进行定期调仓[21] - **模型评价**：本周公募调研选股策略和私募调研跟踪策略均获取正超额收益[21] 大宗交易组合 - **模型构建思路**：基于大宗交易成交金额比率和成交金额波动率构建的组合策略[25] - **模型具体构建过程**：根据“高成交、低波动”原则，通过月频调仓方式构造大宗交易组合[25] - **模型评价**：本周大宗交易组合相对中证全指获取负超额收益[25] 定向增发组合 - **模型构建思路**：基于定向增发事件效应构建的选股策略[29] - **模型具体构建过程**：以股东大会公告日为时间节点，综合考虑市值因素、调仓周期以及对仓位的控制，构造定向增发事件驱动选股组合[29] - **模型评价**：本周定向增发组合相对中证全指获取负超额收益[29] 模型的回测效果 PB-ROE-50 组合 - **中证500**：本周超额收益-2.55%，今年以来超额收益8.92%，本周绝对收益12.23%，今年以来绝对收益5.75%[19] - **中证800**：本周超额收益-0.96%，今年以来超额收益6.87%，本周绝对收益14.06%，今年以来绝对收益3.76%[19] - **全市场**：本周超额收益-0.20%，今年以来超额收益0.15%，本周绝对收益14.94%，今年以来绝对收益-2.77%[19] 机构调研组合 - **公募调研选股**：本周超额收益1.36%，今年以来超额收益-25.60%，本周绝对收益17.26%，今年以来绝对收益-22.12%[22] - **私募调研跟踪**：本周超额收益0.76%，今年以来超额收益-28.93%，本周绝对收益16.56%，今年以来绝对收益-25.61%[22] 大宗交易组合 - **大宗交易组合**：本周超额收益-1.47%，今年以来超额收益-12.70%，本周绝对收益13.48%，今年以来绝对收益-15.24%[25] 定向增发组合 - **定向增发组合**：本周超额收益-5.84%，今年以来超额收益-15.78%，本周绝对收益8.44%，今年以来绝对收益-18.24%[28] 量化因子与构建方式 Beta 因子 - **因子的构建思路**：衡量股票相对于市场的系统性风险[14] - **因子具体构建过程**：通过回归分析计算股票的Beta值，构建组合[14] - **因子评价**：本周表现突出，获取正收益2.59%[14] 市值因子 - **因子的构建思路**：基于股票市值大小构建的因子[14] - **因子具体构建过程**：根据股票市值大小进行排序，构建组合[14] - **因子评价**：本周获取正收益1.88%，市场表现为大市值风格[14] 残差波动率因子 - **因子的构建思路**：基于股票残差波动率构建的因子[14] - **因子具体构建过程**：通过计算股票的残差波动率，构建组合[14] - **因子评价**：本周获取正收益0.93%[14] 盈利因子 - **因子的构建思路**：基于股票盈利能力构建的因子[14] - **因子具体构建过程**：通过计算股票的盈利指标，构建组合[14] - **因子评价**：本周获取正收益0.60%[14] 动量因子 - **因子的构建思路**：基于股票价格动量构建的因子[14] - **因子具体构建过程**：通过计算股票的价格动量，构建组合[14] - **因子评价**：本周获取负收益-1.77%[14] 因子的回测效果 沪深300股票池 - **对数市值因子**：3.46%[8] - **总资产毛利率TTM**：3.05%[8] - **EPTTM分位点**：3.02%[8] - **换手率相对波动率**：-2.01%[8] - **早盘收益因子**：-2.81%[8] - **5日平均换手率**：-2.92%[8] 中证500股票池 - **市盈率因子**：3.28%[10] - **市净率因子**：2.55%[10] - **毛利率TTM**：2.03%[10] - **6日成交金额的移动平均值**：-2.15%[10] - **成交量的5日指数移动平均**：-2.50%[10] - **6日成交金额的标准差**：-3.13%[10] 流动性1500股票池 - **毛利率TTM**：2.23%[12] - **市净率因子**：2.18%[12] - **市盈率因子**：1.97%[12] - **5分钟收益率偏度**：-0.70%[12] - **标准化预期外盈利**：-0.96%[12] - **标准化预期外收入**：-1.39%[12]

证券研究报告·金融工程·金工专题报告 金工专题报告 20240927 提升技术分析的品格 2024 年 09 月 27 日 [Table_Tag] [Table_Summary] 研究观点 ◼ 市场弱式有效假说认为，当前的市场价格已经充分反映了所有历史的证 券价格信息，包括成交量和成交价等。因此，投资者无法通过对历史价 格数据的分析获得超额收益，这一假说对技术分析的有效性提出了质 疑。如果市场达到了弱式有效状态，过去的价格信息将不再具备预测能 力，进而导致技术分析失效。 ◼ 检验市场是否为弱式有效的主流方法主要分为两类：一是检验股票价格 序列是否符合随机游走，常用方法包括单位根检验、Hurst 指数检验和 方差比检验；二是检验价格序列是否具有序列独立性，常用方法包括 BDS 检验、游程检验和序列相关检验等。然而，从实证结果来看，市场 尚未完全达到弱式有效的直观体现是我们仍然可以通过历史 K 线指标 预测未来的涨跌。 ◼ 基于此，本文分别从线性和非线性角度构建了 ARMA-GARCH 模型和 LSTM 模型来预测沪深 300 指数的次日涨跌，结果显示，预测准确率分 别为 51.61%和 52.33%，显著高于" ...

i Research 艾 ▲█▲▲ Beneunder 轻量化户外行业白皮书 ©2023.3 iResearch Inc. 调研样本说明 在线调研： 针对适宜户外运动的成年人群 调查对象 调研样本说明：采取用户座谈会&专家深访&在线调研相结合的研究方式 1. 年龄20岁至60岁 2. 适宜参加户外运动的成年人，包括现有户外运动参与人群和 户外运动的潜在人群 3. 符合市场调研基本条件 | --- | --- | --- | |--------------|----------|-------| | | | | | 问卷投放区域 | 全国覆盖 | | | 问卷投放时间 | 2023.01 | | | 样本总量 | 3685 | | 用户座谈会： 针对过去一段时间有过户外用品消费的户外运动人群 专家深访： 针对户外运动&用品方向的业内专家 来源：艾瑞消费研究院自主研究及绘制。 ©2023.3 iResearch Inc. www.iresearch.com.cn 2 户外运动（广义） 指的是泛化的，所有在户外进行的运动类型，包括但不限于登山、骑行、徒步、越野跑、飞盘、露营等 轻型户外运动 与硬核户外运动相对，指的 ...

量化模型与构建方式 1. 模型名称：国内资产BL模型1 - **模型构建思路**：BL模型是对传统均值-方差模型的改进，采用贝叶斯理论将主观观点与量化配置模型结合，通过投资者对市场的分析预测资产收益，优化资产配置权重[9] - **模型具体构建过程**：在沪深300、恒生指数、标普500、中债-国债总财富指数、中债-企业债总财富指数与南华商品指数的基础上搭建了两种针对全球资产的BL配置模型，同时针对国内的股票、债券、转债、商品和黄金选取沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE作为投资标的，构建了两种国内资产BL配置策略[9] - **模型评价**：BL模型有效地解决了均值-方差模型对于预期收益敏感的问题，同时相较纯主观投资具有更高的容错性，为投资者持续提供高效的资产配置方案[9] 2. 模型名称：国内资产BL模型2 - **模型构建思路**：同国内资产BL模型1[9] - **模型具体构建过程**：同国内资产BL模型1[9] - **模型评价**：同国内资产BL模型1[9] 3. 模型名称：全球资产BL模型1 - **模型构建思路**：同国内资产BL模型1[9] - **模型具体构建过程**：同国内资产BL模型1[9] - **模型评价**：同国内资产BL模型1[9] 4. 模型名称：全球资产BL模型2 - **模型构建思路**：同国内资产BL模型1[9] - **模型具体构建过程**：同国内资产BL模型1[9] - **模型评价**：同国内资产BL模型1[9] 5. 模型名称：国内资产风险平价模型 - **模型构建思路**：风险平价模型是对均值-方差模型的改进，其核心思想是将投资组合的整体风险分摊到每类资产中，使得每类资产对投资组合整体风险的贡献相等[11] - **模型具体构建过程**：分三步构建：第一步，选择合适的底层资产；第二步，计算资产对组合的风险贡献；第三步，求解优化问题计算持仓权重。基于沪深300指数、标普500指数、恒生指数、中债-企业债总财富指数、南华商品指数和COMEX黄金构建了全球资产风险平价模型，同时针对国内的股票、债券、转债、商品和黄金选取沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE作为投资标的，构建了国内资产风险平价策略[11] - **模型评价**：风险平价模型通过分摊风险，能够在经济周期的不同阶段获得稳定收益[11] 6. 模型名称：全球资产风险平价模型 - **模型构建思路**：同国内资产风险平价模型[11] - **模型具体构建过程**：同国内资产风险平价模型[11] - **模型评价**：同国内资产风险平价模型[11] 7. 模型名称：基于宏观因子的资产配置模型 - **模型构建思路**：构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，并基于此提出一个通用性的宏观因子资产配置框架[13] - **模型具体构建过程**：通过Factor Mimicking Portfolio方法构造高频宏观因子，并以此为基础，将8类国内资产作为资产池，按以下四步构建：第一步，每月末计算资产的因子暴露水平；第二步，以上述资产的风险平价组合作为基准，计算出基准因子暴露；第三步，根据对宏观未来一个月的判断，给定主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标；第四步，带入模型反解得到下个月的各个资产配置权重[13] - **模型评价**：该模型建立了宏观研究与资产配置研究的桥梁，能够将宏观的主观观点进行资产层面的落地[13] 模型的回测效果 国内资产BL模型1 - **本周收益**：0.47%[7] - **9月份收益**：1.10%[7] - **2024年收益**：6.48%[7] - **年化波动**：1.70%[7] - **夏普比率**：5.36[7] - **半玛比率**：11.66[7] 国内资产BL模型2 - **本周收益**：0.28%[7] - **9月份收益**：0.79%[7] - **2024年收益**：5.70%[7] - **年化波动**：1.47%[7] - **夏普比率**：5.44[7] - **半玛比率**：12.27[7] 全球资产BL模型1 - **本周收益**：0.29%[7] - **9月份收益**：1.05%[7] - **2024年收益**：6.93%[7] - **年化波动**：1.96%[7] - **夏普比率**：4.97[7] - **半玛比率**：10.21[7] 全球资产BL模型2 - **本周收益**：0.32%[7] - **9月份收益**：0.84%[7] - **2024年收益**：5.82%[7] - **年化波动**：1.49%[7] - **夏普比率**：5.50[7] - **半玛比率**：12.76[7] 国内资产风险平价模型 - **本周收益**：0.24%[7] - **9月份收益**：0.32%[7] - **2024年收益**：4.71%[7] - **年化波动**：1.15%[7] - **夏普比率**：5.73[7] - **半玛比率**：18.05[7] 全球资产风险平价模型 - **本周收益**：0.20%[7] - **9月份收益**：0.13%[7] - **2024年收益**：5.11%[7] - **年化波动**：1.03%[7] - **夏普比率**：6.97[7] - **半玛比率**：22.86[7] 基于宏观因子的资产配置模型 - **本周收益**：0.25%[17] - **9月份收益**：0.32%[17] - **2024年收益**：4.14%[17] - **年化波动**：1.24%[17] - **最大回撤**：0.45%[17]

量化模型与构建方式 1. 模型名称：超跌反弹信号 - **模型构建思路**：通过识别市场中超跌的股票，捕捉其反弹机会[11] - **模型具体构建过程**： - 选取样本内数据（2017年至2024年）进行回测 - 计算超跌反弹信号出现后的持有表现，包括后5日和后10日的平均收益率、持有胜率和盈亏比等指标[11][12] - **模型评价**：该模型在识别超跌反弹机会方面表现较好，具有较高的胜率和盈亏比[12] 2. 模型名称：平台突破信号 - **模型构建思路**：通过识别股票价格突破平台的信号，捕捉其上涨机会[13] - **模型具体构建过程**： - 选取样本内数据（2017年至2024年）进行回测 - 计算平台突破信号出现后的持有表现，包括后5日和后10日的平均收益率、持有胜率和盈亏比等指标[13][14] - **模型评价**：该模型在识别平台突破机会方面表现较好，具有较高的胜率和盈亏比[14] 模型的回测效果 1. 超跌反弹信号 - **后5日平均收益率**：4.56%[12] - **持有5日胜率**：71%[12] - **盈亏比**：1.87[12] - **后10日平均收益率**：7.2296%[12] - **持有10日胜率**：62%[12] - **盈亏比**：1.66[12] - **平均持有交易日**：5.2[12] - **平均持有收益**：6.30%[12] - **胜率**：76%[12] - **盈亏比**：2.3[12] 2. 平台突破信号 - **后5日平均收益率**：3.30%[14] - **持有5日胜率**：62%[14] - **盈亏比**：1.45[14] - **后10日平均收益率**：5.10%[14] - **持有10日胜率**：61%[14] - **盈亏比**：1.70[14] - **平均持有交易日**：9[14] - **平均持有收益**：6.7796%[14] - **胜率**：60%[14] - **盈亏比**：2.15[14] 量化因子与构建方式 1. 因子名称：流通股本收益率 - **因子的构建思路**：通过衡量各行业的流通股本收益率，评估投资者的平均赚钱效应[7] - **因子具体构建过程**： - 计算各行业的流通股本收益率 - 统计各行业的历史分位数，评估当前收益率在历史中的位置[8] - **因子评价**：该因子能够有效反映各行业的赚钱效应，具有较高的参考价值[7][8] 2. 因子名称：获利盘比率 - **因子的构建思路**：通过计算各行业的获利盘比率，评估市场中获利盘的分布情况[10] - **因子具体构建过程**： - 计算各行业的获利盘比率 - 统计各行业的获利盘比率，评估其在市场中的分布情况[10] - **因子评价**：该因子能够有效反映市场中获利盘的分布情况，具有较高的参考价值[10] 因子的回测效果 1. 流通股本收益率 - **银行板块**：72%分位水平[7] - **家电板块**：69%分位水平[8] - **非银行金融板块**：75%分位水平[8] 2. 获利盘比率 - **银行板块**：最高水平[10] - **家电板块**：较高水平[10] - **非银行金融板块**：较高水平[10]