【金工周报】择时信号短期回暖,后市如何走?
华创证券· 2024-06-23 13:22
证 展 所 数: 【金工周报】(20240617-20240621 ) 择时信号短期回暖,后市如何走? & 本周回顾 本周市场普遍下跌,上证指数单周下跌 1.14%,创业板指单周下跌 1.98%。 A 股模型: 短期:成交量模型中性。低波动率模型中性。特征龙虎榜机构模型看空。特征 成交量模型看空。智能沪深 300 模型看多,智能中证 500 模型看多。 中期:涨跌停模型中性。月历效应模型中性。 长期:动量模型所有指数看多。 综合:A 股综合兵器 V3 模型看空。A 股综合国证 2000 模型看空。 港股模型: 中期:成交额倒波幅模型看多。 本周行业指数普遍下跌,涨幅前五的行业为:通信、电子、建筑、石油石化、 汽车,跌幅前五的行业为:房地产、消费者服务、传媒、商贸零售、综合金融。 从资金流向角度来说,所有行业主力资金净流出,其中电子、计算机、机械、 电力设备及新能源、医药主力资金净流出居前。 本周股票型基金总仓位为 94.86%,相较于上周减少了 150 个 bps,混合型基金 总仓位 91.61%,相较于上周增加了 106个 bps。 本周电子与家电获得最大机构加仓,食品饮料与石油石化获得最大机构减仓。 本周 ...
开源量化评论(94):从高频股价形态到追涨杀跌因子
开源证券· 2024-06-23 13:22
幅证券 2024 年 6 月 23 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 鳥 (分析师) 证书编号: S0790520090002 苏俊泰(分析师) 证书编号: S0790522020001 胡亮勇 (分析师) 证书编号: S0790522030001 王志秦(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(研究员) 证书编号: S0790122080094 陈 威(研究员) 证书编号: S0790123070027 蒋 娟(研究员) 证书编号:S0790123070037 相关研究报告 《从基金持仓行为到股票关联网络》 -2021.10.02 《从小单资金流行为到股票关联网 络》-2022.07.21 《从隔夜价格行为到股票关联网络》 -2023.12.19 《从涨跌停外溢行为到股票关联网 络》-2024.04. ...
金融工程定期:机构资金行为画像
开源证券· 2024-06-21 16:22
量化模型与构建方式 模型名称:知情交易者密度D指标 - **模型构建思路**:通过逐笔成交数据计算资金流行为,反映股票的微观供求信息,定义密度D指标以反映知情交易者对市场的态度[88] - **模型具体构建过程**: 1. 资金流向依据挂单金额的大小,分为四种类型进行统计:超大单(>100万元)、大单(20-100万元)、中单(4-20万元)和小单(<4万元)[88] 2. 定义密度D指标,即每个交易日往前回溯K=20个交易日,使用知情交易者异常净流入的个数减去异常净流出的个数[88] - **模型评价**:密度D指标在零轴之下,显示出知情交易者对于市场走势偏谨慎[88] 模型的回测效果 - **知情交易者密度D指标**: - 近一个月密度D指标在零轴之下,显示出知情交易者对于市场走势偏谨慎[88] 量化因子与构建方式 因子名称:北上资金行为画像 - **因子的构建思路**:通过拆解北上资金的流入流出情况,分析外资在不同行业、指数和风格上的偏好[9][42][55][69] - **因子具体构建过程**: 1. **资金流入流出统计**:统计近一月北上资金的净流出情况,累计净流出约424亿元[9] 2. **托管机构拆解**:将北向资金拆分到托管机构层面,发现外资券商净流出约152亿元,外资银行累计净流出约245亿元[30] 3. **行业拆解**:统计外资银行和外资券商在不同一级行业的增持和减持情况,发现外资偏好电子、公用事业等行业,同时减持家用电器、食品饮料等行业[42] 4. **指数拆解**:将外资资金流入流出拆解到三大主要宽基指数中,发现外资在沪深300指数成分股上的累计净流出约258亿元,中证500累计净流出约45亿元,中证1000累计净流出约34亿元[55] 5. **风格拆解**:统计外资在成长和价值风格上的偏好,发现外资略偏好成长风格[69] 6. **个股持仓概览**:统计全体托管机构净增仓占比最高的个股,发现立达信为净增仓占比最高个股,净增仓比例达4.05%[86] 因子的回测效果 - **北上资金行为画像**: - 近一月北上资金累计净流出约424亿元[9] - 外资券商净流出约152亿元,外资银行累计净流出约245亿元[30] - 外资在沪深300指数成分股上的累计净流出约258亿元,中证500累计净流出约45亿元,中证1000累计净流出约34亿元[55] - 外资在价值的个股上净流出约141亿元,在成长的个股上净流出约89亿元[69] - 立达信为净增仓占比最高个股,净增仓比例达4.05%[86]
量化基金业绩简报:公募指增超额表现亮眼,私募中性继续增厚
开源证券· 2024-06-21 11:22
开源证券 2024 年 06 月 21 日 公募指增超额表现亮眼,私募中性继续增厚 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 为了更好聚焦公募量化指增基金的收益表现,我们定期跟踪市场上主流宽基指数 傅开波 (分析师) (沪深 300、中证 500、中证 1000)增强产品,数据截至 2024年 6 月 20 日。 证书编号:S0790520090003 公募沪深 300 增强基金: 2024年5月21日以来公募沪深 300 增强基金整体超 领收益率为 0.94%,2024年以来公募沪深 300 增强基金整体超额收益率为 1.30%。 高 鹏(分析师) 2024 年以来,40 只沪深 300 增强基金超额收益为正,9 只沪深 300 增强基金超 证书编号:S0790520090002 额收益为负,累计超额收益排名靠前的沪深 300 增强基金分别为:易方达沪深 苏俊秦(分析师) 300 精选增强 A (13.32%)、鹏华沪深 300 指数增强 A (5.59%)、长江沪深 300 证书编号:S079052202000 ...
私募策略研究:银行理财视角的量化中性研究
东证期货· 2024-06-20 11:02
私募策略研究: 银行理财视角的量化中性研究 报告日期: 2024 年 6 月 19 日 曾洋 ★推荐及复盘结果: 根据验证期各管理人实际表现,对前期推荐结果进行复盘: 第一顺位推荐无回撤或回撤较小的,具备一定预测性和前赔 性的管理人,如申毅投资和锐天投资。在验证期,两家管理 人的最大回撤均不超过 1%,其中申毅投资未发生回撤。此 外,申毅投资在夏普比率上有优异表现。第二顺位推荐存在 一定回撤但能及时调整并实现迅速反弹的管理人,如宽德私 寨。在验证期,宽德私募未修复最大回撤,且存在较高的年 化风险,表现不及预期。第三顺位推荐存在一定回撤,反弹 趋势清晰可预测,还存在一定左侧机会的管理人,该类管理 人善于修复历史回撤,而本次回撤尚未修复完毕,如黑翼资 产和金戈量锐。在验证期,黑翼资产有最高的累计收益,在 最大回撤较小的情况下,卡玛比率表现优异。与此同时,黑 翼资产也有较高的年化风险,适合有一定波动容忍的投资 者。金戈量锐年化风险表现不及预期,针对左侧投资的投资 机会而言,累计收益表现不及预期。 ★尽调选代: 事前:有效的事前监控可以规避风险和减少损失。根据调研 结果,成功躲避此次极端行情周期的管理人一般关注复合风 ...
量化配置研究系列四:日股量化择时模型构建:由日本股汇负相关引发的日股定价探讨
西南证券· 2024-06-18 18:02
2024 年 06月 18 日 证券研究报告·金融工程专题报告 量化配置研究系列四 由日本股汇负相关引发的日股定价探讨 日股量化择时模型构建 搞要 ● 日股为何如此强劲? 日本 2023年以来股市持续走高,其根本原因在于企业盈利预期上升。日本海 外收入占 GDP9.43%,日元贬值推动出口贸易增长, 提高了企业盈利能力; 宽松的货币政策和通胀环境推升通胀预期,截至 2024年 4月 CPI已连续 25 个月高于央行"2%"的目标水平。东京证券交易所的政策提高了公司治理水 平和股东回报要求,有利于股市。巴菲特效应下外资大幅涌入,2023 财年 外国投资者的净买入额为 8.05 万亿日元。 ● 日本股汇为何显著负相关? DDM 模型下汇率如何影响日股定价。在 DDM 模型中,日元汇率分别从分 子端和分母端影响日股定价。对于分子端: 汇率贬值利好日企盈利。由于日 企海外营收占比高,截止 2023年,日企海外销售与生产占比分别达到 39.1% 和 35.8%。对于分母端,日本极致的货币宽松下,汇率受利率传导在无风险 利率和风险偏好作用于日股。日元贬值,外资融资成本下降,吸引外资流入。 日元作为避险资产,其风险偏好与日 ...
商品量化CTA周度跟踪
安信期货· 2024-06-18 12:02
国投安信期货 SDIC ESSENCE R川峪 商品量化CTA周度跟踪 2024/6/17 国投安信期货研究院 金融工程组 贵金属持仓量边际改善 偏空区间。黑色板块,期限结构显示市 场情绪趋向谨慎,尽管持仓量显示有抄 底资金入场,但是时序上信号强度并不 显著,短期可能仍然承压。能化板块, 前期空头仓位逐渐止盈,截面上能源强 于化工,能源与化工差异持续拉大。 를 们 动量时序 动量截面 期限结构 持仓量 黑色板块 0 0. 09 -0. 08 0 有色板块 0. 05 0. 52 -0. 21 1.13 能化板块 -0. 02 0. 18 0. 37 0. 69 农产品板块 0. 35 -0. 19 0.13 0. 41 股指板块 0. 46 -0. 71 -0. 63 1.06 贵金属板块 0.12 - 0. 88 上周收益(%) 当月收益(%) 伴侣 0.00 0.00 需求 0.00 -0.72 价差 -0.21 -0.21 大类累加 -0.06 -0.27 大类信号强度 多 ポ RSH র্গ 价差 ਜਿੱਝ 需求 库存 ■上周因子强度 ■当周因子强度 国投安信期货 数据来源: wind, 国投安信期货 ...
全球宏观量化:全球权益的内在驱动因素
民生证券· 2024-06-17 14:22
全球宏观量化: 全球权益的内在驱动因素 2024年6月17日 * 请务必阅读最后一页免费声明 本报告旨在系统性地介绍全球权益市场及其内在宏观驱动固素,通过深入分析全球主要权益市场的表现、影响因素和未来趋势,理清全球权益 市场的增长逻辑。对于影响权益市场的宏观变量,大致可以分为全球变量和国别变量两类:全球变量包括全球流动性、商品价格等所有国家共 同面对的宏观变量;国别变量则是如经济增长、通货膨胀、货币政策等每个国家各自拥有的不同的宏观变量。 · 在分析全球权益市场的增长逻辑之前,我们首先需要对全球权益市场的收益进行拆分,将本币计价收益拆分为美元计价收益和汇率变动收益。 进行收益拆分的原因主要是方便我们能够对不同国家之间的收益进行比较,并在分析内在驱动原因的时候避免多次计入汇率变动因素的影响。 · 经济增长并非通过当前状态而是通过预期影响权益市场。通货膨胀通常则是权益增长的不利影响因素。权益市场在宽松的货币政策下有着更好 的表现。汇率变动与权益市场的关系由于存在多重因果关系难以直接进行合理逻辑判断。风险偏好上行阶段有着更高的权益收益。全球流动性 宽松时仅益市场通常会有较好表现,对于新兴市场而言这一现象更为明显。商 ...
量化专题报告:如何准确对收益增长定价?
民生证券· 2024-06-17 14:22
如何准确对收益增长定价? 叶尔乐 S0100522110002 联系人 吴自强 S0100122120016 2024年6月17日 * 请务必测读最后一页免费声明 C гтиатио 目 C 01 估值的原理: AEG估值模型 02 应用篇: 如何进行 AEG 估值及因子构建 03 总结 04 风险提示 [] 证券研究报告 01. 估值的原理: AEG估值模型 | 证券研究报告 * 请务必阅读最后一页免费声明 2 01 估值的原理: AEG估值模型 A 展考一 · 从 2019 年至 2024 年 5 月, 沪深 300 的平均既往市盈率是 12.8, 历史平均 EPS 增长率大约是 7.2%,如果股东要求的回报 率大约是 10%,那么正常市盈率是 10。 · 如果增长率是 7.2%,小于股东要求的回报率,那么预计的市盈 率应该小于 10,而不是大于 10 的 12.8。 · 如果人们预测的收益增长率高于要求回报率,市盈率必然高于正 常市盈率:人们为增长付费。如果人们预测的收益增长率低于要 求回报率,市盈率一定低于正常市盈率:人们为增长打折。 · 为什么会产生这种违背直觉的市场异象? 图2: 沪深 300ep ...
量化分析报告:基于强化学习的组合优化在指增策略中的应用
民生证券· 2024-06-17 14:22
基于强化学习的组合优化在指增 策略中的应用 叶尔乐 S0100522110002 韵天雨 S0100122120002 2024年06月17日 * 请务必阅读最后一页免费声明 01 什么是强化学习? 02 StockFormer强化 学习交易策略 03 模型实证与分析 04 总结与思考 05 风险提示 C 和田 00 [] 证券研究报告 1 01. 什么是强化学习? □□ 证券研究报告 * 请务必阅读最后一页免费声明 2 01 什么是强化学习? > 1.1 强化学习 · 强化学习是一种机器学习方法,通过与环境的交互来训练智能体,使其在不同状态下采取能够最大化累积奖励的行动。其目标是通 过试错学习 (trial-and-error) 找到最优策略,使得在长时间内累积的奖励最大化。在强化学习中,智能体(Agent)通过与环境的 互动不断学习,通过奖励和惩罚来调整其策略,以便在长期内获得最大回报。 · 在强化学习中,数据是在智能体与环境交互的过程中得到的。如果智能体不采取某个决策动作,那么该动作对应的数据就永远无法 被观测到,所以当前智能体的训练数据来自之前智能体的决策结果。因此,智能体的策略不同,与环境交互所产生 ...