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]

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 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 ...

量化模型与构建方式 1. 模型名称：日股量化择时模型 - **模型构建思路**：基于日本经济、海外经济与贸易、汇率、消费、通胀等多个维度的综合信号进行择时[4][5] - **模型具体构建过程**： - **经济增长**：使用日本服务业PMI和制造业PMI的信号加总，得到经济的总信号[4][5] - **海外经济与贸易**：使用美国制造业PMI、美国服务业PMI和日本贸易差额的信号加总，得到海外经贸的总信号[4][5] - **汇率预期**：利用美日利差和美日汇率构建汇率预期信号，通过四象限法则预测日元贬值预期[4][5] - **就业**：使用日本雇员报酬和劳动力人数的信号加总，得到就业综合信号[4][5] - **消费**：使用日本两人及以上的劳动者家庭平均储蓄率和月消费支出的信号加总，得到消费综合信号[4][5] - **通胀**：使用CPI和PPI的信号相减，构建通胀剪刀差信号[4][5] - **综合信号**：将上述六个维度的信号等权加总，得到日股综合择时信号[4][5] - **模型评价**：该模型通过多维度信号的综合分析，能够较为准确地进行日股的择时操作[4][5] 模型的回测效果 - **日股量化择时模型**： - **总胜率**：65.85%[5] - **看多胜率**：64.29%[5] - **看空胜率**：72.00%[5] - **赔率**：1.11[5] - **超额收益**：4.60%[5] - **美元计价的日经225择时**： - **总胜率**：67.48%[5] - **看多胜率**：65.31%[5] - **看空胜率**：76.00%[5] - **赔率**：0.95[5] - **超额收益**：5.21%[5] 量化因子与构建方式 1. 因子名称：经济增长因子 - **因子的构建思路**：通过日本服务业PMI和制造业PMI的信号加总，反映日本国内经济增长情况[4] - **因子具体构建过程**：将日本服务业PMI和制造业PMI的信号加总，得到经济的总信号[4] - **因子评价**：该因子能够较好地反映日本经济的整体增长趋势[4] 2. 因子名称：海外经济与贸易因子 - **因子的构建思路**：通过美国制造业PMI、美国服务业PMI和日本贸易差额的信号加总，反映海外经济对日本股市的影响[4] - **因子具体构建过程**：将美国制造业PMI、美国服务业PMI和日本贸易差额的信号加总，得到海外经贸的总信号[4] - **因子评价**：该因子能够较好地反映海外经济对日本股市的影响[4] 3. 因子名称：汇率预期因子 - **因子的构建思路**：利用美日利差和美日汇率构建汇率预期信号，通过四象限法则预测日元贬值预期[4] - **因子具体构建过程**：将当月美日利差和美元兑日元汇率涨跌划分成四个象限，统计下个月日股和美元兑日元的变动幅度均值，构建汇率预期信号[4] - **因子评价**：该因子能够较好地预测日元贬值预期，并对日股进行有效择时[4] 4. 因子名称：就业因子 - **因子的构建思路**：通过日本雇员报酬和劳动力人数的信号加总，反映日本就业市场情况[4] - **因子具体构建过程**：将日本雇员报酬和劳动力人数的信号加总，得到就业综合信号[4] - **因子评价**：该因子能够较好地反映日本就业市场的健康状况[4] 5. 因子名称：消费因子 - **因子的构建思路**：通过日本两人及以上的劳动者家庭平均储蓄率和月消费支出的信号加总，反映日本国内消费情况[4] - **因子具体构建过程**：将日本两人及以上的劳动者家庭平均储蓄率和月消费支出的信号加总，得到消费综合信号[4] - **因子评价**：该因子能够较好地反映日本国内消费趋势[4] 6. 因子名称：通胀因子 - **因子的构建思路**：通过CPI和PPI的信号相减，构建通胀剪刀差信号，反映日本通胀情况[4] - **因子具体构建过程**：将CPI和PPI的信号相减，构建通胀剪刀差信号[4] - **因子评价**：该因子能够较好地反映日本通胀对企业盈利的影响[4] 因子的回测效果 - **经济增长因子**： - **总胜率**：59.06%[4] - **看多胜率**：62.30%[4] - **看空胜率**：51.02%[4] - **赔率**：1.08[4] - **超额年化收益**：0.16%[4] - **海外经济与贸易因子**： - **总胜率**：61.00%[4] - **看多胜率**：65.71%[4] - **看空胜率**：54.72%[4] - **赔率**：0.95[4] - **超额收益**：-1.39%[4] - **汇率预期因子**： - **总胜率**：56.98%[4] - **看多胜率**：58.78%[4] - **看空胜率**：45.83%[4] - **赔率**：1.20[4] - **超额收益**：0.92%[4] - **就业因子**： - **总胜率**：56.73%[4] - **看多胜率**：59.73%[4] - **看空胜率**：36.36%[4] - **赔率**：0.99[4] - **超额收益**：-2.39%[4] - **消费因子**： - **总胜率**：54.39%[4] - **看多胜率**：57.14%[4] - **看空胜率**：37.50%[4] - **赔率**：1.04[4] - **超额收益**：-3.19%[4] - **通胀因子**： - **总胜率**：57.89%[4] - **看多胜率**：60.47%[4] - **看空胜率**：50.00%[4] - **赔率**：1.00[4] - **超额年化收益**：-1.98%[4]

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 ...

量化模型与构建方式 模型名称：基于宏观趋势的全球权益配置策略 - **模型构建思路**：通过分析全球主要权益市场的表现、影响因素和未来趋势，构建基于宏观趋势的全球权益配置策略[1][3] - **模型具体构建过程**： 1. **宏观变量分类**：将影响权益市场的宏观变量分为全球变量和国别变量。全球变量包括全球流动性、商品价格等；国别变量包括经济增长、通货膨胀、货币政策等[1][11] 2. **收益拆分**：将本币计价收益拆分为美元计价收益和汇率变动收益，以便对不同国家之间的收益进行比较[15] 3. **宏观趋势跟踪策略**：基于宏观动量对各国权益市场进行打分，看多时持有该国股指，看空时保持空仓。基准为股指本身[274] 4. **全球权益配置策略**：根据宏观动量对各国权益市场进行打分，等权持有宏观动量打分看多的资产；基准为等权持有全部资产[279] - **模型评价**：该策略验证了资产价格对经济基本面变化反应不足的普遍现象，并且在回测中表现出较好的风险收益比[274][279] 模型的回测效果 - **基于宏观趋势的全球权益配置策略** - 年化收益率：6.9%[279] - 年化波动率：14.5%[279] - 夏普比率：0.47[279] - 基准年化收益率：4.3%[279] - 基准年化波动率：15.7%[279] - 基准夏普比率：0.28[279] - 年化超额：2.6%[279] 量化因子与构建方式 因子名称：经济增长预期 - **因子的构建思路**：经济增速与股市长期表现具有较高的相关性，尤其是经济增长预期对股市的影响更为显著[54] - **因子具体构建过程**： 1. **数据收集**：收集各国主要股指的未来经济增速预期数据[54] 2. **相关性分析**：统计各国主要股指未来经济增速与股市收益的相关性，发现未来两个季度的经济增长预期能够带来当前股指的上涨[54] - **因子评价**：经济增长预期因子能够较好地解释股市的长期表现，尤其是在未来两个季度的预期数据上[54] 因子名称：通货膨胀 - **因子的构建思路**：通货膨胀通常是权益增长的不利影响因素，低通胀环境下权益市场表现更好[57] - **因子具体构建过程**： 1. **数据收集**：收集不同通胀环境下的权益市场表现数据[57] 2. **相关性分析**：统计在不同通胀环境下的权益市场表现，发现低通胀环境下权益市场表现显著更好[57] - **因子评价**：通货膨胀因子能够较好地解释权益市场在不同通胀环境下的表现[57] 因子名称：货币政策 - **因子的构建思路**：宽松的货币政策下权益市场表现更好[103] - **因子具体构建过程**： 1. **数据收集**：收集各国货币政策（如利率）与股市表现的数据[103] 2. **相关性分析**：统计宽松货币政策下全球权益市场的表现，发现宽松货币政策对新兴市场股指和科技成长股指的影响更为显著[103] - **因子评价**：货币政策因子能够较好地解释权益市场在不同货币政策环境下的表现[103] 因子名称：风险偏好 - **因子的构建思路**：以股指在过去3个月的价格动量作为风险偏好的代理，风险偏好上行阶段有着更高的权益收益[222] - **因子具体构建过程**： 1. **数据收集**：收集各国股指的价格动量数据[222] 2. **相关性分析**：统计风险偏好上行和下行阶段的股指收益，发现风险偏好上行阶段权益收益更高[222] - **因子评价**：风险偏好因子能够较好地解释股市在不同风险偏好阶段的表现[222] 因子名称：全球流动性 - **因子的构建思路**：美债利率作为全球流动性的晴雨表，全球流动性宽松时权益市场表现较好[225] - **因子具体构建过程**： 1. **数据收集**：收集美债利率与全球股市表现的数据[225] 2. **相关性分析**：统计全球流动性宽松和收紧时的股市表现，发现全球流动性宽松时权益市场表现较好，尤其是新兴市场[225] - **因子评价**：全球流动性因子能够较好地解释全球股市在不同流动性环境下的表现[225] 因子的回测效果 - **经济增长预期因子** - 沪深300：经济上行1.4%，经济下行0.4%[55] - 纳斯达克指数：经济上行1.3%，经济下行0.2%[55] - 标普500指数：经济上行0.7%，经济下行0.4%[55] - 英国富时100指数：经济上行0.3%，经济下行-0.1%[55] - **通货膨胀因子** - 沪深300：低通胀环境2.1%，高通胀环境-0.6%[223] - 纳斯达克指数：低通胀环境1.0%，高通胀环境0.1%[223] - 标普500指数：低通胀环境0.6%，高通胀环境0.3%[223] - 英国富时100指数：低通胀环境0.2%，高通胀环境-0.1%[223] - **货币政策因子** - 沪深300：宽松货币政策1.0%，紧缩货币政策0.1%[125] - 纳斯达克指数：宽松货币政策0.3%，紧缩货币政策0.4%[125] - 标普500指数：宽松货币政策0.3%，紧缩货币政策0.4%[125] - 英国富时100指数：宽松货币政策0.2%，紧缩货币政策0.1%[125] - **风险偏好因子** - 沪深300：风险偏好上行2.1%，风险偏好下行-0.6%[223] - 纳斯达克指数：风险偏好上行1.0%，风险偏好下行0.1%[223] - 标普500指数：风险偏好上行0.6%，风险偏好下行0.3%[223] - 英国富时100指数：风险偏好上行0.2%，风险偏好下行-0.1%[223] - **全球流动性因子** - 沪深300：流动性宽松1.2%，流动性收紧0.7%[227] - 纳斯达克指数：流动性宽松0.6%，流动性收紧1.5%[227] - 标普500指数：流动性宽松0.3%，流动性收紧1.0%[227] - 英国富时100指数：流动性宽松0.1%，流动性收紧0.4%[227]

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 ...

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 ...

金工大类资产配置周报 报告日期: 2024 年 06 月 16 日 ★市场回顾 宽基指数方面,本周涨跌幅排名前五的宽基指数及其涨跌幅分 别为纳斯达克综指(3.2%)、科创 50(2.2%),中证 2000(2.1%),标 普 500(1.6%),北证 50(1.6%);本周涨跌幅排名后五的宽基指数 及其涨跌幅分别为恒生指数(-2.3%)，小盘价值(-2.0%)，中盘价 值(-2.0%)，大盘价值(-1.4%)，上证 50(-1.3%)；本月涨跌幅排名 前五的宽基指数及其涨跌幅分别为纳斯达克综指(5.7%),标普 500(2.9%),科创 50(1.5%),胡志明股市指数(1.4%),日经 225(0.8%);本月涨跌幅排名后五的宽基指数及其涨跌幅分别为 中证 2000(-5.1%),北证 50(-3.4%),小盘价值(-3.3%),中证 1000(-3.3%)，中盘价值(-2.6%)。 行业指数方面,本周涨跌幅排名前五的行业指数及其涨跌幅分 别为通信(6.0%)，电子(4.7%)，计算机(3.7%)，传媒(2.1%)，汽车 (1.3%);本周涨跌幅排名后五的行业指数及其涨跌幅分别为交 通运输(-3.7%)，农 ...

意弱弹性, 对市场作用? ▶ 择时观点：景气度弱弹性，对市场作用有限。上周北向资金净流出 218.73 亿元，美国债利率（10Y）下行 23BP，中证 800 整体下跌。进入 5 月后景气度 有企稳回升，当下市场理论上继续处于一致上涨区间，但景气度弹性较弱，对市 场支撑力度有限。市场分歧度已处极低水平，未来若回升叠加流动性下行市场风 险或上升。 > 指数监测：上证国企红利 ETF 大幅流入。近 1 周 ETF 产品申购流入增速快 的有：上证国企红利、科创芯片、MSCI 美国 50、中证 A50、红利质量等。近 1 周中证 2000、CS 物流、细分机械、恒生港股通高股息低波动、集成电路等指 数份额流出最多。 ▶ 资金共振：推荐通信,医药与计算机。北向资金与大单资金,稳定资金流因 子值排名前 10 的行业取交集,策略近五年年化超额收益 16.8%,表现稳定。北 向资金上周在电力设备及新能源中净流入最多，净流入 54 亿元; 大单资金上周 在通信中净流入最多,净流入 3.3 亿元。根据大单与北向资金的流入情况,本周 推荐行业为通信，医药与计算机。 ＞ 公募风格：5 月继续切向中盘价值。公募偏股主动基金 5 月继续 ...