量化不掉发

寻找股市“预言家”：为什么分析师的预测往往不如数学模型？1. 引言：投资中的“信息差”与业绩预期的魔力在投资的世界里，最令人向往的莫过于拥有一双洞察未来的“天眼”。想象一下，如果你能提前知道上市公司下一季度的净利润增速，你的投资收益将达到什么水平？招商证券曾做过一项震撼的实证研究：假设我们处于“上帝视角”，预知下一期净利润增速并构建未来成长组合。在 2010 年至 2025 年的长周期回测中，该组合的年化收益率接近 17%。这 17% 实际上揭示了业绩预期的“理论收益天花板”，也正是净利润断层策略和 PEG 策略能够捕捉认知红利的核心逻辑。然而，凡人并非“上帝”。为了弥补这种信息缺失，市场演化出了三类主要的业绩预测手段：分析师预期、简单预期模型以及横截面预期模型。究竟谁才是股市中最精准的“预言家”？2. 惊人的“乐观偏差”：分析师预期并非绝对真理在大多数投资者看来，深度跟踪公司...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20260413-天风证券-因子选股系列之一：现金流实现率因子因子逻辑全解析：现金流实现率及其增强模型在量化投资领域，盈余质量（Earnings Quality）的研究始终是核心课题。尽管利润表上的数字引人注目，但从学术界到实战派都深知一个市场真相：利润的“含金量”远比数字本身重要。本指南将带你从应计异象（Accrual Anomaly）出发，拆解现金流实现率（CRR）因子的构建逻辑及其进化路径。1. 核心矛盾：为什么传统的“应计利润”因子会失效？量化研究的基石之一是 Sloan (1996) 的经典发现：会计盈余可分解为应计利润和现金流量，且现金流量的持续性（Persistence）显著高于应计利润。但在 A 股市场，传统的“应计利润”因子（营业利润与经营现金流之差）往往表现不佳。权责发生制 vs. 现金收付制传统因子的局限与误判传统的应计利润因子在 A 股失效主要源于两个...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

Model Predictive Control For Trade Execution交易执行的“自动驾驶”：深度解析模型预测控制（MPC）如何改写算法交易游戏规则1. 引言：大单执行的“大象进瓷器店”困境在现代高频波动的数字市场中，执行一笔巨额机构订单（Parent Order）就像是让一只大象走进一家精美的瓷器店。交易员面临着一个经典且痛苦的权衡：如果你追求执行速度，大规模的扫单动作会像大象摔跤一样产生巨大的市场冲击（Market Impact），打碎“价格瓷器”；如果你为了隐藏踪迹而过度被动地挂单，缓慢的执行进度又会让你面临巨大的机会成本和滑点（Slippage）风险。托马斯·P·麦考利夫（Thomas P. McAuliffe）及其团队近期提出了一种基于模型预测控制（MPC）的创新框架。这一框架的核心价值在于，它不仅仅是机械地完成任务，而是像一套精密的“自动驾驶系统”，在...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20260311-国金证券-大模型赋能投研之十九：主观投资框架验证与个股决策AgentAI 正在“偷学”顶级分析师的脑回路：17% 超额收益背后的投研革命1. 引言：当人类分析师遇上“快进键”的 A 股在当前的 A 股市场，行业轮动的速度已不仅仅是“快”，而是被按下了“快进键”。从卫星通信、脑机接口到层出不穷的 AI 应用，新兴赛道以周为单位快速切换，申万一级行业间的年度收益“极差”在 2025 年显著扩大。这种极端的结构性分化，让主动投研面临严峻挑战。一方面，个人分析师的精力难以覆盖数百只个股及瞬息万变的赛道；另一方面，传统量化模型在“赛道拥挤”与“收益衰减”的压力下，往往只能捕捉表层的量价统计规律，却无法理解非结构化研报背后复杂的“因果推演逻辑”。市场定价的核心矛盾往往隐藏在产业链的深度传导中，而这种“信息-逻辑”的缺口，正是大模型（LLM）通过模拟人类专家“深度推理”来实现投...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20260310-招商证券-市场风格轮动系列：基于相似性算法的风格轮动策略历史会重演吗？利用相似性算法破解风格轮动的“财富密码”面对大小盘切换的迅猛、成长与价值风格的剧烈轮动，投资者常陷入一种“西西弗斯式”的困境：刚踏入小盘股的红利期，市场便转向蓝筹；刚切换至价值防御，成长股便拔地而起。我们常有一种直觉——当下的行情走势，似乎在历史的某个镜像时刻上演过。这种“以史为鉴”的朴素直觉，在量化金融领域正被转化为可实证的精密武器。通过相似性算法（Similarity Algorithms），我们可以从浩如烟海的历史数据中，精准定位那些与当下走势高度重合的“路径”，将模糊的感性判断提炼为具有高胜算的交易信号。视角之争：为什么“相对收益”才是配置的真理？在构建相似性匹配模型时，首要的底层逻辑选择是：我们应该观察风格指数的绝对收益，还是它们之间的相对收益？量化实证给出了明确答案：相对收益视角...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20260130-源达信息-量化策略研究：A股研发因子选股策略研究，从因子分析到组合构建前往小宇宙评论区与主播互动

20260211-开源证券-开源量化评论（118）：股权激励与股票回购事件在选股中的应用前往小宇宙评论区与主播互动

20251216-方正证券-多因子选股系列研究之二十四：个股日内成交量周期性节奏刻画与“滴水穿石”因子构建顶尖量化报告揭秘：为什么“沉闷”的交易节奏，反而预示着股票的惊人回报？引言：我们是否看错了成交量？当您看到某只股票的成交量在盘中突然暴增，K线图上拔地而起一根巨大的量柱时，您的第一反应是什么？是觉得“有大事发生”，认为这是一个不容错过的买入信号吗？这几乎是所有投资者的本能反应——成交量的“爆发”似乎总是与机会划上等号。但我们是否有可能看错了重点？我们对“爆发”的关注，会不会让我们忽略了那些更微妙、但可能更具价值的信号？一份来自方正证券研究所的专业量化报告提出了一个颠覆性的观点：真正预示着长期回报的，可能不是成交量的“爆发”，而是其背后隐藏的“节奏”。本文将为您提炼这份深度报告的核心发现，揭示一个隐藏在市场噪音之下的秘密：为什么说“滴水穿石”般的稳定交易，远比“一鸣惊人”的瞬间...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250720-开源证券-市场微观结构研究系列（27）：高频成交量的峰、岭、谷信息引言：解构成交量的表象与本质每天盯着盘口的成交量，我们到底在看什么？成交量突然放大，就一定是利好信号吗？这是萦绕在许多投资者心头的一个经典困惑。简单地将成交量等同于市场热度，可能是一种深度误读。近期，开源证券的一份深度量化研究报告，为我们提供了一个全新的、更为精细的视角。报告指出，成交量的“微观形态”——即它是孤立的脉冲式放量，还是连续的跟风式放量——揭示了完全不同的市场参与者行为，其背后蕴含的投资信号甚至截然相反。本文将从这份技术性极强的研报中，为你提炼出3个最具颠覆性、也最反直觉的发现。它们将帮助你穿透成交量的表象，像专业投资者一样，读懂藏在数据背后的市场心跳。-------------------------------------------------------------------...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20251202-国金证券-Alpha掘金系列之二十：热门概念板块AI预测与概念龙头识别要点总结本简报综合分析了国金证券关于利用人工智能（AI）模型进行热门概念板块预测及龙头股识别的研究报告。核心观点指出，随着上市公司业务日益多元化，传统行业分类已难以满足投资需求，基于“概念”的主题投资正快速兴起。报告提出并验证了一套创新的、基于AI的量化投资策略，旨在捕捉热门概念的轮动机会并筛选出其中的核心龙头企业。核心发现与策略成果：1. 基于TimeMixer模型的指数轮动策略：◦ 报告首先构建了一个基于TimeMix-er改进的机器学习模型，通过“自下而上”的方式生成个股Alpha因子，再将其聚合至Wind热门概念指数层面。◦ 该策略每周选取模型评分最高的10个概念指数进行等权配置。回测结果（2019年1月至2025年8月）显示，策略相较于中证全指取得了18.06%的费后年化超额收益，...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20251126-国盛证券-量化专题报告：”量价淘金“选股因子系列研究（十五），高-低位放量事件簇，正负向信号的有机结合执行摘要本简报综合分析了国盛证券金工团队《“量价淘金”选股因子系列研究（十五）》报告的核心发现。该报告旨在通过时序视角，利用“高/低位放量”这一经典技术形态，挖掘独立于传统截面因子的Alpha信息，以补充现有的多因子选股策略。报告的核心结论如下：1. 日频信号的局限性：基于日频数据定义的“高/低位放量”信号构建的投资组合收益波动剧烈，无法提供稳定的超额收益，表明简单的日频分析不足以捕捉有效的交易机会。2. 高频“事件簇”方法的有效性：报告提出并实践了“事件簇”研究理念。通过运用高频量价数据，从多个维度（如价格对比周期、成交量细分等）系统化地识别和定义“高/低位放量”事件，批量生产信号，并筛选出有效且低相关的信号组合，形成“高位放量事件簇”与“低位放量事件簇”。...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

引言：超越个股的日夜博弈多年来，量化交易员们从一个简单的市场异象中获利：个股内部每日上演的“拔河效应”（tug of war）。但如果这只是序幕呢？一项突破性的研究揭示，真正的主角是一个覆盖整个市场的复杂影响网络，它已在悄无声息中让旧的套利模式变得过时。学术界早已将个股的“拔河效应”——即隔夜收益与日间收益的负相关性——归因于散户投资者（噪音交易者）与机构投资者（套利者）在不同交易时段的博弈。然而，一个更深层次的问题是：这种力量仅仅局限于个股内部吗？还是说，它会像涟漪一样扩散，形成一张跨股票的传导网络？一篇最新的学术研究深入探讨了这一问题，并得出了三个颠覆性的发现。1. “拔河效应”不再是单打独斗，而是一张巨大的市场网络这项研究的核心发现是，个股的“拔河效应”存在显著的溢出（spillover），形成了一张跨股票的“领先-滞后”（lead-lag）关系网络。这意味着，某些“领涨股”...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20251105-开源证券-开源量化评论（114）：蜘蛛网策略的国债期货交易应用从公开数据中掘金：顶级量化报告揭示的4个反直觉交易法则简介：解码市场“聪明钱”的秘密语言在看似混乱的金融市场中，我们能否找到可循的规律？许多投资者都试图从海量信息中寻找答案。一个常被忽视的金矿，是中国金融期货交易所每天收盘后公布的一项公开数据——“结算会员成交持仓排名”。这份数据揭示了市场主力（“聪明钱”）的实时动向，但其背后隐藏的交易信号却需要深度解读。幸运的是，开源证券的一份深度研究报告《蜘蛛网策略的国债期货交易应用》为我们提供了钥匙。这份报告通过严谨的回测和分析，从这些公开数据中挖掘出了惊人的市场规律。本文将从中提炼出四个最令人惊讶且违反直觉的发现，将复杂的量化策略转化为人人都能理解的交易洞见。1. “蜘蛛网”的启示：一个策略，两种命运报告首先测试了一个名为“蜘蛛网策略”的经典模型，其逻辑直观...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20251013-民生证券-量化专题报告：基于走势形态预测的股指期货T0策略1. 股指期货 T0 策略的范式1.1. 策略概述与载体优势T0 策略，即日内回转交易策略，其核心是在单个交易日内完成买卖操作，从而实现极低的隔夜风险暴露。作为一种另类绝对收益策略，股票 T0 策略的历史表现（年化收益率 5%-20%，最大回撤约 1%）证明了其高风险调整后收益的特性，在当前低利率环境下正受到越来越多的关注。股指期货是实施 T0 策略的理想载体，其核心优势包括：• 原生T+0机制: 股指期货允许在同一交易日内自由开仓和平仓，无需持有底仓或融券，从而能够有效规避市场 Beta 暴露，专注于获取绝对收益。• 高流动性: 主力合约如 IF（沪深300）、IC（中证500）和 IM（中证1000）的日均成交额达到百亿级别，为策略提供了充足的容量和交易空间。• 低交易成本: 相对于股票交易，股指...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250924-华泰证券-金工深度研究：LLM赋能资产配置，基于新闻数据的AI宏观因子构建与应用忘掉炒股机器人吧：AI 投资的真正王牌，是读懂新闻里的“潜台词”引言：在信息洪流中寻找投资信号作为一名投资者，你是否时常感到被信息的洪流所淹没？每天，无数的财经新闻、经济数据、分析师报告和市场传闻铺天盖地而来，让人眼花缭乱。哪些是真正驱动市场的核心信号，哪些又只是转瞬即逝的杂音？要在这片喧嚣中做出明智的决策，正变得越来越困难。然而，根据华泰证券一份名为《LLM赋能资产配置》的深度研究报告，市场的驱动力本质上是“叙事”——关于经济、公司和未来的一个个故事。传统的量化分析方法，往往只能分析这些叙事产生的结果（如GDP、PMI等经济数据），信息相对滞后。而现在，以大语言模型（LLM）为代表的AI技术，让我们第一次拥有了直接分析和量化“叙事”本身的能力。如果AI能像顶尖分析师一样，阅读和理解...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20231109-华宝证券-金融工程深度报告：如何挖掘上市公司回购信息，构建选股策略20240512-光大证券-量化选股系列报告之十三：探秘股份回购策略，挖掘高收益潜力20241208-广发证券-基于股份回购的选股策略：事件特征与组合构建核心主题与重要观点本简报综合华宝证券、光大证券和广发证券的最新研究报告，旨在深入探讨上市公司股份回购的动因、市场影响、收益特征以及基于回购信息构建选股策略的有效性。主要围绕以下核心主题展开：1. 股份回购的市场背景与政策推动：中国A股市场回购数量显著增加，主要受市场信心有待增强、股价被低估以及监管政策积极引导（如“新国九条”鼓励回购注销、设立股票回购增持再贷款等）等多重因素影响。2. 股份回购对股价的传导机制：回购通过减少流通股、提升财务指标（如EPS、ROE）以及增强投资者信心等多方面机制影响股价。3. 回购事件的收益特征分析：不同公告节点...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250904-招商证券-风格因子轮动系列之一：流动性视角下的市值风格轮动和择时策略本报告深入探讨了A股市场大小盘风格切换的核心驱动因素，并基于流动性指标构建了高效的市值风格轮动和择时策略。主要观点与重要发现1. A股大小盘轮动核心驱动因素的演变：* 历史回顾： 2016年前，A股小盘股占优主要受经济高速增长、壳价值上升和流动性宽裕驱动。* 当前转变： 22016年后，经济增速换挡、壳价值消失、外资和机构持仓占比增加、权益资产流动性收缩成为大盘股占优的核心因素。* 未来趋势： 结合美日股市经验，A股市场已从“投机属性”和“壳价值”主导，转向“整体流动性变化”和“机构化与国际化程度”主导大小盘走势的模式。2. A股流动性“四阶段”周期与大小盘轮动规律：* 报告总结了历史上3轮A股流动性周期，发现其存在明显的“四阶段”特征，且大小盘走势在不同阶段表现差异显著：* 收缩阶段（...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250910-国金证券-Beta猎手系列之十三：多种类、多周期事件化的开放式择时框架一、核心思想与创新点本报告提出了一种全自动化的开放式择时策略生成框架，旨在解决传统事件驱动择时策略中常见的过拟合和稳健性不足问题。该框架能够从任意指标集中挖掘有效信号，并为任意标的资产构建择时信号。主要创新点包括：1. 自动化程度高： 框架能够自动筛选有效指标、自动构建事件化信号，并进行滚动更新和智能合成，极大简化了信号挖掘的复杂性。2. 避免过拟合： 采用滚动更新机制，并在构建流程中尽量控制数据挖掘的可能性，确保了策略的稳健性。3. 逻辑性与可解释性： 确保流程符合逻辑性、可解释性要求，并能输出所有中间信息，提高了策略的透明度。4. 泛化性强： 无需调整即可对不同标的进行测试，计算速度快，适用于探索未知数据集并寻找有择时价值的指标与事件。5. 信号连贯性： 规定指标预处理方式一经确定不...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

核心主题与重要观点：本篇内容深入探讨了在数据分析中，如何通过改进机器学习模型来提升其灵活性，以应对在特定领域（如金融市场）中信号信噪比低且环境持续演变的挑战。研究者构建了一种可融入先验观点的随机森林模型，并通过实证测试验证了其在构建特定风格组合方面的潜力。1. 机器学习在复杂数据环境中的挑战：一篇知名论文曾指出，机器学习在处理某些复杂领域的数据时面临三大挑战：* 模型的可解释性： 复杂模型的内部逻辑难以像传统线性模型那样直观理解，这使得向委托方解释其内在机制变得困难。* 信号信噪比低： 在很多真实世界场景中，有效信号常被大量噪声淹没，且规律会随时间减弱。* 环境的持续演化： 外部环境不断变化，导致数据规律不平稳（non-stationary）。机器学习擅长学习稳定规律，但在多变的环境中容易对偶然噪声产生过拟合。报告强调，在规律持续变化的环境中，简单的线性模型因其灵活性反而具有...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250827-方正证券-多因子选股系列研究之二十三：个股日内成交量分布特征与日内流动性弹性刻画本报告详细介绍了方正证券研究所最新构建的“暗流涌动”多因子选股模型。该模型核心基于个股日内成交量分布特征和日内流动性弹性，旨在捕捉与市场不同步但偏离不大的股票以及在成交量激增时具有适当流动性缓冲的股票，以获取超额收益。报告指出，在当前市场活跃、小市值和量价类因子表现出色的背景下，方正金工高频因子低频化系列因子整体表现突出。其中，“综合量价”因子表现尤为出色，年初以来多头组合超额收益约为11.44%。“暗流涌动”因子通过“成交量分布熵值”和“日内流动性弹性”两个子因子等权合成。“成交量分布熵值”通过香农熵刻画个股日内相对成交量的分布特异性，旨在识别信息驱动的交易；“日内流动性弹性”则衡量个股在成交量突变时的价格灵敏程度。回测结果显示，“暗流涌动”因子表现出色，在月度频率上的选股效果显著：...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250821-民生证券-量化专题报告：基金经理进化迭代能力刻画与选基摘要本报告旨在通过行为金融学视角，深入探讨基金经理的经验水平如何影响投资决策，并基于此构建“失误修正”和“迭代效率”因子，以识别能够从过往经验中学习并持续提升超额收益的基金。研究发现，虽然学术界对经验丰富的基金经理是否更容易出现“过度自信”和“损失厌恶”存在分歧，但普遍认为基金经理的经验会影响其业绩。报告通过分析国内公募基金经理的实际操作，发现其受负面心理影响较低，且在面对亏损时，若能修正失误并实现策略迭代，则能产生持续的超额收益。基于此构建的“经验迭代”组合策略，长期表现稳定，超额收益主要来源于选股能力，且行业配置均衡。1. 基金经理投资经验对投资决策的影响1.1 学术研究观点学术研究普遍认为基金经理的经验水平会显著影响其投资决策特性，但具体结论存在分歧：* Lukas Menkhoffa, Ulrich...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

AlphaEval: A Comprehensive and Efficient Evaluation Framework for Formula Alpha Mining摘要这篇研究论文《AlphaEval：一种用于公式阿尔法挖掘的全面高效评估框架》提出了一种名为AlphaEval的创新框架，旨在解决量化投资领域中公式阿尔法（formula alpha）挖掘的现有评估挑战。公式阿尔法是从金融数据中生成预测信号的关键工具。尽管遗传编程、强化学习和大型语言模型（LLMs）等算法方法极大地扩展了阿尔法发现的能力，但系统性评估仍然是一个核心难题。现有的评估方法主要包括回测和基于相关性的指标（如信息系数IC）。回测计算密集、本质上是顺序的，并且对特定策略参数敏感，而基于相关性的指标虽然高效，但只评估预测能力，忽略了时间稳定性、稳健性、多样性和可解释性等其他关键属性。此外，大多数现有阿尔法挖掘...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

ContestTrade： A Multi-Agent Trading System Based on Internal Contest Mechanism1. 摘要与核心创新ContestTrade 是一种创新的多智能体交易系统，旨在解决大型语言模型（LLM）在金融交易中对市场噪音敏感、决策不一致的问题。该系统受现代企业管理模式启发，通过引入内部竞争机制，显著提升了LLM交易系统的稳健性和整体性能。核心创新点包括：* 内部竞赛机制： 在系统内部设立由真实市场反馈驱动的实时评估和排名机制。系统只采纳表现最佳的智能体输出，从而实现持续的自我优化，有效抵御市场噪音的干扰。* 深度研究方法： 将“深度研究”框架应用于金融交易，使LLM智能体能够自主规划并利用专业的金融工具进行深入分析，从而大幅提高交易信号的质量。* 两层团队协作与竞争框架： 将上述创新整合到一个高效的两层团队架构中，...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20240520-华泰证券-双目标遗传规划应用于行业轮动报告概述本报告详细阐述了华泰证券提出的一种基于双目标遗传规划模型的周频行业轮动策略。该策略旨在应对当前市场主线强度减弱、行业轮动加速的挑战，尤其是在传统月频行业轮动模型表现不稳定的背景下。双目标遗传规划通过同时优化IICI（信息系数）和NDCG@k（归一化折损累计增益），有效地平衡了因子单调性和多头组表现，显著提升了因子挖掘的有效性和策略的超额收益。主要发现和核心观点1. 市场环境变化推动周频轮动策略需求自2022年第三季度电力设备及新能源行业行情结束后，A股市场主线强度转弱，行业轮动速度加快，导致传统的月频行业轮动模型难以持续稳定获取超额收益。* 月频模型表现下滑：“2022年9月之前，模型相对于全体行业等权基准的年化超额收益约为17%；而2022年9月之后，年化超额收益就下降至了约7%。”* 换手率提升：2022年9...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250811-华泰证券-金工深度研究：以空间换时间_多目标基本面选股因子挖一、核心观点与创新亮点本报告介绍了华泰研究团队在基本面选股因子挖掘方面的最新进展，通过构建多目标遗传算法和优化数据处理与硬件管理，显著提升了因子挖掘的效率和效果。该框架相较传统单目标遗传规划实现了“脱胎换骨”的进步，尤其在中证1000指数增强策略中表现突出，扣费后年化超额收益高达32.5%。报告强调了中证1000成分股基本面信息仍蕴含丰富的$\alpha$。主要创新点：* 多目标遗传算法的应用： 从传统的单目标遗传规划升级为三目标遗传算法，引入IICI（分组单调性）、IICI胜率（时序稳定性）和NDCG@k（多头组表现）作为评价指标，有效提升了因子种群的多样性和对抗过拟合的能力。* 参数化因子表达式： 放弃了复杂的树状结构，采用11个参数约束因子表达式格式，提升了基本面因子的可解释性和经济学含义。* ...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

Kronos ：A Foundation Model for the Language of Financial Markets摘要本简报回顾了清华大学研究团队提出的“Kronos”模型，这是一个专门为金融K线（K-line）数据设计的统一、可扩展的预训练框架。Kronos旨在克服现有时间序列基础模型（TSFMs）在金融数据应用中的局限性，特别是在K线数据上表现不佳以及忽视波动率预测和合成数据生成等关键下游任务的问题。核心贡献与创新点* 专有分词器和分层表示学习： Kronos引入了一种专门的分词器，将连续的K线数据离散化为包含粗粒度（coarse）和细粒度（fine）双组分的分层令牌序列。这种设计使得模型能够“显式地对多尺度市场动态进行建模。”每个K线记录（OHLCVA - 开盘价、最高价、最低价、收盘价、交易量、交易金额）都被量化为一个独立的令牌。* 大规模多市场预训练： K...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

2250806-华泰证券-ETF智投研究系列之十四：另类ETF配置策略，日内趋势增强摘要本报告探讨了一种“另类ETF配置策略”，旨在通过改善底层ETF的风险收益特征来提升组合表现。传统ETF组合（以风险平价模型为核心，分散配置股票、债券、商品ETF）过度依赖债券，且受限于国内股票和商品ETF的高波动和低夏普比率，难以实现“高夏普+高Calmar+适度收益”的目标。为解决这一问题，本报告构建的另类ETF配置组合采用日内数据，对代表性股票和商品ETF设计了交易性增强方案，并将增强后的子策略作为新的底层资产构建组合。测试结果显示，从2017年1月到2025年7月，增强组合的年化收益率达到8.66%，夏普比率1.91，最大回撤4.51%，Calmar比率1.92，相比传统组合有明显改善。核心主题与重要发现1. 传统ETF组合的局限性* 过度依赖债券： 传统风险平价ETF组合业绩表现受底...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250806-开源证券-市场微观结构研究系列（29）：市场微观结构观察与2023年以来的高频因子回顾报告要点本报告深入分析了2024年9月24日以来A股市场的表现及其背后的资金驱动因素，并从早盘交易集中度、委托金额、筹码充足率、程序化交易比例四个微观视角观察市场特征。同时，报告回顾了2023年以来多种高频因子的表现，发现“拆单”相关因子表现亮眼。主要观点1. 资金驱动下的A股市场表现* 市场热情的点燃: 2024年9月24日，国家出台了一系列超预期举措，包括“降息”、创设新的货币政策工具以及引导提升上市公司质量等，迅速点燃了A股市场的投资热情。上证指数在9月24日至10月8日期间累计涨幅超过26%。* 成交量屡创新高: 价格上涨进一步盘活了市场交易量，2024年10月8日京沪深三市成交额更是创下3.48万亿的历史纪录，此后成交规模屡破万亿。* 被动投资的重要性: 被动投资...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

20250525-华泰证券-金工深度研究：基于趋势和拐点的市值因子择时模型核心要点概览本研究报告旨在解决A股市场市值风格择时难题，通过结合趋势模型和拐点模型，构建了一个有效的市值因子择时模型。该模型能够显著提升收益，同时降低最大回撤和最长新高天数，并已成功应用于沪深300与中证2000的轮动策略中。主要内容和关键发现1. 市值因子定义为了确保择时结论的普适性和可应用性，报告对市值因子进行了合理定义，使其既贴合BARRA定义以应用于指数增强产品，又兼顾主流宽基指数成分股范围以应用于宽基指数ETF轮动。定义包括以下步骤：* 剔除上市不满63个交易日的股票。* 剔除过去63日平均成交额位于后10%的股票。* 剔除ST、*ST、停牌的股票和北交所股票。* 在剩余股票中，按过去63日平均总市值从高到低划分为十组，第一组为大市值组，第十组为小市值组。* “小市值组个股每日对数收益...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

> 20250724-招商证券-基本面量化系列研究之三：基于自由现金流的投资全解析一、引言与报告概述本报告是招商证券基本面量化系列研究的第三篇，深入探讨了“自由现金流（Free Cash Flow to Firm, FCFF）”这一核心财务指标在A股市场的应用。报告旨在全面解析A股上市公司自由现金流的概况、行业特征、与红利的关系，以及其在不同市场环境下的表现。在此基础上，报告构建了基于自由现金流的择时策略和主动量化选股策略，并取得了显著的超额收益。报告指出，自由现金流是评估企业盈利能力、资本配置效率和财务健康度的关键指标，它代表了企业在覆盖所有必要经营费用和投资支出后，可供自主分配的现金余额，直接体现了企业对权益投资者和债权人的价值创造能力，是投资分析中的核心跟踪指标。二、A股自由现金流概况及行业特征2.1 A股上市公司自由现金流拆解* 定义与计算： 自由现金流（FCFF）的概...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动

> 20250715-华鑫证券-系统化定量投资之八：掘金龙虎榜，活跃资金如何指导小微盘投资这份研究报告深入分析了中国A股市场的资金流动，特别是通过“龙虎榜”数据揭示活跃资金（如游资）如何影响小盘股的投资。报告首先概述了影响市场涨跌的“五碗面”，并强调增量资金在决定市场主线中的关键作用。其次，它详细介绍了不同类型投资者（如外资、公募基金、险资和“国家队”）的投资偏好及其对市场板块表现的影响。最后，报告着重探讨了龙虎榜作为追踪活跃资金的重要工具，并提出了一套基于龙虎榜数据的小微盘择时策略，该策略在历史回测中表现出优异的收益和风险控制能力。前往小宇宙评论区与主播互动

> 20250726-开源证券-市场微观结构研究系列（28）：因子切割论与深度学习的结合应用该文件详细介绍了开源证券金融工程研究团队开发的因子切割论及其与深度学习的结合应用。报告首先回顾了因子切割论这一方法论，它旨在通过“对象”、“刀法”和“产出”三要素来剖析市场精细结构，以理想反转因子的构建为例进行了阐述。接着，文章引入了双分支差异网络模型（DBD-GRU），该模型将切割论思想与GRU模型相结合，用于改进和优化现有金融因子。报告通过实证分析，展示了DBD-GRU模型在理想振幅因子、理想反转因子和主动买卖因子上的优异表现，并强调了其信息增量和在不同宽基指数中的良好应用效果，但同时提示了基于历史数据模型的风险。前往小宇宙评论区与主播互动

> 20250422-东方证券-因子选股系列之一一四：盈余公告异象类因子改进与挖掘这篇研究报告探讨了在因子选股中，如何改进和挖掘基于盈余公告异象的量价因子。报告首先指出，尽管AI深度学习因子在处理大量数据时表现出色，但在盈余公告这类小样本事件中，人工因子挖掘更具优势。因此，研究聚焦于盈余公告事件窗口，旨在开发低相关性的量价因子，以弥补现有因子组合的不足。通过改进传统AOG因子的缺陷，例如跨日可比性和知情交易者干扰，研究构建了DEMAX超预期因子和QUANTILE盈利质量因子，并验证了它们稳健的选股能力和对现有因子体系的增量提升。此外，报告还提出了一个事件驱动型因子挖掘框架，并展示了如何通过复用该框架，利用其他价量特征（如最低价涨跌幅、早盘大单资金流入）衍生出更多有效的选股因子。前往小宇宙评论区与主播互动

> 20250731-民生证券-量化专题报告：Deep_Timing，日内信息与相似度学习驱动择时这份民生证券的量化专题报告详细阐述了基于深度学习的股票择时策略。报告首先介绍了其利用日频和分钟频数据构建股票收益预测模型的方法，并展示了其在个股择时上的显著效果。随后，报告引入了SimStock模型，通过自监督学习预测股票相似度，并将这种属性信息整合到收益预测模型中，进一步提升了策略的表现。最后，研究探讨了将个股信号合成至指数层面的择时应用，证明了该方法在宽基指数、行业及风格指数上均能跑赢大多数基准，尤其在高波动性行业中表现突出。前往小宇宙评论区与主播互动

> 20250803【国盛金工】“量价淘金”选股因子系列研究_十三_：事件簇：量价事件驱动信号的规模化生产这份国盛金工的研究报告，题为**“量价淘金”选股因子系列研究(十三) 事件簇：量价事件驱动信号的规模化生产**，着重探讨了在当前截面多因子策略竞争激烈的市场环境下，如何通过**“时序”视角挖掘新的Alpha信息。报告详细阐述了利用高频量价数据，多维度、多视角地识别趋势资金的交易行为，并批量生成“事件簇”，从而构建更稳定、更有效的量价事件驱动策略。此外，报告还介绍了趋势资金事件信号的其他应用**，包括构建风险股票池和用于指数择时，并提供了相关回测数据以验证其有效性，但同时提示了基于历史数据和模型的潜在风险。前往小宇宙评论区与主播互动

> 20250805-国信证券-金融工程专题研究：财务报表中的Alpha因子扩容与增强这份研究报告深入探讨了如何扩展和增强金融市场中的Alpha因子库，特别是侧重于从公司财务报表中挖掘更多有价值的信息。报告首先介绍了通过定义运算规则和利用多样化的财务数据源来生成大量潜在因子的方法，并在此基础上筛选出具有预测能力的有效因子。其次，研究详细阐述了通过改进传统算子和引入财务附注、业绩预告等新数据，来提升经典因子的表现和提供增量信息。最后，报告提出了一种**“聚类-扩容-合成”的新型因子合成策略**，该方法解决了传统合成中可能出现的风格偏离问题，并通过因子关联度定义和聚类技术对因子进行分类和增强，最终构建出表现显著优于传统方法的“聚类增强因子”。前往小宇宙评论区与主播互动

> 20250804-民生证券-量化大势研判：预期成长优势差继续扩大这份研报深入探讨了量化投资的风格判断框架，旨在解决市场风格系统性轮动难题。报告将股票资产的风格分为外延成长、质量成长、质量红利、价值红利和破产价值五种阶段，并通过**“有没有（好资产）”和“（好资产）贵不贵”的比较方法来识别最具优势的细分板块。该框架自2009年以来表现良好，特别强调预期成长和实际成长类资产的优势持续扩大**，并据此提供了2025年8月的具体行业配置建议，但同时提醒读者注意量化模型的潜在风险。前往小宇宙评论区与主播互动