五月券商金工精选
目錄
（點擊可查看大圖）
簡述
國信證券
基于Carry的商品期貨交易策略
發布日期：2022-05-25 關鍵詞：Carry收益、吊燈止損
主要內容：文章從Carry收益的分解以及相關Carry收益的理論研究出發，構建了一個基礎邏輯：當主力合約價格低于次主力合約，做多主力合約，反之，當主力合約價格高于次主力合約，此時應做空主力合約。
同時，根據Carry收益與策略夏普率之間的負相關性，進一步構建以Carry收益最低一組為多頭組合，Carry收益最高一組為空頭組合作為Carry基礎策略，隨后增加信號過濾和吊燈止損。最終形成了基于Carry的商品期貨交易策略，策略費后年化收益率為25.96%，夏普率為1.73，Calmar為1.63。
國盛證券
ETF“交易型”、“配置型”投資者行為有何特征？
發布日期：2022-05-05 關鍵詞：ETF、交易型、配置型
主要內容：采用濾波的方法將ETF規模劃分為“交易型”和“配置型”兩類。兩類資金評價方式的主要結論如下：
1、“交易型”資金在主流寬基指數上都具有長期穩健的操作優勢；
2、“交易型”資金在行業指數上擅長具有長邏輯的科技板塊和交易邏輯相對固化的證券、軍工等品種，不擅長周期、金融等無長邏輯、預期不斷被突破的品種；
3、“配置型”資金在部分Smartbeta特別是紅利類指數上容易做到“低買高賣”，但在消費、金融類指數上較難做到；
4、大部分ETF“配置型”資金傾向于“追跌殺漲”，但操作是否有效還依賴于其他因素。
國聯證券
短債基金投資策略
發布日期：2022-05-27 關鍵詞：短債基金、優選
主要內容：文章提供了一種短債基金優選方法：先排除，后優選。
排除的條件是成立時間短，規模過小，過去債券投資過程中出現債券標的嚴重違約的基金；再針對收益率、波動率和最大回撤進行優選。
最終根據基金歷史的平均水平和經驗來設定各個指標的門檻限制。最終選出了27只優秀的短債基金。包括財通資管鴻福短債A、華夏短債A、工銀瑞歐短債A、銀華信中尊短享期短金債A、匯添富短債融債等。
銀河證券
轉債在“固收+”產品中的重要作用
發布日期：2022-05-11 關鍵詞：轉債、固收
主要內容：文章嘗試使用轉債構建更適合“固收+”組合的投資方式。優先考慮組合的回撤，其后考慮收益要求，選擇中等集中度持倉具有較強安全邊際的轉債，并以波動率篩選進攻性品種并以風險進行倉位控制。
“固收+”轉債組合有效避免了市場在大幅波動時出現的大幅負收益和回撤，更好的利用了轉債的非對稱收益的特征，在市場上漲時也提供較高的參與度。長期夏普比率較高，且回撤控制較好。但并未對股票市場過度跟隨，因此很難產生過高的收益。
華安證券
“量化絕對收益之路”系列之一：固收+組合構建白皮書：大時代的小嘗試（上）
發布日期：2022-05-30 關鍵詞：固收、紅利、低波、穩健
主要內容：文章著眼于如何用量化方法搭建多種風險等級的固收+組合，給出一系列行之有效的解決方案。以權益倉位中樞對固收+產品的風險等級進行分類，分別對應穩健、均衡、進取和激進型產品。
穩健產品，以紅利低波為基石，打造穩健型紅利低波PLUS組合。權益方面，以紅利+低波的因子組合為基石，通過引入負面清單機制、疊加價值和盈利維度增強組合收益，降低回撤。債券方面，以AAA高等級信用債、國債和國開債為配置品種，打造保守的債券組合；資產配置方面則通過風險預算+ERP擇時增強策略收益，穩健型策略(RB+ERP)的年化收益為6.72%，夏普比為2.40，Calmar比為1.64，2018年和2022年（截至20220429）的收益分別為5.9%和-0.08%，防御性強。
華安證券
“量化絕對收益之路”系列之一：固收+組合構建白皮書：大時代的小嘗試（中）
發布日期：2022-05-30 關鍵詞：固收、均衡、進取
主要內容：均衡產品，以GARP投資構建均衡型組合，兼顧進攻性和防守性。權益方面，以GARP思想構建適應多變市場風格的股票組合。債券方面，在穩健型債券組合的基礎上加入AA+信用債打造更為均衡的債券組合；基于風險預算+ERP的均衡型策略的年化收益為10.74%，夏普比為2.21，Calmar比為1.33，所有年份均能取得正收益，表現優異。
進取產品，打造進取型固收+：尋找成長行業中的業績加速股。權益方面，基于企業生命周期理論和價值成長指標甄別成長行業，且通過業績增長模式篩選出盈利加速增長的成長股。債券方面，在均衡型配置品種的基礎上加入小比例倉位的可轉債，增強債券組合收益；基于固定倉位+ERP擇時的進取型策略的年化收益為14.44%，夏普比為1.61，Calmar比為0.85。
開源證券
市場微觀結構研究系列（13）：理想反轉因子的4年總結：依舊理想
發布日期：2022-05-02 關鍵詞：反轉因子、微觀結構
主要內容：文章在前期報告《A股反轉之力的微觀來源》構建的微觀因子（理想反轉因子）的基礎上，分別從反轉強度指標與取值方式兩維度，構建理想反轉因子的孿生因子。
反轉強度指標分別選取：單筆成交額、單筆成交量以及二者的日變動量指標。取值方式分別選取：理想反轉、加權平均、回歸Beta以及Corr方式。通過反轉強度指標與取值方式的不同組合，構建了基于同一邏輯下的16個孿生因子。
信達證券
因子選股系列之一：基于分鐘線的高頻選股因子
發布日期：2022-05-06 關鍵詞：高頻因子、成交量
主要內容：文章從高頻分鐘線數據入手，挖掘在日內具有高信息增益的因子，在不同的頻率(30分鐘，日度)上檢測因子的預測效果。
從結果來看，改進后的高頻因子有很強的收益預測效果。由于A股難以做空，通常會造成多頭和空頭力量的不匹配，從這個角度出發，可以對分鐘收益進行一個劃分，將分鐘線收益分為大于0和小于0的情況分別測算，發現基于成交量改進后的因子在多頭和空頭兩種情形下分別呈現了反轉和動量兩種情形。
在回測區間2013/01/01~2022/02/28內：
1、加上成交量和收益篩選后的改進正收益反轉因子中性化后在日度頻率上RankIC均值可達5.99%，ICIR為0.74。
2、加上成交量和收益篩選后的改進負收益動量因子中性化后在日度頻率上RankIC均值可達4.60%，ICIR為0.62。加上成交量篩選后的改進波動率因子中性化后在日度頻率上RankIC均值為6.52%，ICIR為0.70。
華泰證券
信貸-庫存輪盤與資產配置
發布日期：2022-05-06 關鍵詞：周期、四象限、資產配置、信貸、庫存
主要內容：文章構建了信貸脈沖-庫存周期輪盤。通過劃分輪盤四象限，并統計各象限大類資產、行業板塊、債券久期的長期表現，梳理出資產輪動規律，據此構建了雙層次融合的資產配置策略。
與市面上已發布的信貸脈沖指數（如彭博-中國信貸脈沖指數）相比，華泰金工-信貸脈沖指數給予實體經濟中長期融資需求更高關注；庫存周期指數仿照信貸脈沖指數的形式構建，用于衡量實體經濟產成品供求關系的相對變化。
設手續費雙邊千三，2010-12-31至2022-04-30，策略月換手率16.70%，年化收益6.07%，夏普比率1.80，最大回撤-4.36%，卡瑪比率1.39，月度勝率75.00%。
方正證券
多因子選股系列研究之二：個股成交量的潮汐變化及“潮汐”因子構建
發布日期：2022-05-08 關鍵詞：成交量、日內、潮汐
主要內容：文章以“潮汐”比喻日內股票成交量從低到高，再回歸低成交量的過程，并以潮汐過程中股票價格快速變化帶來的反轉效果，構造“全潮汐因子”，隨后對“漲潮”、“退潮”過程中量能的大小，進一步拆分“強勢半潮汐”因子與“弱勢半潮汐”因子，最終合成“完整潮汐”因子。
“完整潮汐”因子表現非常出色，Rank IC為-7.90%，Rank ICIR為-4.13，多空組合年化收益率達27.09%，信息比3.08，因子月度勝率83.96%。
國盛證券
捕獲專業投資者市場行為中的alpha
發布日期：2022-05-09 關鍵詞：專業投資者、事件驅動、alpha
主要內容：基金公司、北向資金等作為專業投資者，具備完善的投研體系和獨特的信息獲取優勢，而一般法人作為企業經營的參與主體，掌握上市公司第一手的信息。文章嘗試以事件驅動的角度，捕獲專業投資者市場行為中蘊含的alpha。
浙商證券
誤定價打分在行業輪動中應用
發布日期：2022-05-11 關鍵詞：誤定價、行業輪動
主要內容：文章基于前期研報《誤定價打分、成交量，與A股預期收益率》、《誤定價因子合成再探索》對個股進行誤定價打分，再根據行業成分構成，合成表征行業誤定價打分變量，并按照行業得分進行排序，以此在每月月末做多誤定價打分最低的五個行業。
誤定價打分組合的單調性可以遷移至中觀行業層面進行利用。當行業間誤定價打分區別顯著時，其預期收益易見單調性，可以根據行業的誤定價打分排序進行行業輪動。
中金公司
量化策略：形態量化系列（1）：股票價格形態能否預測未來走勢
發布日期：2022-05-17 關鍵詞：形態、底背弛、中樞、頂背馳
主要內容：文章認為價格形態是過去一段時間股票供求關系的體現，而股票的供求關系又蘊含著市場對該股票未來邊際變化的觀點。為此該文將股票的K線形態抽象成筆結構，進而實現形態的數量化刻畫，統計分析了不同市場環境、不同類型股票范圍內的形態規律，供投資者參考。
浙商證券
一種自適應尋找市場Alpha的方法：“Trader-Company”集成算法交易策略
發布日期：2022-05-17 關鍵詞：集成算法、自適應、Alpha
主要內容：文章將alpha數據的關注點聚焦在“信息的組合方式”上，而非聚焦在信息本身。通過簡單的數學關系，挖掘出有效的關系組合表達以提升預測效果。在此基礎上，采用類似遺傳算法的方式，對因子進行迭代更新。
以滬深 300 為例，該策略自 2005 年初至今月均收益 2.4%，夏普比率 1.41。
中信證券
多因子量化選股系列專題研究：基于深度學習的因子優化研究
發布日期：2022-05-18 關鍵詞：深度學習、因子、相關性
主要內容：文章認為深度學習的難點在于訓練數據的信噪比過低，尤其是擬合目標——收益。金融信號的噪聲主要存在于預測目標上，也就是Y。解決信號本身（X）噪聲的主要方法是調整網絡的結構，去學習信號中的不變性；而對于Y的噪聲，應該從目標函數的設計入手。為此，文章將合成因子與收益率的相關性作為優化目標，采用深度網絡實現學習，提出深度相關性模型。
深度相關性模型在回測區間實現了13.01%的年化超額收益，信息率2.57，超額最大回撤為5.02%。
東方證券
《量化策略研究之五》：DFQ工業類行業輪動策略：中觀行業數據、分析師預期、業績超預期、資金流向
發布日期：2022-05-19 關鍵詞：行業輪動、DFQ
主要內容：文章以中觀行業數據、分析師預期、業績超預期、資金流向四個維度，構建DFQ工業類行業輪動體系。
文章總結認為DFQ工業類行業輪動策略基于證監會二級行業下的行業輪動策略效果最佳。2010年至今，合成因子疊加行業NTO5因子處于前 80%的top5行業組合，多頭超額達到15.36%，信息比率1.49，超額收益最大回撤 24%。
西南證券
因子選股系列：基于相似股票歷史收益的選股因子研究
發布日期：2022-05-20 關鍵詞：相似、動量、預期差
主要內容：文章從股票價格、規模、風險、盈利能力、投資水平五個維度定義了股票距離，用來衡量股票與股票之間的相似程度，進而構建了相似股票動量因子，在我國A股市場對其進行了有效性檢驗。
相似動量因子同股票的下期收益正相關，相似股票動量因子IC均值為0.0305，IR為0.2689。
多空組合平均月收益率為1.01%，組合年化收益率為12.89%，最大回撤僅為8.39%。同時改進相似股票動量因子為相似預期差因子，其信息系數IC均值高達0.0910，多空組合平均月收益率為1.44%，組合年化收益率為18.72%，最大回撤僅為8.60%。
華西證券
基于籌碼結構理論的行業輪動策略：取籌碼厚積之處，享行業趨勢行情
發布日期：2022-05-20 關鍵詞：籌碼結構、行業輪動、籌碼收益率
主要內容：籌碼結構的基本思想是用過去資產的量價信息去構建持有該資產的成本分布，從而衡量投資者在當前時刻的賣出意愿。文章通過固定累計換手率、不固定期限和固定期限、不固定累計換手率兩種方法分別來測算籌碼收益率因子以及籌碼收益率歷史百分位因子。
其中，固定期限的籌碼收益率歷史百分位因子的輪動組合累計收益為232.51%，相對于中證全指的累計超額為210.07%；同時累積籌碼收益歷史百分位因子的累計收益為242.61%，相對于中證全指的累計超額為220.17%。
財信證券
外生因子系列研究報告（二）：三維情緒信號體系及策略構建
發布日期：2022-05-20 關鍵詞：情緒、擇時
主要內容：文章以情緒溫度（主力資金在市場交易中的相對強弱）、情緒預期（滬深300股指期貨升貼水率和上證50ETF期權成交額PCR倒數處理后取均值合成情緒預期指標）和情緒濃度（用主成分分析法衡量多資產間的相關性，選用行業細分程度更高的中信三級行業體系計算出情緒濃度指標）三個維度信號構建擇時模型。
根據情緒濃度指標，今年1月份以來情緒濃度不斷上升，延續2021年上半年以來長熊趨勢，但截至 5 月 10 日尚未到達情緒濃度拐點的警戒線，即模型認為尚未出現熊轉牛的拐點，持保守態度。
東方證券
因子選股系列之八十二：超大單沖擊對大單因子的影響
發布日期：2022-05-23 關鍵詞：大單因子、超大單
主要內容：文章基于前期《基于大單的alpha因子構建》研報構建的Level 2大單因子，進一步剔除超大單數據，從而構建大單買入占比和大單漲跌幅因子。
兩類因子剔除超大單數據的影響后，在滬深300中選股效果差異不大，但是在中證500及其他樣本空間中明顯更強，其中剔除超大單后的大單買入占比在滬深300和中證全指中的RankIC分別為4.90%和8.58%。
光大證券
量化選股系列報告之五：高質量股票池構造體系
發布日期：2022-05-24 關鍵詞：量化選股、股票池、優化
主要內容：文章針對股票池的構建問題提出了兩層優化框架。第一層為剛性優化，目的是保證股票可交易，優化的目標包括風險警示股票（ST/*ST）、次新股、低流動性、極小市值以及凈資產為負等；第二層為柔性優化，目的是提升股票池質量。
對列入基本面負面清單、量價因子空頭組合、有可能財務造假以及發生過負面事件的股票進行剔除，據此構建了負向因子篩選流程，并且從多個財務分析維度篩選了 11 個負向因子并對負向因子的組合方式進行了較為全面的測試。發現對于合成方法來說，對空頭單調的因子進行 ICIR 加權效果最好，對空頭尾部有效的因子使用組合復合法效果最好。
對于剔除范圍來說，對流動性 1500 中非指數成分股進行剔除效果最好。對于剔除閾值來說，選擇剔除 4%-6%對策略提升最為明顯。
德邦證券
金工機器學習專題之五：基于模型池的機器學習選股
發布日期：2022-05-24 關鍵詞：機器學習、模型篩選、動態因子
主要內容：文章描述了一種基于動態因子、模型篩選的量化投資方法，采用LGBM模型進行擬合和預測，并且根據模型在訓練集給出的特征重要性篩選因子，維護一個動態擴大的模型池，篩選近期表現良好的模型加以適用。
通過對比各參數發現模型對訓練頻率、驗證集時間長度和模型種類的敏感性低；因子在全市場和市值偏小的股票池中表現良好。
安信證券
行業全視角雷達簡介及應用
發布日期：2022-05-27 關鍵詞：行業雷達、行業研究、行業全視角雷達
主要內容：文章結合前期研究成果以及行業估值、盈利預測一致預期等其他指標一起，構建了一個較為完整的行業比較框架--行業全視角雷達。該框架主要使用的指標有：趨勢強度、位置優勢、擁擠度、賺錢效應、北向資金、估值優勢、盈利預測增速和盈利預測變化。
文章以案例分析的形式使用該模型，以房地產行業為例，當前所處的周期波動位置狀態、估值狀態和自身擁擠程度并沒有明顯的改善。唯一可能有所變化的是，房地產指數未來1 年的盈利增速預測的相對排名有了較為明顯的提升。
光大證券
量化選股系列之六：高質量股票池構造體系Ⅱ：事件型風險研究
發布日期：2022-05-30 關鍵詞：量化選股、股票池、負向事件、財務報表
主要內容：在前期《高質量股票池構造體系——量化選股系列報告之五》研報給出的股票池體系上，對負向事件進行了梳理研究，將其劃分成可預測和不可預測兩部分。
對于不可預測事件來說，若負向收益發生在事件發生后，可以通過及時監測并剔除涉事股票的方式避免損失擴大。
對于可預測負向事件，文章使用分箱法對財務指標和財務危機風險發生概率之間的關系進行刻畫，引入IV（Information Value）和WOE（Weight of Evidence）指標對分箱效果進行評價。最終篩選出了45個有效財務指標對企業財務報告質量進行評分。
通過財務質量打分模型篩選出財務報表質量存疑的股票，剔除該類后的剩余股票相對于預警組合超額收益明顯，滬深300股票池中年化超額收益12.50%，中證500股票池中年化超額收益13.62%。
方正證券
多因子選股系列研究之三：個股波動率的變動及“勇攀高峰”因子構建
發布日期：2022-05-30 關鍵詞：收益波動比、波動率、收益率
主要內容：文章使用收益波動比指標來對收益率隨波動率的變化程度加以衡量，構建了“勇攀高峰”因子，用來刻畫那些波動異常高的同時也伴隨著超高收益率的股票。
回測顯示，“勇攀高峰”因子表現非常出色，Rank IC 為5.62%，Rank ICIR 為4.47，多空組合年化收益率達19.76%，信息比3.45，因子月度勝率83.02%。
聲明：本內容由掘金量化整理，僅供學習、交流、演示之用，不構成任何投資建議！如需轉載請聯系掘金小Q（VX：myquant2018）授權，否則作侵權處理！
?
總結
- 上一篇： 接口调用频繁限制，接口限制流量
- 下一篇： 太赞了！Github上都没有的“网约车”