【华泰金工林晓明团队】安量化精选沪深300投资价值分析

林晓明   S0570516010001    

              SFC No. BPY421    研究员

李子钰   S0570519110003     研究员

何   康   S0570520080004     研究员

王晨宇   S0570119110038     联系人

报告发布时间2021年2月18日

摘要

安量化精选沪深300基金优质的量化指数增强基金

安量化精选沪深300基金（A份额003957.OF；C份额003958.OF；下简称安量化精选）成立于2017年3月16日，作为典型的量化策略指数增强基金，历史业绩表现较为出色，其中2020年超额收益位居同类产品前三。基金拥有相对稳定的超额收益，相对基准日胜率和跟踪误差控制水平突出，持仓高度分散化，在提供超额收益的同时拥有较强的Beta属性，兼具高回报和资产配置的优势。

历史业绩出色，超额收益稳定，相对基准胜率与跟踪水平突出

基于2018年以来的历史表现，安量化精选基金长期跑赢基准指数，策略拥有长期稳定的有效性，在收益和风险端相对基准均有所优化，跟踪误差接近指数基金的水平；横向对比来，基金相对基准的胜率和跟踪误差均位于同类产品的前列，息比率出色；波动性位于同类产品中等水平，仍旧保持一定的弹性，但风险调整收益较为可观。

持仓高度分散化，行业偏离度低，合理控制系统性风险

从持仓特征来，安量化精选成分股数量稳定维持在150只以上，重仓股集中度低，呈现较高的分散化程度；组合行业权重相对基准指数偏离较小，行业风格基本中性。整体而言，安量化精选保持较严格的分散化与对基准指数的跟踪水平，拥有突出的Beta属性与资产配置工具价值。

风格暴露控制合理，选股能力和配置能力兼具，打新优势明显

从风格因子上，基金组合相对基准的风格控制整体较为合理，同时在动量风格上有一定的倾向，偏好持续表现优秀的个股；从Brinson归因模型来，基金的选股能力的贡献较为突出，配置收益也提供了相对可观的贡献，可以认为基金兼具选股和择时的能力。此外，得益于稳定的询价成功率与合理的基金规模，安量化精选基金在新股申购中具有较大优势，2020年估算获得了超过10%的可观收益。

风险提示基金业绩特征仅代表历史数据，无法保证未来能够复现；基金风格分析与归因分析依赖于观测截面，分析结果存在一定的偶然性。本报告结论仅提供参考，不构成任何投资建议，请投资者谨慎选择。

安量化精选沪深300优质的量化指数增强基金

经历了疫情黑天鹅下的超跌与修复，2020年A股市场整体呈现明显的上行走势；其中，作为大盘股代表的沪深300指数表现尤为出色。2020年全年，沪深300全收益指数取得了29.89%的年度回报。而作为扎根指数的Alpha策略产品，指数增强类产品在牛市行情下仍旧取得不俗的成绩，整体收获理想的超额收益。以跟踪产品数量最多的沪深300指数为例，Wind分类下 37只2020年以前成立的沪深300指数增强基金中，33只基金收益超越基准指数，超额收益中位数达到11.49%，绝对收益中位数为41.38%。

在上述产品中，作为典型的量化指数增强策略产品，安量化精选沪深300基金（A份额003957.OF；C份额003958.OF）以50.28%的收益率跻身2020年同类基金收益前三，也成为同年仅有的三只超额收益超过20%的产品之一，表现较为突出；从历史表现来，该基金拥有长期出色且较为稳定的收益能力，同时拥有相对基准较高的胜率以及理想的跟踪误差控制水平。整体而言，产品拥有良好的投资与配置价值。

下中，我们从基金的历史业绩表现、持仓结构、风险风格与收益归因等多个角度，对安量化精选沪深300基金的特进行具体分析，并探讨其投资与配置价值。

安量化精选沪深300业绩分析

我们首先展示安量化精选沪深300基金（下简称 安量化精选）的历史业绩表现，从收益、风险、基准跟踪等多个维度进行统计，并与基准指数和同类可比基金进行横向比较，以展示基金的绝对水平与相对定位；统计起始时间为2018年初，包含近三个完整的年度区间。为增加可比性，所有的基金业绩选用复权净值，基准指数采用全收益指数。

收益风险特征长期表现稳定，兼顾收益增强与风险优化

从历史净值走势来，安量化精选沪深300基金长期跑赢基准指数，呈现出明显的超额收益；从相对走势来，基金的增强效果持续且稳定，呈现显著的正斜率，近两年尤为明显。整体而言，基金的指数增强策略拥有长期稳定的有效性。

从收益端来，安量化精选在相对基准指数稳定增强，其中在2020年尤为突出；风险端上，产品在各年间的波动率和回撤控制均优于基准指数，在稳定性上同样有所提升；从相对基准的胜率上，安量化精选的胜率维持在55%以上，其中2020年接近70%，体现出增强策略的稳健性。此外，各年间产品的年化跟踪误差均严格控制在3%以内，足以比肩常规的指数基金，体现出基金经理优秀的组合管理能力。

同类产品对比收益与胜率出色，提供低跟踪误差下的优质Alpha

我们以Wind指数增强基金分类为标准，进一步选取同属于沪深300指数增强基金的同类产品进行对比；为增保证对比的可靠性，我们只保留业绩完整覆盖对应观测区间的基金，即剔除区间内发行的产品；此外，我们去除全部非初始基金（即分级基金只保留一只），以防止重复统计。

为更直观地展示目标基金在同类产品中的相对水平，我们计算安量化精选基金各个指标值在同类产品中的分位数，分位值越高代表相对水平越靠前；其中，负面指标（波动率、最大回撤、跟踪误差）等取相反数，即分位值越高对应数值越低。

可以到，安量化精选基金在同类产品间定位较为稳定。收益保持在同类产品前25%的水平，且有逐年提升的趋势，其中在2020年跻身同类产品前三；在相对基准的日胜率上，安量化精选稳定在前10%，其中2019-2020年蝉联日胜率第一，可以认为策略拥有较强的稳定性；而在风险端，安量化精选基金的波动率水平处在同类中等偏高的位置，回撤水平整体处于同类中游，可以认为产品在相对基准有所优化的同时，仍旧保留了一定程度的弹性。从夏普比率、Calmar比率来，基金的风险调整收益在同类产品中较为理想。

值得一提的是，安量化精选的基准跟踪水平出色，跟踪误差控制与历史息比率稳定在指数增强型产品的最前列，年化跟踪误差达到被动产品的水平；结合基金良好的超额收益增强水平来，可以认为安量化精选的Alpha较为优质，既可以为普通投资者创造绝对收益，同时也为Beta策略和市场中性策略投资者提供理想标的。

安量化精选持仓特征与归因分析

一步的，我们以报告期披露的基金持仓息为基础，对基金的持仓结构进行分析，以观察基金组合的特。安量化精选基金2020年四季度的前十五大重仓股如下

可以到，组合在权重上集中度较低，前十五大持股总权重仅为28.14%；行业覆盖面较广，市值上以大盘股为核心，同时也包含部分中小盘股。我们进一步对基金的历史持仓情况进行分析。

持仓组合高度分散化，行业偏离控制合理

从历史持仓来，安量化精选成分股数量稳定维持在150只以上，其中2019年Q4与2020年Q2的成分股数超过200只，呈现较高的分散化程度，体现出明显的量化配置策略特征；从重仓股的比重来，前50大重仓股总权重占据50%-70%的比重，集中度相对较低。整体而言，基金的分散化程度较高，对个股特有风险的分散较为有效。

我们进一步对基金的权益持仓进行归一化，以中一级行业分类为标准，并对比同期基准沪深300指数的行业分布。整体来，安量化精选基金相对基准的行业偏离不超过±4%，绝大部分行业偏离控制在±1%以内，对行业相对偏离的控制较为合理；以2020Q2的报告期披露为例，基金在食品饮料、非银金融、医药、电子等热门板块相对超配。

从整体持仓情况来，安量化精选保持较严格的分散化与对基准指数的偏移水平，在保持高收益的同时，对系统性风险有理想的控制水平，基金超额收益的可控性较高。总体而言，安量化精选基金拥有较突出的Beta属性与配置工具价值。

Barra风格因子分析风格暴露整体控制合理，倾向高动量风格

基于Barra风险模型的视角，我们对安量化精选持仓相对基准指数的风格偏移进行统计，以观察指数增强策略在风格因子的视角下的特征。

从整体风格偏移上，基金组合的各个风格因子相对暴露均控制在±0.25以内，整体风格暴露控制较为合理。从具体偏离值上，基金在动量风格上有长期较高的暴露，偏好持续表现优秀的个股，同时更倾向于高配流动性因子，低配价值、残差波动率因子，呈现出一定的延续性。同时注意到，在不同的时间节，基金在部分风格因子上会进行一定的切换，如2018年市场下行时，组合在Beta因子的暴露上明显下调，体现出一定的防御性。

整体而言，基金在整体控制风格暴露水平的基础上，能够针对市场行情做出一定的调整，同时对高动量、历史业绩较好的股票更加偏好。

Brinson模型归因选股能力突出，兼具配置择时

为更好地了解基金持仓Brinson模型能够基于既定的基准，对持仓组合的超额回报进行拆解。具体的，我们采用Brinson-Fachler 模型进行归因，以中一级行业作为拆解基准，以沪深300指数作为业绩基准。由于持仓数据相对静态，为提高稳定性，我们选取持仓截面后一个月作为业绩观察窗口，对收益进行分解。

从整体来，基金在大部分观测区间内均获得超额收益，仅在2018年6月出现小幅回撤；从具体分解来，基金的选股和仓位配置效应均对超额收益有所贡献。其中，选股能力的贡献较为突出，除2020年6月市场大涨时未能超过基准外，其余各期均提供了正向的超额收益；配置收益在2018年中和2019年中出现一定回撤，在其余各期能够提供较可观的超额收益；交叉收益部分相对不稳定，同时可解释性不高。总体来，安量化精选基金兼具选股和择时的能力。

网下打新测算询价入围率高，基金规模适宜，收益增强可观

由于 A 股市场的IPO 长期存在的高溢价，打新策略对基金组合提供了相对稳定的收益来源；尤其近两年以来，作为“注册制试”的科创板开板以及创业板注册制的推行，显著提升了板块内新股上市的审批效率，2020年A股一级市场活跃度明显提升，IPO总募资规模创下近十年的新高。

但另一方面，由于注册制板块打破了询价的市盈率红线，作为IPO重要板块的科创板和创业板的询价难度有所提升，不同机构在询价入围率上出现较大的差距。下面我们对公募基金的整体询价及收益情况进行统计。在询价入围情况上，由于同一基金公司的入围情况较为接近，我们仅在基金公司的层面进行统计。

可以到，安基金在全市场及两个注册制板块的网下询价入围率均超过市场中位数，科创板的入围率明显超过市场的75%分位数。可以认为安基金在IPO网下询价中表现较为理想，拥有相对稳定的报价策略。我们进一步对公募产品的打新收益进行测算。我们假定注册制板块的新股在首日以VWAP价卖出，非注册制板块在开板日以VWAP价卖出（首日未涨停则当日卖出）。在计算收益率时，我们以统计区间内产品的期初和期末规模均值作为基金的计算用规模，并剔除规模在一亿元以下的产品，以提高结果的稳定性。

可以到，安量化精选的打新总收益明显高于所处规模区间（2-3亿元）的整体水平，可以认为基金管理团队的询价成功率较高，同时对几个关键的大规模IPO项目都有较好的命中率；从收益率上，估算打新收益为安量化精选贡献了超过10%的可观收益。同时，从2亿元的规模门槛开始，基金的整体打新收益率随规模增长呈现稀释效应；截至2020年四季度，安量化精选基金的规模为4.05亿元，在满足大部分新股顶格申购的同时并未明显稀释收益率，处于较为理想的规模区间。

总结

2020年，A股市场整体涨幅较为明显，指数增强类产品同样表现不俗。其中，安量化精选沪深300基金（A份额003957.OF；C份额003958.OF）作为典型的量化指数增强基金，在2020年取得了超额收益前三、日胜率和息比率第一的出色表现，成绩较为出色。

历史表现上，安量化精选沪深300基金长期跑赢基准指数，策略拥有长期稳定的有效性，在收益和风险端均有所优化。此外，基金相对进准指数的胜率较高，跟踪误差与指数基金的水平接近。可以认为，基金管理团队兼顾了收益和风险的优化，同时拥有优秀的组合管理能力。

横向对比同类基金，安量化精选基金定位较为稳定，收益和相对基准胜率均位于前列；基金的波动率和回撤水平处于同类中游，仍旧保留了一定程度的弹性。此外，安量化精选的基准跟踪水平出色，跟踪误差控制与历史息比率稳定指数增强型产品顶端。整体来，基金既拥有理想的绝对收益，同时也为Beta策略和市场中性策略投资者提供选择。

从持仓特征来，安量化精选成分股数量稳定维持在150只以上，呈现较高的分散化程度，重仓股集中度较低，组合大部分行业权重偏离较小。整体来，安量化精选保持较严格的分散化与对基准指数的跟踪水平，拥有突出的Beta属性与配置工具价值。

从风格因子上，基金组合相对基准的风格控制较为合理。具体来，基金在动量风格上有长期较高的暴露，偏好持续表现优秀的个股；从Brinson归因模型来，基金的选股能力的贡献较为突出，同时配置收益也提供了相对可观的贡献。可以认为，安量化精选基金兼具选股和择时的能力。此外，得益于相对稳定的询价成功率与合理的规模，安量化精选基金在新股申购上具有较大优势，2020年估算获得了超过10%的可观收益。

总体而言，安量化精选基金拥有高收益、高胜率、跟踪误差小、高度分散化的特，相对基准的特有风险较小，兼顾Alpha和Beta收益。从增强策略上，基金的选股和择时能力均能带来相对稳定的回报，同时在IPO打新中也能获取相对稳定的收益，具有较好的投资前景。

风险提示

基金业绩特征仅代表历史数据，无法保证未来能够复现；基金风格分析与归因分析依赖于观测截面，分析结果存在一定的偶然性。本报告结论仅提供参考，不构成任何投资建议，请投资者谨慎选择。

免责声明与评级说明

公众平台免责申明

本公众平台不是华泰证券研究所官方订阅平台。相关观或息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的息编制，但作者对该等息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为91320000704041011J。

华泰金工深度报告一览

金融周期系列研究（资产配置）

【华泰金工林晓明团队】2020年中国市场量化资产配置年度观——周期归来、机会重生，顾短也兼长20200121

【华泰金工林晓明团队】量化资产配置2020年度观——小周期争明日，大周期赢未来20200116

【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法

【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022

【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826

【华泰金工林晓明团队】如何有效判断真正的周期拐？——定量测度实际周期长度提升市场拐判准概率

【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506

【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观（下）

【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观（上）

【华泰金工林晓明团队】周期轮动下的BL资产配置策略

【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究

【华泰金工林晓明团队】市场拐的判断方法

【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）

【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究

【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索

【华泰金工林晓明团队】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观

【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究

【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究

【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列

行业指数频谱分析及配置模型市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回，周期重生

【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

周期起源

【华泰金工林晓明团队】金融经济周期的耗散结构观——华泰周期起源系列研究之十

【华泰金工林晓明团队】经济系统中有序市场结构的进化——华泰周期起源系列研究报告之九

【华泰金工林晓明团队】企业间力的产生、传播和作用效果——华泰周期起源系列研究之八

【华泰金工林晓明团队】耦合振子同步的藏本模型——华泰周期起源系列研究之七

【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六

【华泰金工林晓明团队】不确定性与缓冲机制——华泰周期起源系列研究报告之五

【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四

【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三

【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二

【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一

FOF与金融创新产品

【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究

【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）

【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三

【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二

【华泰金工林晓明团队】因子收益率的周期性研究初探

择时

【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列

【华泰金工林晓明团队】A股市场低开现象研究

【华泰金工林晓明团队】华泰风险收益一致性择时模型

【华泰金工林晓明团队】技术指标与周期量价择时模型的结合

【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

中观基本面轮动

【华泰金工林晓明团队】行业配置落地指数增强篇——华泰中观基本面轮动系列之十

【华泰金工林晓明团队】行业配置策略拥挤度视角——华泰中观基本面轮动系列之九

【华泰金工林晓明团队】行业配置策略景气度视角——华泰中观基本面轮动系列之八

【华泰金工林晓明团队】行业配置策略趋势追踪视角——华泰中观基本面轮动系列之七

【华泰金工林晓明团队】行业配置策略宏观因子视角——华泰中观基本面轮动系列之六

【华泰金工林晓明团队】行业全景画像投入产出表视角——华泰中观基本面轮动系列之五

【华泰金工林晓明团队】行业全景画像改进杜邦拆解视角——华泰中观基本面轮动系列之四

【华泰金工林晓明团队】行业全景画像风格因子视角 ——华泰中观基本面轮动系列之三

【华泰金工林晓明团队】行业全景画像宏观因子视角 ——华泰中观基本面轮动系列之二

【华泰金工林晓明团队】确立研究对象行业拆分与聚类——华泰中观基本面轮动系列之一

行业轮动

【华泰金工林晓明团队】不同协方差估计方法对比分析（二）——华泰行业轮动系列报告之十三

【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二

【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一

【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十

【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九

【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七

【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六

【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五

【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四

【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三

【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二

【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一

Smartbeta

【华泰金工林晓明团队】重剑无锋低波动 Smart Beta——华泰 Smart Beta 系列之四

【华泰金工林晓明团队】投资优质股票红利类Smart Beta——华泰Smart Beta系列之三

【华泰金工林晓明团队】博观约取价值和成长Smart Beta——华泰Smart Beta系列之二

【华泰金工林晓明团队】Smart Beta乘风破浪趁此时——华泰Smart Beta系列之一

【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

多因子选股

【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三

【华泰金工林晓明团队】桑土之防结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一

【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十

【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九

【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八

【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七

【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六

【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五

【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四

【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三

【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二

【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一

【华泰金工林晓明团队】五因子模型A股实证研究

【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能

【华泰金工林晓明团队】基于BERT的分析师研报情感因子——华泰人工智能系列之四十一

【华泰金工林晓明团队】微软AI量化投资平台Qlib体验——华泰人工智能系列之四十

【华泰金工林晓明团队】周频量价选股模型的组合优化实证——华泰人工智能系列之三十九

【华泰金工林晓明团队】WGAN生成从单资产到多资产——华泰人工智能系列之三十八

【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七

【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六

【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五

【华泰金工林晓明团队】再探AlphaNet结构和特征优化——华泰人工智能系列之三十四

【华泰金工林晓明团队】数据模式探索无监督学习案例——华泰人工智能系列之三十三

【华泰金工林晓明团队】AlphaNet因子挖掘神经网络——华泰人工智能系列之三十二

【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一

【华泰金工林晓明团队】从关联到逻辑因果推断初探——华泰人工智能系列之三十

【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九

【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八

【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七

【华泰金工林晓明团队】遗传规划在CTA号挖掘中的应用——华泰人工智能系列之二十六

【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五

【华泰金工林晓明团队】投石问路技术分析可靠否？——华泰人工智能系列之二十四

【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三

【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二

【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一

【华泰金工林晓明团队】必然中的偶然机器学习中的随机数——华泰人工智能系列之二十

【华泰金工林晓明团队】偶然中的必然重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七

【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六

【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【华泰金工林晓明团队】对抗过拟合从时序交叉验证谈起

【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三

【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二

【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一

【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十

【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九

【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八

【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七

【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六

【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五

【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四

【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三

【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析

【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告

【华泰金工林晓明团队】酌古御今指数增强基金收益分析

【华泰金工林晓明团队】基于回归法的基金持股仓位测算

【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股

【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究

【华泰金工林晓明团队】华泰价值选股之FFScore模型

【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究

【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究

【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究

【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投

【华泰金工林晓明团队】大成旗下基金2018定投策略研究

【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四

【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

基金评价

【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法

【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力

【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金

ETF季度盘

【华泰金工林晓明团队】2020Q4中国ETF市场全景回顾——总规模创新高，行业主题类ETF渐成市场新主角20210112

【华泰金工林晓明团队】2020年三季度中国ETF市场回顾——产品百花齐放、投资者结构日渐成熟，规模创新高20201021

【华泰金工林晓明团队】ETF产品细分差异化或成突围之道——2020二季度中国ETF市场全景回顾盘与展望20200803

【华泰金工林晓明团队】ETF规模数量大涨品类不断丰富——2020一季度中国ETF市场全景回顾盘

其它

【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二

A股市场及行业的月份效应——详解历史数据中的隐藏法则