本报告系统研究碳排放量对股票收益的影响，发现公司碳排放量与股票收益正相关，映射出碳排放风险溢价。这一溢价因投资者对碳风险认知的逐步深化，于2015年《巴黎协定》后显著增强，且不能被传统风险因子解释，体现了独特的横截面收益信息。行业层面，银行、生物技术及油气等高碳排放行业机构撤资无显著公司特征；剔除高碳排放行业后，规模大、资本支出低、成长性强的公司更受机构关注。本文认为碳排放风险溢价正由初始的α异象向系统性β因子演变，未来将在投资组合管理中扮演重要角色 [page::0][page::1][page::2][page::18]
本报告系统研究基金规模与主动管理能力错配现象，发现在投资者无法区分基金历史因子暴露收益与主动α收益的背景下，基金超额规模成为未来业绩下滑的主要原因。采用多因子模型测算历史因子暴露收益后，发现该指标与基金规模流量正相关，且高因子暴露收益对应的超额规模基金未来业绩显著不佳。错配效应通过交易成本驱动的规模效应及羊群行为两条路径传导，A股市场实证验证了该机制，并基于行为金融视角提出构建行为因子以提升业绩预测能力。报告强调超额规模指标在评估基金管理能力中的重要性，凸显理性投资者难以准确区分因子溢价与主动管理能力的现实困境 [page::0][page::1][page::3][page::4][page::6][page::9]
本报告基于全球超过6700家公司2020年1月至5月数据，运用量化回归方法系统检验了财务健康度、跨地区供需影响、企业社会责任、公司治理及所有权结构五大维度对公司应对COVID-19疫情股价表现的影响。结果表明，疫情前现金充裕、负债较低、利润丰厚以及贷款额度较大的公司更具免疫力，此外全球供应链和客户所在地疫情影响较小的公司表现更佳。企业社会责任活动丰富，公司治理结构中管理层防御行为较少以及家族控股且家族成员不担任管理层的公司表现较好。相反，管理层持股较多和资产管理机构尤其对冲基金重仓的公司表现较差。这些结论为投资者在疫情等突发事件下选择质量优良、基本面稳健的投资对象提供了理论与实践支持 [page::0][page::1][page::2][page::3][page::4][page::5][page::6]
本报告基于Chen, Roll, and Ross (1986)提出的五个美国宏观因子，构建全球CRR宏观风险因子模型，成功解释了跨国家和跨资产的价值与动量溢价及其负相关性问题。全球CRR因子模型在48个价值与动量组合的截面定价测试中表现优于AMP三因子和Fama-French五因子模型，且具备良好的经济学解释力。同时，模型扩展应用于更多类型资产组合仍保持较好解释能力，为理解全球市场风险结构提供新的工具和视角 [page::0][page::1][page::4][page::5][page::6][page::9][page::10][page::11]
本报告通过将风格因素纳入宏观因子构建，研究经济增长、防御和通胀三大因子对多资产、多风格收益的解释能力，采用“最小误差变换矩阵”实现因子的稳定正交化，并以“有效投注数量”最大化设计风险平价组合。实证表明，宏观因子组合在不同经济环境下表现差异明显，风险平价组合有效降低波动率和交易频率，且将宏观因子组合引入传统资产配置可显著提升收益和分散程度，为多元化资产配置提供新思路。[page::0][page::1][page::5][page::7][page::8]
本报告围绕Bryan Kelly等学者《THE VIRTUE OF COMPLEXITY IN RETURN PREDICTION》，探讨了金融资产收益预测中复杂机器学习模型的表现优于简单模型的良性过拟合现象。研究显示，当模型复杂度P远大于样本数T且采用合理的特征压缩技术时，样本外预测精准度和策略表现均随复杂度提升显著增强，挑战了传统奥卡姆剃刀原则，提出投资者应尽可能增加模型有效信息以逼近真实收益生成过程，同时指出样本外拟合优度R²不能完全反映策略优劣，策略收益和夏普比率等指标更具参考价值 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]。
本报告基于Piotroski and So(2012)的研究，提出价值溢价来源于市场的预期偏差。利用F-score量化基本面预期，BM Ratio量化市场预期，通过构建预期偏差组合，在美股及中证500实证显示，基础面高但市场预期低的低估值股票因预期偏差修正可实现超额收益，预期偏差策略年化收益率最高可达22.64%。同时，策略在中国A股中证500成分股中也得到验证，显示预期偏差是价值溢价的重要驱动因素，为价值投资策略提供了理论和实证支持 [page::0][page::1][page::4][page::5][page::6]
本报告基于随机贴现模型，介绍并应用《Taming the factor zoo》提出的双重选择方法，解决高维因子库中的遗漏变量偏差问题。实证验证表明，该方法能较保守地评估近年来新因子贡献，突出投资能力和盈利能力因子的显著性。同时，方法递归测试和多模型稳健性检验支持其有效性。将方法推广至纯技术因子时，发现因技术因子间相关性大且缺乏强解释力，双重选择精简效果有限，需进一步研究[page::0][page::1][page::5][page::8][page::11][page::13]。
本文基于目标投资期限视角，利用债券收益率曲线的斜率和曲率信息估计市场的风险偏好变化，定义市场目标投资期限作为风险偏好的代表。实证发现，目标投资期限的波动与经济周期和货币政策密切相关，可显著预测风险资产表现。基于此指标构建的择时策略在股指、CTA与对冲基金间切换均能降低波动率并实现超额收益，为风险偏好量化提供有效工具和实践路径 [page::0][page::1][page::2][page::3][page::4][page::5][page::6].
本报告系统介绍了基于机器学习的日内波动率预测方法，重点在于使用监督学习自动选取和组合多类别波动率模型以提高预测准确性，适应不同资产和市场状况。报告涵盖了模型设计、风险控制及实证案例，如标普500和亚马逊财报日的波动率表现，展示模型在实际期权Delta对冲和风险管理中的应用效果，以及通过主成分分析和线性回归降低期权风险的思路，为波动率交易与风险控制提供了新的机器学习框架和思路 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8]
本文提出一种基于非层次聚类的风险平价资产配置模型，通过结合新型稳定的x-means++聚类算法，有效识别资产的共同风险来源，实现每个风险来源的风险贡献均衡。实证分析显示，该模型在全球股指期货与国债期货的长期样本中，优于传统风险平价及层次聚类模型，收益风险比最高且风险控制表现良好，提升了资产配置的稳健性与有效性 [page::0][page::1][page::4][page::5]。
本报告基于《Forecasting intraday volatility in the US equity market. Multiplicative component GARCH》一文的方法，提出将高频波动率分解为日度波动率、日内确定性趋势和日内随机项三部分，采用两步估计法提高预测准确性。通过对国内市场上证50ETF分钟数据建模实证，验证了波动率分解模型相较于不含随机项的NSTOCH模型和直接对高频数据使用GARCH模型，具有更优的预测效果和稳定性，为高频波动率预测以及衍生品定价提供了有效工具 [page::0][page::1][page::2][page::8][page::9].
本报告通过因子定量分析拆分，系统研究巴菲特的投资风格及其成功因素。结果表明，巴菲特选择低贝塔、安全、廉价且高质量的股票，同时巧妙运用低成本杠杆显著提升回报率。报告还构建了可复制的“巴菲特式”系统投资组合，验证该策略在A股市场同样适用，反映价值投资理念的稳健性与有效性[page::0][page::1][page::6][page::8][page::10].
本报告系统介绍了彼得林奇作为麦哲伦基金经理期间的投资方法论及卓越业绩表现。其核心策略包括将股票分为六大类型，重点偏好快速增长型成长股，结合13条选股法则，运用PEG估值指标精准把握成长股投资价值。同时，报告详细分析了其投资组合构建比例、股债轮动策略及实战案例，如克莱斯勒、房利美等，揭示其年化20.8%超额收益的业绩来源及风险管理思路。文末还综述了PEG指标在中国资本市场的适用性研究，展现其成长股投资理论的广泛影响。[page::0][page::1][page::2][page::7][page::8]
本报告基于筹码结构视角，分析反转因子在多头端的局限性，构建筹码收益调整因子，通过市场赚钱效应择时，增强因子表现。进一步合成筹码收益增强因子，实现多头与空头优势互补，显著提升选股效果与风控表现，分域与频率测试显示因子稳定性和有效性，支持在沪深300、中证500、中证1000等多市场应用 [page::0][page::3][page::5][page::7][page::16][page::19]
本报告基于风险溢价视角，构建了动量与反转统一的UMR2.0因子框架，通过日度及分钟级别多维风险指标加权股票超额收益，揭示高风险日偏向反转、低风险日偏向动量的价格效应。引入特殊时点调整和风险因素剥离提升因子稳健性，形成八大风险代理的复合UMR因子，选股效果显著，月度IC均值0.116，年化ICIR达5.56。UMR因子在沪深300、中证500、中证1000及国证2000等指数增强中均带来超额收益提升，且方法对其他因子亦具泛化能力 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24]
本报告介绍了东方金工团队基于遗传规划算法升级开发的DFQ价量因子挖掘系统，系统通过智能进化方法自动生成低相关高效选股因子，验证期表现稳定出色，综合因子实现年化超额收益超13%、夏普比率超2，最大回撤低于4%，显示出强大实用价值和较优风险控制能力 [page::2][page::4]。
随着中国转债市场逐步扩容，投资者关注量化模型在可转债领域的应用。本文基于转债估值、正股量价及转债量价三类因子，测试42个表现优异的单因子并构建多因子合成模型。最终合成因子预测能力强，Rank IC均值达6.67%，信息比率逾2.7。基于此，设计TOP N及类型平衡组合策略，TOP30组合年化收益22.26%，超额收益11.18%。研究展现了多因子模型在可转债选券中的稳健超额能力 [page::2][page::8][page::10][page::18][page::20][page::23][page::25]
本报告基于市场特殊时点的“引爆点”动量效应，梳理了五类关键时点信号（下跌反弹、顶部切换、横盘突破、北向异常流入及宏观指标披露），验证了这些时点信号在行业、ETF、因子及风格轮动中的显著动量效应。构建时点动量加权因子，显著提升组合的超额收益和稳定性，TOP50组合年化超额收益达26.17%，且在中证500指数增强模型中，应用时点动量加权后超额收益提升约4个百分点，加入风格轮动进一步稳健表现，提高信息比并降低最大回撤[page::0][page::6][page::11][page::15][page::16]。
本报告基于《The Journal of Portfolio Management》2017年报告，系统分析了FOF/MOM投资组合面临的共性风险集中问题、过度加杠杆及缺乏大局观挑战。实证发现多策略组合风险预算高度集中于共性化投资因子，尤其在金融危机等极端市场条件下风险与相关性急剧上升，导致组合风险超预期增长。报告建议FOF/MOM在底层产品选择上应偏重个性化投资思路，同时控制过度分散带来的杠杆扩张和管理风险，为中国市场投资提供启示和参考 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9]
