【华泰金工林晓明团队】商品指数夏普比率处于均值回归阶段——观点周报20220619

（以下内容从华泰证券《【华泰金工林晓明团队】商品指数夏普比率处于均值回归阶段——观点周报20220619》研报附件原文摘录）
　　林晓明 S0570516010001 研究员 SFC No.BPY421 刘依苇 S0570521090002 研究员 韩 晳 S0570520100006 研究员 王佳星 S0570521100001 研究员 报告发布时间：2022年6月19日 摘要 欧美股指和商品指数夏普比率通过平稳性检验，具备均值回归特征 为检验各类资产夏普比率的均值回归特征，我们选取了欧美国家股债商三类资产的代表性指数，以2009年1月1日到2022年6月17日作为回测期，按月滚动计算其年夏普比。结果显示欧美主要股指夏普比率序列均为平稳序列，具备均值回归特征，完整回归周期约为3-4年。各国股市夏普比率均值不同，但中长期趋势较为同步。欧美债券指数夏普序列未通过平稳性检验，均值回归特征不甚明显。全球商品指数中，CRB金属、工业、纺织现货指数夏普比率具备均值回复特征，完整周期也在3-4年。资产夏普比率的均值回归特性可以帮助我们对欧美资产的投资性价比进行分析和预测。 欧美股市已释放较多风险，商品仍处在风险释放阶段，后续或将继续走低 欧美债券指数在2020年9月达到高点，随后一直下降至今，说明欧美债市风险已释放的较为彻底。但由于债券指数未通过平稳性检验，其均值回复特征并不稳定，因此难以预测其未来走势。欧美股票和商品资产在2020年4月至2021年9月期间的夏普比达到了较高的水平，显著高于疫情开始前的平均值，三类资产的平均夏普也在此时达到了2011年以来的新高。而2021年三季度至今，股票商品指数的夏普比出现较为显著的均值回归趋势。欧美股市目前已释放较多风险，夏普比接近历史低点。而商品指数夏普比仍处于风险释放阶段，显著高于疫情前水平，后续其投资性价比或将进一步回落。 行业走势和情绪跟踪：消费成长上涨，汽车行业拥挤 上周股市继续延续反弹行情，沪深两市成交额保持在10000亿以上，成交热度明显回升。不过与前几周的普涨行情相比，上周行业间表现出现一定的分化。从行业层面来看，消费和成长板块领涨，轻工制造、家电、汽车、家电、医药、农林牧渔等行业涨幅居前，煤炭、石油石化、钢铁、交通运输等行业跌幅较大。板块间拥挤度出现明显的分化，汽车、石油石化行业拥挤度较高，处于交易过热状态。 景气度跟踪：建筑、交通运输、综合金融、煤炭、电新 根据2022年6月1日的最新建模结果，全市场景气度大于零一级行业个数为7个，景气度向上的行业数目不足四分之一，市场整体处于景气度下行区间。景气度打分排名前五的一级行业分别是：建筑、交通运输、综合金融、煤炭、电力设备及新能源。景气度打分排名前十的二级行业分别是兵器兵装Ⅱ、煤炭开采洗选、农用化工、油田服务Ⅱ、种植业、贵金属、稀有金属Ⅱ、石油开采Ⅱ、建筑施工、电气设备。 资金面择时：资金面指标综合得分0.33，整体保守看多 在《A股择时之资金面指标测试》（2021-07-02）中，我们在产业资本和境外机构投资者、境内机构投资者、境内个人投资者等各资金类型中遴选和构建代表性指标，并采用统一的择时框架进行测试，筛选出9个有效的择时指标，并基于单指标测试结果构建多指标择时策略。根据2022年6月18日最新建模结果，陆股通买入/卖出、陆股通资金净流入、融资融券交易金额、高管总增持、高管增持v减持、股票回购实施金额发出看多信号，融资融券余额变化、股票私募基金管理规模变化、新发行证券投资信托产品发行规模发出看空信号，在[-1~1]区间中，加总信号得分为0.33分，整体保守看多。 风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。 正文 欧美市场股债商三类资产的夏普比率具备均值回归的特性 均值回归是金融学中的重要概念，指当资产价格偏离价值中枢，会以较高的概率向价值中枢的方向回复，也正因此股市长期回报率相对比较稳定。夏普比率作为风险调整后收益率，理论上也遵从该项规律，通过研究各类资产夏普比率的均值回归特性，可以对未来资产走势与风险收益特征的预测提供一定的参考。 首先，为检验各类资产夏普比率的均值回归特征，我们选取了欧美国家股债商三类资产的代表性指数，以2009年1月1日到2022年6月17日作为回测期，按月滚动计算其年夏普比。如2010年1月的年夏普比数据，是利用2009年1月底至2010年1月底的日度数据计算出的年化收益和年化波动相除得到。得到夏普比率的时间序列之后，我们通过ADF方法，检验这些时间序列的平稳性，从定量角度来验证几类资产夏普比序列的均值回归特性。同时，考虑到部分资产夏普比可能存在长期趋势，我们也对去趋势后的夏普比序列进行了平稳性检验，已观测其是否具有均值回归特征。 欧美股票市场夏普比率具备均值回归特征，完整回归周期约为3-4年 对于欧美股票市场，我们选取了道琼斯工业指数、纳斯达克指数、标普500、英国富时100、法国CAC40、德国DAX等几个六个指数，同时以MSCI全球指数作为对照。按照前述流程计算指数滚动夏普比率后对其进行ADF检验，检验结果如下表所示： ADF检验结果说明，欧美股票市场指数的夏普比率序列均为平稳序列，也即具有均值回归的特征。其历史走势如下图所示： 观察欧美股票市场夏普比的历史走势，也可以发现以下结论： 1、当指数夏普比偏离均值时，会有较大概率向回归均值的方向运动，从定性角度进一步验证欧美股指夏普比存在均值回归特征。 2、美国股市和欧洲各国股市夏普比率的均值不同，以2010年1月到2022年5月作为统计区间，美国股指夏普比率的历史均值在1左右：道琼斯工业指数夏普均值为0.95，纳斯达克指数均值为1.10，标普500均值为0.99。 而欧洲英法德三国股指的夏普比率历史均值则显著小于美国：富时100指数夏普均值为0.34，法国CAC40指数均值为0.46，德国DAX指数均值为0.62。 3、欧美股指夏普比的中长期趋势较为同步，同时上涨同时下跌，体现欧美股市较强的联动性。 4、欧美股指均值回复的周期较为一致，通常在3到4年左右走过一个完整周期，例如2012年4月到2016年2月，2016年3月到2018年12月，2019年至今的夏普比率走势由于受到2020年2月至3月的疫情冲击而有所变形。 截止2022年5月底，欧美股市夏普比仍处于下行趋势，且与此前几次底部相比仍存在一定下行空间。若用2022年6月17日数据计算，欧洲股市夏普比仍有较大的下行空间。整体来看，当前欧美股市投资风险较大。 欧美债券指数夏普比率均值回归特征不明显，但夏普比率处于下行区间 这部分我们主要选取了彭博的巴克莱美国债券指数和巴克莱泛欧债券指数，按照前述流程计算指数滚动夏普比率后对其进行ADF检验，检验结果如下表所示： 从ADF检验的结果来看，两个债券指数的夏普序列以及去趋势后的夏普序列均未通过平稳性检验，未展现出均值回归的特征。但从指数夏普序列的历史走势中，我们也能发现一定的规律。 观察欧美债券市场夏普比的历史走势可以发现，债券指数的夏普比率围绕中枢上下波动，但波动中枢在过去十年中持续下移。且债券指数夏普比率波动的周期性较弱，周期长度也不太稳定，预测效果或弱于股指。 商品市场中，CRB金属、工业、纺织现货指数夏普比率具备均值回复特征 针对全球大宗商品市场，我们主要选取了CRB指数、黄金市场和原油市场的相关指数来进行分析，按照前述流程计算指数滚动夏普比率后对其进行ADF检验，检验结果如下表所示： 可以发现部分商品市场指数，如CRB金属现货、CRB工业现货、CRB纺织现货和SHFE上海金的夏普比序列具有较强的平稳性，其夏普序列如下图所示： 可以发现，图中指数的夏普比序列在偏离均值幅度较大时，会向回归均值的方向运动，具有较强的均值回归特征。并且，CRB金属现货、CRB工业现货和CRB纺织现货夏普序列的周期较为显著也较为同步，且周期长度稳定在3到4年，与股指周期长度类似。SHFE黄金也存在均值回复特征，但均值回复周期与另外三个指数并不同步。整体来看，三个CRB指数的夏普比率当前正处于下行阶段，且与此前几次底部相比，仍有下行空间，目前大宗商品的投资风险或在逐渐升高。 由上述检验结果发现，欧美主要股票指数的夏普比率历史序列均通过平稳性检验，具备均值回归特征，同时欧美债券指数和全球重要商品指数中，也有部分指标的夏普比率通过平稳性检验，具备均值回归特征，此规律可以帮助我们对欧美资产的投资性价比进行分析和预测。 由历史规律来看，欧美股市已释放较多风险，商品仍处在风险释放阶段 若针对2019年以来的市场进行分析，可以发现2019年前三季度债券资产夏普比率逐步提升，2020年3月股票市场和商品市场的夏普比开启上升趋势，2021全年股票和商品指数的夏普比率始终处在较高的水平。为了进一步分析重要时点前后欧美股债市场的夏普比表现，我们将其划分为三个阶段，即疫情前阶段（2019年3月-2020年3月）、疫情中美联储量化宽松阶段（2020年4月-2021年9月）、流动性收紧阶段（2021年10月至今）。三个阶段内，前述资产价格指数的夏普比均值如表所示： 由于欧美市场各类资产同步性较强，我们先将上述指数的夏普序列按资产类别分别加总，得到股票、债券和商品三类资产的平均夏普。可以看到，股票和商品两类资产的夏普在2021年二季度同时达到了高点，三类资产的平均夏普也在此时达到了2011年以来的新高。 通常来说，股票、债券和商品三类资产同涨同跌的情况较为罕见，但2021年三季度至今，三类资产积蓄的风险同步释放，股、债、商的平均夏普比率同步下行。当前资产走势与2007年7月到2008年11月的资产夏普比率走势十分类似，持续时间也较长。近十年来，同样的情况在2015年4月到12月、2018年2月到12月也曾出现过，但前两次同步下行前，三类资产平均夏普比率的高点均在1.7左右，而此次三类资产平均夏普比率的高点接近2.5。说明2019到2021年的资产价格上涨积蓄了更大的风险，此次均值回复期间欧美市场资产价格的回调幅度或也将超过此前两次下跌。 将三类资产夏普比序列分开来看，则可以发现，欧美债券指数在2020年9月达到高点，随后一直下降至今，说明欧美债市风险已释放的较为彻底。但由于债券指数未通过平稳性检验，其均值回复特征并不稳定，因此难以预测其未来走势。欧美股票和商品资产在2020年4月至2021年9月期间的夏普比达到了较高的水平，显著高于疫情开始前的平均值。而2021年三季度至今，股票商品指数的夏普比出现较为显著的均值回归趋势。欧美股市目前已释放较多风险，夏普比接近历史低点。而商品指数夏普比仍处于风险释放阶段，显著高于疫情前水平，后续其投资性价比或将进一步回落。 行业走势和情绪跟踪：消费成长上涨，汽车行业拥挤 上周股市继续延续反弹行情，沪深两市成交额保持在10000亿以上，成交热度明显回升。不过与前几周的普涨行情相比，上周行业间表现出现一定的分化。从行业层面来看，消费和成长板块领涨，轻工制造、家电、汽车、家电、医药、农林牧渔等行业涨幅居前，煤炭、石油石化、钢铁、交通运输等行业跌幅较大。板块间拥挤度出现明显的分化，汽车、石油石化行业拥挤度较高，处于交易过热状态。 景气度跟踪：建筑、交通运输、综合金融、煤炭、电新 根据2022年6月1日的最新建模结果，全市场景气度大于零一级行业个数为7个，景气度向上的行业数目不足四分之一，市场整体处于景气度下行区间。景气度打分排名前五的一级行业分别是：建筑、交通运输、综合金融、煤炭、电力设备及新能源。景气度打分排名前十的二级行业分别是兵器兵装Ⅱ、煤炭开采洗选、农用化工、油田服务Ⅱ、种植业、贵金属、稀有金属Ⅱ、石油开采Ⅱ、建筑施工、电气设备。 北向详细跟踪：北向资金近一月流入速度加快 北向资金上周净流入，近5个交易日累计净流入230.69亿元，近三个月累计净流入1653.21亿元。从北向资金组成来看，配置型外资和交易型外资上周均有较大幅度的流入，两者观点短期保持一致。 具体统计来看托管于外资银行的资金总计净流入128.48亿元，托管于外资券商的资金总计净流入100.25亿元，托管于内（港）资机构的资金总计净流入1.96亿元。 近5个交易日北向资金加仓最多的行业是医药（57.62亿元）、食品饮料（37.59亿元）、电力设备及新能源（30.86亿元），减仓最多的行业是石油石化（-9.27亿元）、电力及公用事业（-9.10亿元）、钢铁（-6.45亿元）。 从行业层面来看，配置型资金主要加仓医药、食品饮料、基础化工、计算机、机械、行业，同时减仓交通运输、非银行金融、家电行业；交易型资金则在银行、电力设备及新能源、食品饮料、医药、煤炭行业流入幅度相对较大，在有色金属、电力及公用事业、基础化工行业流出幅度相对较大。 资金面择时：多指标综合得分0.33，整体保守看多 在华泰金工择时系列报告《A股择时之资金面指标测试》（2021-07-02）中，我们将参与A股投资的资金分为产业资本和金融资本，又将金融资本细分为境外机构投资者（北向资金）、境内机构投资者（公募基金、信托、私募、券商资管、保险）、境内个人投资者、杠杆资金等大类；在各资金类型中遴选和构建代表性指标，并采用统一的择时框架进行测试。以上证指数及其同期的最佳择时策略为参照，从北向资金、杠杆资金、产业资本、信托、私募类资金中筛选出9个有效的择时指标如下，并基于单指标测试结果构建多指标择时策略。根据2022年6月18日最新建模结果，陆股通买入/卖出、陆股通资金净流入、融资融券交易金额、高管总增持、高管增持v减持、股票回购实施金额发出看多信号，融资融券余额变化、股票私募基金管理规模变化、新发行证券投资信托产品发行规模发出看空信号，在[-1~1]区间中，加总信号得分为0.33。 风险提示 1、模型根据历史规律总结，历史规律可能失效。 2、金融周期规律被打破。 3、市场出现超预期波动，导致拥挤交易。 免责声明与评级说明 公众平台免责申明 本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。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。 本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。 本公众号内容基于华泰证券认为可靠的信息编制，但华泰证券对该等信息的准确性、完整性及时效性不作任何保证，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点和判断。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，本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容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。订阅者若使用本资料，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所有，未经华泰证券书面许可，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。华泰证券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点——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年度观点——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点？——定量测度实际周期长度提升市场拐点判准概率 【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点（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点（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】市场拐点的判断方法 【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点 【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：绝对收益型ETF轮动策略——华泰中观基本面轮动系列之十八 【华泰金工林晓明团队】行业配置策略：资金流向视角——华泰中观基本面轮动系列之十七 【华泰金工林晓明团队】行业配置策略：投资时钟视角——华泰中观基本面轮动系列之十六 【华泰金工林晓明团队】行业配置落地：科技主题基金筛选——华泰中观基本面轮动系列之十五 【华泰金工林晓明团队】行业配置落地：消费主题基金筛选——华泰中观基本面轮动系列之十四 【华泰金工林晓明团队】行业配置策略：机构调研视角——华泰中观基本面轮动系列之十三 【华泰金工林晓明团队】行业配置落地：医药主题基金筛选——华泰中观基本面轮动系列之十二 【华泰金工林晓明团队】行业配置落地：指数增强篇(2)——华泰中观基本面轮动系列之十一 【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】新闻舆情分析的HAN网络选股——华泰人工智能系列之五十六 【华泰金工林晓明团队】图神经网络选股的进阶之路——华泰人工智能系列之五十五 【华泰金工林晓明团队】基于遗传规划的一致预期因子挖掘——华泰人工智能系列之五十四 【华泰金工林晓明团队】揭秘微软AI量化研究——华泰人工智能系列之五十三 【华泰金工林晓明团队】神经网络组合优化初探——华泰人工智能系列之五十二 【华泰金工林晓明团队】文本PEAD选股策略——华泰人工智能系列之五十一 【华泰金工林晓明团队】再探cGAN资产配置——华泰人工智能系列之五十 【华泰金工林晓明团队】SinGAN 单样本生成——人工智能系列之四十九 【华泰金工林晓明团队】对抗过拟合：cGAN应用于策略调参——人工智能系列之四十八 【华泰金工林晓明团队】cGAN模拟宏观指标——人工智能系列之四十七 【华泰金工林晓明团队】AlphaNet改进：结构和损失函数——华泰人工智能系列之四十六 【华泰金工林晓明团队】cGAN应用于资产配置——华泰人工智能系列之四十五 【华泰金工林晓明团队】深度卷积GAN实证——华泰人工智能系列之四十四 【华泰金工林晓明团队】因子观点融入机器学习——华泰人工智能系列之四十三 【华泰金工林晓明团队】图神经网络选股与Qlib实践——华泰人工智能系列之四十二 【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信号挖掘中的应用——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 财务质量 【华泰金工林晓明团队】财务质量分析体系初探-财务质量系列研究之一 【华泰金工林晓明团队】财报附注中隐藏的财务风险-财务质量系列研究之二 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季度盘点 【华泰金工林晓明团队】2021Q2中国ETF市场盘点回顾 【华泰金工林晓明团队】2021Q1中国ETF市场盘点回顾 【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市场全景回顾盘点与展望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市场全景回顾盘点 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

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）