【华泰金工林晓明团队】中证1000ETF“箭在弦上,蓄势待发”
（以下内容从华泰证券《》研报附件原文摘录）
林晓明 S0570516010001 研究员 SFC No. BPY421 张 泽 S0570520090004 研究员 SFC No. BRB322 报告发布时间：2022年7月21日 摘要 中证1000是主流小盘股的代表指数，2004年底成立以来累计回报超600% 中证1000指数（000852.SH）由全部A股中剔除中证800指数成份股后，规模偏小且流动性好的1000只股票组成，综合反映中国A股市场中一批小市值公司的股票价格表现。作为小市值股票的代表指数，中证1000具有较高的收益弹性，2004年底成立以来年化收益率超过11%，领先于同期上证50、沪深300和中证500指数，牛市环境下表现更为突出。 当前中证1000指数估值较低，盈利相对较好，成分股覆盖行业范围广 从盈利方面来看，中证1000指数的2022一季度的ROE为2.25%（未年化）超过大部分中小盘指数。从估值方面来看，中证1000指数当前市盈率PE_TTM处于2004年底成立以来的12.80%分位，估值处于较低水平。从成分股来看，中证1000指数覆盖31个一级行业，123个二级行业，其中医药、电子等高成长性企业占据大多数，成分股多为小盘成长风格。 中证1000股指期货期权利好市场中性等交易策略 中证1000股指期货和期权的推出为小盘股投资提供了对冲工具，有利于促进市场中性策略的规模。由于中证1000指数波动较大，成分股较多，期货合约可能会出现贴水，有机会通过定价误差进行套利并提升市场定价效率。中证1000指数型产品也可以通过期货多头获取基差收益，有利于丰富投资策略，吸引更多元化的投资者参与。同时有助于发挥ETF与衍生品之间的联动效应，促进中证1000ETF的投资交易需求，从而提升ETF的规模与流动性。 中证1000期货期权7月22日挂牌交易，广发等中证1000ETF同日发售 2022年6月22日中金所对外公布了《中证1000股指期货合约》和《中证1000股指期权合约》的征求意见稿。7月18日证监会批准中国金融期货交易所开展中证1000股指期货和期权交易，相关合约正式挂牌交易时间为2022年7月22日。广发基金等中证1000ETF即将于2022年7月22日发售，进一步丰富中证1000指数的投资产品线，助力我国场外衍生品发展。 风险提示：本报告对历史数据进行梳理总结，历史结果不能简单预测未来，规律存在失效风险。报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待。 中证1000指数综合反映A股小盘股表现，成立以来收益显著 中证 1000 指数选取中证 800 指数样本以外的规模偏小且流动性好的 1000 只证券作为指数样本，与沪深 300 和中证 500 等指数形成互补，是衡量A股市场小盘股的重要宽基指数。 中证1000指数（英文名称：CSI 1000 Index，指数代码：000852）的编制规则如下： 一、指数基日和基点 该指数系列以2004年12月31日为基日，以1000点为基点。 二、样本选取方法 1、样本空间同中证全指指数的样本空间 2、选样方法 （1）剔除样本空间内中证800指数样本及过去一年日均总市值排名前300名的证券； （2）将样本空间内证券按照过去一年的日均成交金额由高到低排名，剔除排名后20%的证券； （3）将样本空间内剩余证券按照过去一年日均总市值由高到低排名，选取排名在1000名之前的证券作为指数样本。 三、指数计算 指数计算公式为： 报告期指数 = 报告期样本的调整市值÷除数 × 1000 其中，调整市值＝ ∑(证券价格×调整股本数)。调整股本数的计算方法、除数修正方法可参见中证指数计算与维护细则。 四、指数样本和权重调整 1、定期调整 指数样本每半年调整一次，样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日。每次调整的样本比例一般不超过10%。定期调整设置缓冲区，日均成交金额排名在样本空间前90%的老样本可参与下一步日均总市值排名；日均总市值排名在800名之前的新样本优先进入，排名在1200名之前的老样本优先保留。 2、临时调整 特殊情况下将对指数进行临时调整。当样本退市时，将其从指数样本中剔除。样本公司发生收购、合并、分拆等情形的处理，参照计算与维护细则处理。 指数历史业绩：成立以来收益率超600%，夏普比率优于其他宽基指数 中证1000指数（000852）由全部A股中剔除中证800指数成份股后，规模偏小且流动性好的1000只股票组成，综合反映中国A股市场中一批小市值公司的股票价格表现。中证1000作为小市值的代表指数，呈现了较高的收益弹性，从指数基日2004/12/31至2022/7/19年化收益率为11.73%，近三月累计收益8.73%，领先于其他指数，牛市环境下表现更为突出。 通过与其他宽基指数进行对比，可以看出在2004年至2022年7月19日期间，中证1000涨幅最高，整体走势与中证500较为接近，但2008年11月28日之后收益远超其它指数，收益弹性较大。 从风险收益水平上看，中证1000指数的夏普比率和Calmar比率均优于上证50、沪深300、中证500等宽基指数，其区间最大回撤与其它宽基指数几乎相当，波动率略高于上证50和沪深300等大盘指数，与中证500相当，但中证100指数的区间收益率和年化收益率明显更高。 指数盈利分析：指数ROE超过大部分中小盘指数 2022年一季度中证1000指数净资产收益率ROE（平均）为2.25%（未年化），超过大部分中小盘及部分大盘指数，说明其整体盈利能力较好。 指数估值分析：估值处于历史低位，分位数低于沪深300等宽基指数 观察中证1000指数从上市日期（2014年10月17日）开始的市盈率（PE_TTM）走势，中证1000指数的当前市盈率处于历史低位，仅有30.33，处于历史12.80%的分位数，估值相对较低。 统计从2014年10月17日开始的上证50、沪深300、中证500、创业板指的市盈率，当前（2022年7月19日）各指数市盈率的分位数如下图所示，中证1000指数的估值分位数较低。 指数成分股分析：股票数目多，行业覆盖广，具有小盘成长风格特征 成分股行业分布：覆盖31个一级行业和123个二级行业 成分股的行业分布是指数的重要特征之一，能够反映指数受不同行业风险因素影响的程度。统计2022年7月19日中证1000成分股的数量和权重分布：从权重分布来看，可以看到一级行业中电力设备的占比最高，达到10.9%；次之为交通运输，占比10.77%；从数量分布来看，一级行业中医药生物占比最高，涵盖了120家公司；次之为电子，涵盖了93家公司；第三为计算机，涵盖了81家公司。 指数成分共覆盖了31个一级行业，123个二级行业，医药生物、电子、交通运输、计算机等产业在全部一级行业中占据成分超出平均值。二级行业中半导体、电池、医疗设备、化学制药、软件开发等成分股数目和规模占比较大。总体来看，中证1000指数行业覆盖面广，权重分散，可综合反映小市值公司的股票价格表现。 、 成分股市值分布：成分股市值中位数约100亿元，包含多只科创板和专精特新概念股票 据7月19日数据，从中证1000成分股的市值分布来看，近半数的股票总市值处于50亿到100亿的区间，75%的股票的市值都低于150亿元，中证1000的中位数约为100亿元。 除此以外，中证1000成分股中有67只在科创板中，有77只股票为专精特新概念股，覆盖了我国一批优秀的创新型公司，显现出新兴成长的特征。 中证1000期货期权的上市，填补了小盘股风险管理工具的空白 2022年6月22日，中金所对外公布了《中证1000股指期货合约》和《中证1000股指期权合约》的征求意见稿。2022年7月18日，证监会批准中国金融期货交易所开展中证1000股指期货和期权交易，相关合约正式挂牌交易时间为2022年7月22日。中证1000股指期货和期权的上市，能有效补充目前场内衍生品跟踪标的对于小盘指数的空白，与目前的上证50、沪深300和中证500等标的指数形成互补。 拓宽指数化投资和股票多空等策略的应用空间 市场中性策略：吸引多元的投资者参与小盘股投资，促进对冲产品规模增长 中证1000是过去十余年间收益率最好、波动率最大、也是内部分化度最高的宽基指数。此前市场最为关注的中证500指数的期货、期权成交量持续居首，但其年化收益率、年化波动率与夏普指数皆低于中证1000指数，因此中证1000的高波动率与与宽广的选股池，可以使得投资者通过选股能力来获得更好的超额收益。我们预计中证1000的股指期货上市后，管理人有望通过中性策略，稳定获得中证1000的alpha。 此前中证1000有着相对活跃的交易需求，但风险管理端却一直缺乏有效的工具，在中金所推出中证1000指数的股指期货后，机构的指数增强与市场中性策略产品可以直接对冲中证1000的系统性风险，并分担中证500的对冲需求，缓解中证500的对冲赛道拥挤情况，改善中证500的深度贴水程度，从而降低市场整体对冲成本，预计中证1000与中证500的对冲策略成交量可能在同一量级。 套利策略：可套利空间更大，提升市场的定价有效性 对于市场上套利投资者来讲，中证1000股指期货也带来新的投资机会。此前，上证50、沪深300与中证500都在推出的第一年内获得了大量市场关注。中证1000预计也将成为近期市场热点，为满足市场上机构与个人投资者的建仓需求，上市短期内价格振幅或较大，成交量也将维持在高位运行。这就意味着其股指期货基差与升贴水程度振幅也会较大，从而出现更多的定价误差，吸引套利者资金进入市场捕获套利机会。随着套利工具的完善，市场更会出现跨品种套利资金，此类资金可以纠正市场的交易情绪，增强市场对于中小企业的定价功能，促进中小企业的融资发展，并在长期使得中证1000的估值进入合理区间。 多头替代：进一步丰富投资策略，后续预期IM合约会有贴水 由于股指成分股分红、空头套保等原因，股指期货往往长期维持贴水状态。利用期货贴水总会在到期日收敛至零的特性，多头可以选择买入股指期货来替代持有股票现货或ETF，除了同样取得指数上涨的收益，还能额外获得贴水收敛的收益，这一策略就是多头替代策略。目前三大期指合约中IC的空头套保需求最强、贴水程度最深，是最适用这一策略的品种。中证1000指数具有较高的分散度和较强的成长性，其偏向中小盘成长的特征带来了更高的风险与投资收益，空头套保需求或更加旺盛，因此可能维持更深的贴水，使多头替代策略拥有更大的利润空间。因此即将推出的IM合约和IC合约一样，都是较为适合多头替代策略的品种。 或将提升中证1000ETF流动性和交易需求 从期货层面来观察，沪深300作为首先推出的股指期货产品，从2010年到2015年4月，市场对于其期货产品的需求在逐年稳步上升。而在2015年4月，随着中证500与上证50的股指期货产品推出，市场对于沪深300期货产品的需求大量分散至IH、IC产品。近年来，随着量化策略与市场风险对冲需求的提高，IF、IH与IC产品的持仓量都在稳步上升。其中中证500股指期货产品的需求增幅最为明显。 而从指数本身的流动性来观察，除去2008年与2015年的股市巨大波动的区间，指数的成交量在其期货产品推出后随时间稳步上升，其中中证500是成交量上升最为明显的指数。 由上可见，股指期货的发行有助于增强指数本身的流动性与交易需求。而中证1000作为小盘成长指数，预期市场对于其股指期货的需求大于沪深300与上证50，其股指期货所衍生的多种产品也会增强中证1000的流动性与市场需求。 广发等中证1000ETF获批发售，进一步拓宽投资者参与渠道 2022年7月18日，证监会批准中国金融期货交易所开展中证1000股指期货和期权交易，相关合约正式挂牌交易时间为2022年7月22日。上市中证1000股指期货和期权，是全面深化资本市场改革的一项重要举措，有助于进一步满足投资者避险需求，健全和完善股票市场稳定机制，助力资本市场平稳健康发展。 广发基金等多家机构均有1只中证1000ETF于本周五开售，我们以广发中证1000ETF为例，展示该类型ETF的基本情况。 综上所述，中证1000股指期货和期权的推出意义重大，有助于进一步满足投资者避险需求，吸引更多投资者入市，丰富交易策略，带动公募和券商等各类资管机构相关业务发展。且中证1000指数历史业绩较优，当前估值相对较低，盈利能力相比同类指数具备一定优势，成分股覆盖多个行业，能综合反映A股小盘成长股的表现，或具备较好的配置价值。 风险提示 本报告对历史数据进行梳理总结，历史结果不能简单预测未来，规律存在失效风险。报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待 免责声明与风险提示 公众平台免责申明 林晓明 执业证书编号：S0570516010001 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：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 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
林晓明 S0570516010001 研究员 SFC No. BPY421 张 泽 S0570520090004 研究员 SFC No. BRB322 报告发布时间：2022年7月21日 摘要 中证1000是主流小盘股的代表指数，2004年底成立以来累计回报超600% 中证1000指数（000852.SH）由全部A股中剔除中证800指数成份股后，规模偏小且流动性好的1000只股票组成，综合反映中国A股市场中一批小市值公司的股票价格表现。作为小市值股票的代表指数，中证1000具有较高的收益弹性，2004年底成立以来年化收益率超过11%，领先于同期上证50、沪深300和中证500指数，牛市环境下表现更为突出。 当前中证1000指数估值较低，盈利相对较好，成分股覆盖行业范围广 从盈利方面来看，中证1000指数的2022一季度的ROE为2.25%（未年化）超过大部分中小盘指数。从估值方面来看，中证1000指数当前市盈率PE_TTM处于2004年底成立以来的12.80%分位，估值处于较低水平。从成分股来看，中证1000指数覆盖31个一级行业，123个二级行业，其中医药、电子等高成长性企业占据大多数，成分股多为小盘成长风格。 中证1000股指期货期权利好市场中性等交易策略 中证1000股指期货和期权的推出为小盘股投资提供了对冲工具，有利于促进市场中性策略的规模。由于中证1000指数波动较大，成分股较多，期货合约可能会出现贴水，有机会通过定价误差进行套利并提升市场定价效率。中证1000指数型产品也可以通过期货多头获取基差收益，有利于丰富投资策略，吸引更多元化的投资者参与。同时有助于发挥ETF与衍生品之间的联动效应，促进中证1000ETF的投资交易需求，从而提升ETF的规模与流动性。 中证1000期货期权7月22日挂牌交易，广发等中证1000ETF同日发售 2022年6月22日中金所对外公布了《中证1000股指期货合约》和《中证1000股指期权合约》的征求意见稿。7月18日证监会批准中国金融期货交易所开展中证1000股指期货和期权交易，相关合约正式挂牌交易时间为2022年7月22日。广发基金等中证1000ETF即将于2022年7月22日发售，进一步丰富中证1000指数的投资产品线，助力我国场外衍生品发展。 风险提示：本报告对历史数据进行梳理总结，历史结果不能简单预测未来，规律存在失效风险。报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待。 中证1000指数综合反映A股小盘股表现，成立以来收益显著 中证 1000 指数选取中证 800 指数样本以外的规模偏小且流动性好的 1000 只证券作为指数样本，与沪深 300 和中证 500 等指数形成互补，是衡量A股市场小盘股的重要宽基指数。 中证1000指数（英文名称：CSI 1000 Index，指数代码：000852）的编制规则如下： 一、指数基日和基点 该指数系列以2004年12月31日为基日，以1000点为基点。 二、样本选取方法 1、样本空间同中证全指指数的样本空间 2、选样方法 （1）剔除样本空间内中证800指数样本及过去一年日均总市值排名前300名的证券； （2）将样本空间内证券按照过去一年的日均成交金额由高到低排名，剔除排名后20%的证券； （3）将样本空间内剩余证券按照过去一年日均总市值由高到低排名，选取排名在1000名之前的证券作为指数样本。 三、指数计算 指数计算公式为： 报告期指数 = 报告期样本的调整市值÷除数 × 1000 其中，调整市值＝ ∑(证券价格×调整股本数)。调整股本数的计算方法、除数修正方法可参见中证指数计算与维护细则。 四、指数样本和权重调整 1、定期调整 指数样本每半年调整一次，样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日。每次调整的样本比例一般不超过10%。定期调整设置缓冲区，日均成交金额排名在样本空间前90%的老样本可参与下一步日均总市值排名；日均总市值排名在800名之前的新样本优先进入，排名在1200名之前的老样本优先保留。 2、临时调整 特殊情况下将对指数进行临时调整。当样本退市时，将其从指数样本中剔除。样本公司发生收购、合并、分拆等情形的处理，参照计算与维护细则处理。 指数历史业绩：成立以来收益率超600%，夏普比率优于其他宽基指数 中证1000指数（000852）由全部A股中剔除中证800指数成份股后，规模偏小且流动性好的1000只股票组成，综合反映中国A股市场中一批小市值公司的股票价格表现。中证1000作为小市值的代表指数，呈现了较高的收益弹性，从指数基日2004/12/31至2022/7/19年化收益率为11.73%，近三月累计收益8.73%，领先于其他指数，牛市环境下表现更为突出。 通过与其他宽基指数进行对比，可以看出在2004年至2022年7月19日期间，中证1000涨幅最高，整体走势与中证500较为接近，但2008年11月28日之后收益远超其它指数，收益弹性较大。 从风险收益水平上看，中证1000指数的夏普比率和Calmar比率均优于上证50、沪深300、中证500等宽基指数，其区间最大回撤与其它宽基指数几乎相当，波动率略高于上证50和沪深300等大盘指数，与中证500相当，但中证100指数的区间收益率和年化收益率明显更高。 指数盈利分析：指数ROE超过大部分中小盘指数 2022年一季度中证1000指数净资产收益率ROE（平均）为2.25%（未年化），超过大部分中小盘及部分大盘指数，说明其整体盈利能力较好。 指数估值分析：估值处于历史低位，分位数低于沪深300等宽基指数 观察中证1000指数从上市日期（2014年10月17日）开始的市盈率（PE_TTM）走势，中证1000指数的当前市盈率处于历史低位，仅有30.33，处于历史12.80%的分位数，估值相对较低。 统计从2014年10月17日开始的上证50、沪深300、中证500、创业板指的市盈率，当前（2022年7月19日）各指数市盈率的分位数如下图所示，中证1000指数的估值分位数较低。 指数成分股分析：股票数目多，行业覆盖广，具有小盘成长风格特征 成分股行业分布：覆盖31个一级行业和123个二级行业 成分股的行业分布是指数的重要特征之一，能够反映指数受不同行业风险因素影响的程度。统计2022年7月19日中证1000成分股的数量和权重分布：从权重分布来看，可以看到一级行业中电力设备的占比最高，达到10.9%；次之为交通运输，占比10.77%；从数量分布来看，一级行业中医药生物占比最高，涵盖了120家公司；次之为电子，涵盖了93家公司；第三为计算机，涵盖了81家公司。 指数成分共覆盖了31个一级行业，123个二级行业，医药生物、电子、交通运输、计算机等产业在全部一级行业中占据成分超出平均值。二级行业中半导体、电池、医疗设备、化学制药、软件开发等成分股数目和规模占比较大。总体来看，中证1000指数行业覆盖面广，权重分散，可综合反映小市值公司的股票价格表现。 、 成分股市值分布：成分股市值中位数约100亿元，包含多只科创板和专精特新概念股票 据7月19日数据，从中证1000成分股的市值分布来看，近半数的股票总市值处于50亿到100亿的区间，75%的股票的市值都低于150亿元，中证1000的中位数约为100亿元。 除此以外，中证1000成分股中有67只在科创板中，有77只股票为专精特新概念股，覆盖了我国一批优秀的创新型公司，显现出新兴成长的特征。 中证1000期货期权的上市，填补了小盘股风险管理工具的空白 2022年6月22日，中金所对外公布了《中证1000股指期货合约》和《中证1000股指期权合约》的征求意见稿。2022年7月18日，证监会批准中国金融期货交易所开展中证1000股指期货和期权交易，相关合约正式挂牌交易时间为2022年7月22日。中证1000股指期货和期权的上市，能有效补充目前场内衍生品跟踪标的对于小盘指数的空白，与目前的上证50、沪深300和中证500等标的指数形成互补。 拓宽指数化投资和股票多空等策略的应用空间 市场中性策略：吸引多元的投资者参与小盘股投资，促进对冲产品规模增长 中证1000是过去十余年间收益率最好、波动率最大、也是内部分化度最高的宽基指数。此前市场最为关注的中证500指数的期货、期权成交量持续居首，但其年化收益率、年化波动率与夏普指数皆低于中证1000指数，因此中证1000的高波动率与与宽广的选股池，可以使得投资者通过选股能力来获得更好的超额收益。我们预计中证1000的股指期货上市后，管理人有望通过中性策略，稳定获得中证1000的alpha。 此前中证1000有着相对活跃的交易需求，但风险管理端却一直缺乏有效的工具，在中金所推出中证1000指数的股指期货后，机构的指数增强与市场中性策略产品可以直接对冲中证1000的系统性风险，并分担中证500的对冲需求，缓解中证500的对冲赛道拥挤情况，改善中证500的深度贴水程度，从而降低市场整体对冲成本，预计中证1000与中证500的对冲策略成交量可能在同一量级。 套利策略：可套利空间更大，提升市场的定价有效性 对于市场上套利投资者来讲，中证1000股指期货也带来新的投资机会。此前，上证50、沪深300与中证500都在推出的第一年内获得了大量市场关注。中证1000预计也将成为近期市场热点，为满足市场上机构与个人投资者的建仓需求，上市短期内价格振幅或较大，成交量也将维持在高位运行。这就意味着其股指期货基差与升贴水程度振幅也会较大，从而出现更多的定价误差，吸引套利者资金进入市场捕获套利机会。随着套利工具的完善，市场更会出现跨品种套利资金，此类资金可以纠正市场的交易情绪，增强市场对于中小企业的定价功能，促进中小企业的融资发展，并在长期使得中证1000的估值进入合理区间。 多头替代：进一步丰富投资策略，后续预期IM合约会有贴水 由于股指成分股分红、空头套保等原因，股指期货往往长期维持贴水状态。利用期货贴水总会在到期日收敛至零的特性，多头可以选择买入股指期货来替代持有股票现货或ETF，除了同样取得指数上涨的收益，还能额外获得贴水收敛的收益，这一策略就是多头替代策略。目前三大期指合约中IC的空头套保需求最强、贴水程度最深，是最适用这一策略的品种。中证1000指数具有较高的分散度和较强的成长性，其偏向中小盘成长的特征带来了更高的风险与投资收益，空头套保需求或更加旺盛，因此可能维持更深的贴水，使多头替代策略拥有更大的利润空间。因此即将推出的IM合约和IC合约一样，都是较为适合多头替代策略的品种。 或将提升中证1000ETF流动性和交易需求 从期货层面来观察，沪深300作为首先推出的股指期货产品，从2010年到2015年4月，市场对于其期货产品的需求在逐年稳步上升。而在2015年4月，随着中证500与上证50的股指期货产品推出，市场对于沪深300期货产品的需求大量分散至IH、IC产品。近年来，随着量化策略与市场风险对冲需求的提高，IF、IH与IC产品的持仓量都在稳步上升。其中中证500股指期货产品的需求增幅最为明显。 而从指数本身的流动性来观察，除去2008年与2015年的股市巨大波动的区间，指数的成交量在其期货产品推出后随时间稳步上升，其中中证500是成交量上升最为明显的指数。 由上可见，股指期货的发行有助于增强指数本身的流动性与交易需求。而中证1000作为小盘成长指数，预期市场对于其股指期货的需求大于沪深300与上证50，其股指期货所衍生的多种产品也会增强中证1000的流动性与市场需求。 广发等中证1000ETF获批发售，进一步拓宽投资者参与渠道 2022年7月18日，证监会批准中国金融期货交易所开展中证1000股指期货和期权交易，相关合约正式挂牌交易时间为2022年7月22日。上市中证1000股指期货和期权，是全面深化资本市场改革的一项重要举措，有助于进一步满足投资者避险需求，健全和完善股票市场稳定机制，助力资本市场平稳健康发展。 广发基金等多家机构均有1只中证1000ETF于本周五开售，我们以广发中证1000ETF为例，展示该类型ETF的基本情况。 综上所述，中证1000股指期货和期权的推出意义重大，有助于进一步满足投资者避险需求，吸引更多投资者入市，丰富交易策略，带动公募和券商等各类资管机构相关业务发展。且中证1000指数历史业绩较优，当前估值相对较低，盈利能力相比同类指数具备一定优势，成分股覆盖多个行业，能综合反映A股小盘成长股的表现，或具备较好的配置价值。 风险提示 本报告对历史数据进行梳理总结，历史结果不能简单预测未来，规律存在失效风险。报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待 免责声明与风险提示 公众平台免责申明 林晓明 执业证书编号：S0570516010001 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：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 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
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）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
