摘要

杠杆ETF作为一类创新型ETF，在海外市场交投活跃，主要借助金融衍生工具并通过再平衡机制实现短期收益达到标的收益对应倍数，是杠杆水平稳定、折溢价空间较小、提供多空双向选择且费率较高的低门槛杠杆工具。A股市场在衍生品市场基础工具与投资者需求等层面看已具备发展杠杆ETF的市场基础

全球杠杆ETF稳步发展，美国市场品类丰富且呈寡头竞争格局：

1. 截至2019年11月，全球杠杆ETF产品共852只，管理规模总计772亿美元，美国是最大的杠杆ETF市场，规模占比53%。
2. 杠杆ETF交投活跃，在美国ETF市场规模占比仅2%，但成交额占比平均达到10%。
3. 美国杠杆ET

摘要

博时中证红利ETF跟踪的中证红利指数代表了A股市场高红利股票的整体表现。高股息股票通常意味着上市公司的盈利状况良好、现金流充足、前景光明，确定性较强。高红利策略具有很强的防守性和逆周期性，具备长期的投资价值。

中证红利指数从沪深A股中选取100只过去两年的平均税后现金股息率较高的股票，采用股息率加权，以反映A股市场高红利股票的整体表现。

中证红利指数历史表现优异。自基日（2004/12/31）以来，截止2020/03/31，年化收益达到9.65%，显著跑赢同期的沪深300 指数（9.10%）和上证红利指数（6.06%）。最大回撤也优于市场和同类指数平均水平，显示了较高的稳定性

报告要点

A 股市场主动管理基金为投资者创造了一定价值

在《FOF 研究系列之七：十个角度看中国公募基金行业发展》中，我们对国内公募基金的业绩表现进行了梳理，发现：分年度看，主动管理股票基金在多数年份能够战胜基准；滚动三年业绩能战胜基准的基金比例也一直维持在 60%以上；从更长期业绩看，10 年期业绩战胜中证全指和中证 800 指数的基金比例超过 70%，而在欧美成熟市场，跑赢对应市场基准的公募基金占比不足 20%。这在某种程度上说明了：A 股市场的专业资产管理机构进行的主动管理，为投资者创造了一定价值。 本篇报告将从业绩归因角度，对国内主动管理公募基金获取的超额收益进行分解，

摘要

2021年3季度市场回顾：从主要宽基指数来看，2021年3季度A股市场主要指数收跌，呈现曲折下降态势，但跌幅分化明显。季度收益表现最好的中证500涨4.34%，其次wind全A下跌1%，沪深300和创业板指跌幅较大，分别下跌6.85%和6.69%。分行业来看，2021年3季度上涨行业占比32%，仅采掘1个行业连续3月上涨。全市场等权平均收益0.41%。

2021Q3组合综合能力TOP15组合平均收益2.31%，选股能力TOP15组合平均收益0.36%，择时能力TOP15组合平均收益10.49%。2021年4季度基金组合：综合能力TOP15：持仓较分散，行业偏好为电子、国防军

研究结论

前言：本篇报告为东吴金工动量因子系列研究的第二篇，延续并拓展了上一篇报告《成交量对动量因子的修正》的研究理念，按照交易者类型对成交量做了进一步细分，考察在不同交易者结构下，动量因子表现的强弱。

A股市场的交易者结构：按照挂单金额的大小，可以将交易者分为机构、大户、中户和散户。在A股市场中，中户、散户交易占比长期较高，两者相加超过70%

交易者结构对动量因子的影响：不同交易群体的交易目的、特征不同，可能导致不同群体贡献的成交量中蕴含的信息也存在差异。基于上述猜想，我们分别按照散户、中户、大户、机构的交易占比高低，对传统的涨跌幅因子进行拆分，回测得到以下主要结论：（1）交易者结构对

近年来，量化投资不仅在A股市场风生水起，在招聘市场也占据了高端人才“热搜榜”。有行业人士表示，很多量化投资人才原来是“码农”转行过来的，没接触过量化。虽然A股市场对于量化投资的市场影响有一定争议，但从量化投资技术本身来看，是一项“风险可控的交易工具”。

国内量化投资环境比较看重候选人985/211背景，以及相关的专业技能积累，如统计学、高等数学及程序代码工程相关知识等，如果前沿的量化投资机构，还可能十分重视人工智能方向的相关知识架构。虽然要求高，但收入也相对较高。

除了学历背景，量化行业需要复合型的人才，三大从业核心技能主要是数学、编程、金融，其次还需掌握数据库知识等。

更重要的是兴趣和

摘要

本期遴选论文

来源：Journal of Financial Economics 145 (2022) 64–82

作者：Markus Leippolda，Qian Wanga，Wenyu Zhou

标题：Machine learning in the Chinese stock market

Gu（2020）在The Review of Financial Studies发表的Empirical Asset Pricing via Machine Learning中，详细实证了机器学习模型在美股市场的表现。**结果表明，机器学习改善了对预期

报告摘要

海外市场分析师盈利预测与特质波动率异象的关系

特质波动率之谜，即特质波动率与股票未来收益率之间的负相关关系，一直以来是学界争论的焦点。Ang 等(2006) 首先在美国市场发现了特质波动率(IVOL，idiosyncratic volatility)异象，即具有较高的特质波动率的股票往往具有较低的未来收益。过往的学术研究表明，金融分析师对市场效率具有重大影响。例如，Barth 和 Hutton（2020）发现，分析师追踪度高的股票价格，能更快地在股价中反应应计信息和现金流信息。Chan 和Hameed（2006）表明，分析师的覆盖范围减少了公司特定的噪音数量

摘要

债券基金业绩分化明显，未来随FOF发展有望迎来需求增量

A股市场债券基金的规模在近年来每年均保持正增长。截至2018Q3，当前A股市场上共有债券基金1325只，总规模合计为1.84万亿元，规模占比已经从2009年的3.04%上升至13.93%。从债券基金业绩的层面来看，基金之间的收益率出现了较为明显的分化，因此对于债券基金的选择将很大程度上影响组合的收益率；从债券基金未来的配置需求层面来看，当前多数FOF为偏债混合型基金，未来随着FOF基金的进一步发展，债券型基金的配置体量将有望出现较大幅度上涨。

债券基金研究框架：投资目标与基金分类、基金分析、基金优选

本

摘要

A股市场存在明显的行业轮动特征。近年来各行业股票收益显著分化，此起彼伏，部分年份全市场指数可能并未大幅上涨，但部分行业可能有较为可观的超额收益，结构化行情显著。在过去的十年间，行业分化十分明显。2021年，电力设备及新能源、基础化工、有色金属、煤炭、钢铁占据了收益前五。回顾2011-2021年中信产业链指数表现，处于不同产业链环节的各行业版块收益显著分化，行业轮动现象显著。

兼顾贝塔与alpha，行业主题基金存在配置需求。主动管理型行业主题基金是在特定行业中主动选股，力求同时获得beta收益与正的 alpha收益。由于主动管理型行业基金兼具beta与apha收益

摘要

上周受美股拖累，全球权益市场普遍出现快速调整，尤其是A股权重板块跌幅较大，上证50、沪深300指数一周跌幅均超过10%，我们构建的A股与港股趋势跟踪系统均触发了空头信号，短期对权益市场持谨慎态度。 不过，从中期看，我们认为A股市场上行态势未改，依旧对行情持乐观态度。首先，从估值水平看，经历上周市场快速调整后，当前沪深300指数市净率回落至过去5年70%分位数附近，而从更长的时间周期看（2005年以来），当前A股估值水平仅处于历史估值的30%分位，估值依旧具有优势。其次，从基本面看，我们跟踪的日均耗费量指标经历前期回落后，近期开始走平，有阶段性企稳态势，且农产品批发价格指数进行上行

摘要

彼得林奇选股模型在A股验证。本报告借鉴美国著名基金经理彼得林奇的选股思路，结合A股市场现状，推出了适用于当前A股市场的彼得林奇选股模型，彼得林奇选股的基本思路为：寻找高彼得林奇成长因子(调节PEG的倒数)的公司，再对六大类型的公司使用相对应的选股条件进行筛选。

彼得林奇公司分类方法介绍。彼得林奇认为六大类型公司可以涵盖投资者的全部需求，这六大类型公司分别为缓慢增长型公司，稳定增长型公司，快速增长型公司，周期型公司，困境反转型公司及资产富余型公司。根据彼得林奇对六大类型公司的定义，并结合A股市场特征，我们设计了彼得林奇六大类型公司的分类标准，并对分类结果进行验证。 申万彼得林奇选

摘要

上周市场回顾。上周A股市场主要宽基指数全线上涨，科创50、创业板指、中小板指分别上涨8.67%、5.85%、4.08%，涨幅较大，上证指数、沪深300、中证500指数分别上涨2.08%、2.21%、3.03%，涨幅较小。从成交额来看，上周主要宽基指数中除科创50指数有所增加外，其余宽基指数均有所减少。上周汽车、电子、电力设备及新能源行业涨幅靠前，收益分别为7.22%、7.08%、6.86%，煤炭、房地产、建筑行业跌幅靠前，收益分别为-2.75%、-2.48%、-1.68%。

截至上周五央行公开市场投放和回笼资金正好相抵，不同期限国债利率均有所上行，利差扩大1.96BP，不同评级

报告摘要

上周市场回顾

上周A股市场主要宽基指数全线下跌，中证500、上证指数、中证1000指数分别下跌0.50%、0.52%、0.85%，跌幅较小，科创50、创业板指、深证成指分别下跌4.94%、3.92%、2.28%，跌幅较大。从成交额来看，上周主要宽基指数中上证指数、深证成指、中证500、中证1000指数均有所增加，其余宽基指数均有所减少。行业方面，上周煤炭、石油石化、交通运输行业涨幅靠前，收益分别为7.05%、4.11%、2.39%，家电、房地产、电力设备及新能源行业跌幅靠前，收益分别为-3.97%、-3.36%、-3.10%。

截至上周五央行公开市场净投放资金85

摘要

A股市场存在明显农历月份效应，农历1月上涨、5月下跌现象较显著我们选取沪深两市中8个影响力较大的指数——上证综指、深证成指、万得全A、中小板指、创业板指、上证50、沪深300、中证500，使用年至今的数据，计算各指数的农历月均收益率，并使用线性回归模型和自相关相容协方差方法对各指数是否存在农历月份效应进行显著性检验。结果显示，大部分指数在农历1月显著上涨、农历5月显著下跌，其余月份呈现调整和震荡状态。另外，农历4月中小板指上涨概率较大，农历6月中证500指数上涨概率较大，农历9月中小板指和中证500指数则大概率回调，农历10月则大概率表现为大盘股领涨。 农历“春节效应”显著我们特

摘要

北上资金的力量日渐彰显

近年来，北上资金对于A股市场的影响力日渐彰显，受到越来越多投资者的关注。在图1中，我们计算了“北上资金分钟净买入金额”与“A股指数分钟涨跌幅”的同步相关性。可以看到，从2017年以来，北上净买入金额对指数涨跌幅的解释度逐渐增加，从2020年9月份以来，相关系数更是录得0.7以上的高峰。图2则显示，陆股通成交金额占两市成交金额的比例也逐渐上升，2017年至2020年，年度平均占比从2.11%提升至10.6%，提升了近5倍。北上资金已成为A股市场中不可小觑的力量。

定量测试：陆股通分钟数据为CTA策略带来显著提升

通过对交易日的定性复盘，

摘要

我们在前期报告中，基于股指期货日内收益分布特征，构建了三因子隔夜收益增强策略；基于A股市场的周内效应，构建了周内效应择时策略。在本篇报告中，我们将周内效应与日内效应相结合，构建复合策略，策略表现进一步提升。

股指期货存在日内效应。股指期货在隔夜和开盘后半小时上涨概率较高。2016年以来，IF、IH、IC 在前收盘至次日上午10点的日均收益率分别为0.1005%、0.9560%和0.1058%。

三因子隔夜收益增强策略。我们使用收盘折溢价、买卖单不平衡度、基差变化率三因子构建隔夜收益增强策略，并过滤长假前交易信号，策略在IF、IC、IH上取得了23.72%、24.16%和9.3

摘要

在《龙头股效应在一致预期数据上的应用》一文中，我们对龙头股进行了定义：龙头股是分析师覆盖度高的一组股票中，与行业其他公司基本面偏相关性强的股票。本文将对按照上述方式定义的龙头股进行更加细致的分析，统计它们的基本特征，考察它们的涨跌对其他股票是否具有引导作用，以及龙头股的“龙头效应”究竟体现在哪些方面等。

龙头股基本特征。龙头股市值普遍偏大，盈利能力居于行业中上水平，单位市场价格所创造的收入高于行业平均。同时结构稳定，平均每两年龙头股变换一次。

龙头股的涨跌对其他股票的涨跌并不具有显著的引导作用。实际上，本文所定义的龙头股是从基本面角度出发，与行业其他公司相关性较强的股票，结

摘要

现代资产配置的触角在不断延伸，不仅是对不同大类资产的配置，还是对各资产类别中细分资产的配置，因为市场的分化正在加剧，同一资产内部的不同细分资产走势可能有天壤之别，这在2017年的A股市场中被演绎的淋漓尽致。同一资产内部细分资产走势的差异，既体现于大盘小盘、价值成长等市场风格的差异，还体现于不同行业板块的走势差异。风格走势的差异催生了SmartBeta策略，而行业走势的差异，则催生了行业配置与行业轮动策略。

资本市场有大量的参与者，如公募基金、大户、散户以及分析师群体，每类参与者通过各自不同行为或多或少会对市场产生一定影响，这就为我们的研究提供了一个新的思路，即跟踪市场不同参与者

摘要

在评价因子的有效性时，单因子的信息系数分析是我们常用的测试手段。但是当我们将目光聚焦于A股市场的指数增强投资管理时，上述的分析方法和评价指标却存在着两个我们无法忽视的问题：第一，指数增强产品都有明确的业绩基准和可投资范围，在一个共同的股票池内所获的测试结果不一定适用于特定的选股范围；第二，在进行指数增强管理时，很多现实中必须满足的限制条件是无法在简单的IC测试或分位数组合测试中去实现的，这就会使得理想状况下获得的因子测试结果与投资实践产生较大的差异，从而导致最终的效果并不尽如人意。

我们尝试利用单因子增强组合测试法去解决上述因子评价中的问题。我们在沪深300、中证500和中证1

摘要

价值投资和成长投资是主动投资领域中两种核心的股票选择维度。

我们在前期报告《多因子量化选股系列专题研究—关于多因子模型构建方法实用性的理论探讨》中，对多因子模型方法论方面进行了一些务虚性的讨论，其中最主要的观点是认为，分组法是当前A股市场中最为实用的多因子模型构建方法。本文尝试基于分组法的多因子模型，实现以价值和成长为核心的多因子选股逻辑，同时通过实证检验前一篇报告所述方法论的有效性。

质量空间与质量因子：

（1）质量因子的作用，一是质量高的股票有超额收益，可作为Alpha因子来使用，二是可以剔除一些质量较差的公司，剩余样本可作为其他逻辑选股的精选股

研究结论

风险因子可以帮助投资者控制组合收益波动，提升稳健性。但学术和实务研究材料中都没有对风险因子做出准确定义，我们根据BARRA CNE5 文档风险因子的统计特征，从因子稳定性、对股价影响显著、因子收益率波动大三个角度设计了一套风险因子定量判定程序。

个股在某个风险因子上的暴露度，我们建议采用BARRA的市值加权方法，而不是简单的zscore标准化，因为全市场市值加权组合比等权组合更符合风险分散的特征。不过这两种计算方法对alpha因子风险中性化处理和股票组合优化结果没有影响，受影响的主要是组合的绩效分析。

风险模型的作用主要有三个：识别风险、估计股票收益率协方差矩阵和

研究结论

由于市场体制、投资者结构、投资者教育等多方面的原因A股市场投机性较强，既然不能改变A股投机的事实，我们不妨研究如何在投机市场中获利。

我们将个股被投机的过程划分为4个周期，投机程度增强的周期一般伴随着股价的上涨，过度投机后投机程度减弱的周期一般伴随着股价的回落，因此，买入投机程度弱的股票卖出过度投机的股票即可获取超额收益。

股票的投机程度虽然不能被直接观测，但投机程度高的股票往往伴随着一定的交易行为特征，通过对这些交易行为特征的刻画可变相考察个股的投机程度。

我们通过特征波动率、特异度、价格时滞、市值调整换手分别度量股票的波动率高低、个股收益能否被市场风格解释、

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。

在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也正促使通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前

本文重点对基于因子的资产配置方法进行研究。本文提出了利用宏观因子进行资产配置的框架，并且针对几类代表性机构的资产组合进行了实证研究。

本文基于因子的资产配置方法分为四步：首先选择所用的宏观

摘要

投资大师的神奇公式。

美国投资大师、哥谭资本创始人乔尔·格力布拉特在其著作《股市稳赚》中，介绍了一个简单而神奇的选股公式，《证券市场周刊》对该公式在A股市场选股有持续的跟踪报道。据《证券市场周刊》介绍神奇公式选用的两个指标是投资回报率（ROTC）和收益率（EBIT/EV）对上市公司进行筛选。

神奇公式选股组合在A股长期表现优异。

我们在研究中，使用了个股分析中常用的估值指标--EV/EBITDA和ROIC，来代替上述指标，对A股上市公司进行筛选。数据采集用每年4月30日的估值数据和前一年的财报ROIC数据，数据清洗过程是剔除小于零或大于100的点，选取ROIC