報(bào)告要點(diǎn)
風(fēng)格的定義是風(fēng)格輪動(dòng)的基礎(chǔ)
在風(fēng)格輪動(dòng)策略的研究中，最基礎(chǔ)最根本的就是風(fēng)格的定義，需要明確輪動(dòng)所用的標(biāo)的。明確風(fēng)格的構(gòu)建與收益無關(guān)，只與風(fēng)格刻畫的準(zhǔn)確性相關(guān)。
將風(fēng)格定義方式區(qū)分為依賴于當(dāng)前狀態(tài)與依賴于未來狀態(tài)
規(guī)模、價(jià)值、反轉(zhuǎn)、動(dòng)量風(fēng)格投資依賴于股票當(dāng)前所處狀態(tài)，因此使用因子當(dāng)前數(shù)值來代表風(fēng)格指標(biāo)。成長、盈利、紅利、防御風(fēng)格投資依賴于股票未來可能所處狀態(tài)，因此使用預(yù)期因子未來值來代表風(fēng)格指標(biāo)。
目標(biāo)下期風(fēng)格的因子加權(quán)方法對未來風(fēng)格的刻畫效果更佳
相較于以收益為目標(biāo)導(dǎo)向的風(fēng)格定義方法，目標(biāo)下期風(fēng)格因子的方式，得到的風(fēng)格因子值與未來風(fēng)格的劃分相關(guān)性更高，更加準(zhǔn)確地捕捉到風(fēng)格。
小盤VS大盤、短期反轉(zhuǎn)VS動(dòng)量、低估值VS高估值、高盈利VS低盈利、成長VS價(jià)值幾類的風(fēng)格擇時(shí)價(jià)值的更高，擇時(shí)的研究價(jià)值也相對更大
無論是不同的風(fēng)格之間，亦或是同一風(fēng)格的不同時(shí)間點(diǎn)，風(fēng)格的表現(xiàn)差異性均較大。從中長期風(fēng)格月度收益波動(dòng)率來看，小盤VS大盤、短期反轉(zhuǎn)VS動(dòng)量、低估值VS高估值、高盈利VS低盈利、成長VS價(jià)值幾類的風(fēng)格擇時(shí)價(jià)值的更高，擇時(shí)的研究價(jià)值也相對更大。
在后續(xù)的研究中，我們將以這些風(fēng)格指標(biāo)為標(biāo)的，進(jìn)行各風(fēng)格指標(biāo)影響因素分析，構(gòu)建不同層面的風(fēng)格輪動(dòng)模型。
風(fēng)格定義的問題
“巧婦難為無米之炊”，在風(fēng)格輪動(dòng)策略的研究中，最基礎(chǔ)最根本的就是風(fēng)格的定義，即風(fēng)格輪動(dòng)策略的“米”，需要明確輪動(dòng)所用的標(biāo)的。
傳統(tǒng)的風(fēng)格研究中，以大小盤風(fēng)格為例，以往可能選用滬深300與中證500指數(shù)的相對收益作為標(biāo)準(zhǔn)，但事實(shí)上這樣的方式一方面大小盤的代表不準(zhǔn)確，另一方面也很難直接應(yīng)用于股票投資。
隨著多因子理論的興起，更多人從因子的角度來定義風(fēng)格，比如以規(guī)模因子的表現(xiàn)來定義大小盤風(fēng)格。誠然，這樣的方法在對某些因子的定義上較為合理，但是在某些因子上這樣的方法并不能準(zhǔn)確得定義風(fēng)格。以成長風(fēng)格為例，站在當(dāng)下投資高成長風(fēng)格的原因本質(zhì)是想要投資未來能夠延續(xù)或者有持續(xù)的高增速的公司，篩選因子和因子加權(quán)應(yīng)該是以風(fēng)格的準(zhǔn)確刻畫為導(dǎo)向。而在多因子體系中，無論是篩選因子還是給因子賦權(quán)重，均是以最大化收益為目標(biāo)導(dǎo)向（因子IC、對下期收益解釋程度），原因是因?yàn)槎嘁蜃芋w系本質(zhì)上是目標(biāo)最大化下期收益解釋程度的，而并不在意當(dāng)前投資的是否真正是想要投資的風(fēng)格。
因此本篇報(bào)告從狀態(tài)和預(yù)期，即當(dāng)前狀態(tài)和對未來預(yù)期，兩個(gè)角度來重新定義大類的風(fēng)格指標(biāo)，并對比重新定義的風(fēng)格指標(biāo)與傳統(tǒng)方式的優(yōu)劣，計(jì)算風(fēng)格在每個(gè)階段的收益，并據(jù)此判斷風(fēng)格擇時(shí)價(jià)值。
風(fēng)格分類與定義
Barra中的風(fēng)險(xiǎn)因子定義方式就是典型的因子角度出發(fā)的風(fēng)格因子定義方式，然而barra中對于風(fēng)險(xiǎn)因子定義的出發(fā)點(diǎn)是用于對股票收益的解釋，篩選因子以及合成大類風(fēng)格因子的標(biāo)準(zhǔn)都是使得下期收益率最大化（市場上也有以因子IC、ICIR來篩選和合成的方式，本質(zhì)均為目標(biāo)收益導(dǎo)向）。誠然，這樣的合成方式在用于多因子選股策略的構(gòu)建時(shí)，效果是很好的。但是，如果應(yīng)用于識(shí)別風(fēng)格的變化，這樣的方法其實(shí)并不合適。
因?yàn)?，風(fēng)格投資者更關(guān)心的是所購買的股票在當(dāng)前或者未來是否是他所需求的風(fēng)格類型，而不是其所投資的股票下期能夠獲得多少收益，。一種風(fēng)格不能因?yàn)樵谀骋欢螘r(shí)間它對下一期的收益預(yù)測效果降低了，就說該風(fēng)格不存在了，或者要改變風(fēng)格的定義，而僅僅是在這段時(shí)間內(nèi)風(fēng)格的收益表現(xiàn)不佳。我們需要將風(fēng)格的定義與風(fēng)格的收益區(qū)分開來，風(fēng)格的識(shí)別和定義與收益是不相關(guān)的。因此，在對風(fēng)格定義的時(shí)候，我們應(yīng)當(dāng)追求的是最大化風(fēng)格指標(biāo)解釋程度，而不是最大化收益的解釋程度。
此外，不同的風(fēng)格類型，需求的目標(biāo)也可能是不同的，比如價(jià)值投資，追求的是尋找當(dāng)前估值較低的公司的投資風(fēng)格，而成長投資，追求的是未來能夠獲得高增速的公司的投資風(fēng)格。
因此我們對風(fēng)格的定義方法做了區(qū)分，將定義方法區(qū)分為狀態(tài)類與預(yù)期類。
狀態(tài)類：指的是該風(fēng)格投資依賴于股票當(dāng)前所處狀態(tài)，比如規(guī)模、價(jià)值、反轉(zhuǎn)、動(dòng)量。
預(yù)期類：指的是該風(fēng)格投資依賴于股票未來可能所處狀態(tài)，比如成長、盈利、紅利、防御。
我們采用海外主流對風(fēng)格的分類：價(jià)值（value）、成長（growth）、動(dòng)量（Momentum）、紅利（Carry）、防御（Defensive），并結(jié)合國內(nèi)研究加入規(guī)模、盈利兩種分類，共計(jì)7類風(fēng)格指標(biāo)。
下表中列舉了我們的風(fēng)格分類所采用的所有因子指標(biāo)以及其算法。
因子預(yù)處理
以2007年5月1日-2017年12月31日之間因子的月度數(shù)據(jù)，對列表中的因子的特征進(jìn)行分析。
因子標(biāo)準(zhǔn)化
首先對因子，根據(jù)中信一級(jí)行業(yè)進(jìn)行行業(yè)內(nèi)標(biāo)準(zhǔn)化處理，并以行業(yè)中位數(shù)為缺失值補(bǔ)全。剔除因子在行業(yè)層面的暴露，同時(shí)對數(shù)據(jù)采用絕對中位數(shù)差法（median absolute deviation）歸一化處理:
對3倍標(biāo)準(zhǔn)差外的取值歸一到3倍標(biāo)準(zhǔn)差。
可以看到部分因子與市值因子相關(guān)性較強(qiáng)，而且A股歷史上市值因子過于強(qiáng)勢，因此在嘗試構(gòu)建風(fēng)格因子時(shí)，對因子與市值因子進(jìn)行正交化處理，做市值中性化處理。
同時(shí)風(fēng)格因子內(nèi)部各因子往往相關(guān)性較強(qiáng)，在做預(yù)期類因子的構(gòu)建時(shí)，為避免共線性的影響，子因子之間進(jìn)行正交化處理。
市值中性化
我們對各因子均進(jìn)行市值中性化處理，中性化處理后各因子之間的相關(guān)系數(shù)矩陣如下：
可以看到，中性化處理后，各因子與市值因子相關(guān)性均降低到了0，即剝離了市值因子的影響。可以看到剝離市值影響之后，風(fēng)格因子內(nèi)部因子的相關(guān)性有所上升，對于回歸合成風(fēng)格的因子需要對內(nèi)部的共線性也進(jìn)一步消除，這將在下一部分風(fēng)格的合成中詳細(xì)介紹。
風(fēng)格的合成
我們對因子進(jìn)行預(yù)處理之后，剔除了因子的行業(yè)影響和市值影響，后續(xù)對這些中性化的因子進(jìn)行風(fēng)格的合成處理。
狀態(tài)類
在狀態(tài)類風(fēng)格因子的構(gòu)建中，我們對其中價(jià)值類風(fēng)格的子因子進(jìn)行等權(quán)處理，合成得到價(jià)值因子的取值，而規(guī)模、反轉(zhuǎn)、動(dòng)量三個(gè)風(fēng)格我們均按照原始子因子的值進(jìn)行定義，通過這樣的方式我們定義得到了規(guī)模、價(jià)值、反轉(zhuǎn)、動(dòng)量四個(gè)風(fēng)格的取值。
預(yù)期類
而對于預(yù)期類的風(fēng)格因子，如上文所述我們需要采用不同的方式進(jìn)行定義。
我們認(rèn)為，預(yù)期類風(fēng)格投資，比如成長、盈利、紅利、防御，依賴于股票未來可能所處狀態(tài)，也就是說，投資者投資于該風(fēng)格，需求的是未來這些股票是否是這樣的風(fēng)格，而不僅是這些股票當(dāng)前處于這樣的風(fēng)格。比如成長風(fēng)格的投資，投資者寄期望于投資的公司能夠未來持續(xù)地呈現(xiàn)高速的成長性，因此定義風(fēng)格的目標(biāo)導(dǎo)向應(yīng)該是對未來風(fēng)格的預(yù)測效果。
因此，為了評判我們對未來預(yù)測的準(zhǔn)確與否，我們需要設(shè)定一個(gè)對于每個(gè)風(fēng)格劃分的核心因子，并以此代替?zhèn)鹘y(tǒng)多因子體系下的下期收益率，作為最大化解釋程度的目標(biāo)：
設(shè)定了目標(biāo)因子之后，我們可以通過最大化對下期目標(biāo)因子的解釋程度來確定各子因子的權(quán)重，從而合成風(fēng)格因子。
正交化
而為了消除因子間的共線性，保證合成風(fēng)格指標(biāo)時(shí)回歸系數(shù)的穩(wěn)定性，我們需要對原始因子矩陣進(jìn)行正交化處理。
我們運(yùn)用我們多因子報(bào)告《因子正交全攻略——理論、框架與實(shí)踐》中介紹的對稱正交方法對原始因子矩陣進(jìn)行正交化：
子因子權(quán)重
經(jīng)過正交化處理后，我們對正交化后的因子特性進(jìn)行研究，可以發(fā)現(xiàn)，經(jīng)過正交化處理之后風(fēng)格指標(biāo)內(nèi)部的因子相關(guān)性幾乎為0，消除了共線性的影響之后，我們可以用風(fēng)格指標(biāo)的子因子對核心因子的下期值進(jìn)行預(yù)測。
在對因子進(jìn)行回歸時(shí)，值得注意的一點(diǎn)是對于財(cái)務(wù)類的因子其更新周期并不是月度的，因此在每次回歸時(shí)，采用每個(gè)財(cái)報(bào)期的時(shí)間點(diǎn)進(jìn)行預(yù)測，并將該預(yù)測結(jié)果一直沿用至下期財(cái)報(bào)之前。其中盈利因子與成長因子以季度為單位進(jìn)行建模，紅利因子以半年度為單位建模。
在對風(fēng)格的核心因子回歸時(shí)，我們運(yùn)用過去三期的因子數(shù)據(jù)進(jìn)行回歸，得到各因子的回歸系數(shù)，將該回歸系數(shù)作為當(dāng)期各子因子的加權(quán)系數(shù)，加權(quán)得到的因子值即預(yù)期因子。該預(yù)期因子即作為當(dāng)期風(fēng)格因子值。
合成方法的評價(jià)
通過上述的合成方法，我們構(gòu)建了成長、盈利、紅利、防御四大風(fēng)格因子，而相比于傳統(tǒng)的最大化下期收益的加權(quán)方式，我們運(yùn)用最大化下期核心因子的方式來為各子因子進(jìn)行加權(quán)處理。我們對這種加權(quán)方式進(jìn)行兩方面的對比評價(jià)，一是單純使用核心因子當(dāng)前值來劃分風(fēng)格，二是以最大化下期收益方式劃分風(fēng)格（多因子體系下的風(fēng)格劃分）。
首先我們來對比單純使用核心因子當(dāng)期值來預(yù)測下期核心因子方式回歸的Ｒ方，其中，防御因子因?yàn)椴捎昧藛我灰蜃?，因此不做比較。
可以看到，成長風(fēng)格與盈利風(fēng)格多因子的回歸方式R方明顯得到了提高，其中成長風(fēng)格中明顯可以看到，當(dāng)期的主營業(yè)務(wù)收入同比水平對下期的預(yù)測效果極差，因此單純以當(dāng)期主營業(yè)務(wù)收入同比來定義劃分成長風(fēng)格得到的結(jié)果與預(yù)期這些公司未來高成長的愿景不相符。因此，通過多個(gè)成長因子加權(quán)得到的結(jié)果能夠更加準(zhǔn)確地刻畫成長風(fēng)格。盈利風(fēng)格在R方的提升方面也取得了較為明顯的結(jié)果。而紅利因子因?yàn)橛糜陬A(yù)測的因子數(shù)量較少，且相關(guān)性相對較高，因此Ｒ方提升并不是特別明顯。
其次，傳統(tǒng)的風(fēng)險(xiǎn)因子的構(gòu)建多基于收益角度來構(gòu)建風(fēng)險(xiǎn)因子的子因子權(quán)重，服務(wù)于多因子模型，致力于提高因子對下期收益的解釋能力。而在風(fēng)格的界定上，這樣的方法并不合適，正如前文所述，風(fēng)格投資者考慮的更多的是投資是否準(zhǔn)確地投資到了對應(yīng)的風(fēng)格上，而不是此次的風(fēng)格投資為自己貢獻(xiàn)了多少收益。所以我們來觀察，用兩種方法得到的風(fēng)格因子與下一期實(shí)際核心因子的相關(guān)性，驗(yàn)證哪一種方式對風(fēng)格的把控更加準(zhǔn)確?；谑找娼嵌鹊姆椒ㄎ覀儾捎米右蜃訉ο缕谑找婊貧w，并用回歸系數(shù)加權(quán)合成風(fēng)險(xiǎn)因子的方法為例。
對比我們合成的風(fēng)格因子、基于收益的風(fēng)險(xiǎn)因子與下一期實(shí)際的核心因子相關(guān)系數(shù)?？梢钥吹轿覀兒铣傻玫降娘L(fēng)格因子與下期核心因子的相關(guān)性明顯高于基于收益因子的結(jié)果。這也說明了，從最大化收益法加權(quán)得到的風(fēng)險(xiǎn)因子，對下期收益的解釋能力或許的確很高，但是其對下期風(fēng)格的識(shí)別是會(huì)有很大的偏誤的。 紅利因子的結(jié)果更加明顯，由于股息率與股價(jià)波動(dòng)方向存在負(fù)相關(guān)性，如果以收益導(dǎo)向來為其加權(quán)，得到的相關(guān)系數(shù)與最終結(jié)果截然相反。而基于預(yù)期法的成長因子與盈利因子的相關(guān)系數(shù)更為穩(wěn)定，基于收益法的結(jié)果相關(guān)系數(shù)波動(dòng)巨大。從而驗(yàn)證了，通過預(yù)期法得到的風(fēng)格因子能夠保證更好的風(fēng)格預(yù)測與延續(xù)效果，使得對于風(fēng)格的投資準(zhǔn)確地落地在真正的風(fēng)格類股票組合上。
風(fēng)格切換收益
通過上述風(fēng)格合成的步驟，得到了各風(fēng)格的取值。不過風(fēng)格的研究最終仍然要落實(shí)到什么時(shí)間投資什么風(fēng)格的問題，為了進(jìn)行這個(gè)問題的研究，首先我們需要對風(fēng)格的表現(xiàn)設(shè)立一個(gè)標(biāo)準(zhǔn)。
由于本文從因子的角度來劃分風(fēng)格，得到了各個(gè)股票在每個(gè)風(fēng)格上的得分，我們就可以依據(jù)評判因子表現(xiàn)的方法來評判風(fēng)格的表現(xiàn)。我們在這里采用了分組回測的方式來對風(fēng)格的表現(xiàn)進(jìn)行衡量。
回測框架：
1、 回測時(shí)間區(qū)間：2007年8月1日-2017年12月29日
2、 回測范圍：全A股票
3、 剔除停牌與交易日漲停個(gè)股
4、 根據(jù)風(fēng)格因子值分為十組，分別計(jì)算收益
5、 調(diào)倉頻率：月度
計(jì)算得到的第一組與第十組的多頭收益作為該風(fēng)格極端的代表性收益，但是單純的多頭收益收到市場影響較大，更多時(shí)候我們關(guān)注在兩個(gè)風(fēng)格之間的切換關(guān)系。我們設(shè)定不同的風(fēng)格配對組合，觀察風(fēng)格間的收益情況來判斷什么時(shí)間點(diǎn)哪幾種風(fēng)格相對強(qiáng)勢，哪幾種風(fēng)格表現(xiàn)不佳.
風(fēng)格擇時(shí)價(jià)值
通過對風(fēng)格的重新定義，我們劃定了風(fēng)格因子并計(jì)算了風(fēng)格因子的收益，但是可以看到，各個(gè)風(fēng)格的表現(xiàn)迥異。無論是不同的風(fēng)格之間，亦或是同一風(fēng)格的不同時(shí)間點(diǎn)，風(fēng)格的表現(xiàn)差異性均較大。在不同的風(fēng)格上和不同的時(shí)間階段上對其進(jìn)行擇時(shí)是否有價(jià)值，是我們需要進(jìn)行衡量的一個(gè)重要方面。
我們用不同時(shí)間周期下的風(fēng)格配對月度收益標(biāo)準(zhǔn)差來衡量這段時(shí)期內(nèi)風(fēng)格擇時(shí)的價(jià)值，只有當(dāng)風(fēng)格配對的收益率的波動(dòng)率足夠大，代表著風(fēng)格配對月間的收益波動(dòng)越大，對風(fēng)格配對進(jìn)行擇時(shí)的效果也就越好。
可以看到，從短期（6-12個(gè)月）來看，小盤VS大盤、短期反轉(zhuǎn)VS動(dòng)量的擇時(shí)價(jià)值最大，低估值VS高估值、長期動(dòng)量VS反轉(zhuǎn)、盈利風(fēng)格、防御風(fēng)格的擇時(shí)價(jià)值較大。而中長期（36-48個(gè)月）來看，擇時(shí)價(jià)值排序?yàn)樾”PVS大盤、短期反轉(zhuǎn)VS動(dòng)量、低估值VS高估值、盈利風(fēng)格、成長VS價(jià)值。總體而言高紅利VS紅利等權(quán)、高成長VS低成長的擇時(shí)價(jià)值相對較低。
因此風(fēng)格的擇時(shí)價(jià)值大部分集中于小盤VS大盤、短期反轉(zhuǎn)VS動(dòng)量、低估值VS高估值、高盈利VS低盈利、成長VS價(jià)值，這幾類的風(fēng)格切換的擇時(shí)性價(jià)比更高，擇時(shí)的研究價(jià)值也相對更大。
總結(jié)
本報(bào)告從風(fēng)格投資的追求的目標(biāo)出發(fā)，定義風(fēng)格指標(biāo)，并確定風(fēng)格收益的基準(zhǔn)，并根據(jù)收益的波動(dòng)率大小來衡量各風(fēng)格擇時(shí)的價(jià)值。
首先，我們將風(fēng)格的定義區(qū)分成兩個(gè)部分，一是狀態(tài)類，指的是該風(fēng)格投資依賴于股票當(dāng)前所處狀態(tài)，比如規(guī)模、價(jià)值、反轉(zhuǎn)、動(dòng)量。一是預(yù)期類，指的是該風(fēng)格投資依賴于股票未來可能所處狀態(tài)，比如成長、盈利、紅利、防御。
其次，對于狀態(tài)類風(fēng)格，采用對應(yīng)的因子指標(biāo)來對風(fēng)格指標(biāo)進(jìn)行計(jì)算。
再次，對于預(yù)期類風(fēng)格，采用最大化下期核心因子解釋程度的方式對風(fēng)格指標(biāo)內(nèi)因子進(jìn)行加權(quán)處理，得到對應(yīng)的預(yù)期類風(fēng)格指標(biāo)。
再次，運(yùn)用得到的風(fēng)格指標(biāo)，在全市場內(nèi)篩選股票，建立股票組合，風(fēng)格指標(biāo)極端的前后10%構(gòu)建的組合是不同風(fēng)格的極端代表。
最后，根據(jù)風(fēng)格收益的波動(dòng)性來衡量各風(fēng)格的擇時(shí)價(jià)值，確定擇時(shí)價(jià)值最高的風(fēng)格切換類型為小盤VS大盤、短期反轉(zhuǎn)VS動(dòng)量、低估值VS高估值、高盈利VS低盈利、成長VS價(jià)值。
“無目標(biāo)的努力猶如在黑暗中遠(yuǎn)征”，明確了風(fēng)格輪動(dòng)目標(biāo)，在后續(xù)的研究中，我們將以這些風(fēng)格指標(biāo)為標(biāo)的，進(jìn)行各風(fēng)格指標(biāo)影響因素分析，構(gòu)建不同層面的風(fēng)格輪動(dòng)模型。
天風(fēng)金工專題報(bào)告一覽
1 《金融工程：我國商品期貨分類及異質(zhì)性基本面分析概述》 2018-1-31
2《金融工程：季節(jié)性盈利異象帶來的意外收益》 2018-01-22
3 《金融工程：對比效應(yīng)對超預(yù)期事件的增強(qiáng)策略》2017-12-12
4 《金融工程：基于風(fēng)格因子溢價(jià)的資產(chǎn)配置視角》2017-12-5
5 《金融工程：勝率超40%的重組預(yù)測模型》2017-11-28
6 《金融工程：引入衰減加權(quán)和趨勢跟蹤的主成分風(fēng)險(xiǎn)平價(jià)模型研究》2017-11-17
7 《金融工程：協(xié)方差矩陣的估計(jì)和評價(jià)方法》2017-11-17
8 《金融工程：因子正交全攻略——理論、框架與實(shí)踐》2017-10-30
9 《金融工程：基于時(shí)變相關(guān)系數(shù)的動(dòng)態(tài)對沖策略——?jiǎng)討B(tài)對沖表現(xiàn)跟蹤》2017-10-27
10 《金融工程：信用利差的選擇性對沖—國債期貨套保實(shí)證》2017-10-24
11 《金融工程：基于動(dòng)態(tài)風(fēng)險(xiǎn)控制的組合優(yōu)化模型》2017-09-21
12 《金融工程：基于半衰主成分風(fēng)險(xiǎn)平價(jià)模型的全球資產(chǎn)配置策略研究》 2017-09-18
13 《金融工程：基于風(fēng)格因子視角的FOF投資策略研究》 2017-09-18
14 《金融工程：剩余價(jià)值模型下的估值因子在A股中的實(shí)證》 2017-09-08
15 《金融工程：國債期貨套期保值實(shí)證》 2017-09-04
16 《金融工程：MHKQ因子擇時(shí)模型在A股中的應(yīng)用》 2017-08-15
17 《金融工程：專題報(bào)告二十三-自適應(yīng)收益預(yù)測模型下的組合優(yōu)化策略》 2017-08-14
18 《金融工程：FOF專題研究（四）：景順長城滬深300增強(qiáng)指數(shù)型基金》2017-08-10
19《金融工程：專題報(bào)告二十一-買賣壓力失衡——利用高頻數(shù)據(jù)拓展盤口數(shù)據(jù)》2017-08-01
20《金融工程：FOF 專題研究（三）：華泰柏瑞量化A偏股混合型基金》2017-07-24
21 《金融工程：專題報(bào)告十九-半衰IC加權(quán)在多因子選股中的應(yīng)用》2017-07-22
22《金融工程：FOF專題研究（二）：國泰估值優(yōu)勢偏股混合型基金》2017-07-17
23《金融工程：專題報(bào)告-私募EB正股的投資機(jī)會(huì)》2017-07-11
24 《金融工程：FOF專題研究（一）：銀華中小盤精選偏股混合型基金》2017-07-06
25 《金融工程：中期策略會(huì)紀(jì)要1：天風(fēng)金工“四位一體”倉位管理體系》2017-06-27
26 《金融工程：專題報(bào)告-國債期貨組合趨勢策略：以損定量,順勢加倉》2017-06-19
27《金融工程：專題報(bào)告-戴維斯雙擊》2017-06-12
28 《金融工程：專題報(bào)告-反轉(zhuǎn)現(xiàn)象的選擇性交易策略》 2017-06-01
29 《金融工程：專題報(bào)告-國債期貨展期價(jià)差交易》 2017-05-25
30 《金融工程：專題報(bào)告-基于高管增持事件的投資策略》 2017-05-14
31 《金融工程：專題報(bào)告-2017年6月滬深重點(diǎn)指數(shù)樣本股調(diào)整預(yù)測》 2017-05-06
32 《金融工程：專題報(bào)告-預(yù)知業(yè)績能有多少超額收益？》 2017-04-16
33 《金融工程：專題報(bào)告-策略的趨勢過濾》 2017-03-22
34 《金融工程：專題報(bào)告-日間趨勢策略初探》 2017-03-10
35 《金融工程：專題報(bào)告-基于自適應(yīng)破發(fā)回復(fù)的定增選股策略》 2017-03-09
36 《金融工程：專題報(bào)告-定增節(jié)點(diǎn)收益全解析》 2017-03-06
37 《金融工程：專題報(bào)告-潛伏ST摘帽》 2017-03-06
38 《金融工程：專題報(bào)告-量化CTA策略概述》 2017-02-14
39 《金融工程：專題報(bào)告-潛伏業(yè)績預(yù)增》 2017-02-13
聯(lián)系客服
