卖方金工研报目录
按券商和系列整理的金融工程研报。研报和论文的版权归原作者和原机构所有，这里只做学习研究用的索引，文件保存在 GitHub 仓库里。如果权利人认为某份文件不宜公开，请通过关于页联系我们处理。
共 194 份，按目录分组：
多因子
3 份 · 在 GitHub 打开目录
- 2019-09-03_财通证券_“拾穗”多因子系列报告：当我们在做因子正交化的时候，我们在做什么？
- 2019-10-29_财通证券_“拾穗”多因子系列报告（第19期）：似是而非-横截面回归还是时间序列回归？
- 国泰君安－基于短周期价量特征的多因子选股体系
海通报告
93 份 · 在 GitHub 打开目录
- 1_选股因子研究系列（一）——A股市场的动量反转效应研究
- 2_选股因子研究系列（二）：因子模型的尾部相关性研究-海通证券 - 副本
- 3_选股因子研究系列（三）——从Spearman相关系数出发研究因子有效性
- 4_选股因子研究系列（四）：多因子选股模型的有效与失效-海通证券 - 副本
- 5_选股因子研究系列（五）——寻找股价驱动新因子之净换手率
- 6_选股因子研究系列（六）——极值视角下的多因子选股策略
- 7_选股因子研究系列（七）——融资推动股价明显，融券作用有限
- 8_选股因子研究系列（八）——单因子多策略组合
- 9_选股因子研究系列（九）——上市公司薪酬那点事
- 10_选股因子研究系列（十）——基于波段划分的动态反转因子
- 2016-06-06_海通证券_选股因子系列研究（十一）：Level2行情选股因子初探
- 2016-06-28_海通证券_选股因子系列研究（十二）-量与价的结合
- 2016-07-20_海通证券_选股因子系列研究（十三）：因子大讲坛
- 2016-08-10_海通证券_选股因子系列研究（十四）：交易行为的波动和股票预期收益
- 2016-09-29_海通证券_选股因子系列研究（十五）：“博彩型”股票的预期收益
- 2016-09-31_海通证券_选股因子系列研究（十六）：选股因子空头收益的转化
- 2017-01-19_海通证券_选股因子系列研究（十七）：选股因子的正交
- 2017-03-28_海通证券_选股因子系列研究（十八）：价格形态选股因子
- 2017-05-08_海通证券_选股因子系列研究（十九）：高频因子之股票收益分布特征
- 2017-06-13_海通证券_选股因子系列研究（二十）：基于条件期望的因子择时框架
- 2017-06-28_海通证券_选股因子系列研究（二十一）：分析师一致预期相关因子
- 2017-07-04_海通证券_选股因子系列研究（二十二）——分析师覆盖度与股票预期收益-
- 2017-07-27_海通证券_选股因子系列研究（二十三）：历史财务信息对股票收益的预测能力
- 2017-08-29_海通证券_选股因子系列研究（二十四）：基于拟合优度和波动率调整的因子溢价估计
- 2017-09-11_海通证券_选股因子系列研究（二十五）：高频因子之已实现波动分解
- 2017-10-09_海通证券_选股因子系列研究（二十六）：因子加权、正交和择时的若干性质
- 2017-10-18_海通证券_选股因子系列研究（二十七）：分位数回归在多因子选股中的应用
- 2017-10-20_海通证券_选股因子系列研究（二十九）：——因子降维I：底层因子降维方法对比
- 2017-11-01_海通证券_选股因子系列研究（二十八）：致预期质量分析
- 2017-12-26_海通证券_选股因子系列研究（三十）：因子择时模型改进与择时指标库构建
- 2018-01-05_海通证券_选股因子系列研究（三十一）：因子择时指标的筛选
- 2018-03-22_海通证券_选股因子系列研究（三十二）：因子择时在风险控制模型中的应用
- 2018-05-24_海通证券_选股因子系列研究（三十三）：预期调整类因子的收益特征
- 2018-06-25_海通证券_选股因子系列研究（三十四）：宏观经济数据可以用来选股吗？
- 2018-07-09_海通证券_选股因子系列研究（三十五）：宏观经济的不确定性在A股市场被定价了吗？
- 2018-08-16_海通证券_选股因子系列研究（三十六）：哪些宏观经济指标存在选股效应？
- 2018-08-30_海通证券_选股因子系列研究（三十七）：A股是否存在异质动量效应？
- 2018-09-26_海通证券_选股因子系列研究（三十八）：因子敞口上限对优化组合的影响
- 2018-10-12_海通证券_选股因子系列研究（三十九）：如何计算盈利指标的趋势？
- 2018-10-19_海通证券_选股因子系列研究（四十）：预期因子的底层数据处理
- 2018-10-24_海通证券_选股因子系列研究（四十一）：医药行业因子选股研究
- 2018-11-08_海通证券_选股因子系列研究（四十二）——因子失效预警：因子拥挤
- 2019-01-30_海通证券_选股因子系列研究（四十三）：因子拥挤度的改进
- 2019-02-01_海通证券_选股因子系列研究（四十四）：因子拥挤度的扩展
- 2019-02-22_海通证券_选股因子系列研究（四十五）：质量因子
- 2019-04-17_海通证券_选股因子系列研究（四十六）：日内分时成交中的玄机
- 2019-05-09_海通证券_选股因子系列研究（四十七）：捕捉投资者的交易意愿
- 2019-05-29_海通证券_选股因子系列研究（四十八）：探索A股的五因子模型
- 2019-06-17_海通证券_选股因子系列研究（四十九）——当下跌遇到托底
- 2019-06-19_海通证券_选股因子系列研究（五十）-个股加权方式对比
- 2019-07-21_海通证券_选股因子系列研究（五十一）：消费板块的因子组合
- 2019-08-07_海通证券_选股因子系列研究（五十二）：基于回归树的因子择时模型
- 2019-08-26_海通证券_选股因子系列研究（五十三）：上市公司关系网因子
- 2019-09-11_海通证券_选股因子系列研究（五十四）：资产增长稳定性与资本结构变化
- 2019-09-24_海通证券_选股因子系列研究（五十五）：价量波动幅度
- 2019-11-07_海通证券_选股因子系列研究（五十六）：买卖单数据中的Alpha
- 2020-01-13_海通证券_选股因子系列研究（五十七）：基于主动买入行为的选股因子
- 2020-02-17_海通证券_选股因子系列研究（五十八）：知情交易与主买主卖
- 2020-02-24_海通证券_选股因子系列研究（五十九）：基于逐笔成交数据的高频因子梳理
- 2020-03-06_海通证券_选股因子系列研究（六十）：如何利用高频因子的空头效应？
- 2020-03-23_海通证券_选股因子系列研究（六十一）：从加权IC到机器学习-高频因子多头失效的修正
- 2020-04-07_海通证券_选股因子系列研究（六十二）：被动产品的规模扩张对alpha策略的影响分析-从美国到中国的证据
- 2020-04-13_海通证券_选股因子系列研究（六十三）：剔除高频多因子空头组合后的沪深300指数增强策略
- 2020-04-24_海通证券_选股因子系列研究（六十四）：基于直观逻辑和机器学习的高频数据低频化应用
- 2020-05-28_海通证券_选股因子系列研究（六十五）：剔除高频因子空头组合后的中证500指数增强策略
- 2020-06-22_海通证券_选股因子系列研究（六十六）：寻找逐笔交易中的有效信息
- 2020-06-24_海通证券_选股因子系列研究（六十七）：短周期高频因子与组合调仓收益增强
- 2020-07-08_海通证券_选股因子系列研究（六十八）：基金重仓超配因子及其对指数增强组合的影响
- 2020-07-30_海通证券_选股因子系列研究（六十九）：高频因子的现实与幻想
- 2020-08-31_海通证券_选股因子系列研究（七十）：日内市场微观结构与高频因子选股能力
- 2020-12-18_海通证券_选股因子系列研究（七十一）：逐笔大单因子与大资金行为
- 2021-01-20_海通证券_选股因子系列研究（七十二）：大单的精细化处理与大单因子重构
- 2021-03-18_海通证券_选股因子系列研究（七十三）：使用基本面逻辑改进ROE因子
- 2021-12-02_海通证券_选股因子系列研究（七十四）：基于风格特征的股票重新分类及应用
- 2021-12-27_海通证券_选股因子系列研究（七十五）：限价订单簿（LOB）的还原和应用
- 2021-12-28_海通证券_选股因子系列研究（七十六）：基于深度学习的高频因子挖掘
- 2022-04-07_海通证券_选股因子系列研究（七十七）：改进深度学习高频因子的9个尝试
- 2022-04-18_海通证券_选股因子系列研究（七十八）：构造A股价值组合的三种范式
- 2022-05-31_海通证券_选股因子系列研究（七十九）：用注意力机制优化深度学习高频因子
- 2022-06-06_海通证券_注选股因子系列研究（八十）：股票久期的定义、溢价及应用
- 2022-06-21_海通证券_选股因子系列研究（八十一）：净利润相关指标的进一步改进
- 2022-07-11_海通证券_选股因子系列研究（八十二）：不可忽视的无形资产
- 2022-08-18_海通证券_选股因子系列研究（八十三）：盈利加速的定量刻画与高增长组合的构建
- 2022-09-15_海通证券_选股因子系列研究（八十四）：选股因子的季节效应及其成因
- 2022-10-24_海通证券_选股因子系列研究（八十五）：买卖单主动成交中的隐藏信息
- 2023-01-30_海通证券_选股因子系列研究（八十六）：深度学习高频因子的特征工程
- 2023-05-14_海通证券_选股因子系列研究（八十七）：高频与日度量价数据混合的深度学习因子
- 2023-09-12_海通证券_选股因子系列研究（八十八）：多颗粒度特征的深度学习模型-探索和对比
- 2023-10-25_海通证券_选股因子系列研究（八十九）：买入评级因子的改进及其在大盘股优选策略中的应用
- 2023-11-19_海通证券_选股因子系列研究（九十）：理解红利投资，加入红利投资，超越红利投资
- 2023-12-13_海通证券_选股因子系列研究（九十一）：组合规模、交易成本和大单冲击对因子表现的影响分析
- 2023-12-27_海通证券_选股因子系列研究（九十二）：组合约束对其收益表现的影响分析
- 2024-01-26_海通证券_选股因子系列研究（九十三）：深度学习因子的“模型动物园”
华泰多因子系列
13 份 · 在 GitHub 打开目录
- 20160921-华泰证券-多因子系列之一：华泰多因子模型体系初探
- 20160929-华泰证券-多因子系列之二：华泰单因子测试之估值类因子
- 20161031-华泰证券-多因子系列之三：华泰单因子测试之成长类因子
- 20161220-华泰证券-多因子系列之四：华泰单因子测试之动量类因子
- 20170109-华泰证券-多因子系列之五：华泰单因子测试之换手率类因子
- 20170327-华泰证券-多因子系列之六：华泰单因子测试之波动率类因子
- 20180517-华泰证券-多因子系列之七：华泰单因子测试之资金流向因子
- 20180525-华泰证券-多因子系列之八：华泰单因子测试之财务质量因子
- 20181214-华泰证券-多因子系列之九：华泰单因子测试之一致预期因子
- 20190104-华泰证券-多因子系列之十：因子合成方法实证分析
- 20190521-华泰证券-多因子系列之十一：华泰单因子测试之海量技术因子
- 20190612-华泰证券-多因子系列之十二：桑土之防，结构化多因子风险模型
- 20191015-华泰证券-多因子系列之十三：华泰单因子测试之历史分位数因子
华泰人工智能
41 份 · 在 GitHub 打开目录
- 华泰证券-华泰人工智能系列之1：人工智能选股框架及经典算法简介
- 华泰证券-华泰人工智能系列之2：人工智能选股之广义线性模型
- 华泰证券-华泰人工智能系列之3：人工智能选股之支持向量机模型
- 华泰证券-华泰人工智能系列之4：人工智能选股之朴素贝叶斯模型
- 华泰证券-华泰人工智能系列之5：人工智能选股之随机森林模型
- 华泰证券-华泰人工智能系列之6：人工智能选股之Boosting模型
- 华泰证券-华泰人工智能系列之7：人工智能选股之Python实战
- 华泰证券-华泰人工智能系列之8：人工智能选股之全连接神经网络
- 华泰证券-华泰人工智能系列之9：人工智能选股之循环神经网络模型
- 华泰证券-华泰人工智能系列之10：宏观周期指标应用于随机森林选股
- 华泰证券-华泰人工智能系列之11：人工智能选股之stacking集成学习
- 华泰证券-华泰人工智能系列之12：人工智能选股之特征选择
- 华泰证券-华泰人工智能系列之13：人工智能选股之损失函数的改进
- 华泰证券-华泰人工智能系列之14：对抗过拟合：从时序交叉验证谈起
- 华泰证券-华泰人工智能系列之15：人工智能选股之卷积神经网络
- 华泰证券-华泰人工智能系列之16：再论时序交叉验证对抗过拟合
- 华泰证券-华泰人工智能系列之17：人工智能选股之数据标注方法实证
- 华泰证券-华泰人工智能系列之18：机器学习选股模型的调仓频率实证
- 华泰证券-华泰人工智能系列之19：偶然中的必然：重采样技术检验过拟合
- 华泰证券-华泰人工智能系列之20：必然中的偶然：机器学习中的随机数
- 华泰证券-华泰人工智能系列之21：基于遗传规划的选股因子挖掘
- 华泰证券-华泰人工智能系列之22：基于CSCV框架的回测过拟合概率
- 华泰证券-华泰人工智能系列之23：再探基于遗传规划的选股因子挖掘
- 华泰证券-华泰人工智能系列之24：真假序列识别研究-投石问路：技术分析可靠否？
- 华泰证券-华泰人工智能系列之25——真假序列识别再探：市场弱有效性检验与择时战场选择
- 华泰证券-华泰人工智能系列之26：遗传规划在CTA信号挖掘中的应用
- 华泰证券-华泰人工智能系列之27：揭开机器学习模型的“黑箱”
- 华泰证券-华泰人工智能系列之28：基于量价的人工智能选股体系概览
- 华泰证券-华泰人工智能系列之29：提升超额收益 另类标签和集成学习
- 华泰证券-华泰人工智能系列之30：从关联到逻辑：因果推断初探
- 华泰证券-华泰人工智能系列之31：生成对抗网络GAN初探
- 华泰证券-华泰人工智能系列之32：AlphaNet：因子挖掘神经网络
- 华泰证券-华泰人工智能系列之33：数据模式探索：无监督学习案例
- 华泰证券-华泰人工智能系列之34：再探AlphaNet：结构和特征优化
- 华泰证券-华泰人工智能系列之35：WGAN应用于金融时间序列生成
- 华泰证券-华泰人工智能系列之36：相对生成对抗网络RGAN实证
- 华泰证券-华泰人工智能系列之37：舆情因子和BERT情感分类模型
- 华泰证券-华泰人工智能系列之38：WGAN生成：从单资产到多资产
- 华泰证券-华泰人工智能系列之39：周频量价选股模型的组合优化实证
- 华泰证券-华泰人工智能系列之40：微软AI量化投资平台Qlib体验
- 华泰证券-华泰人工智能系列之41：基于BERT的分析师研报情感因子
基金研究
8 份 · 在 GitHub 打开目录
- 2021-09-12_华安证券_基金研究系列之八：基金投资如何选准对标的“锚”-分类标签框架介绍
- 2021-11-26_信达证券_基金研究系列之六：基金标签体系-资产配置与行业主题配置
- 2021-12-30_中银证券_“固收+”基金研究系列之一：替代银行理财的投资工具
- 2022-01-15_信达证券_基金研究系列之七：基金标签体系-主动股混基金的风格刻画
- 2022-10-31_中信期货_FOF配置公募基金研究系列专题报告之一：类聚群分，权益公募如何择优
- 2023-03-22_浙商证券_公募基金研究体系：标签、因子、专题
- 2023-05-15_浙商证券_权益基金专题研究：权益基金池体系与研究框架
- 中金 _ 归因溯源，繁中选优——公募基金因子评价体系
量化前景
3 份 · 在 GitHub 打开目录
- 2020-09-08_海通证券_金融工程_金融工程专题报告：准另类数据与因子投资（刘洋溢博士）
- 2021-02-23_海通证券_金融工程_主动权益风头正劲，量化仍是一条值得布局和深耕的赛道吗？
- rflr-artificial-intelligence-in-asset-management
另类交易策略系列
32 份 · 在 GitHub 打开目录
- 另类交易策略系列之八：基于时域分形的相似性匹配日内低频交易策略（SMT）
- 另类交易策略系列之二：一类波动收敛突变模式的趋势跟随策略
- 另类交易策略系列之二十：期权对标的指数走势的预测性分析
- 另类交易策略系列之二十八：再论RSI指标在股指期货日内交易中的使用
- 另类交易策略系列之二十二：风格动量下的股指期货跨品种套利策略
- 另类交易策略系列之二十九：全球商品期货量化交易策略初探
- 另类交易策略系列之二十六——境外中概股股指期货对于A股市场择时研究
- 另类交易策略系列之二十七：均线交叉策略的另类创新研究
- 另类交易策略系列之二十三：股指期货高频追杀趋势策略
- 另类交易策略系列之二十四——观日内趋势，察行业轮动，品风格套利
- 另类交易策略系列之二十五：价量模式匹配股指期货交易策略
- 另类交易策略系列之二十一：基于市场情绪平稳度的股指期货日内交易策略
- 另类交易策略系列之九：基于遗传规划的智能交易策略方法
- 另类交易策略系列之六：基于GFTD的期指日内程序化交易策略
- 另类交易策略系列之七：在标度不变性破缺下洞察资金流向——MFT交易策略
- 另类交易策略系列之三：多项式拟合的股指期货趋势交易(LPTT)策略
- 另类交易策略系列之三十：探寻股指期货跨品种的最优组合
- 另类交易策略系列之三十二：从成份股一致性来衡量市场的趋势
- 另类交易策略系列之三十一：快速趋势识别下的金融期货交易策略
- 另类交易策略系列之十：基于遗传算法的期指日内交易系统
- 另类交易策略系列之十八：厚尾分布下的随机区间突破策略
- 另类交易策略系列之十二：基于遗传规划多维变量的股指期货交易策略
- 另类交易策略系列之十九：带反转的加强版EMDT交易策略
- 另类交易策略系列之十六：波段形态识别模型(WPRM)及期指交易策略应用
- 另类交易策略系列之十七：深度学习股指期货日内交易策略
- 另类交易策略系列之十三：基于统计语言模型（SLM）的择时交易研究
- 另类交易策略系列之十四：经验模态分解下的日内趋势交易策略
- 另类交易策略系列之十五：识别趋势震荡之神器MESA
- 另类交易策略系列之十一：日内突破模式及其资金管理的多重比较研究
- 另类交易策略系列之四：基于日内波动极值的股指期货趋势跟随系统
- 另类交易策略系列之五：基于缠中说禅之分型通道趋势交易系统
- 另类交易策略系列之一：基于混沌理论的股指期货噪声趋势交易策略
期货量化
1 份 · 在 GitHub 打开目录