研究结论

ROE是价值投资者考察上市公司盈利能力的一个重要指标，在美国市场上有效性很强，但在A股基本没有选股效果，造成“A股不看公司盈利”的印象。但如果ROE的分子换成一年后的未来盈利，ROE的选股能力将显著提高，说明历史ROE选股无效的原因主要在于其对公司未来盈利的预测作用太弱，准确的盈利预测可以为投资者带来超额收益。

预测公司盈利的常用方法有三种：时间序列法，横截面法和分析师一致预期。前两者是基于客观历史数据的统计模型，后者是分析师综合多种信息源研究后得到的汇总主观数据。从预测精度来看，采用历史TTM数据的时间序列方法预测准确性高于一致预期和横截面回归方法。分析师一致预期

摘要

随着陆港通的推进，港股受到内地投资者越来越多的关注。继动量反转效应、价值维度以及另类和成长因子研究后，我们推出“海外量化系列四”，港股研究的第四篇深度报告。 我们构建31个质量因子，测试结果显示：质量因子在港股中的选股有效性整体强于在A股中的表现，在31个质量因子当中，有12个质量因子选股效果较为显著，尤其是和经营性现金流以及主营业务收入相关的指标效果颇佳。以CFROA_TTM（2*经营活动产生的现金流量净额资产总计_最新财报+资产总计_去年同期)）为例，IC为统计量3.9，多空组合年化收益11.3%，夏普率1.12，最大回撤。 测试质量类子在不同行业的表现，发现因子在信息技术、可

来自A股自下而上的财务分析及展望

行业量化基本面深入剖析及横向对比

/wiki/static/upload/3f/3f14a587-16bf-461e-b6b7-f32942ae6920.pdf

\

摘要

交易者与交易标的是交易市场中最基础的两类元素，如果对应到二级权益市场，这两类元素的名称可以是股票与投资者（股东）。而股东作为市场的重要基础构成元素，一个值得关心的问题是：A股的股东样本及其结构本身是否具备信息价值？本篇报告将对股东类型数据进行梳理，从个股层面上尝试理清其背后可能存在的选股逻辑，并构建有效选股因子，以供投资者参考。

股东类数据：更新频率低但维度较为丰富。

股东数据可分为多个类别，包括股票的股东户数、股票前十大股东、股票机构股东、股票重要股东增减持等。其中除了增减持数据过于稀疏更适合作为事件研究外，股东数量、十大股东、机构股东数据基本都是季度频率，

研究结论

这篇报告主要从多个维度切入来研究业绩预告在传统的多因子框架下的应用。业绩预告比业绩快报和定期财务报告的公布时间更早，对推测上市公司业绩还是很重要的。从2012年开始，A股上市公司业绩预告的数量大幅的提升，且发布的预告的上市公司数量也达到了1500家左右，今年截至到6月底，已经有2600多家上市公司发布过了业绩预告，覆盖度较高。从业绩预告的质量来看，2007-2018.6区间内业绩预告与实际的单季净利润偏离在正负10%以内的预告占比在50.84%，正负20%以内的预告占比在67.94%，也就是说大多数公司的实际单季净利润不会偏离业绩预告上下限的均值太远，总体来说质量还是

摘要

随着陆股通的推进，内地投资者对港股的关注度也越来越高。在本报告中，我们对港股 Barra 模型进行了介绍，并对数据结果及应用进 行展示。

数据是分析的基础。我们在本地搭建了港股基础信息、行情序列、 交易数据、恒生行业分类、股票估值数据、资产负债、利润和现金 流量等数据表。港股数据质量相对于 A 股存在一定不足，还需进一 步完善。

对于行业分类，我们使用的是恒生一级行业分类：公用事业、原材 料业、地产建筑业、工业、消费品制造业、消费者服务业、电讯业、 综合企业、能源业、资讯科技业和金融业；风格包括市值、贝塔、 动量、波动率、非线性市值、BP、流动性、盈利、成长和杠杆等十 个因子。

研究结论

去年底至今，得益于南下资金的注入，以及经济复苏的预期，恒生综指涨幅已超过10%，低估值、高股息的优质港股吸引了全球投资者前来配置，随着沪港通、深港通的相继开放，港股与A股的关系日益紧密，两地投资者可以更加便捷地投资对方的股市，研究因子选股模型在港股的应用能产生直接的投资收益。

我们分别在恒生综指和港股通成分股内进行了7大类23个Alpha因子的有效性检验，和美股类似，估值、盈利、成长因子在港股中都比较显著，IC在3%左右，流动类因子中的Am ountAvg_1 M_3M（过去一个月日均成交额/过去三个月日均成交额）表现优异，特别是在港股通成分股当中，夏普比率最高0.

研究结论

风险模型有三个功能：控制风险暴露、估计收益率协方差矩阵、绩效归因。不是所有功能都要用到风险因子，估计协方差矩阵可以采用纯统计方法，报告把这个领域最新学术成果和业界常用的因子模型在A股进行了实证对比。

由于股票数量多，收益率样本数量少，样本协方差矩阵的估计误差比较大，导致其矩阵条件数（最大特征值除以最小特征值）较高，输入组合优化器进行数值求解时会让结果对数据误差十分敏感。压缩估计方法即是去调整样本协方差矩阵的特征值，压缩其分布区间，同时降低估计误差。我们之前研究中一直采用线性压缩方法（LS），报告里新测试了Ledoit(2017)提出的非线性压缩估计(NLS)。

因

摘要

随着因子投资的普及，海外成熟的Smartbeta在国内可能迎来大发展

近年来因子投资的研究越来越成熟，介绍因子投资方法论的文章也越来越多。因子投资的普及使得主动投资者也逐渐使用因子的视角观察市场。同时，随着A股的开放与发展，海外资金、养老金、保险资金等配置型资金逐渐进入市场。较大规模的资金更关心整体配置而不是个股选择。以上因素都增加了对因子投资的需求。我们认为Smartbeta类策略恰好可以满足因子投资的需求，同时其衍生的产品可以成为FOF基金的底层资产。在海外已经成为ETF基金支柱的Smartbeta类产品在国内将会有大的发展。

海外Smartbeta发展如火如

研究结论

从2016年12月沪港通开通以来，北上资金大量流入A股，截至2020年2月3日，北上资金累计流入A股1.05万亿，对A股带来了各方面的影响，因此无论是北上资金对市场风格影响还是北上持仓和流入流出本身的信息都是值得重点研究的。

本文基于公开的北上资金持仓数据构建了12个持仓特征和流入流出交易行为的因子，并在2016.12-2019.12区间对北上因子进行了批量测试。测试发现大多数北上因子在北上持仓股票（目前为2150支）、中证800和沪深300中均具有显著的选股效果。此外，部分表现较好的北上因子也具有一定的行业选择效果。

北上因子与传统的大类因子相关性很低，但其中北上持仓类

研究结论

反转和市值因子的失效触发了国内对因子择时的研究需求。海外市场和A股类似，因子择时研究的兴起也是由2007.08的“量化危机”和2008年金融危机触发。危机后估值、动量和质量因子的效果明显下降。报告汇总讨论了AQR、BlackRock、GSAM等几家大机构有关因子择时的研究成果。有乐观者、有悲观者。但Corbett(2016)实证发现风格切换频繁的基金经理的风格择时能力并不比一般基金经理强，而且业绩往往更差，这一定程度上展示了现实投资中因子择时的难度。

传统OLS方法不能用于金融时间序列的预测，因为金融数据中常见的变量内生性和持续性问题，会导致OLS估计有篇，且统计检

研究结论

Smart Beta 产品近些年在海外市场规模增长迅速，它和主动量化、指数增强等alpha产品一样，收益来源于资产定价因子的风险溢价，不同之处在于获取因子暴露的方式，往往换手率较低。

我们把A股常用的指数增强策略用到了标普500指数上。用到的alpha因子中只有估值因子在标普500成分股内总体效果显著，但最近三年也有明显衰减。在不扣费情况下，年化超额收益仅0.16%，由此可见标普500指数的市场有效性。

对比看规模最大的20只Smart Beta ETF产品，有十支过去十年相对标普500的年化超额收益为正，Invesco S&P 500 Equal Weigh

/wiki/static/upload/07/07e75486-8706-4d01-b6d4-da053eb2f18e.pdf

\

由于A股的涨停计算包含四舍五入，请问一下股票盘中涨停后被砸开，然后收盘时没涨停，这个情况如何用表达式写？

问题

A股股票30分钟行情数据，数据源：bar30m_CN_STOCK_A，1支股票每天对应的是8条数据，但8条数据没有个序号，无法通过数据过滤的节点，只保留自己想要的那条（如14：30-15点的那条），与A股的日线数据做连接，是数据源设计时缺少了序号字段，还是有其它的方法可以完成连接，请指教，谢谢！

解答

以下是数据源的获取截图、以及获取到的数据截图

国内量化交易起步较晚，大约15年开始，20年开始爆发，21年量化私募规模飙升。由于容量过大，出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说，量化交易仍然是一种相对较新的投资方式。自20年以来，监管已经关闭了证券公司的外部接口。因此，如果你想进行定量交易，你必须使用证券公司的level2行情接口和交易接口。今天，我将与大家分享如何一站式解决不同的定量交易需求。https://gitee.com/l2gogogo

自编程AI量化交易

解决方案：AI量化交易策略终端

简介：

极速交易策略终端是一款基于python语言的策略交易平台 ， 是活跃交易者策略研究 、 自动化交易

A股分两种：“漂亮50”和“要命3000” http://stock.qq.com/a/20170428/006821.htm 证券时报记者以三个指标筛选出A股的“漂亮50”，这三个指标分别是净利润增长率长大于15%，连续3年净资产收益率大于15%，市盈率低于35。

参照这个指标，我在bigquant平台下写了个策略尝试了下。市盈率用的年终财报当天的数据，如果不存在就用的财报日期前最近一天的数据。用 2013，2014，2015三年财报数据找出来符合条件的股票，符合指标的股票一共43只，详见策略结果。从2016.6.1开始每只股票买入1万元，以沪深300为基准持仓到2017.6.1的回测

Pairs trading across Mainland China and Hong Kong stockmarkets

作者：Hanxiong Zhang, Andrew Urquhart

出处：International Journal of Finance and Economics, 2018-10

摘要

基于市场效率低下是由非理性需求和套利限制相结合而导致的，本文研究了1996年1月至2017年7月间，在中国内地和香港交易高流动性大盘股和中盘股的配对交易的盈利能力。作者有三个主要发现：

1. 限定在每个市场内的配对交易不会产生重大的异常收益。但是，如果投资者

研究结论

在过去23年历史里，A股的小盘股溢价现象非常显著，市值最小的20%股票相对市值最大的20%的股票平均每月有1.1%溢价。按月份统计，小盘股跑赢大盘股的占比接近六成（58.9%）；按年份统计，23年里仅有4年发生过风格反转，2017年最为明显

报告里用小盘股相对大盘股每个月的超额收益来度量小市值溢价，其年化波动率高达21%，和美国股市整体波动程度相当，显著高于其它alpha因子，对其择时的潜在收益与风险都大。

用金融时间序列数据做回归预测小盘股溢价时必须考虑数据在时间序列上的持续性，传统OLS方法会得到错误统计结论。报告里采用IVX方法做回归预测，DLM方法分析样本内各个指

核心观点

2021 年 A 股以极致分化开局，后在经济复苏下以周期、成长风格为核心展开 演绎，但在 Q3 后再次转为价值风格，基本面与价值类因子的跷跷板效应依旧 显著。在复苏后高盈利基数下，A 股核心宽基指数预期成长性有所走平，高盈 利、高成长组合的估值已明显缺乏吸引力，核心驱动力也有所减弱。基本面风 格前途不明之下，价值类策略更值得布局：一是除绝对低估值策略外，相对价 值策略可适当回避基本面与价值类策略对立的风险；二是关注与价值相关的其 他各类策略，如预期高派现策略、基于 AH 溢价的选股策略等；三是业绩超预 期个股或主要由低位业绩边际改善个股构成，SUE 类策略值得继续关注，如 前

摘要

量化模型跟踪

3月以来，A股受到基本面走弱和市场情绪下行双重冲击而出现明显调整，从风格来看大小盘指数调整幅度差异不大，大类行业板块来看消费和公用事业板块相对抗跌，成长板块调整最为显著。今年以来我们中期择时、灵活择时、大小盘轮动和风格板块轮动模型的收益率分别是-5.85%，-6.76%，-5.71%和-7.22%。

市场最新观察

市场择时：对于中长期投资者，当前市场整体估值优势明显，尤其低估值蓝筹板块安全边际明显，只是考虑到疫情冲击下企业盈利修复的空间和幅度仍存在不确定性，当前投资者仍需耐心等待市场估值的回归。

对于灵活投资者，当前短期择时模型评分处于中等偏

摘要

当前市场观点：三个支撑力和三个压制力对垒，A股或现长期配置价值

当前A股三个支撑力与三个压制力对垒，短期维持震荡格局，等待海外疫情拐点。三个支撑力来自于国内疫情最先修复、逆周期政策最早发力+海外流动性冲击缓和+长期逻辑未破，三个压制力来自于盈利预期的下调+海外疫情的低预测度+中期风险溢价的潜在变化。下半年市场的估值逻辑逐步向2021年盈利预期切换，我们预计市场中枢高于上半年。并且，在华泰金工周报《当前大盘股估值处于历史低位》（2020-4-6）中我们也曾经分析过，自2019年初至今，A股大盘股的上涨动力主要源自于盈利的提升，目前A股整体估值处于历史低位，在目前时点具有较

摘要

研究主题

本文作为资产配置研究系列的第四篇，研究主题为A股行业配置方法的探索与实践，研究重点设定为中短期（月度）层面的行业轮动与战术配置。

研究内容

首先，回顾总结当前市场上关于行业轮动配置的方法，并提出兴业A股行业配置研究框架；第二，以两个不同板块风格的行业为例（有色和家电），用案例分析的形式介绍如何从对行业基本面的预测分析应用到对行业指数价格的预测分析上；第三，基于时间序列视角给出了行业择时配置的流程方法；第四，基于截面比较视角给出了行业比较配置的流程方法；最后，综合时序预测和截面比较的结果形成完整的行业配置框架。

行业择时预测

对于行业的择时

摘要

从短期事件研究的角度来看，一个处于正常状态的公司不论是实施ST之前还是之后都会对其股价产生明显的负向压力，特别是在ST实际实施日附近产生明显的负向超额收益。从2018年被实施ST的公司平均表现来看，ST实施前150个交易日的平均超额收益达到，事后截至报告写作时间的短期超额收益为-25.7%。因此投资者对具有ST风险的公司应该提前规避。

本文以被实施股票特别处理（ST）作为上市公司财务困境的指标，结合中国A股市场的现实状况和相关政策特征，使用Fisher判别和回归分析的方法，对A股上市公司的财务状况进行预测。

两类模型均具有较好的预测效果，Logistic模型体现出更强的极端值

摘要

A股超预期下跌，出现反弹概率较高本周A股受美股影响出现大幅下跌超出了我们的预期。着眼未来，我们认为美股是风险触发的核心。周期模型给出的判断是美股当前已经进入顶部区域，难以确定美股会快速向下还是企稳震荡几个月做出头部后再向下，前者将是投资者需要注意的重要风险。从周期状态与主导板块上做类比，A股当前行情类似2004年的五朵金花行情。我们判断如果美股能够企稳转为震荡缓跌，利用未来几个月的时间做出头部，那么A股有望在这段时间内迎来反弹。 美股高位震荡引发风险，重点关注美股顶部形态前期观点中我们认为美股风险超过收益。但由于从历史上来看，美股往往呈现出“尖底圆顶”的形态特征，往往会花费几个月