摘要

机构调研事件。通过上市公司的投资者调研公告，可以获知机构投资者的调研信息。统计发现，A股的机构调研事件以特定对象调研为主；参与调研的机构投资者集中在5家以内；多数调研公告会在调研事件发生后的一周内公告。

机构调研的股票特征。研究发现，机构投资者倾向于调研大市值，前期具有高涨幅、高换手、高波动的活跃股票。这些因素都会对股票未来收益产生显著影响，因此在分析机构调研事件对股票收益影响时，需要加以控制。

机构调研股票的超额收益。通过截面回归模型，我们发现，在控制了常见选股因素的影响后，机构调研股票仍然具有不能被解释的超额收益。截面溢价的月胜率为65%，月均值为0.30%，信息比率为1

研究结论

量化策略回溯测试得到的“纸面收益”与实际交易“账面收益”最大差别在于交易成本控制，特别是对资金量大、换手率高的产品。在成交价格上加减一个固定比例的冲击成本的传统做法并不可行，它无法反应不同时点、不同股票、不同资金量造成冲击的差异。本报告基于A股主动买卖单数据，提供了一个可行的股票冲击成本模型，辅助投资者控制资金冲击，提升账面收益。

我们构建了幂指数模型来解释股票的冲击成本。一般来说股票的流通市值、波动率、市场的活跃程度都会影响冲击成的大小。通过对历史数据做拟合我们得到了冲击成本函数的参数在不同月份的数值，并可据此计算股票的冲击成本与主动交易金额的关系。

我们将冲击

研究结论

海外和国内股票市场都发行过很多低波动指数，该类指数通常用一段时间收益率的标准差来衡量股价的波动，长期来看表现优于对应的基准指数。股价的波动很大一部分是由市值、估值等一些公共的市场风险因子引起，剔除掉这些公共因素后的剩余波动称为个股的“特质波动”，由个股的自身特性决定。我们的研究发现A股市场也有“特质波动率之谜”现象，即低特质波动的股票，未来预期收益更高。

基于Fama-French三因子模型的残差波动率能够较全面地捕捉股票的特质风险

利用前1个月的日频数据分别拟合CAPM、Fama-French三因子、Carhart四因子模型，三个模型残差的年化标准差即为

结论与建议

A股纳入全球指数体系的进程不断推进，一方面体现海外资金对A股配置价值的关注；另一方面也有助于提振A股情绪，促进A股走出底部区域。 风险提示：纳入进程慢于预期；陆股通、QFII、RQFII等相关制度的改变。

报告要点

A股纳入富时罗素，百亿源头活水来。2018年9月26日，富时罗素宣布，将A股市场纳入富时全球股票系列指数体系（FTSEGEIS）；包括富时环球指数（FTSEAll-WorldIndex）和富时新兴市场指数（FTSEEmergingIndex）两大指数。本文详细分析富时指数体系、A股纳入进程、以及追踪上述指数的全球主要基金，并测算了不同情景下的边际资金变化，

报告摘要

对于国内量化投资者来说，2017年以来的市场特征似乎发生了颠覆性的变化，传统有效的因子大面积失效。本文从行业和大小盘风格两条主线，抽丝剥茧，分析和梳理市场特征的变化及其背后的逻辑，并在此基础上重构A股量化分析框架。

行业相对表现的归因分析——行业属性的解释力仅约一半

通过逐步回归模型，从Beta系数（弹性）、大小盘风格、周期性强弱和行业业绩四个维度对行业相对收益进行归因分析。结果表明，行业基本面属性与市场风格对行业相对收益的解释力度旗鼓相当。

大小盘风格的成因探索——壳价值驱动的微型股起决定作用

A股小盘股效应异常明显，行为金融学中的风险溢价理论很难解释

策略思想

基于17个短期因子，其中8个量价因子，9个均线因子。训练集使用2005-01-04至2020-06-01日，每个交易日买入模型当日预测结果排名靠前的1只A股股票，次日卖出。

StockRanker模型

原有模型是基于BQ提供的Stockranker机器学习算法：

![图 1：stockranker-2021年1月4日至2022年1月21日的模拟实盘结果{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=bb5b3d09-3e20-4840-b5e0-2220d7f5599

摘要

小市值与低估值的溢价现象长期存在，但短期内溢价效应存在强弱变化

长期来看小盘溢价与价值溢价在 A 股是存在的，历史上的小盘溢价与价值溢价也为量化策略贡献了许多收益。但在短期内溢价效应存在强弱变化，强弱变化会给我们风格投资带来风险。

估值理论认为，股票价格受到未来现金流与折现率两方面的影响

估值理论认为，资产的价值源自于持有它的投资者能够获得的现金流，通过对资产未来现金流的折现来对资产进行估值，是资产定价领域最常使用的方式。因此，股票价格受到未来现金流与折现率两方面的影响。市场收益率可以拆解成为现金流影响部分与折现率影响部分，个股的现金流 beta 与折现率 beta 反映了个

报告结论

港股市值分布更极端，成交不及A股活跃

港股市值分布较A股而言更极端，大量‘壳股’的存在使得港股总市值小于10亿港币的公司数量约占38%（A股最小市值超过10亿人民币），但是超千亿市值的港股也占4.9%（A股为2.3%）；港股成交活跃性较差，2010年以来恒生综指的换手率平均仅为上证综指的37%，深成指数的19%；2010年以来，港股市场平均月总成交额也仅为A股的13.6%；

市值因子在港股中不显著

港股市值效应不显著，市值因子单调性也很差；最小20%流通市值分组内股票有超额收益，但是胜率不高，回撤较大，超额收益来自于部分极端值（主要来自07年上半年和15年

CN_FUTURE 期货

CN_STOCK_A A股

期货基本信息：交易所编码，品种编码（策略，回测研究，日频回测，常用设置，期货基本信息表）

摘要

首批跟踪A股的杠杆反向基金在香港上市

7月27日，南方东英和华夏基金（香港）在港分别发行沪深300×2倍杠杆基金和×-1倍反向基金。产品主要通过持有互换合约，实现每日固定杠杆倍数。A股杠反产品的出现在一定程度上填补了市场空白，将有助于满足投资者对A股市场对冲和风险管理工具的需求，增加了对海外投资者配置A股的吸引力。在此前台湾的元大沪深300单日正向2倍基金(00637L)、元大沪深300单日反向1倍基金（00638R）主要通过持有富时A50期货实现杠杆，预计此次香港发行的产品跟踪误差更小，对投资者的吸引力更强。

海外杠杆反向ETF的发展

从美国市场看，目前杠

摘要

1. 如何理解近期市场走势

四月以来，A股市场经历了一轮弱反弹，万得全A涨幅超7%，行业板块来看成长和消费涨幅靠前。我们认为投资者对二季度企业盈利改善的预期和全球市场避险情绪的减弱是推动近期市场反弹的重要因素。但展望后市，一方面二季度企业盈利修复空间存在不确定性，另一方面考虑到当前利率的绝对水平和市场流动性状态，未来贴现率持续改善的难度增加，进而会约束市场的上行空间。

1. 市场最新观察

市场择时：对于中长期投资者，虽然当前市场估值水平已有所分化，但观察市场整体估值尤其是低估蓝筹板块的估值水平相对债券资产仍有显著吸引力，权益类资产依然值得超配，但投资者需持续

摘要

观点综述：本周虽然市场整体上涨，但根据历史统计A股存在“Sell in May”的日历效应，根据统计国防军工在5-9月的历史表现最好。5月份可能有调整，但整体还是维持“多看少动”的判断，建议维持原有的配臵。如遇调整，仓位重的人不要轻易减仓，轻仓的人可以加仓。

A股资金跟踪：产业资金：本周全市场解禁规模为255.0亿元，其中沪市为171亿，深市为0亿，中小板41亿，创业板42亿。预计未来一周解禁规模为745亿元，较上周增加490亿元。未来四周解禁规模为1760亿元，较上周减少24亿元。杠杆资金：05-07日，两融余额10624.68亿元。沪深港通：北向资金流入28

摘要

市场表现回顾（2020-03-23至2020-03-27）：回顾上周市场表现，大小盘板块差异仍然较小。资金流上看，三类资金继续流出A股市场，但仍相对偏好创业板指等小盘板块。风格上看，小盘反转风格持续增强，盈利成长风格短期出现反弹，价值风格持续修复。

周度风格展望

根据Wind，海外疫情短期内无减缓迹象，投资者经济悲观预期仍未减退，一致预期盈利预测中创业板具备相对优势。适逢定期报告披露期，年报数据或已兑现，更应关注一季报数据超预期表现。日历效应看，3月份盈利风格失效概率加大，小盘风格相对占优。小盘反转风格逐步形成趋势，价值风格进一步修复，短期盈利成长风格或有反弹但有效性

研究结论

分析师盈利预测在海外和国内都存在明显乐观偏差，本报告将尝试用线性和非线性方法定量预测乐观偏差，并修正盈利预测以期获得更准确的预测结果

报告采用朝阳永续数据库，经筛选每年都有七、八万个样本数据，数据充足，适合机器学习模型使用；但随着最近几年新股数量的增多，研报对A股的覆盖率在下降，过去三个月内至少有一篇研报覆盖的股票目前只有一半左右

我们从研报、分析师、公司基本面、市场信息四个角度整理了27个变量用于预测分析师的乐观偏差；预测模型测试了线性的LASSO模型和非线性的GBRT模型，每个财年都用上一个财年的数据做训

从LASSO线性分析结果看，对乐观偏差影响最大的三个因素是：股票当

市场分析与判断：短期波动加剧，中期上涨延续全周回顾：风险偏好进一步攀升，A股市场日均成交额创今年新高。

1）A股放量大涨：中证全指、上证综指、深证综指分别对应涨幅约8.88%、7.31%、10.24%；日均成交金额逾1.5万亿元，环比接近翻倍。

2）全行业收涨，周内行业轮动明显：本周全行业普涨，周内行业轮动明显。具体而言，周初大金融板块延续上周强势表现，下半周国防军工、商贸零售等行业发力，最终领涨全周。

3）多数风格收涨，波动风格表现突出：本周多数风格收涨，波动风格表现突出，异质波动率及CAPM Beta等因子表现靠前，偏博弈类动量风格亦收获不俗收益。基本面因子方面，今年以来强势的成长风

配臵观点

上周国内方面A股继续放量上行，自6月30日起低估值板块补涨导致的价值和成长风格强烈切换后，上周风格趋于均衡；周五在监管趋严信号和减持的影响下，大金融板块带领市场回调，但PPI底部回升、PMI超预期等经济数据反映复苏的确定性增强，加上北向资金加码和公募基金建仓持带来的增量资金持续进场，市场情绪短期快速降温的可能性较低。债市方面，央行宽松预期落空及供给压力导致债市回调，股债跷跷板效应更加导致债市持续承压；外盘方面经济复苏确定性弱于国内，加之疫情反复、贸易摩擦等不确定因素或将反复对风险偏好进行压制；黄金方面受益于通胀预期和避险配臵中长期确定性仍高。

市场方面

上周权益

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

价值投资不等于低估值投资，低估值股票可能是由于公司质地真的很烂，只考虑股票估值因素容易调入所谓的“估值陷阱”。所以价值投资一个必要过程是判断上市公司质地是否优良，再看公司质地是否配得上它的估值。我们这篇报告要解决的问题是如何用定量指标来衡量A股上市公司的质量优劣，验证一下A股是否真如一些市场偏见所言“只听故事，不看基本面”，“优质+合理估值”的价值投资方式能否在A股挣钱

公司质量的定义维度有很多，我们从盈利能力、成长性、财务稳健、公司治理角度定量测试了一些选股因子的有效性，具体结果可以参考报告正文，整体来说，基于市场历史公开数据，投资者是可以发现质地优良股票并获得显著超额收益的。

我们用I

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，且统计检验失效。报告采用了Kost

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 Weight ETF表现最为亮眼，过

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)。

因子模型(FM)的构建参考了B

本篇报告测试不同行业内大类因子的表现（2009.7-2018.11），并尝试对因子在不同行业表现差异的原因进行分析。比如市值因子在龙头变换率较高，小市值股票占比较高且规模集中度较低的行业中有更强的负向选股作用，也就是说在这些行业里小市值溢价更明显。比如BP因子在（无形资产+开发支出+商誉）比净资产较高的行业表现较差，这是因为这类资产未来具有较大的不确定性，不能被账面价值很好的解释

综合来看，估值、超预期、分析师、非流动性和投机性因子在绝大多数行业基本都有一定的选股效果，而盈利、高管薪酬、成长和反转适用的行业相对较少些。

我们基于较低的筛选标准（rankIC大于等于0.02，ICIR大于等于

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臵，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0.99，十分稳健

在港股中我

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

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。分析师一致预期数据存在明显高估现象。

分析

由于时间和精力的有限性，投资者更倾向于交易自己关注的股票，涨跌幅排行榜上的股票更容易进入投资者视野，由于做空约束，这类股票更倾向于被买入，导致股价高估，未来收益率较低。

以搜狗指数作为代理变量，我们发现股票单日涨跌幅和关注度存在明显的U型关系，只有涨幅或者跌幅特别靠前的股票才会有明显的关注度提升，而且涨幅榜的股票相对于跌幅榜更容易引起投资者关注。

构建榜单组合，我们发现上个月进入单日涨幅榜的股票在下个月明显跑输其他股票，而进入跌停榜的股票虽然也跑输但幅度更小

我们通过指数加权方法构建了涨幅榜单因子DWF和跌幅榜单因子DLF，具有十分显著的选股效果，其中中证全指内DWF的RankIC月均值