2023年度中國(guó)量化投資白皮書

--KEYFINDINGS），），），量化機(jī)構(gòu)版——■圖表機(jī)構(gòu)類型■圖表崗位類別■圖表薪酬漲跌幅■圖表機(jī)構(gòu)當(dāng)前管理規(guī)?！鰣D表薪酬區(qū)間【總包】■圖表投資標(biāo)的社會(huì)公眾版——■圖表身份類型■圖表過(guò)去一年公眾投資總體盈虧情況數(shù)據(jù)說(shuō)明——風(fēng)險(xiǎn)提示：本次問(wèn)卷受限于問(wèn)卷設(shè)計(jì)、樣本獲取、數(shù)據(jù)整理方式，可能與實(shí)際市場(chǎng)情況存在偏差與測(cè)算主觀性問(wèn)題。白皮書涉及問(wèn)卷數(shù)據(jù)只能反映受訪者對(duì)自己理解程度的主觀評(píng)價(jià)，并不一定準(zhǔn)確反映其實(shí)際能力水平。不同受訪者對(duì)評(píng)分的標(biāo)準(zhǔn)可能存在差異，因此這些數(shù)據(jù)更多地提供了一個(gè)關(guān)于受訪者自我認(rèn)知的總體趨勢(shì)，而不是一個(gè)嚴(yán)格的能力測(cè)試結(jié)果。本問(wèn)卷投放暴露于量化行業(yè)或者關(guān)注量化的社會(huì)公眾，其認(rèn)知與態(tài)度可能存在幸存者偏差。6■圖表2023年A股市場(chǎng)表現(xiàn)資料數(shù)據(jù)來(lái)源：火富牛■圖表2023年主觀多頭vs量化多頭vs股票市場(chǎng)中性策略業(yè)績(jī)分布情況主觀多頭策略量化多頭策略股票市場(chǎng)中性策略公司規(guī)模平均值中位數(shù)標(biāo)準(zhǔn)差平均值中位數(shù)標(biāo)準(zhǔn)差平均值中位數(shù)標(biāo)準(zhǔn)差收益率0-5億5.35%6.88%23.43%2.41%0.59%19.79%6.12%4.83%5-10億2.48%5.69%23.31%4.74%3.75%10.44%8.06%18.39%10-20億4.84%6.18%18.64%3.69%2.49%10.75%6.96%6.84%9.37%20-50億2.77%3.57%15.92%4.07%3.76%10.38%6.82%7.55%8.63%50-100億5.20%-7.94%12.90%5.43%4.69%9.31%8.64%7.66%-1.74%6.21%15.97%5.50%4.45%6.55%6.67%5.63%4.83%最大回撤0-5億-23.65%-21.52%13.89%-15.28%-12.52%10.87%-6.36%3.65%6.99%5-10億-20.29%-18.95%10.84%-12.64%-10.95%7.05%-3.15%-1.86%5.22%10-20億-20.11%-18.06%-12.33%6.19%-3.90%-2.11%6.31%20-50億-19.10%-17.62%10.79%-12.20%-11.74%6.07%-4.73%-1.91%9.63%50-100億-18.58%-18.32%8.50%-11.09%-10.36%3.49%4.27%-2.13%5.36%-16.89%-16.62%6.01%-10.32%-9.83%2.85%-2.10%-1.39%2.96%數(shù)據(jù)來(lái)源：白小白的學(xué)習(xí)筆記■圖表2023年量化多頭收益分布■圖表2023年量化多頭倉(cāng)位變化圖數(shù)據(jù)來(lái)源：招商私募指數(shù)數(shù)據(jù)庫(kù)■圖表公、私募量化基金超額收益業(yè)績(jī)統(tǒng)計(jì)300指增500指增1000指增主動(dòng)增強(qiáng)公募私募公募私募公募私募公募私募2017-0.21%3.00%11.72%18.12%13.58%14.17%0.36%1.32%4.82%15.50%27.40%26.97%43.63%27.17%1.23%6.42%4.480%8.21%20.78%1.79%-1.03%202014.57%8.45%20215.96%13.76%2.65%10.63%4.74%2.02%20222.87%4.66%13.00%8.41%18.77%0.34%13.23%20231.94%5.66%2.18%7.28%15.06%0.27%7.44%年化收益率4.13%7.07%15.92%19.78%4.34%9.73%年化波動(dòng)率2.49%3.58%3.92%4.26%7.40%4.94%4.55%6.52%夏普比率0.851.991.293.271.463.600.511.19最大回撤-5.01%-3.95%-6.30%-3.82%-11.22%-4.12%-8.98%-7.81%數(shù)據(jù)統(tǒng)計(jì)區(qū)間：2017.01.01-2023.12.29數(shù)據(jù)來(lái)源：wind、朝陽(yáng)永續(xù)、國(guó)泰君安證券研究在回撤方面：量化多頭策略在所有規(guī)模區(qū)間的公司最大回■圖表私募基金策略占比變化情況時(shí)間主觀多頭量化多頭股票中性債券CTAFOF混合類期權(quán)2023-138.1%7.2%2.9%7.0%11.7%18.0%12.0%3.00%2023-238.9%7.1%2.9%7.1%11.7%17.6%11.6%3.0%2023-339.2%7.1%3.0%7.2%11.7%17.30%11.3%3.20%2023-439.3%6.9%2.8%7.3%12.1%17.4%12.0%2.3%2023-538.4%6.8%3.1%7.3%11.4%17.6%11.8%3.8%2023-638.1%6.9%3.1%7.4%11.0%17.8%11.8%3.9%2023-738.0%6.8%3.1%7.5%10.9%17.9%11.8%4.0%2023-836.9%7.0%3.1%7.5%10.8%18.1%12.4%4.3%2023-936.6%7.1%3.1%7.6%10.7%18.4%12.3%4.2%2023-1036.3%7.2%3.1%7.7%10.5%18.4%12.5%4.3%2023-1136.4%7.3%3.2%7.7%10.5%18.5%12.0%4.4%2023-1236.1%7.4%3.3%7.7%10.1%18.7%12.1%4.5%數(shù)據(jù)資料來(lái)源：招商私募指數(shù)數(shù)據(jù)庫(kù)■圖表指數(shù)增強(qiáng)平均超額變化趨勢(shì)■圖表2023年股票市場(chǎng)中性收益表現(xiàn)數(shù)據(jù)資料來(lái)源：招商私募指數(shù)數(shù)據(jù)庫(kù)■圖表問(wèn)卷A股交易心情圖■圖表問(wèn)卷A股交易記憶圖數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表A股機(jī)構(gòu)投資者的分類與其主要特點(diǎn)■圖表A股投資者的標(biāo)簽屬性持股時(shí)間預(yù)期波動(dòng)預(yù)期回報(bào)流派長(zhǎng)高高長(zhǎng)期價(jià)值價(jià)值派長(zhǎng)低高深度價(jià)值長(zhǎng)低低類固收/高分紅中低高逆向投資中高高價(jià)值趨勢(shì)中低低嚴(yán)格交易策略市場(chǎng)派短高高熱點(diǎn)追擊/事件驅(qū)動(dòng)市場(chǎng)派短低低量化套利短低高高頻交易資料來(lái)源：《A股投資啟示錄》，招商證券數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表增量資金投資人主導(dǎo)的風(fēng)格個(gè)人投資者一般情況下，個(gè)人投資者會(huì)更希望追求更大的價(jià)格彈性，個(gè)人投資者普遍對(duì)于上市公司基本面信息獲取的渠道有限，股票選擇時(shí)會(huì)更加傾向于敘事宏大、空間大、彈性大的股票，對(duì)于容易理解的大產(chǎn)業(yè)趨勢(shì)相對(duì)更加偏好。也就是前面所述，更偏好的FMvD模型。因此，當(dāng)個(gè)人投資者加速入市，體現(xiàn)為融資融券規(guī)模大幅增加時(shí)，市場(chǎng)可能會(huì)體現(xiàn)為小盤成長(zhǎng)風(fēng)格。公募基金主動(dòng)偏股公募基金經(jīng)理普遍對(duì)于基本面要求更高，對(duì)于PEG、DCF模型更加熟悉，基金經(jīng)理可以通過(guò)深入研究調(diào)研，分析上市公司的業(yè)績(jī)趨勢(shì)，尋找業(yè)績(jī)?cè)鏊俸凸乐灯ヅ涞臉?biāo)的；或者通過(guò)尋找股價(jià)低于內(nèi)在價(jià)值的低估標(biāo)的，那么公募基金成為主力增量資金時(shí)，市場(chǎng)通常會(huì)呈現(xiàn)成長(zhǎng)風(fēng)格占優(yōu)。外資外資尤其是中長(zhǎng)期外資，在選擇A股標(biāo)的時(shí)，更加看重上市公司經(jīng)營(yíng)和長(zhǎng)期增長(zhǎng)空間，更加愿意用DCF模型來(lái)看待A股的估值，因此，外資占據(jù)主導(dǎo)時(shí)，通常為呈現(xiàn)大盤風(fēng)格，大盤價(jià)值或者大盤成長(zhǎng)。私募基金私募基金有很多種類型，主動(dòng)股票策略私募與主動(dòng)公募基金類似，不過(guò)近些年規(guī)模擴(kuò)張較快的是量化私募，量化私募更愿意在中小市值公司中尋找價(jià)格和基本面信號(hào)，量化私募占據(jù)主導(dǎo)時(shí)，市場(chǎng)呈現(xiàn)小盤風(fēng)格。保險(xiǎn)社保這兩類機(jī)構(gòu)更加追求穩(wěn)健收益，對(duì)安全邊際要求更高，更加偏好低估值高分紅，因此，保險(xiǎn)社融占據(jù)主導(dǎo)時(shí)，市場(chǎng)通常呈現(xiàn)大盤價(jià)值風(fēng)格。從2013年開始A股的主力增量資金經(jīng)歷過(guò)多輪變遷。資料來(lái)源：機(jī)構(gòu)投資者業(yè)績(jī)突圍的八個(gè)思維模式和陷阱——A股投資啟示錄（二十）招商策略研究2022-09-08），■圖表回顧2023量化三大關(guān)鍵詞詞云■圖表公眾對(duì)于量化投資的各個(gè)流程理解程度■圖表展望未來(lái)3年，量化行業(yè)三大關(guān)鍵詞詞云■圖表公眾認(rèn)為對(duì)量化負(fù)面印象的成因數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研溝通成本，讓整個(gè)行業(yè)多年才逐漸建立起來(lái)的認(rèn)同和美譽(yù)度以比建■圖表百度指數(shù)量化關(guān)鍵詞搜索指數(shù)（2011-2024）該數(shù)據(jù)為：互聯(lián)網(wǎng)用戶對(duì)關(guān)鍵詞搜索關(guān)注程度及持續(xù)變化情況。算法說(shuō)明：以網(wǎng)民在百度的搜索量為數(shù)據(jù)基礎(chǔ)，以關(guān)鍵詞為統(tǒng)計(jì)對(duì)象，科學(xué)分析并計(jì)算出各個(gè)關(guān)鍵詞在百度網(wǎng)頁(yè)搜索中搜索頻次的加權(quán)。根據(jù)數(shù)據(jù)來(lái)源的不同，搜索指數(shù)分為PC搜索指數(shù)和移動(dòng)搜索指數(shù)?！鰣D表百度指數(shù)量化關(guān)鍵詞資訊指數(shù)（2017-2024）該數(shù)據(jù)為：新聞資訊在互聯(lián)網(wǎng)上對(duì)特定關(guān)鍵詞的關(guān)注及報(bào)道程度及持續(xù)變化。資訊指數(shù)：以百度智能分發(fā)和推薦內(nèi)容數(shù)據(jù)為基礎(chǔ)，將網(wǎng)民的閱讀、評(píng)論、轉(zhuǎn)發(fā)、點(diǎn)贊、不喜歡等行為的數(shù)量加權(quán)求和得出資訊指數(shù)?！鰣D表百度量化搜索指數(shù)-需求圖譜該數(shù)據(jù)：通過(guò)用戶在搜索該詞的前后的搜索行為變化中表現(xiàn)出來(lái)的相關(guān)檢索詞需求算法說(shuō)明：綜合計(jì)算關(guān)鍵詞與相關(guān)詞的相關(guān)程度，以及相關(guān)詞自身的搜索需求大小得出。相關(guān)詞距圓心的距離表示相關(guān)詞與中心檢索詞的相關(guān)性強(qiáng)度；相關(guān)詞自身大小表示相關(guān)詞自身搜索指數(shù)大小，紅色代表搜索指數(shù)上升，綠色代表搜索指數(shù)下降。■圖表量化機(jī)構(gòu)在反駁量化有害時(shí)，公眾對(duì)其觀點(diǎn)認(rèn)同度數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表2023年1月-2024年，量化機(jī)構(gòu)辟謠不完全列表信息謠言型2月20日，市場(chǎng)傳言再起，“大幾千億產(chǎn)品清盤、自營(yíng)盤巨虧15億、DMA欠款60億、公司破產(chǎn)”等涉及幻方、明汯、九坤等多家頭部量化私募相關(guān)內(nèi)容在業(yè)內(nèi)傳開。2月，北京涵德出現(xiàn)“巨額贖回”的消息引發(fā)市場(chǎng)關(guān)注。對(duì)此，公司第一時(shí)間發(fā)文回應(yīng)，本次贖回金額500余萬(wàn)元，贖回金額較小。2024年3月，有市場(chǎng)消息稱，“各家券商及子公司全面梳理排查本單位離職員工是否有到寧波靈均工作的人員”。對(duì)此，寧波靈均投資官方表示，消息屬冒充國(guó)家機(jī)關(guān)，惡意造謠、涉嫌違法。近日，有傳言稱“商品期貨市場(chǎng)量化交易被叫?！?，證監(jiān)會(huì)有關(guān)部門負(fù)責(zé)人1月4日表示，相關(guān)市場(chǎng)傳聞為不實(shí)消息，關(guān)于媒體報(bào)道的相關(guān)部門將召集量化基金去青島開會(huì)，相關(guān)制度也將在10月份之前出臺(tái)的消息，記者對(duì)此向數(shù)家百億量化機(jī)構(gòu)核實(shí)，得到的回復(fù)均為“未接到相關(guān)通知”。一家百億量化私募機(jī)構(gòu)相關(guān)人士對(duì)記者表示，我們沒(méi)有接到通知，而且為什么召集大家跑去青島開會(huì)呢。8月28日，印花稅減半征收落地后，當(dāng)日A股市場(chǎng)各主要指數(shù)呈現(xiàn)高開低走震蕩局面，與此同時(shí)，一則傳聞在市場(chǎng)中流傳，“考慮到印花稅減半政策對(duì)市場(chǎng)流動(dòng)性的影響，防止對(duì)客戶投資造成不利影響，與策略供應(yīng)商溝通8月28日暫停量化T0算法交易”。就在多家量化私募否認(rèn)并表示，頭部量化幾乎都是自建系統(tǒng)，很少采購(gòu)?fù)獠抗?yīng)商系統(tǒng)，該消息或許為部分券商出于安全考慮的小范圍暫停T0交易的可能。情緒爽文型經(jīng)濟(jì)學(xué)家任澤平指出，量化交易利用了散戶所不具備的信息優(yōu)勢(shì)、融券優(yōu)勢(shì)、交易優(yōu)勢(shì)、大規(guī)模操縱個(gè)股優(yōu)勢(shì)等等，降維收割散戶，不僅不為市場(chǎng)創(chuàng)造價(jià)值，還一年吸走1000多億，抽血A股，量化交易只是利用了A股散戶多、波動(dòng)大的市場(chǎng)特征而已。個(gè)別量化“大佬”不僅不為市場(chǎng)和社會(huì)做貢獻(xiàn)，還高調(diào)炫富，紙醉金迷，造成了很不好的社會(huì)影響?！读炕?，今天砸盤的主力軍》：量化交易策略所鼓吹的紀(jì)律嚴(yán)明，不受基金經(jīng)理的心理影響，計(jì)算機(jī)自動(dòng)化買賣，讓那規(guī)模龐大的量化基金在今天成了最大空軍。而國(guó)內(nèi)的量化策略同質(zhì)化極其嚴(yán)重，大部分基金的策略都大同小異，直接導(dǎo)致其交易出現(xiàn)趨同效應(yīng)，成了今天堅(jiān)決砸盤的主力軍，把節(jié)奏給帶起來(lái)了。昨天四箭齊發(fā)的政策，是無(wú)法直接帶來(lái)增量資金的，一天之內(nèi)最大的效果就只能是提振信心而已。結(jié)果有超過(guò)1萬(wàn)億的對(duì)手盤絲毫不受政策影響，機(jī)械按照股價(jià)高低執(zhí)行了堅(jiān)決賣出做空的命令。你鼓舞再多的場(chǎng)外資金，短期內(nèi)也壓不住這群量化基金啊。利好帶來(lái)的單日新增買入資金沒(méi)有超過(guò)量化基金的單日新增賣出資金，所以出現(xiàn)了單邊下跌的情況。花邊新聞型百億量化私募被罰，最新回應(yīng)！掌門人剛拍得“滬上第一豪宅”…百億私募穩(wěn)博投資前員工唐宇在個(gè)人直播間向老東家討薪上海銳天投資起訴幻方量化侵害技術(shù)秘密糾紛概率投資前員工在個(gè)人社交平臺(tái)對(duì)公司“口誅筆伐”數(shù)據(jù)資料來(lái)源：編寫組網(wǎng)絡(luò)綜合■圖表2023年8月底主觀與量化論戰(zhàn)主要文章時(shí)間文章標(biāo)題時(shí)間文章標(biāo)題19:03量化基金，今天砸盤的主力軍16:06大佬放狠話：量化基金才是A股脊梁日8月28日21:02砸你妹的盤，量化才是大A的脊梁！21:52聽說(shuō)日10:18對(duì)不起，是量化的錯(cuò)！41昨天低走，今天大漲，量化，外資，誰(shuí)在攪屎棍？19打不過(guò)量化，就想毀了量化22:22主觀和量化，誰(shuí)才是大跌下的軟骨頭？16:11討伐量化，理解量化，加入量化10:53量化基金：對(duì)不起，我又錯(cuò)了02:15沒(méi)有砸盤！頭部量化掌門人“抱團(tuán)澄清”07:18吵翻天！都是量化的錯(cuò)？勿謂言之不預(yù)！對(duì)量化砸盤雞精的最后警告！15:08限制量化交易應(yīng)從制度性不公入手今天你又怎么說(shuō)呢？16:03量化投資在輿論中天生就是弱者16:23量化：披著科技外衣的追漲殺跌，和成建制的消滅市場(chǎng)有生力量數(shù)據(jù)資料來(lái)源：公眾號(hào)《量化投資與機(jī)器學(xué)習(xí)》■圖表2022年至今新晉10億以上量化私募公司簡(jiǎn)稱成立時(shí)間管理規(guī)模辦公城市核心策略核心人物阿爾法喵私募2022/9/620～50億廣州FOF袁義上海波克私募2022/7/2550～100億上海復(fù)合策略楊秋悅、陸思橫上海睿量私募2022/7/710億～20億上海量化多頭王博、唐嵩松磐松資產(chǎn)2022/6/2910～20億上海量化多頭張瀟、吳確、李光、黃大洲、王棟梁北京正定私募2022/2/1610～20億北京量化CTA李曉瀟、蔣林浩齊家私募2022/2/15100億以上北京量化多頭鐘曉婷、陳韜、李薇、申宏威、齊俊杰亦賦私募2022/1/520～50億杭州復(fù)合策略陶曉東、羅韜數(shù)據(jù)資料來(lái)源：私募排排網(wǎng)■圖表2023年一季度及2024年一季度量化核心機(jī)構(gòu)分布資產(chǎn)規(guī)模數(shù)量2023第一季度資產(chǎn)規(guī)模數(shù)量2024第一季度50-100億15艾方資產(chǎn)、涵德投資、赫富投資、寬投資產(chǎn)、龍旗科技、洛書投資、蒙璽投資、平方和、千宜投資、乾象投資、銳天投資、思曄投資、仲陽(yáng)天王星、象限投資、展弘投資50-100億19艾方資產(chǎn)、白鷺資管、呈瑞投資、國(guó)恩資本、赫富投資、寬投資產(chǎn)、量派投資、洛書投資、蒙璽投資、磐松資產(chǎn)、平方和、千宜投資、申毅投資、盛冠達(dá)資產(chǎn)、思曄投資、天算量化、圖靈基金、仲陽(yáng)天王星、象限投資100-150億8白鷺資管、博普資產(chǎn)、茂源資本、念空念覺(jué)、千象投資、穩(wěn)博投資、致誠(chéng)卓遠(yuǎn)、卓識(shí)基金100-150億博普資產(chǎn)、進(jìn)化論資產(chǎn)、龍旗科技、鳴石基金、念空念覺(jué)、千象投資、千宜投資、乾象投資、銳天投資、思勰投資、通怡投資、頑巖投資、展弘投資、致誠(chéng)卓遠(yuǎn)150～200億6黑翼資產(chǎn)、金戈量銳、進(jìn)化論資產(chǎn)、鳴石投資、世紀(jì)前沿、思勰投資150-200億6黑翼資產(chǎn)、金戈量銳、茂源資本、信弘天和、因諾資產(chǎn)、卓識(shí)基金200-400億5佳期投資、寬德私募、啟林投資、天演資本、因諾資產(chǎn)200-300億300-400億5啟林投資、世紀(jì)前沿、穩(wěn)博投資寬德私募、天演資本400-600億3誠(chéng)奇資產(chǎn)、衍復(fù)投資、金锝資產(chǎn)400-500億500-600億5誠(chéng)奇資產(chǎn)九坤量化、靈均投資、明汯投資、衍復(fù)投資600億+4幻方量化、九坤量化、靈均投資、明汯投資600億+1幻方量化■圖表未來(lái)3年量化行業(yè)競(jìng)爭(zhēng)狀態(tài)數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研數(shù)據(jù)來(lái)源：公眾號(hào)《量化投資與機(jī)器學(xué)習(xí)》■圖表量化私募資管規(guī)模分布數(shù)據(jù)資料來(lái)源：海通證券《2023年度私募基金年度報(bào)告》2024-2-8■圖表量化產(chǎn)品規(guī)模排名前列的機(jī)構(gòu)（2023Q3)基金管理人合計(jì)規(guī)模各類型規(guī)模（億元）指數(shù)增強(qiáng)主動(dòng)量化對(duì)沖基金量化固收+規(guī)模增長(zhǎng)時(shí)期富國(guó)基金318.5308.76.93.00.02015-2019年國(guó)金基金299.622.7276.90.00.02023年易方達(dá)基金247.60.02016-2020年萬(wàn)家基金32.50.00.02020年匯添富基金2018-2021年華夏基金140.50.02020-2023年西部利得基金120.872.048.80.00.02020-2023年招商基金77.534.00.00.02020-2023年景順長(zhǎng)城基金109.866.842.00.02015-2019年博道基金80.929.50.00.02019-2021年建信基金79.70.52016-2019年，2021-2023年天弘基金75.975.90.00.00.02020-2021年中歐基金73.225.847.40.00.02021-2023年興證全球基金64.564.50.00.00.02017-2021年嘉實(shí)基金2017-2021年國(guó)泰基金59.642.10.00.02020年申萬(wàn)菱信基金2015-2020年長(zhǎng)信基金57.07.449.60.00.02015-2016年國(guó)泰君安資管54.833.40.00.02021-2023年浙商基金54.637.70.00.02019-2021年華泰柏瑞基金0.02014-2017年數(shù)據(jù)資料來(lái)源：《量化這一年：希望、考驗(yàn)、突破》海通證券金融工程團(tuán)隊(duì)2013年12月11日■圖表量化策略的三個(gè)挑戰(zhàn)超額下降超額下降倒逼技術(shù)進(jìn)步個(gè)股多空策略能顯著增加收益量化策略同質(zhì)化現(xiàn)象明顯同漲同跌問(wèn)題似是而非打新紅利仍然存在規(guī)模容量的影響策略容量魔咒可以破解增強(qiáng)策略的配置數(shù)據(jù)資料來(lái)源：平方和投資■圖表2023年展望未來(lái)三年，行業(yè)三大關(guān)鍵詞■圖表2022年展望未來(lái)三年，行業(yè)三大關(guān)鍵詞數(shù)據(jù)資料來(lái)源：《2022-2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表2023H2券商人工智能選股研究券商標(biāo)題主要方法券商標(biāo)題主要方法建投基于循環(huán)神經(jīng)網(wǎng)絡(luò)的選股模型初探GRU國(guó)盛基于深度學(xué)習(xí)的指數(shù)增強(qiáng)策略不同數(shù)據(jù)+多個(gè)GRU+等權(quán)深度學(xué)習(xí)如何利用公募持倉(cāng)網(wǎng)絡(luò)優(yōu)化選股效果？基金持倉(cāng)矩陣分解（微軟亞研東方DFQTRA，多交易模式學(xué)習(xí)因子挖掘系統(tǒng)TRA（微軟亞研院）建投資金流向相似性圖譜與圖神經(jīng)網(wǎng)絡(luò)圖神經(jīng)網(wǎng)絡(luò)長(zhǎng)江神經(jīng)網(wǎng)絡(luò)因子挖掘-TCN日頻量?jī)r(jià)因子TCN建投基于領(lǐng)域知識(shí)生成的基本面因子挖掘框架遺傳規(guī)劃+枚舉建投Transformer變式廣發(fā)基于深度學(xué)習(xí)的高頻數(shù)據(jù)因子挖掘全連接華泰自適應(yīng)網(wǎng)絡(luò)：從削足適履到量體裁衣門控自適應(yīng)網(wǎng)絡(luò)東方基于殘差網(wǎng)絡(luò)的端到端因子挖掘模型ResNet浙商基于Transformer因子挖掘的指增策略Transformer建投基于循環(huán)神經(jīng)網(wǎng)絡(luò)的選股模型改進(jìn)MOE、SkipConnection、多任務(wù)華創(chuàng)GRU網(wǎng)絡(luò)在風(fēng)格自適應(yīng)中的創(chuàng)新與應(yīng)用GRU海通多顆粒度特征的深度學(xué)習(xí)模型，探索和對(duì)比多粒度網(wǎng)絡(luò)（微軟亞研院）+BiAGRU華泰基于全頻段量?jī)r(jià)特征的選股模型不同數(shù)據(jù)+多個(gè)GRU+多任務(wù)學(xué)習(xí)從傳統(tǒng)策略到深度學(xué)習(xí)的可轉(zhuǎn)債投資GRU轉(zhuǎn)債版建投基于時(shí)序神經(jīng)網(wǎng)絡(luò)的選股模型初探多類時(shí)序模型基于可見(jiàn)性圖嵌入的滬深300深度學(xué)習(xí)增強(qiáng)策略對(duì)時(shí)間序列做GraphEmbedding（微軟亞研東方基于抗噪的AI量?jī)r(jià)模型改進(jìn)方案對(duì)抗訓(xùn)練、異常信號(hào)因子基于TiDE及其改進(jìn)的因子融合模建投TiDE(Google)型招商多模型集成量?jī)r(jià)Alpha策略相同數(shù)據(jù)+多個(gè)模型+ICIR集成數(shù)據(jù)資料來(lái)源：《中國(guó)量化投資季刊?2023冬》■圖表公私募量化對(duì)比類別公募基金私募基金規(guī)則交易限制交易限制多，主要依托恒生O32下單，執(zhí)行速度慢、日內(nèi)反向限制。交易限制較少，執(zhí)行速度較快。交易成本原先一般為萬(wàn)8，降傭后為4。相對(duì)較低，萬(wàn)1至萬(wàn)2。指增成分股要求持倉(cāng)80%為成分股，日均跟蹤誤差通常要求不超過(guò)0.5%。無(wú)成分股和跟蹤誤差限制，可以在全市場(chǎng)范圍內(nèi)選股，或者大比例買入深度貼水的股指期貨。風(fēng)控要求風(fēng)控要求較高，對(duì)跟蹤誤差、回撤、因子敞口等通常有較嚴(yán)格的控制。有時(shí)，可購(gòu)買的股票通常需要在公司的股票池內(nèi)。風(fēng)控要求較低。先天優(yōu)勢(shì)調(diào)研和產(chǎn)業(yè)資源較豐富，在基本面研究上具有優(yōu)勢(shì)。數(shù)據(jù)和系統(tǒng)配置上的資源投入較大，技術(shù)具有領(lǐng)先優(yōu)勢(shì)。交易限制交易限制多，無(wú)法做到純自動(dòng)化，主要依托交易員下單，執(zhí)行速度慢、日內(nèi)反向限制。交易限制極少，執(zhí)行速度極快。因子以基本面因子為主，以人工挖掘?yàn)橹饕粤績(jī)r(jià)因子為主，部分機(jī)構(gòu)用機(jī)器挖掘交易較少使用算法算法應(yīng)用度高指增做法圍繞指數(shù)成分股做收益增厚投研無(wú)成分股要求，全市場(chǎng)范圍內(nèi)選股，通過(guò)風(fēng)險(xiǎn)敞口控制跟蹤誤差衛(wèi)星策略打新策略T0策略選股域偏向大中盤，產(chǎn)品最初也以300增強(qiáng)為主逐漸拓展到500增強(qiáng)、1000增強(qiáng)偏向中小盤，產(chǎn)品以500增強(qiáng)為主，近年來(lái)1000增強(qiáng)發(fā)行較多數(shù)據(jù)資料來(lái)源：《量化這一年：希望、考驗(yàn)、突破》海通證券，編寫組辦公?絡(luò)的需求，快速實(shí)現(xiàn)境內(nèi)IT環(huán)境與海外之間的互聯(lián)互通成為了量化機(jī)構(gòu)最為關(guān)注的解決?案。主■圖表國(guó)內(nèi)量化機(jī)構(gòu)紐約擴(kuò)招崗位表機(jī)構(gòu)辦公室資管規(guī)模機(jī)構(gòu)辦公室資管規(guī)模明汯投資上海/紐約/北京/香港600+億寬德投資上海/北京/深圳/珠海/紐約300-400億佳期投資上海/北京/紐約300-400億信弘天禾上海/北京/紐約100-150億數(shù)據(jù)資料來(lái)源：編寫組整理■圖表部分機(jī)構(gòu)香港9號(hào)牌照獲取情況機(jī)構(gòu)名稱獲得牌照日期機(jī)構(gòu)名稱獲得牌照日期天馬資產(chǎn)2009年9號(hào)牌照鳴石投資2021年9號(hào)牌照金锝資產(chǎn)2016年9號(hào)牌照2021年2月提交美國(guó)證監(jiān)會(huì)天演資本2021年9號(hào)牌照富善投資2016年9號(hào)牌照進(jìn)化論資產(chǎn)2021年9號(hào)牌照喜岳投資2017年9號(hào)牌照佳期投資2021年9號(hào)牌照幻方量化2019年9號(hào)牌照金戈量銳2023年9號(hào)牌照明汯投資2020年9號(hào)牌照千象資產(chǎn)2023年9號(hào)牌照九坤投資2021年9號(hào)牌照數(shù)據(jù)來(lái)源：香港證券及期貨事務(wù)監(jiān)察委員會(huì)、量化投資與機(jī)器學(xué)習(xí)■圖表量化機(jī)構(gòu)2023年投資研究標(biāo)的■圖表量化機(jī)構(gòu)2022年投資研究標(biāo)的數(shù)據(jù)資料來(lái)源：《2022-2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表量化機(jī)構(gòu)2023年投資研究標(biāo)的選項(xiàng)2022年比例選項(xiàng)2023年比例A股78.68%A股股票79.76%期貨53.81%期貨58.33%期權(quán)31.98%期權(quán)36.31%債券28.93%債券32.14%港股18.78%港股16.67%美股14.72%美股新興市場(chǎng)股票（印度、越南等）7.61%新興市場(chǎng)股票3.57%數(shù)字貨幣14.72%數(shù)字貨幣5.36%其他3.05%場(chǎng)外衍生品25%3.05%其他6.55%數(shù)據(jù)資料來(lái)源：《2022-2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研國(guó)內(nèi)部分頭部機(jī)構(gòu)選擇通過(guò)多年鎖定期的產(chǎn)品設(shè)計(jì)，形成一個(gè)更長(zhǎng)的投資■圖表量化行業(yè)發(fā)展迭代重要時(shí)間點(diǎn)數(shù)據(jù)來(lái)源：平方和投資夠充分的樣本進(jìn)行統(tǒng)計(jì)決策，做出的決策受到數(shù)據(jù)限制，存■圖表量化私募機(jī)構(gòu)的典型策略迭代時(shí)間段階段特征某量化私募1某量化私募2從傳統(tǒng)多因子模型出發(fā)，采用線性因子組合，主要以挖掘中低頻因子為主，在這一階段奠定了公募基金更注重基本線性模型機(jī)器學(xué)習(xí)應(yīng)用代面因子，私募基金更注重挖掘量?jī)r(jià)因子的格局日線級(jí)別數(shù)據(jù)開發(fā)線性多因子量?jī)r(jià)類策略。分鐘線級(jí)別數(shù)據(jù)中高頻交易，量化市場(chǎng)擁擠度增加，高基于Tick級(jí)數(shù)據(jù)人工、機(jī)器挖掘多因子量?jī)r(jià)類策略。中小盤市值中性量化2.0時(shí)代頻因子在擁控度和超額穩(wěn)定性方面均有一定提升，主動(dòng)封盤控規(guī)模+開發(fā)低算法交易、機(jī)器挖掘非線性多因子量?jī)r(jià)類、輿情類策略。Tick級(jí)數(shù)據(jù)頻或超高頻策略迭代到機(jī)器學(xué)習(xí)中高頻策略，儲(chǔ)備高頻，低頻、輿情類策略。T0和Alpha獨(dú)立運(yùn)作2020年量化3.0時(shí)代人工智能算法和更強(qiáng)的IT軟硬件以支持更高的策略迭代速度；人工智能算法在數(shù)據(jù)挖掘和開發(fā)非線性模型方面都有用武之地機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、多因子方法論研發(fā)多信號(hào)、多頻段策略。程序化T0和Alpha策略有機(jī)融合300+500輪動(dòng)策略因子豐富度提升2023年數(shù)據(jù)、底層策略開發(fā)迭代、機(jī)器學(xué)習(xí)策略組合，持續(xù)迭代中.....資料數(shù)據(jù)來(lái)源：海通證券研究所整理、量化機(jī)構(gòu)材料■圖表量化機(jī)構(gòu)2023年投資研究標(biāo)的選項(xiàng)2022年比例選項(xiàng)2023年比例A股78.68%A股股票79.76%期貨53.81%期貨58.33%期權(quán)31.98%期權(quán)36.31%債券28.93%債券32.14%港股18.78%港股16.67%美股14.72%美股新興市場(chǎng)股票（印度、越南等）7.61%新興市場(chǎng)股票[詳細(xì)]3.57%數(shù)字貨幣14.72%數(shù)字貨幣5.36%其他3.05%場(chǎng)外衍生品25%3.05%其他6.55%數(shù)據(jù)資料來(lái)源：《2022-2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表多策略配置比例變化70%套利+5%AIpha+15%選股+5%CTA+5%債券0%套利+80%Alpha+15%選股+0%CTA+5%債券5%套利+5%Alpha+20%選股+20%CTA+50%債券2020年0%套利+70%Alpha+20%選股+0%CTA+10%債券5%套利+35%AIpha+20%選股+20%CTA+20%債券0%套利+60%Alpha+20%選股+5%CTA+15%債券5%套利+70%Alpha+5%選股+5%CTA+15%債券2022年0%套利+55%AIpha+20%選股+5%CTA+20%債券數(shù)據(jù)資料來(lái)源：因諾投資■圖表極端環(huán)境下的收益歸因時(shí)間段關(guān)鍵指數(shù)表現(xiàn)策略歸因15/6/12-15/7/8（股1.0）上證：-32.1%套利策略彌補(bǔ)其他損失15/8/17-15/8/26（股災(zāi)2.0）上證：-26.7%套利策略彌補(bǔ)其他損失15/12/25-16/1/28（股災(zāi)3.0熔斷）上證：-26.8%選股策略虧損，套利和Alpha基本無(wú)法運(yùn)行，CTA盈利彌補(bǔ)所有虧損16/4/21-16/5/24（商品大反轉(zhuǎn)）申萬(wàn)商品：-8.6%商品連續(xù)暴漲后突然暴跌，造成CTA趨勢(shì)策略大幅回撤，套利和AIpha策略無(wú)法運(yùn)行，選股策略也沒(méi)有好機(jī)會(huì)，產(chǎn)品出現(xiàn)回撤，但幅度小可控16/11/14（商品黑色周五）申萬(wàn)商品：-4.1%商品連續(xù)暴漲后1小時(shí)暴跌，諸多品種砸至跌停CTA趨勢(shì)策略損失嚴(yán)重，但CTA套利策略和選股策略盈利，當(dāng)日盈利16/10/28-16/12/20（債災(zāi)）中證全債：-3.4%產(chǎn)品債券頭寸不高，幾乎無(wú)影響20/2/3（新冠疫情暴跌）上證：-7.7%資產(chǎn)均勻配置幾乎無(wú)影響數(shù)據(jù)資料來(lái)源：因諾投資量化會(huì)隨著市場(chǎng)動(dòng)態(tài)變化而動(dòng)態(tài)調(diào)整投資組合規(guī)模?！鰣D表子策略數(shù)量?jī)?chǔ)備：10+個(gè)■圖表子策略相關(guān)系數(shù)：0.40以內(nèi)數(shù)據(jù)資料來(lái)源：復(fù)熙資產(chǎn)■圖表量化機(jī)構(gòu)投資策略體系日內(nèi)回轉(zhuǎn)策略通過(guò)全市場(chǎng)選股策略構(gòu)建股票底倉(cāng)，提供券源供日內(nèi)策略交易進(jìn)行收益增厚統(tǒng)計(jì)套利策略用數(shù)理統(tǒng)計(jì)方法對(duì)投資標(biāo)的歷史數(shù)據(jù)構(gòu)建模型，捕捉市場(chǎng)失效帶來(lái)的價(jià)差套利機(jī)會(huì)事件驅(qū)動(dòng)策略預(yù)測(cè)市場(chǎng)中事件性機(jī)會(huì)發(fā)生的時(shí)點(diǎn)和市場(chǎng)可能的反應(yīng)，提前布局獲取收益新股申購(gòu)策略對(duì)新發(fā)行的股票價(jià)格進(jìn)行研究，參與新股網(wǎng)下申購(gòu)以增厚收益管理期貨策略通過(guò)基本面和趨勢(shì)類量化方法，判斷中短期期貨價(jià)格走勢(shì)，進(jìn)而配置多空倉(cāng)位數(shù)據(jù)資料來(lái)源：天演資本■圖表量化策略基礎(chǔ)流程數(shù)據(jù)資料來(lái)源：阿里云數(shù)據(jù)資料來(lái)源：玄元投資■圖表常見(jiàn)數(shù)據(jù)處理流程■圖表常見(jiàn)數(shù)據(jù)主要分類數(shù)據(jù)資料來(lái)源：穩(wěn)博投資■圖表量化機(jī)構(gòu)目前數(shù)據(jù)儲(chǔ)存量級(jí)■圖表資產(chǎn)管理規(guī)模與數(shù)據(jù)儲(chǔ)存量級(jí)比對(duì)數(shù)據(jù)資料來(lái)源：《2022-2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表量化機(jī)構(gòu)目前使用的數(shù)據(jù)：■圖表量化機(jī)構(gòu)目前數(shù)據(jù)儲(chǔ)存量級(jí)：■圖表隨著量化機(jī)構(gòu)規(guī)模增長(zhǎng)，數(shù)據(jù)儲(chǔ)存量增加■圖表資產(chǎn)規(guī)模與數(shù)據(jù)使用數(shù)據(jù)資料來(lái)源：《中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表量化數(shù)據(jù)分類和規(guī)模市場(chǎng)量?jī)r(jià)類數(shù)據(jù)交易所市場(chǎng)價(jià)格、成交量等日內(nèi)訂單簿基本面數(shù)據(jù)上市公司公告數(shù)干萬(wàn)條記錄財(cái)務(wù)報(bào)告數(shù)據(jù)500萬(wàn)條時(shí)間序列研究報(bào)告100-200萬(wàn)條另類數(shù)據(jù)個(gè)股新聞數(shù)千萬(wàn)條記錄商品相關(guān)數(shù)據(jù)20萬(wàn)條宏觀數(shù)據(jù)35萬(wàn)條產(chǎn)業(yè)相關(guān)數(shù)據(jù)140萬(wàn)條個(gè)殷指標(biāo)數(shù)據(jù)物流數(shù)據(jù)0萬(wàn)條電商數(shù)據(jù)數(shù)萬(wàn)條供應(yīng)鏈數(shù)據(jù)十萬(wàn)條持續(xù)增長(zhǎng)中…數(shù)據(jù)資料來(lái)源：九坤投資2.用法粗糙：很多機(jī)構(gòu)把基本面數(shù)據(jù)直接用因子的研究方法放到研究體■圖表專家洞見(jiàn)：某行業(yè)周期，經(jīng)驗(yàn)投資人員提出行業(yè)核心指標(biāo)，通過(guò)回測(cè)模型，印證指標(biāo)的有效性信號(hào)1取值正負(fù)1，1代表看多，-1代表看空。擇時(shí)凈值代表模型在指數(shù)上進(jìn)行多空擇時(shí)后得到的累計(jì)收益率，統(tǒng)計(jì)區(qū)間：2000年1月-2020年10月。數(shù)據(jù)資料來(lái)源：中歐基金量化投資部■圖表當(dāng)前基本面數(shù)據(jù)的使用基本面量化2.0數(shù)據(jù)來(lái)源公司的財(cái)務(wù)報(bào)表相關(guān)結(jié)構(gòu)化數(shù)據(jù)公司公告、業(yè)績(jī)預(yù)告、分析師報(bào)告、盈利預(yù)期、新聞報(bào)道、行業(yè)研究等非結(jié)構(gòu)化數(shù)據(jù)頻率和時(shí)效性季度報(bào)表數(shù)據(jù)時(shí)效性較弱往往已經(jīng)被市場(chǎng)消化無(wú)增量信息日頻、日內(nèi)，豐富度和覆蓋度越來(lái)越好更加及時(shí)更加本質(zhì)分析方法及建模方式依據(jù)傳統(tǒng)財(cái)務(wù)分析方法構(gòu)建財(cái)務(wù)因子，使用線性回歸或多因子模型等建模采用自然語(yǔ)言處理技術(shù)對(duì)文本信息進(jìn)行分析和結(jié)構(gòu)化處理，采用深度學(xué)習(xí)模型，從大量未標(biāo)注的數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)的規(guī)律和特征，并且通過(guò)多模態(tài)融合識(shí)別復(fù)雜關(guān)系，通過(guò)自學(xué)習(xí)、自升級(jí)和演化的方式不斷學(xué)習(xí)市場(chǎng)變化、提高模型的性能數(shù)據(jù)資料來(lái)源：思源量化■圖表基本面與量?jī)r(jià)的差異對(duì)比傳統(tǒng)基于財(cái)務(wù)報(bào)表的基本面量化基本面量化2.0數(shù)據(jù)來(lái)源公司的財(cái)務(wù)報(bào)表相關(guān)結(jié)構(gòu)化數(shù)據(jù)公司公告、業(yè)績(jī)預(yù)告、分析師報(bào)告、盈利預(yù)期、新聞報(bào)道、行業(yè)研究等非結(jié)構(gòu)化數(shù)據(jù)頻率和時(shí)效性季度報(bào)表數(shù)據(jù)時(shí)效性較弱往往已經(jīng)被市場(chǎng)消化無(wú)增量信息日頻、日內(nèi)，豐富度和覆蓋度越來(lái)越好更加及時(shí)更加本質(zhì)分析方法及建模方式依據(jù)傳統(tǒng)財(cái)務(wù)分析方法構(gòu)建財(cái)務(wù)因子，使用線性回歸或多因子模型等建模采用自然語(yǔ)言處理技術(shù)對(duì)文本信息進(jìn)行分析和結(jié)構(gòu)化處理，采用深度學(xué)習(xí)模型，從大量未標(biāo)注的數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)的規(guī)律和特征，并且通過(guò)多模態(tài)融合識(shí)別復(fù)雜關(guān)系，通過(guò)自學(xué)習(xí)、自升級(jí)和演化的方式不斷學(xué)習(xí)市場(chǎng)變化、提高模型的性能量?jī)r(jià)基本面容量持倉(cāng)周期日內(nèi)到周頻周頻到月頻持倉(cāng)數(shù)量數(shù)百只至上千只300只至500只收益策略邏輯重視統(tǒng)計(jì)規(guī)律重視主觀邏輯收益來(lái)源情緒&波動(dòng)好公司&好價(jià)格波動(dòng)風(fēng)險(xiǎn)控制敞口控制策略配置超額穩(wěn)定性相對(duì)較低接近于“空氣”指增，介于主觀和指增之間數(shù)據(jù)來(lái)源：煜德投資 于日度指標(biāo)來(lái)說(shuō)有約至少萬(wàn)倍的體量差距，對(duì)信息處理能力和處理效率■圖表Level2行情數(shù)據(jù)數(shù)據(jù)類型更新頻率數(shù)據(jù)描述包含的具體數(shù)據(jù)數(shù)據(jù)類型更新頻率數(shù)據(jù)描述包含的具體數(shù)據(jù) 開盤價(jià)、收盤價(jià)；更新頻率為3更新頻率為3秒；若數(shù)據(jù)無(wú)則順延至下一個(gè)周期發(fā)布。也即行情切證券交易所某一時(shí)刻的靜態(tài)數(shù)據(jù)信息，包括現(xiàn)貨（股券等）快照、宗交易快照、指數(shù)快照等。截至當(dāng)前時(shí)刻的最高價(jià)、最低價(jià)類數(shù)據(jù) 區(qū)間成交筆數(shù)；快照類數(shù)據(jù)截至當(dāng)前時(shí)刻的成交量快照類數(shù)據(jù)逐筆委托額、委托買入量、委托賣出量、時(shí)逐筆委托買入撤單量、賣出撤單量等推 類數(shù)據(jù)十檔行情深度信息：買賣前10 類數(shù)據(jù)檔的委托量、委托價(jià)、委托單數(shù) 等買一檔、賣一檔的前50筆委托逐筆合并明細(xì)類數(shù)據(jù)連續(xù)的成交序號(hào)買方訂單號(hào)、賣方訂單號(hào)記錄交易撮合系統(tǒng)中成交的逐筆記錄。成交價(jià)格、成交數(shù)量、成交類買方訂單號(hào)、賣方訂單號(hào)記錄交易撮合系統(tǒng)中成交的逐筆記錄。委托序號(hào)委托時(shí)間，委托類型等記錄市場(chǎng)中實(shí)際訂單的委托情況。委托價(jià)格，委托數(shù)量，委托方向等消息序號(hào)僅上交所使用，將單只消息序號(hào)逐筆成交類數(shù)據(jù)逐筆委托類數(shù)據(jù)股票的所有委托和成交信息合并推送。逐筆成交類數(shù)據(jù)逐筆委托類數(shù)據(jù)注：上交所和深交所推送的信息在委托類型、委托價(jià)格、業(yè)務(wù)序號(hào)、撤單記錄等方面的數(shù)據(jù)定義都有所差異，這也需要在數(shù)據(jù)接收之后進(jìn)行及時(shí)有效的處理。資料數(shù)據(jù)來(lái)源：龍旗科技■圖表宏觀、產(chǎn)業(yè)、另類數(shù)據(jù)的映射數(shù)據(jù)資料來(lái)源：中歐基金量化投資部■圖表初始宏觀指標(biāo)庫(kù)詳細(xì)構(gòu)成增長(zhǎng)增長(zhǎng)：實(shí)體經(jīng)濟(jì)的“量”經(jīng)濟(jì)總量：GDP、工業(yè)增加值、PMI.生產(chǎn)：發(fā)電量、汽車產(chǎn)量、貨物周轉(zhuǎn)量...投資：房地產(chǎn)開發(fā)投資、基建投資...消費(fèi)：社會(huì)消費(fèi)品零售、叉車銷量...進(jìn)出口：進(jìn)口、出口、港口貨物吞吐量...收入：公共財(cái)政收入、工業(yè)企業(yè)利潤(rùn)總額價(jià)格指數(shù)：CPI、PPI、RPI、CGPI商品指數(shù)：CRB現(xiàn)貨指數(shù)、南華商品指數(shù)、柯橋紡織指數(shù)、Mylpic礦價(jià)指數(shù)：綜合...單一品種：大宗價(jià)：豬肉、平均價(jià)：豆油、平倉(cāng)價(jià)：動(dòng)力煤、螺紋價(jià)格指數(shù)、期貨結(jié)算價(jià)：布倫特原油、平均價(jià)：銅...貨幣：狹義流動(dòng)性信用貨幣：狹義流動(dòng)性貨幣政策目標(biāo)：M1、M2、社融存量...貨幣政策手段：央行逆回購(gòu)凈投放...貨幣政策傳導(dǎo)：M1-M2、M1-PPI、金融機(jī)構(gòu)：新增人民幣貸款、金融機(jī)構(gòu)：各項(xiàng)貸款余額、金融機(jī)構(gòu)：企業(yè)存款余額...交易：滬深兩市成交額、商品房銷售額.貨幣市場(chǎng)利率：SHIBOR、銀行間質(zhì)押式回購(gòu)加權(quán)利率、回購(gòu)定盤利率...資本市場(chǎng)利率：國(guó)債到期收益率、企業(yè)債到期收益率、國(guó)開債到期收益率...利差：期限利差、信用利差、中美利差...交易：銀行間質(zhì)押式回購(gòu)成交量...其他資產(chǎn)價(jià)格：上證綜指、深證成指、恒生指數(shù)、70個(gè)大中城市二手住宅價(jià)格指數(shù)...外匯：官方儲(chǔ)備資產(chǎn)：外匯儲(chǔ)備、中間價(jià)：美元兌人民幣、人民幣：實(shí)際有效匯率指數(shù)資料來(lái)源：華泰金工■圖表賣方分析師預(yù)期評(píng)價(jià)預(yù)預(yù)期盈利研究員預(yù)期未來(lái)1-3年盈利均值研究員預(yù)期未來(lái)1-3年盈利方差證券評(píng)級(jí)研究員預(yù)期未來(lái)1年盈利均值變化：1研究員預(yù)期未來(lái)1-3年盈利均值研究員預(yù)期未來(lái)1-3年盈利方差證券評(píng)級(jí)研究員覆蓋個(gè)數(shù)研究員評(píng)級(jí)均值研究員評(píng)級(jí)方差研究員評(píng)級(jí)變化：1周/1月/2月/3月變化情況研究員評(píng)級(jí)調(diào)整加權(quán)均值預(yù)預(yù)期成長(zhǎng)按照研究員預(yù)期未來(lái)1-3年盈利計(jì)算成長(zhǎng)率均值按照研究員預(yù)期未來(lái)1-3年盈利計(jì)算成長(zhǎng)率方差按照研究員預(yù)期未來(lái)1-3年盈利計(jì)算成長(zhǎng)率均值變化：1周/1月/2月/3月變化情況預(yù)預(yù)期估值目標(biāo)目標(biāo)價(jià)格按照研究員預(yù)期未來(lái)1-3年每股收益計(jì)算市盈率方差按照研究員預(yù)期未來(lái)1-3年每股收益計(jì)算市盈率均值變化：1周/1月/2月/3月變化情況研究員預(yù)期目標(biāo)價(jià)格均值研究員預(yù)期目標(biāo)價(jià)格方差研究員預(yù)期目標(biāo)價(jià)格變化：1周/1月/2月/3月變化情況研究員預(yù)期目標(biāo)價(jià)格調(diào)整加權(quán)均值數(shù)據(jù)資料來(lái)源：玄元投資■圖表行業(yè)的知識(shí)圖譜的構(gòu)建■圖表研報(bào)及新聞文本的處理數(shù)據(jù)資料來(lái)源：九坤投資數(shù)據(jù)資料來(lái)源：思源量化■圖表文本數(shù)據(jù)的事件提取，不同市場(chǎng)環(huán)境下的事件影響力數(shù)據(jù)資料來(lái)源：九坤投資■圖表另類數(shù)據(jù)使用類別■圖表另類數(shù)據(jù)使用介質(zhì)■圖表高頻相關(guān)定義辨析高頻數(shù)據(jù)高頻量?jī)r(jià)數(shù)據(jù)是指以非常短的時(shí)間間隔（如秒或毫秒級(jí)）記錄的市場(chǎng)交易數(shù)據(jù)，包括價(jià)格變化（買入價(jià)和賣出價(jià)）和交易量的信息。高頻量?jī)r(jià)數(shù)據(jù)可以揭示市場(chǎng)在非常短的時(shí)間范圍內(nèi)的動(dòng)態(tài)變化，全市場(chǎng)可通過(guò)公開購(gòu)買方式獲得。高頻因子高頻因子是指在高頻數(shù)據(jù)上構(gòu)建的預(yù)測(cè)性信號(hào)或?qū)傩?，用于捕捉短時(shí)間內(nèi)價(jià)格變動(dòng)的規(guī)律。例如，某個(gè)高頻因子可能是基于最近幾秒或幾分鐘內(nèi)的價(jià)格動(dòng)量或交易量的變化計(jì)算得出。但這些因子在交易時(shí)通常也會(huì)進(jìn)行低頻化處理，如前所述，例如通過(guò)逐筆數(shù)據(jù)重構(gòu)訂單簿，使用快照數(shù)據(jù)來(lái)合成分鐘級(jí)別的K線數(shù)據(jù)。高頻策略交易次數(shù)多，單筆盈利少。最終盈利取決于股票的日內(nèi)波動(dòng)和流動(dòng)性。周期短、勝率高、盈利穩(wěn)定，基本不受宏觀和大盤影響。主要分為趨勢(shì)性策略、價(jià)差策略、做市策略等。趨勢(shì)策略：往往投資于一個(gè)證券品種，運(yùn)用技術(shù)分析或數(shù)學(xué)工具預(yù)測(cè)其未來(lái)價(jià)格走勢(shì)，并據(jù)此確定建倉(cāng)和平倉(cāng)時(shí)點(diǎn)。只要預(yù)測(cè)方法能夠保證一定的準(zhǔn)確率并能抓住大的價(jià)格波動(dòng)，那么這樣的策略就有可能獲得較好的累積收益。該類策略在商品期貨和股指期貨市場(chǎng)上已經(jīng)得到廣泛運(yùn)用。價(jià)差策略：往往會(huì)投資多個(gè)具備某種共性的證券品種，并認(rèn)為這些證券之間的價(jià)差應(yīng)該維持在一個(gè)均衡水平，不會(huì)偏離太多。如果發(fā)現(xiàn)市場(chǎng)上某些證券之間的價(jià)差過(guò)大，那么該策略便會(huì)做空那些高估證券，同時(shí)買入低估證券，直至價(jià)差回復(fù)到均衡水平再同時(shí)清掉多、空頭倉(cāng)位，賺取價(jià)差變動(dòng)的收益。做市策略：是因?yàn)槠洳捎昧祟愃朴谧鍪猩烫峁┵I/賣報(bào)價(jià)（bid/askprice）方式，賺取買賣價(jià)差（bid-askspread)，但其本身的目的并不是要做市，給市場(chǎng)提供流動(dòng)性。這種策略通常需要對(duì)逐筆成交和掛單報(bào)價(jià)做建模分析，從海量數(shù)據(jù)中挖掘定量模式，掛單和撤單之間的時(shí)間間隔可能在毫秒之間(1毫秒=0.000001秒)，因此也是技術(shù)要求最高的一種交易模式，通常也稱作超高頻交易(UHFT,UltraHighFrequencyTrading)。鑒于國(guó)內(nèi)法規(guī)、硬件設(shè)施、交易費(fèi)用的限制，該類策略在國(guó)內(nèi)尚且無(wú)法實(shí)施高頻交易高頻交易是一種算法交易的形式，其中交易指令以極快的速度被執(zhí)行，通常是毫秒甚至微秒級(jí)別。高頻交易者利用先進(jìn)的技術(shù)和算法來(lái)捕捉市場(chǎng)上的瞬息機(jī)會(huì)，并且通常會(huì)在一天內(nèi)進(jìn)行大量的買賣。目前，國(guó)內(nèi)證券交易所對(duì)高頻交易的篩選標(biāo)準(zhǔn)是，每秒最高申報(bào)速率300筆以上，或者單日最高申報(bào)2萬(wàn)筆以上。從篩選結(jié)果看，高頻交易賬戶數(shù)量總體不多，但交易金額較大，約占程序化交易額的60%。接下來(lái)政策導(dǎo)向?yàn)椋?.額外報(bào)告機(jī)制；2.重點(diǎn)監(jiān)管；2差異化收費(fèi)：對(duì)行情使用費(fèi)、流量費(fèi)等相關(guān)費(fèi)用做出差異化安排，適當(dāng)提高交易收費(fèi)標(biāo)準(zhǔn)，并可能收取撤單費(fèi)等其他費(fèi)用。程序化交易根據(jù)2024-05-15《證券市場(chǎng)程序化交易管理規(guī)定（試行）》，程序化交易為通過(guò)計(jì)算機(jī)程序自動(dòng)生成或者下達(dá)交易指令在證券交易所進(jìn)行證券交易的行為。《規(guī)定》要求：證券交易所依法建立程序化交易報(bào)告制度。程序化交易投資者應(yīng)當(dāng)真實(shí)、準(zhǔn)確、完整、及時(shí)報(bào)告以下信息一）賬戶基本信息，包括投資者名稱、證券賬戶代碼、指定交易或托管的證券公司、產(chǎn)品管理人等；（二）賬戶資金信息，包括賬戶的資金規(guī)模及來(lái)源，杠桿資金規(guī)模及來(lái)源、杠桿率等三）交易信息，包括交易策略類型及主要內(nèi)容、交易指令執(zhí)行方式、最高申報(bào)速率、單日最高申報(bào)筆數(shù)等；（四）交易軟件信息，包括軟件名稱及版本號(hào)、開發(fā)主體等；（五）證券交易所規(guī)定的其他信息，包括證券公司、投資者聯(lián)絡(luò)人及聯(lián)系方式等。程序化交易投資者報(bào)告信息發(fā)生重大變更的，應(yīng)當(dāng)及時(shí)進(jìn)行變更報(bào)告。證券交易所對(duì)程序化交易實(shí)行實(shí)時(shí)監(jiān)測(cè)監(jiān)控，對(duì)下列可能影響證券交易所系統(tǒng)安全或者交易秩序的異常交易行為予以重點(diǎn)監(jiān)控一）短時(shí)間內(nèi)申報(bào)、撤單的筆數(shù)、頻率達(dá)到一定標(biāo)準(zhǔn)，或者日內(nèi)申報(bào)、撤單的筆數(shù)達(dá)到一定標(biāo)準(zhǔn)；（二）短時(shí)間內(nèi)大筆、連續(xù)或密集申報(bào)并成交，導(dǎo)致多只證券交易價(jià)格或交易量出現(xiàn)明顯異常；（三）短時(shí)間內(nèi)大筆、連續(xù)或密集申報(bào)并成交，導(dǎo)致證券市場(chǎng)整體運(yùn)行出現(xiàn)明顯異常；（四）證券交易所認(rèn)為需要重點(diǎn)監(jiān)控的其他情形。程序化交易異常交易監(jiān)控標(biāo)準(zhǔn)由證券交易所規(guī)定。截至去年底，全市場(chǎng)報(bào)告程序化交易賬戶11.9萬(wàn)個(gè)，程序化交易不一定是高頻的；它既可以應(yīng)用于高頻交易，也可以應(yīng)用于日內(nèi)交易甚至長(zhǎng)期投資策略。數(shù)據(jù)資料來(lái)源：編寫組整理■圖表公眾如何看待高頻交易■圖表如何看待做空策略■圖表量化因子分類因子種類低頻量?jī)r(jià)、高頻量?jī)r(jià)、基本面、另類因子因子預(yù)測(cè)周期日內(nèi)：日內(nèi)高頻（1-3min）、日內(nèi)波段（10-15min）、日內(nèi)長(zhǎng)線（30-60min）日間：高頻1-3天；中頻3-10天；低頻10天以上因子產(chǎn)生背景人工挖掘（投資邏輯、數(shù)理統(tǒng)計(jì)、研究報(bào)告）機(jī)器學(xué)習(xí)挖掘Barra市值因子等■圖表頭部私募機(jī)構(gòu)量化策略的因子構(gòu)成機(jī)構(gòu)因子組成因子挖掘方式機(jī)構(gòu)1量?jī)r(jià)70%、基本面20%、另類因子10%。以機(jī)器挖掘?yàn)橹?。機(jī)構(gòu)2傳統(tǒng)量?jī)r(jià)（中低頻）70%，其余30%。傳統(tǒng)量?jī)r(jià)均為人工挖掘的理性因子。Al對(duì)挖掘因子、組合優(yōu)化貢獻(xiàn)度約40%。機(jī)構(gòu)3量?jī)r(jià)因子90%、基本面5%、事件驅(qū)動(dòng)因子5%以機(jī)器學(xué)習(xí)為主。機(jī)構(gòu)4包括中低頻價(jià)量因子（60%)、事件驅(qū)動(dòng)因子、基本面因子、日內(nèi)因子和高頻因子以人工挖掘?yàn)橹?。機(jī)構(gòu)5中低頻量?jī)r(jià)70%、基本面及另類因子不到20%。因子挖掘人工為主。機(jī)器學(xué)習(xí)少量參與，Al挖掘的因子會(huì)進(jìn)行人為歸因。機(jī)構(gòu)6以中低頻量?jī)r(jià)因子為主，基本面因子和另類因子起輔助作用。以人工挖掘?yàn)橹鳌C(jī)構(gòu)7以量?jī)r(jià)為主，量?jī)r(jià)中中低頻占比高Al挖掘因子占比在50%以上機(jī)構(gòu)8量?jī)r(jià)75%、基本面25%。量?jī)r(jià)以中低頻為主。因子挖掘?yàn)榧儥C(jī)器學(xué)習(xí)，因子邏輯偏統(tǒng)計(jì)學(xué)，金融學(xué)邏輯較弱。機(jī)構(gòu)9量?jī)r(jià)因子70%左右，其余為基本面、另類因子。主要由機(jī)器學(xué)習(xí)挖掘因子。機(jī)構(gòu)1000指增，量?jī)r(jià)因子70%、基本面因子+另類因子30%;500指增，量?jī)r(jià)因子60%，基本面因子+另類因子40%。因子80%以上為機(jī)器學(xué)習(xí)挖掘，其余為人工挖掘資料來(lái)源：私募排排網(wǎng)，Wind，海通證券研究所■圖表高頻因子分類情況成交分布類主要包括成交量或成交額日內(nèi)分布統(tǒng)計(jì)指標(biāo)，用于反映成交日內(nèi)分布情況；不同條件下成交占比用于刻畫投資者交易行為或交易意收益分布類主要包括價(jià)格或收益率的日內(nèi)分布統(tǒng)計(jì)指標(biāo)，用于反映股價(jià)日內(nèi)分布、買賣壓力等情況。波動(dòng)跳躍類利用高頻數(shù)據(jù)刻畫股價(jià)日內(nèi)波動(dòng)和跳躍情況?？坍嬃斯善眱r(jià)格或股票收益在過(guò)去一段時(shí)間的不確定性程度，高波動(dòng)率通常反映其不確定性程度較高，未來(lái)收益表現(xiàn)可能相對(duì)較弱。動(dòng)量反轉(zhuǎn)類主要對(duì)應(yīng)日內(nèi)動(dòng)量和日內(nèi)反轉(zhuǎn)，利用高頻數(shù)據(jù)增強(qiáng)動(dòng)量效應(yīng)和反轉(zhuǎn)效應(yīng)。包含三個(gè)細(xì)分類型：分段動(dòng)量、量能動(dòng)量和QRS動(dòng)量因資金流類對(duì)成交單數(shù)據(jù)進(jìn)行大中小單、主動(dòng)買入賣出、資金流入流出等維度的劃分，通過(guò)計(jì)算不同維度下成交占比等方式刻畫資金流向、買賣壓力、買賣意愿、追漲殺跌羊群行為、知情交易等情況。主要可分為以下三類：交易單量資金流向因子、開盤/尾盤資金流向因子和收益率成交占比因子。資金流因子反映了不同類型資金流向的信息，該類因子的核心思路是捕捉“聰明資金”的流向，采取跟隨策略，以期獲得基本面改善帶來(lái)的超額收益。流動(dòng)性類主要利用Tick數(shù)據(jù)，從寬度、深度、彈性等方面衡量市場(chǎng)流動(dòng)性，追蹤投資者交易意圖。包含兩類：價(jià)格彈性因子和集合競(jìng)價(jià)因量?jī)r(jià)相關(guān)性類主要基于成交量和股價(jià)的相關(guān)關(guān)系刻畫成交量和價(jià)格雙方走勢(shì)的背離或一致程度，以及一些量?jī)r(jià)復(fù)合因子。可分為兩類：價(jià)量同步因子和領(lǐng)先滯后因子。量能領(lǐng)先階段往往是信息擴(kuò)散的初期，但日內(nèi)量?jī)r(jià)相關(guān)因子基本與未來(lái)收益負(fù)相關(guān)，高階特征通過(guò)分鐘級(jí)別價(jià)格數(shù)據(jù)計(jì)算出日內(nèi)收益率的偏度與峰度，該類因子刻畫日內(nèi)價(jià)格分布以及快速變化的特征。籌碼分布可分為以下兩類：籌碼分布形狀因子和籌碼占比因子。籌碼分布旨在刻畫股票持有人的持倉(cāng)成本分布情況。擁擠度使用30s快照成交量序列構(gòu)建了傅里葉變換機(jī)構(gòu)擁擠度指標(biāo)，原理是機(jī)構(gòu)拆單下單形成的周期性可以被傅里葉變換后的更顯著波形振幅占比捕捉，使用周期性成交占比表征機(jī)構(gòu)參與度占比。訂單侵略性訂單薄性質(zhì)的變化，體現(xiàn)了多空力量的動(dòng)態(tài)變化，是未來(lái)價(jià)格走勢(shì)的重要體現(xiàn)，一個(gè)訂單的執(zhí)行概率和訂單薄的厚度、參與者對(duì)即將到來(lái)的訂單的預(yù)期有關(guān)；買盤越厚，一個(gè)潛在的買家下marketorder的概率更大；這套說(shuō)法對(duì)賣方同樣適用；bidask的厚度體現(xiàn)了看漲和看跌者的相對(duì)力量。買家掛單越接近bid1，越激進(jìn)；賣家掛單越接近ask1，越激進(jìn)；體現(xiàn)了買家/賣家完成交易的迫切程度。通過(guò)整個(gè)訂單薄，可以知道所有買家整體的激進(jìn)程度和所有賣家整體的激進(jìn)程度，從而構(gòu)建一系列因子了。此外，買賣侵略性的差異，也是一系列因子。訂單薄形狀訂單薄平均形態(tài)是有一塊隆起的地方，離不開幾種情況。1.頂點(diǎn)不同；2.可能是雙峰的，甚至是多峰；3.可能是沒(méi)有峰，就是矩形分布4.可能就在某些檔位有分布；5.可能是單調(diào)的，比如從第一檔往后幾乎單調(diào)上升或者下降，單調(diào)的函數(shù)可以是線性的，也可以是concave或者convex；頂點(diǎn)的位置可以作為一個(gè)因子。比如，買單的頂點(diǎn)位置，是位于0-10%、10-20%等的哪個(gè)位置；此外，還需要關(guān)注這個(gè)頂點(diǎn)位置隨時(shí)間的遷移。例如訂單薄斜率，描述訂單薄上的價(jià)格和該價(jià)格處的掛單量之間的關(guān)系。撤單撤單行為，不僅反映了交易者的觀點(diǎn)的變化，還會(huì)影響其他交易者；根據(jù)買賣雙方各自的撤單量、撤單金額、撤單價(jià)位、大單超大單的撤單情況，可以構(gòu)建很多因子。除了正常交易情況下撤單去追跑掉的價(jià)格外，還有訂單為欺騙對(duì)手的作用，掛單者想制造假象，以誘導(dǎo)其他投資者。事件聚集例如撤單、掛買一單、超大買賣單出現(xiàn)，然后在一段時(shí)間內(nèi)統(tǒng)計(jì)事件發(fā)生的頻率，可以構(gòu)建很多個(gè)系列的因子。這是高頻數(shù)據(jù)低頻化的常見(jiàn)思路。一些事件具有聚集的特性原因有：交易者拆分大單來(lái)掩蓋交易意圖；交易者之間的模仿；不同交易者對(duì)新聞的先后反應(yīng)；為了在競(jìng)價(jià)上擊敗其他交易者。逐筆數(shù)據(jù)主動(dòng)買賣判斷一筆交易屬于主動(dòng)買還是主動(dòng)賣，通常以一筆交易的買賣雙方的訂單到底先后順序來(lái)定，生成日內(nèi)累計(jì)主買率、日內(nèi)累計(jì)資金凈流入、日內(nèi)累計(jì)大單資金流入率、日內(nèi)累計(jì)小單資金流入率等等；數(shù)據(jù)資料來(lái)源：量化投資與機(jī)器學(xué)習(xí)、中金多因子手冊(cè)、中環(huán)狙擊手■圖表穩(wěn)博投資日間因子分類及其收益占比■圖表穩(wěn)博投資日內(nèi)因子分類及其收益占比數(shù)據(jù)資料來(lái)源：穩(wěn)博投資■圖表穩(wěn)博投資日間因子分類及其收益占比■圖表穩(wěn)博投資日內(nèi)因子分類及其收益占比數(shù)據(jù)資料來(lái)源：穩(wěn)博投資■圖表量化機(jī)構(gòu)因子挖掘方式：數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表統(tǒng)計(jì)性因子及邏輯性因子的使用條件統(tǒng)計(jì)性因子邏輯性因子基本面因子統(tǒng)計(jì)時(shí)長(zhǎng)不低于10年T0因子統(tǒng)計(jì)時(shí)長(zhǎng)不低于6個(gè)月兼顧長(zhǎng)期歷史有效和當(dāng)下市場(chǎng)環(huán)境有效檢測(cè)每次邏輯成立時(shí)，對(duì)應(yīng)的勝率以及極端情況下勝率和表現(xiàn)因子提交后，在預(yù)設(shè)時(shí)間內(nèi)通過(guò)樣本外數(shù)據(jù)驗(yàn)證，統(tǒng)計(jì)學(xué)上顯著有效，最終被采納因子通過(guò)檢驗(yàn)時(shí)長(zhǎng)1個(gè)月-1年不等數(shù)據(jù)資料來(lái)源：穩(wěn)博投資■圖表穩(wěn)博投資日間因子分類及其收益占比■圖表穩(wěn)博投資日內(nèi)因子分類及其收益占比數(shù)據(jù)資料來(lái)源：穩(wěn)博投資■圖表2024年Q1賣方金融工程熱點(diǎn)研報(bào)東北證券基于CNN～Transformer的深度學(xué)習(xí)模型探究海通證券深度學(xué)習(xí)因子的“模型動(dòng)物園”東方證券基于異構(gòu)圖神經(jīng)網(wǎng)絡(luò)的股票關(guān)聯(lián)因子挖掘華安證券加速換手因子，“適逢其時(shí)”的換手奧秘DFQ～HIST，添加圖信息的選股因子挖掘系統(tǒng)基于殘差因子分布預(yù)測(cè)的投資組合優(yōu)化周頻多因子行業(yè)輪動(dòng)模型高成交量回報(bào)溢價(jià)與經(jīng)濟(jì)基本面基本面因子的重構(gòu)探索股價(jià)動(dòng)態(tài)關(guān)聯(lián)，捕捉屬性敏感的動(dòng)量溢出自適應(yīng)時(shí)空?qǐng)D網(wǎng)絡(luò)周頻Alpha模型基于端到端神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)預(yù)算與組合優(yōu)化東吳證券換手率切割刀CTR因子CutletsofTurnoverRate，換手率的異質(zhì)信念華泰證券經(jīng)濟(jì)周期實(shí)證、理論及應(yīng)用交易者結(jié)構(gòu)對(duì)動(dòng)量因子的改進(jìn)GPT因子工廠，多智能體與因子挖掘換手率分布均勻度，基于分鐘成交量的選股因子如何捕捉長(zhǎng)時(shí)間序列量?jī)r(jià)數(shù)據(jù)的規(guī)律宏觀風(fēng)險(xiǎn)因子構(gòu)建與大類資產(chǎn)配置應(yīng)用華鑫證券基于技術(shù)面量化的指數(shù)基金絕對(duì)收益策略重拾自信選股因子更新～從過(guò)度自信到重拾自信開源證券訂單流系列，撤單行為規(guī)律初探廣發(fā)證券基于融資融券因子研究KyFactor特色因子體系與應(yīng)用可轉(zhuǎn)債高頻因子探索大小單資金流為核心的綜合行業(yè)輪動(dòng)方案國(guó)海證券DMA策略帶來(lái)的小微盤股風(fēng)險(xiǎn)釋放及前景展望行業(yè)動(dòng)力學(xué)模型的周頻應(yīng)用國(guó)金證券基于日內(nèi)高頻博弈信息的商品CTA策略百億量化私募2023年業(yè)績(jī)盤點(diǎn)追上投資熱點(diǎn)～基于LLM的產(chǎn)業(yè)鏈圖譜智能化生成民生證券紅利策略優(yōu)化，“高股息陷阱”與股息預(yù)測(cè)高頻因子跟蹤Sora模型有望進(jìn)一步提升投研生產(chǎn)力從增量學(xué)習(xí)到元學(xué)習(xí)，深度學(xué)習(xí)訓(xùn)練新框架機(jī)器學(xué)習(xí)全流程重構(gòu)～細(xì)節(jié)對(duì)比與測(cè)試邁向價(jià)值之路，競(jìng)爭(zhēng)壁壘分析框架下的選股邏輯國(guó)聯(lián)證券雪球敲入對(duì)市場(chǎng)影響研究太平洋證券基于交易異常的廣義反轉(zhuǎn)因子基于遺傳規(guī)劃的對(duì)傳統(tǒng)量?jī)r(jià)因子的優(yōu)化思路西南證券聚沙成塔，微盤股行情解析與微盤股投資策略國(guó)泰君安行業(yè)指數(shù)如何擇時(shí)，通過(guò)估值、流動(dòng)性和擁擠度構(gòu)建量化擇時(shí)策略多維探究黃金定價(jià)邏輯，定量擇時(shí)配置有章可循大類資產(chǎn)配置策略落地方法研究信達(dá)證券雪球敲入是否給市場(chǎng)帶來(lái)壓力？國(guó)信證券高頻訂單成交數(shù)據(jù)蘊(yùn)含的Alpha信息雪球陸續(xù)敲入，基差全面貼水個(gè)股與行業(yè)的共振，聯(lián)合動(dòng)量因子興業(yè)證券年度復(fù)盤&展望三選股策略篇浙商證券多因子量化投資框架梳理長(zhǎng)江證券交易行情高頻因子收益來(lái)源數(shù)據(jù)資料來(lái)源：公眾號(hào)《量化投資與機(jī)器學(xué)習(xí)》■圖表量化機(jī)構(gòu)目前的實(shí)盤因子數(shù)量：■圖表因子挖掘方式與實(shí)盤因子數(shù)量關(guān)聯(lián)關(guān)系數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表因子檢驗(yàn)方法比較方法優(yōu)勢(shì)劣勢(shì)ic信息系數(shù)含義簡(jiǎn)明；計(jì)算簡(jiǎn)便。只能反映因子值與股票收益的線性相關(guān)性，未考慮非線性部分：無(wú)法從選股角度反映因子頭部選股能力。Rank-ICRank-ICIR分組測(cè)試分十組測(cè)試直接考察組合收益與波動(dòng)分布：反映因子多頭與空頭收益輔助判斷因子在時(shí)序上的表現(xiàn)。用回歸取殘差的方式無(wú)法做到完全中性；受市場(chǎng)風(fēng)險(xiǎn)及其他因子的影響：直接考察組合收益與波動(dòng)分布：市值行業(yè)分層打反映因子多頭與空頭收益；受行業(yè)股票個(gè)數(shù)影響，分組組數(shù)受限；分保持市值和行業(yè)中性；無(wú)法剔除其他α因子和風(fēng)險(xiǎn)因子的影響。輔助判斷因子在時(shí)序上的表現(xiàn)因子收益FM-檢檢驗(yàn)因子在時(shí)間序列上是否有顯著收益；無(wú)法反映因子在組合中的表現(xiàn)；回歸法驗(yàn)輔助判斷因子在時(shí)序上的表現(xiàn)。受回測(cè)時(shí)間窗口選取的影響能靈活控制風(fēng)險(xiǎn)因子對(duì)待檢驗(yàn)因子的影響，提無(wú)法判斷收益來(lái)自多頭還是空頭：純因子組合純因子表現(xiàn)：純因子組合不具可投資性，與實(shí)際投資組合存在差別；與風(fēng)險(xiǎn)模型、組合優(yōu)化聯(lián)系緊密。嚴(yán)格控制其他風(fēng)險(xiǎn)暴露為0，可能因子走勢(shì)常有出入數(shù)據(jù)資料來(lái)源：華泰研究■圖表復(fù)熙資產(chǎn)因子在相關(guān)性頻譜分布■圖表因子因果推斷數(shù)據(jù)資料來(lái)源：復(fù)熙資產(chǎn)數(shù)據(jù)資料來(lái)源：配邦私募《計(jì)算過(guò)程》一文中對(duì)算力進(jìn)行如上定義。■圖表大量數(shù)據(jù)儲(chǔ)存、多模態(tài)數(shù)據(jù)、復(fù)雜的算法催生了量化機(jī)構(gòu)的算力軍備競(jìng)賽■圖表小型機(jī)構(gòu)及經(jīng)濟(jì)學(xué)派別算力部署更為克制人工智能和短周期量化機(jī)構(gòu)派別對(duì)數(shù)據(jù)則更為積極■圖表量化策略和數(shù)據(jù)處理中的首要需求數(shù)據(jù)資料來(lái)源：《2023中國(guó)量化投資白皮書》問(wèn)卷調(diào)研■圖表CPU和GPU的芯片資源分布示例資料來(lái)源：《CUDACProgrammingGuide》，NVIDIA■圖表當(dāng)前部分量化機(jī)構(gòu)算力存儲(chǔ)公司簡(jiǎn)稱設(shè)置九坤2020年，九坤搭建了人工智能方向的技術(shù)團(tuán)隊(duì)，成立了AI實(shí)驗(yàn)室，建立起北溟超算集群，完成在人工智能方向上的技術(shù)突破。2021年，九坤設(shè)立了三大實(shí)驗(yàn)室，數(shù)據(jù)實(shí)驗(yàn)室（DATALAB）、人工智能實(shí)驗(yàn)室（AILAB）、水滴實(shí)驗(yàn)室（主要用于優(yōu)化一些軟硬件基礎(chǔ)架構(gòu)的性能優(yōu)化）。九坤幻方2019年，幻方量化成立AI公司，投資2億元自主研發(fā)深度學(xué)習(xí)訓(xùn)練平臺(tái)“螢火一號(hào)”，搭載了1100塊GPU。投入近