策略核心观点 - 围绕盈利和成长两大维度 辅助个股质量、价值等维度进行选股 在回测期内等权重策略年化收益率达23.43% 相对中证800年化超额收益率为16.25% [1][4][5] - 策略采用量化方法 每年三次调仓（4月30日、8月31日、10月31日） 筛选ROE较高、销售毛利率改善、现金流优势及资产质量良好的个股 [3][4][30] - 组合平均每期持股55只 个股平均流通市值140亿元 行业分布集中于医药生物、化工、电子、机械设备、食品饮料等领域 [1][23][26] 实证分析表现 - 等权重组合累计收益率3281.94% 年化收益率23.43% 相对中证800年化信息比1.19 年化波动率13.67% [5][13] - 市值加权组合累计收益率2330.56% 年化收益率21.02% 相对中证800年化超额收益率13.88% 年化信息比1.00 [15][22] - 等权重组合在17年回测期内实现13次正收益 最大回撤发生在2015年6月12日至9月15日 达49.64% [12][14] 组合构建特征 - 样本筛选排除上市未满一年、ST、*ST及亏损个股 调仓时采用最新财报数据 [3] - 选股标准包括ROE趋势向上、销售毛利率改善、现金流优势、资产负债率合理及资产质量良好 [4] - 权重设置采用等权重与市值加权双方案 行业偏好医药生物、化工、电子等 回避休闲服务、建筑装饰、国防军工等领域 [4][26] 历史表现对比 - 等权重组合相对中证800超额收益显著 2009年超额收益13.21% 2013年达30.13% 2020年达64.14% [14][22] - 市值加权组合在2020年收益率达103.82% 相对中证800超额收益58.24% 2025年至今收益率74.75% [22] - 策略在2011年、2022年等市场下行期仍能控制相对回撤 2022年等权重组合相对最大回撤13.34% [14][22]

市场表现 - 最近5个交易日科创50指数涨7.49% 创业板指涨7.74% 大盘价值跌1.37% 大盘成长涨5.83% 上证50涨1.63% 国证2000涨0.33% [1] - 通信和有色金属行业表现靠前 纺织服饰和煤炭行业表现靠后 [1] 风险溢价指标 - 中证全指风险溢价指标2022/04/26达4.17% 2022/10/28达4.08% 2024/01/19达4.11% [1] - 截至2025/08/29风险溢价指标为2.92% 两倍标准差边界为4.77% [1] 估值水平 - 中证全指PETTM分位数78% 上证50分位数72% 沪深300分位数70% 创业板指分位数46% [2] - 中证500分位数60% 中证1000分位数59% 创业板指估值处于历史相对较低水平 [2] 技术面分析 - 深100指数技术面呈现3年周期特征 2012/2015/2018/2021年下行幅度40%-45% [2] - 本轮调整始于2021年一季度 时间和空间较充分 关注底部向上周期可能 [2] 资金交易 - 最近5个交易日ETF资金流入286亿元 融资盘增加966亿元 [3] - 两市日均成交额29510亿元 [3] 人工智能主题配置 - 使用卷积神经网络对价量数据建模 特征映射至行业主题板块 [9] - 最新配置主题包括人工智能产业指数 消费电子主题指数 5G通信主题指数等 [10] 指数跟踪 - 重点跟踪指数包括中证人工智能产业指数(931071.CSI) 中证5G通信主题指数(931079.CSI) [10] - 同时关注中证全指通信设备指数(931160.CSI) 中证细分化工产业主题指数(000813.CSI) [10]

会议基本信息 - 会议名称为广发证券2025年秋季策略会-余工论坛 主题为智慧量化与未来投资 [2] - 会议时间为2025年8月27日13:30至17:00 地点为浦东香格里拉大酒店浦江楼2楼北京厅 [2] 会议议程与演讲主题 - 13:30-14:00由安宁宁讲解AI复盘之精选策略组合 [2] - 14:00-14:30由陈原文讲解面向通用模型的时序增强学习 [2] - 14:30-15:00由张超讲解可转债指数择时的三个视角 [2] - 15:00-15:30由李豪讲解多角度定量刻画指数拥挤度 [2][3] - 15:30-16:00由周飞鹏讲解龙头扩散效应行业轮动 [4] - 16:00-16:30由张钰东讲解基于多因子加权的ETF轮动策略 [5] - 16:30-17:00由王小康讲解如何利用聪明钱改进分析师预期 [6] 会议参与方式 - 会议提供扫码报名渠道 [8]

市场表现 - 最近5个交易日科创50指数涨13.31%，创业板指涨5.85%，大盘价值涨1.56%，大盘成长涨4.77%，上证50涨3.38%，国证2000涨3.47% [1] - 通信和电子行业表现靠前，房地产和煤炭行业表现靠后 [1] - 两市日均成交额达25463亿元 [3] 估值水平 - 截至2025/08/22中证全指PETTM分位数76%，上证50分位数72%，沪深300分位数68%，创业板指分位数39%，中证500分位数58%，中证1000分位数57% [2] - 创业板指估值处于历史相对较低水平 [2] 风险溢价 - 中证全指静态EP减十年期国债收益率，2022/04/26达4.17%，2022/10/28达4.08%，2024/01/19达4.11% [1] - 截至2025/08/22风险溢价指标为3.03%，两倍标准差边界为4.77% [1] 技术面分析 - 深100指数呈现3年周期熊牛交替特征，历史下行幅度40%-45%，本轮调整始于2021年一季度时间和空间较充分 [2] - 使用卷积神经网络对价量数据建模，最新配置主题为通信行业 [2][8] 资金流向 - 最近5个交易日ETF资金流入247亿元 [3] - 融资盘5个交易日增加约901亿元 [3] 行业主题指数 - AI模型重点关注通信设备指数(931160.CSI)、5G通信主题指数(931079.CSI)、人工智能产业指数(931071.CSI) [9] - 同时关注通信设备主题指数(931271.CSI)和新能源电池指数(980027.CNI) [9]

广发证券2025年秋季策略会-余工论坛 - 会议主题为"智慧量化·未来投资"，聚焦量化投资与金融工程领域的前沿策略 [2] - 会议时间定于2025年98月27日13:30-17:00，地点在浦东香格里拉大酒店浦江楼2楼北京厅 [2] 会议议程 - 13:30-14:00由安宁宁主讲"多角度定量刻画指数拥挤度"，探讨指数投资的风险评估方法 [2] - 14:00-14:30陈原文分享"面向通用模型的时序增强学习"，介绍AI在时序预测中的应用 [2] - 14:30-15:00张超讲解"可转债指数择时的三个视角"，分析可转债市场的择时策略 [2] - 15:30-16:00周飞鹏探讨"龙头扩散效应行业轮动"，研究行业轮动中的龙头股传导效应 [4] - 16:00-16:30张钰东介绍"基于多因子加权的ETF轮动策略"，提出ETF投资的量化方法 [5] - 16:30-17:00王小康分享"如何利用聪明钱改进分析师预期"，讨论市场资金流向对分析预测的影响 [6]

市场表现 - 最近5个交易日科创50指数涨5.53%，创业板指涨8.48%，大盘价值跌0.76%，大盘成长涨3.63%，上证50涨1.57%，国证2000代表的小盘涨3.86% [1] - 通信、电子行业表现靠前，银行、钢铁行业表现靠后 [1] - 中证全指风险溢价指标在2024/01/19达到4.11%，为2016年以来第五次超过4%，截至2025/08/15该指标回落至3.23% [1] 估值水平 - 截至2025/08/15中证全指PETTM分位数72%，上证50与沪深300分位数分别为69%、63%，创业板指分位数接近33%，中证500与中证1000分位数分别为54%、52% [2] - 创业板指估值处于历史相对较低水平 [2] - 深100指数技术面呈现3年周期规律，2012/2015/2018/2021年下行幅度40%-45%，2021年一季度开始的调整时间与空间较充分 [2] 资金交易 - 最近5个交易日ETF资金流出104亿元，融资盘增加约418亿元，两市日均成交20767亿元 [3] 量化模型应用 - 采用卷积神经网络对价量数据建模，将学习特征映射至行业主题板块，最新配置主题为通信等 [2][8] - 模型涉及中证全指通信设备指数(931160.CSI)、中证钢铁指数(930606.CSI)、中证通信设备主题指数(931271.CSI)等标的 [9] 市场情绪与技术指标 - 权益资产风险溢价跟踪显示历史极端底部通常出现在均值上两倍标准差区域，如2012/2018/2020年 [1] - 深100指数技术面周期显示当前调整或接近尾声 [2]

研究背景与数据介绍 - 研究基于Level 2数据构建股价跳跃相关因子，检测波动率、跳跃振幅、跳跃成交活跃度等因子的选股效果[1][3] - Level 2数据相比Level 1数据频率更高、信息更丰富，包含10档买卖价量、逐笔订单等详细信息[5][6] - 逐笔订单数据是行情数据的根源，包含精确到毫秒的订单时间、价格、数量等关键信息[5] 跳跃因子构建 - 跳跃因子分为波动率、累计值、成交额关联三类，考虑价格变动方向和跳跃大小进行分类刻画[18][21][23][25] - 波动率因子区分原始波动率和相对值，考虑正负方向和大小值影响，对比是否剔除无实质价格变动订单[21][22] - 累计值因子基于泰勒展开式构建，同样考虑价格变动方向和跳跃大小[23][24] - 成交额关联因子统计有跳跃订单成交额占比，结合跳跃大小信息[25][26] 实证回测结果 - 月度换仓下，RRJV因子RANK_IC为7.50%，JSR2_drop因子RANK_IC达9.89%[28][35] - 周频换仓下，RRJV因子多空年化收益40.7%，多头费后年化收益28.2%[32][37] - 收益累计值类因子中JSR2_drop表现突出，月度换仓RANK_IC达9.77%[29][35] - 波动类因子相对值归一化后表现有边际提升，如RRJV因子ICIR为0.68[28] 因子绩效分析 - RRJV因子2021年收益率39.8%，夏普比1.86；2023年收益率25.8%，夏普比2.07[54] - JPR因子2021年收益率29.4%，夏普比1.61；2025年收益率15.4%，夏普比2.10[61] - 周频换仓下RRJV因子2021年收益率34.0%，夏普比1.75；2025年收益率31.1%，夏普比3.25[98] - JSR2_drop因子周频换仓2021年收益率28.2%，夏普比1.87；2025年收益率16.8%，夏普比2.51[116] 相关性分析 - 收益累计值类跳跃因子与市值风格和PB估值呈现一定相关性[127] - 波动类因子内部相关性较高，相对值归一化后与原始因子相关性边际下滑[127][134] - JNR因子与RJVP因子相关性达-0.99，JSR2因子与RJV因子相关性达-1.00[134][135]

市场表现 - 最近5个交易日科创50指数涨0.65% 创业板指涨0.49% 大盘价值涨1.63% 大盘成长涨1.17% 上证50涨1.27% 国证2000代表的小盘涨2.74% 国防军工和有色金属表现靠前 医药生物和计算机表现靠后 [1] - 中证全指静态PE的倒数EP减去十年期国债收益率显示2024/01/19指标达4.11% 为2016年以来第五次超过4% 截至2025/08/08该指标回落至3.39% 两倍标准差边界为4.77% [1] 估值水平 - 截至2025/08/08中证全指PETTM分位数68% 上证50与沪深300分别为69%和61% 创业板指接近25% 中证500与中证1000分别为49%和43% 创业板指估值处于历史较低水平 [2] - 深100指数技术面显示每隔3年一轮熊市后进入牛市 本轮2021年一季度开始的调整时间和空间较充分 需关注底部向上周期可能性 [2] 资金交易 - 最近5个交易日ETF资金流入185亿元 融资盘增加278亿元 两市日均成交16748亿元 [3] 卷积神经网络应用 - 采用卷积神经网络对价量数据建模 将学习特征映射到行业主题板块 最新配置主题包括半导体材料等 [9] - 重点跟踪指数包括上证科创板半导体材料设备主题指数(950125.CSI) 上证科创板新材料指数(000689.SH) 中证全指通信设备指数(931160.CSI)等 [10] 市场结构 - 主流ETF规模变化显示资金持续流入 [7] - 融资余额近期呈现增加趋势 [15] - 个股收益区间分布反映市场分化特征 [17] 技术指标 - 200日长期均线之上比例反映市场情绪变化 [11] - 指数超卖信号显示部分板块存在反弹机会 [19]

A股市场ETF发展现状 - 2019年以来A股市场ETF快速发展，总数量从2018Q4的198只增长至2025Q2的1209只，总规模从0.51万亿元扩张至4.31万亿元 [1][9] - 截至2025Q2，股票型ETF规模达3.04万亿元，占比75%，跨境/货币/债券/商品型ETF合计规模1.11万亿元，占比25% [1][11] - 细分类型中，股票型ETF数量987只规模3.04万亿元，跨境ETF数量149只规模5638亿元，债券型ETF规模3839亿元，商品型ETF规模1573亿元 [12] 全天候多元配置ETF组合构建方法 - 组合基于四大子策略构建：A股大类资产配置ETF组合、境外权益QDII-ETF组合、A股相对收益ETF组合及绝对收益ETF组合 [2][13] - 优化方向包括纳入港股权益资产、调整债券久期、剔除拥挤度高的指数ETF以提升稳定性 [16] - 具体构建采用宏观+技术指标月度打分机制，A股大类资产和境外权益组合侧重宏观与技术视角，A股相对/绝对收益组合侧重指数指标筛选 [19] 大类资产配置ETF组合表现 - 2016-2025年回测显示，固定比例组合年化收益9.29%，风险平价组合年化波动率仅3.76%，最大回撤2.77% [37][40] - 核心持仓包括华泰柏瑞沪深300ETF(13.32%)、华安黄金ETF(13.32%)及华安中债1-5年国开行ETF(57.76%) [42] - 分年度表现稳健，2020年收益率达17.96%，2022年市场下行期仍实现6.41%正收益 [41] 境外权益QDII-ETF组合特征 - 覆盖恒生指数、标普500、纳斯达克100等9大指数，采用美国核心CPI同比、M1同比等宏观指标进行月度打分 [45][46] - 2016-2025年组合年化收益率17.24%，显著跑赢基准，2020年收益达33.38% [51][55] - 主要配置华夏恒生ETF(11.76%)、南方标普500ETF(11.76%)等产品，美股资产合计占比35.28% [56] A股相对收益ETF组合策略 - 从ROETTM环比、资金流、预期盈利等7个维度构建指数轮动策略，指标权重分配考虑低相关性特征 [61][63] - 引入成交额、融资存量等6个拥挤度指标，降低市场反转风险，组合年化收益提升至16.59% [73][79] - 2020年超额收益达30.58%，持仓聚焦科创板和行业主题ETF如华宝人工智能ETF(10%) [82] 绝对收益ETF组合设计 - 筛选标准侧重基本面稳定性（ROETTM标准差）、分红特征（3年股息率）及低Beta属性 [85][86] - 组合年化收益12.67%，最大回撤26.11%，持仓以红利低波ETF(20%)、银行ETF(40%)为主 [93][95] - 2024年收益25.81%显著优于中证红利指数，体现抗波动特性 [94] 全天候组合综合表现 - 基准组合为中证800(10%)+恒生指数(5%)+MSCI全球(5%)+中证全债(70%)架构，年化收益9.22%，最大回撤仅3.64% [96][101] - 收益来源均衡，债券贡献35.22%，A股权益26.95%，港股权益17.74%，商品13.92% [107][109] - 敏感性测试显示组合对单一策略依赖度低，不同久期债券和0.3%费率下年化收益仍超8% [113][118]

核心观点 - 研究通过6个维度（成交额、波动水平、融资存量、融资增量、基金持仓、资金流）构建指数拥挤度指标，用于筛选ETF组合中的高拥挤指数以提升长期稳定性 [1][17][19] - 拥挤度指标测试显示高拥挤指数组合长期表现显著弱于样本权益指数组合，如成交额占比拥挤组合累计收益-11.66% vs 样本组合41.03%（2016-2025）[26][33][38][43][47][52] - 多指标结合策略中，同时满足≥2个拥挤指标的指数剔除效果最佳，使相对收益指数组合累计收益率从292.66%提升至355.05% [59][63][64] - ETF组合应用显示，结合拥挤度筛选后相对收益ETF组合累计收益率从201.79%提升至263.53%，指数增强ETF组合从126.45%提升至149.26% [70][76][79] A股ETF市场发展 - 2019年以来权益ETF快速扩张，数量从2018Q4的133只增至2025Q2的972只，规模从0.27万亿元增至3.03万亿元 [7] 拥挤度指标构建 - 6个核心指标包括：成交额占比（3年分位数>90%）、Beta（5年分位数>90%）、融资余额市值比（3年分位数>90%）、融资增量成交额比（1年分位数>90%）、基金持仓比例（5年分位数>90%）、中小单主动买入额占比（3年分位数>100%）[23][24][57] - 指标间相关性低（平均相关系数0），如成交额占比与中小单买入额占比相关系数-0.36，基金持仓比例与融资余额市值比相关系数-0.16 [57][58] 单指标测试表现 - 成交额占比拥挤组合超额收益：2025年3月14只指数平均超额-3.48%，其中中证软件指数超额-6.03% [29][30] - Beta拥挤组合：2024年12月金融科技指数超额-8.91%，累计收益22.34% vs 样本组合41.03% [33][37] - 融资余额市值比拥挤组合：2021年10月17只指数中14只跑输，平均超额-7.05%，累计收益4.96% [41][42] - 基金持仓比例拥挤组合：2022年11月7只指数中5只跑输，平均超额-9.06%，累计收益-9.50% [49][50] 组合构建方法 - 相对收益ETF组合构建流程：先按6维度指标综合评分分10档，剔除第1档中≥2个拥挤指标的指数，剩余等权配置 [63] - ETF筛选标准：规模>2亿元、日均成交额>0.1亿元、存续>180天，限制同类主题产品数量 [67] - 指数增强组合以中证800为基准，控制行业偏离度同时最大化综合得分 [76]