股市研报宏观策略
来源：德邦证券
这篇报告是德邦证券金融工程团队文献精译的第二期。原论文的标题是《Agnostic fundamental analysis works》，作者是 Söhnke M. Bartram 和 Mark
Grinblatt。为了用最少的数据窥探来评估股票市场的信息效率，本文立足于一个对金融知识知之甚少的统计学家视角：统计学家使用最小二乘法OLS）等方法，通过计算与被估值公司具有相同基本面的投资组合的市场价值来估计该公司的同行隐含公允价值。一家公司的同行隐含公允价值与其市场价值的背离代表着错误定价，利用此种错误定价信号进行交易，我们每年可获得高达 10%的风险调整回报，并且该策略对于大市值和小市值公司都具有重要的经济意义。在随后的 34 个月中，收敛速度逐渐衰减到零。
（PDF，2.2M，32页）
来源：国泰君安
本篇报告围绕策略基本理论原理、算法实现、策略相对优势与前景展望构建起完整的期权套利策略研究分析框架。
摘要： 在期权市场日益发展的背景下，期权套利策略开始登上时代的舞台。期权套利依靠精密定价模型，从理论上为稳健策略收益提供了保障。本篇报告中我们将介绍了目前市场主流期权套利策略，围绕策略基本理论原理、算法实现、策略相对优势与前景展望构建起完整的期权套利策略研究分析框架。
期权套利策略包括波动率套利和波动率曲面套利。波动率套利的核心思想是隐含波动率或实现波动率的均值回归，通过预测未来波动率瞄准套利机会，动态 Delta 对冲消除市场波动的线性影响，利用 Vega或 Gamma 的暴露锁定套利收益。波动率曲面套利是利用不同执行价格和到期时间期权隐含波动率的相对偏离获取收益，理想情况下波动率曲面具有特定的偏度结构和期限结构，市场隐波与理论结构偏离时可以构建相应套利组合实现收益。
期权套利策略的核心思路是每期将市场波动率曲面与最优模型波动率曲面对比，从而确定套利组合。报告中我们构建了……
（PDF，1.26M，25页）
1.国信证券-金融工程专题研究：深度学习时间序列预测综述（PDF，1M，18页）
2.国信证券-金融工程专题研究：动量类因子全解析（PDF，2M，40页）
3.国信证券-金融工程专题研究：券商金股全解析，数据、建模与实践（PDF，1.76M，33页）
近年来包括股票交易数据在内的大量数据的涌现对于大数据分析提出了越来越多的需求，而在大数据分析中广泛使用的各种学习技术中，深度学习技术由于其出色的预测能力脱颖而出。本文着重对于当前流行和常用于时间序列预测的深度学习框架进行了综述，着重从深度前馈神经网络、循环神经网络以及卷积神经网络三个大类对于深度学习框架进行了介绍和分析，并且介绍了循环神经网络和卷积神经网络的大量变体网络类型。
对于深度学习网络在实践过程中可能遇到的问题，本文从框架实现、超参优化、硬件性能三个角度着重分析了工程实践过程中可能遇到的典型问题并给出了详细的分析与建议。
来源：券商研报
文件目录
国泰君安-宏观分析手册之一：PMI分析与预测.pdf
国泰君安-宏观分析手册之二：消费的分析与预测.pdf
国泰君安-宏观分析手册之三：基建投资的分析与预测.pdf
国泰君安-宏观分析手册之四：工业企业利润的分析与预测.pdf
国泰君安-宏观分析手册之五：工业生产分析手册.pdf
国泰君安-宏观分析手册之六：GDP分析手册.pdf
国泰君安-宏观分析手册之七：美国通胀与就业的分析与预测.pdf
国泰君安-宏观分析手册之八：制造业投资的分析与预测.pdf
国泰君安-宏观分析手册之九：房地产投资的分析与预测.pdf
国泰君安-宏观分析手册之十一：金融数据分析手册.pdf
国泰君安-宏观分析手册之十二：PPI分析手册.pdf
国泰君安-宏观分析手册之十三：CPI分析手册.pdf
国泰君安-宏观分析手册之十四：人民币汇率分析手册.pdf
国泰君安-宏观分析手册之十五：进出口贸易分析手册.pdf
国泰君安-宏观分析手册之十六：美国GDP分析手册.pdf
国泰君安-宏观分析手册之十七：美国消费分析手册.pdf
国泰君安-宏观分析手册之十八：美国私人投资分析手册.pdf
（PDF打包下载，共39M）
之十没找到哟！我也没办法
来源：安信证券
本报告主要介绍了三种低频择时思路，其中第一个思路主要是从股债性价比的价值投资视角进行择时，第二个思路主要是从行业季度收益分歧度的博弈视角进行择时，第三个思路简称为理性恐慌指数择时，主要是从偏量价的定量模型和技术指标角度来展开的。
股债收益差提示股票指数的重要拐点上确实有不错的效果，但对于底部的择时能力明显强于提示顶部的择时能力。若投资者是基于股息率与国债收益率这两个数值的相对高低来进行股债轮动配臵，应该在股票指数之中选择股息率更高的沪深 300和上证 50 作为股债轮动的基础。这可能是为什么当前中证 500 指数的股债收益差已经到了过去的极值并触发了底部区域信号但却又一直没有上涨的一个重要原因。
行业季度收益的分歧度指标的极值分位点有比较稳定的规律和特征。正常情形下，一旦分歧度超过了过去几年的 99%分位点，往往意味着市场有可能来到了比较重要的高位区域。若分歧度的极低值出现在市场上涨的过程中，则意味着本轮反弹的所有行业都已经有所表现，后续走势需要出现新的上涨逻辑，否则可能意味着当前这一轮上涨已进入了中后期。若分歧度的极低值出现在市场下跌的过程中，往往意味着几乎所有的行业都经过了明显的下跌，这时若市场的下跌出现了类似于 ABC 浪的明显结构时往往有可能对应着重要底部。当下，行业分歧度有望随着市场的下跌而触及到极低值区域，一旦出现此种情形，或有望基本确认较大级别的底部区域。
（PDF，4.5M，16页）
来源：国信证券
券商金股组合既包含分析师对行业风格的偏好，又包含分析师对推荐时点的判断。绝大多数券商的金股组合以月度形式推出，这意味着数据更新频率更高、时效性更强，能够更加及时地反映机构投资者对当前市场的偏好及判断。
目前，市场上采用的券商金股数据主要来源于每市 APP、朝阳永续数据库和券商研究报告。本文对不同数据来源的优缺点进行了比较，并对数据整理过程中的细节进行了介绍，尽可能保证数据的严谨性和准确性。
券商金股股票池：普通股票型基金指数的良好表达。从券商金股数量、报告发布时效性、买卖方互动性、推荐逻辑与分析师盈利预测调整、超预期股票与券商金股、金股池换手率、内部结构等方面对券商金股的特征进行多维度解析。总体来看，券商金股股票池呈现出数量较多、时效性较强、互动性强、换手率较高、特质性强的特征。根据券商金股的推荐家数进行加权，构建券商金股指数。从指数表现来看，券商金股指数与普通股票型基金指数走势十分接近，二者年化跟踪误差仅为 5.91%。可以说，券商金股股票池是主动股基指数的良好表达。基于此，如果能够在该股票池中进行进一步优选，那么就可以达到稳定战胜主动股基中位数的表现。
（PDF，1.76M，33页）
申万宏源-今年以来REITs波动显著，关注第三批REITs认购机会
REITs 价格表现差异较大，成交活跃截止至 2022/3/24，在已上市的 11 只 REITs 产品走势呈现大幅震荡的状态。其中，涨幅最大的是富国首创水务 REIT，今年以来涨幅为 17.16%，表现最差的是浙商沪杭甬高速 REIT，今年以来下跌 3%。今年以来，基础设施 REITs 平均上涨 4.67%，在各类资产中表现亮眼。
图表
2022 年 3 月 18 日，证监会发布《深入推进公募 REITs 试点，进一步促进投融资良性循环》指导意见，其中称，证监会正在会同相关部委，进一步深入推进基础设施 REITs 试点，完善制度机制，拓宽试点范围。一方面，证监会正在指导交易所抓紧制定 REITs 扩募规则，将适时征求市场意见。另一方面，证监会也正抓紧推动保障性租赁住房公募 REITs 试点项目落地。目前，全市场共有 3 只基础设施 REITs 正在申报。 我们预期后续将有更多公募
REITs 面世。
（PDF下载，大小1M，11页）
1.华泰证券-金工深度研究：人工智能53，揭秘微软AI量化研究（PDF，2.2M，32页）
2.华泰证券-金工深度研究：人工智能51，文本PEAD选股策略（PDF，2.1M，30页）
3.华泰证券-金工深度研究：人工智能52，神经网络组合优化初探（PDF，2.1M，30页）新增
4.东兴证券-海外文献：高频数据下基于文本挖掘和深度学习的股票波动性预测（PDF，1.2M，22页）
在开发量化投资策略时，海外优秀论文往往能够提供新的思路和方法，为了能够让各位投资者更有效率地吸收海外的经验，东兴金工团队推出海外文献速览系列报告。我们将定期从海外文献中筛选思路较为新颖且有潜力应用于国内市场投资的文章，以速览的形式呈现给各位投资者，内容涵盖资产配置、量化选股、基金评价以及衍生品投资等多个方面。
1.东方证券-量化策略研究之：基于主动买卖单的行业轮动模型（PDF，1.5M，24页）
2.广发证券-考虑预期改善及底部特征的行业轮动策略（PDF，1.4M，30页）
3.华安证券-中观量化系列报告：企业生命周期理论如何运用在行业轮动中？（PDF，2.0M，37页）
4.华创证券-行业轮动系列：“长短共振”动量效应探究（PDF，2.7M，28 页）
5.华西证券-行业景气轮动研究之：行业景气变化因子驱动的行业轮动（PDF，1.0M，13页）
6.长江证券-行业轮动系列：景气篇（PDF，6.7M，26页）
我们发现动量和长期反转能够可以捕捉未来风险因子的贝塔，动量是未来一年市场资产定价因素（例如 Fama-French 五因子模型）的强大预测指标。中长期历史回报与未来贝塔值之间的联系表明，与动量和长期反转相关的溢价可能与条件风险敞口有关，动量捕捉到了随时间变化的风险
1.财信证券-外生因子系列研究报告：股市流动性预测指标构建（PDF，1M，20页）
2.广发证券-高频数据因子研究系列：信息不对称理论下的因子研究（PDF，3.6M，65页）
3.国海证券-资产配置系列报告：行业配置研究胜率篇，因子动量（PDF，2.3M，34页）
4.国泰君安-精品文献解读：如何衡量观测因子拥挤度（PDF，2.3M，13页）
5.国信证券-学术文献研究系列：因子投资的未来~进化、创新与破局（PDF，1.4M，13 页）
6.国信证券-学术文献研究系列：主导跟随模型，利用因子模型进行指数跟踪（PDF，1.2M，20页）
7.华安证券-“学海拾珠”系列之：主成分分析法下的股票横截面定价因子模型（PDF，1.4M，18页）
8.中信证券-多因子量化选股系列：多视角理解基于相关性的因子优化（PDF，1.3M，16页）
宏观流动性对股市流动性的连带作用至关重要，然而面对日益复杂多变的经济形势，市场调控工具的丰富度和灵活度大幅提升，对市场流动性的作用和意义也不断发展变迁，因此持续使用少数单一的指标远不足以对流动性进行分析预测。于是，我们拟通过一台“勤劳”的机器雏形，滚动更新并提取筛选对股市流动性敏感度高的宏观指标，进而利用短期的“惯性作用”对股市流动性势态形成判断和预测。
1.国信证券-金融工程专题研究：动量类因子全解析（PDF，2M，40页）
2.国信证券-金融工程专题研究：寻找业绩与估值的错配，非理性估值溢价因子（PDF，1.8M，21页）
3.国信证券-金融工程专题研究：如何理解动量与反转？（PDF，1M，17页）
我们发现动量和长期反转能够可以捕捉未来风险因子的贝塔，动量是未来一年市场资产定价因素（例如 Fama-French 五因子模型）的强大预测指标。中长期历史回报与未来贝塔值之间的联系表明，与动量和长期反转相关的溢价可能与条件风险敞口有关，动量捕捉到了随时间变化的风险补偿。
IPCA 条件因子定价模型能够捕捉 条件因子定价模型能够捕捉动量溢价 动量溢价动量特征（过去 12 个月的回报）包含了股票潜在定价因子风险的时变暴露，因此直接对过去 12 个月的回报进行排序对未来回报并没有显著预测能力。因此控制这种随时间变化的风险敞口后才能够捕捉到动量溢价。作者提出基于 IPCA 捕捉潜在定价因子，并以时变的因子载荷对股票进行定价。作者对比了传统动量、IPCA 潜在因子带时变载荷后动量、以及残差动量的效果，发现传统动量原始信号并没有收益预测能力，转为截面排序后有一定收益预测效果，而 IPCA 模型下预测模型非常显著，多空年化回报能够达到 33.6%，而残差动量几乎没有预测能力。并且，在控制了 IPCA 模型的条件预期收益后，传统动量不再有预测能力。
来源：中信建投
指标构建
本研究报告介绍中信建投因子拥挤度模型来定量评估因子策略的拥挤程度，该模型使用一系列指标从多个维度衡量因子的拥挤情况。指标是 6 个角度进行构建的，分别为: （1）估值指标;（2）成长指标; （3）累计收益率指标; （4）换手率指标; （5）截面波动率指标;（6）两两相关性指标。
研究方法
本报告使用月度数据，以 6 个月为间隔，将未来两年划分为 0~6个月、7~12 个月、13~18 个月以及 19~24 个月四个区间，对综合拥挤度指标及底层 6 个拥挤指标与 CNE7 经典版中的市场因子、37 个行业因子和 10 个风格因子的未来收益率与波动率进行Spearman 相关性统计分析。
市场因子
模型结果表明，在短期 0-6 个月，综合拥挤度指标与市场因子收益负相关而与其波动率间正相关，这说明短期来看，拥挤程度越高会导致该因子未来收益的下降和风险的上升。但这相关性在长期并不显著。
行业因子
模型结果表明，综合拥挤得分与各行业因子未来给定时间段内的收益和风险并不具有显著的相关性。其细分指标估值水平指标与因子间的相关性最为显著。细分行业中，电力设备行业和汽车行业均于 2021 年进入高拥挤度区域，计算机等行业尚位于相对安全区。
风格因子
模型结果表明，综合拥挤度指标与各风格因子未来表现和风险之间相关性不一致。拥挤度细分指标中，估值指标和成长指标对风格因子未来收益与风险的前瞻性相对较好，即与未来收益负相关，和风险正相关。
（PDF，4.9M，38页）
来源：西南证券
2017年至今，A股市场基本上不存在高集中度低相对估值的行业，“高集中度低估值”策略在 A 股市场不适用；“高集中度高估值”组合表现优异，2019 年之后组合净值增长较快。“高集中度高估值”组合的收益远远高于“高集中度”组合和“高估值”组合的收益，说明两个指标的结合更能区分出拥挤交易行业中具有良好发展潜力的行业。
2017 年至今，“高集中度高估值”策略年化收益率为 19.47%，远高于行业等权重组合的年化收益率 3.23%和沪深 300指数的年化收益率 8.56%。与等权重行业组合和沪深 300 指数相比，其波动率更小，夏普比率更高，最大回撤更小。总的来说，“高集中度高估值”的行业轮动策略具有很好的收益表现，且风险控制能力较强。
（PDF，1.6M，16页）
来源：招商证券
❑ 近年来随着外资不断流入 A 股市场，其对沪深两市的影响也越来越显著，其动向也受到了投资者的广泛。北向资金已经成为当下A 股市场中不可忽视的重要投资因素之一。因此，本篇报告我们将基于北向资金公开数据，期望构建一个相对有效的行业轮动指标。
❑ 结合北向资金的自身特性，我们将从投资偏好和边际变化两个维度分别探讨如何构建行业层面的北向资金指标。具体来说，在投资偏好方面，我们从长期存量的角度进行识别，将各时间截面下北向资金对各行业的配置比例作为指标。在边际变化方面，我们考察的是北向资金短期内对各行业的边际变化，将过去一段时间内北向资金的持仓额变化情况作为指标。
❑ 我们对边际变化指标在时间维度赋权和调仓频率上进行了进一步探讨。 以为半衰期为 5 5 的指数衰减处理 能够 提升 指标有效性，可以使其多空组合夏普比率由 0.68 提升至 1.13。同时，适当地提高调仓频率也能令策略获得更出
色的收益，可将月频调仓下多空组合的夏普比率由 1.13 提升至周频策略下的 1.46。
❑ 经过对比和筛选，我们选出了投资偏好维度下的持仓偏好指标和边际变化维度下持仓资金变化比例两个指标进行复合，得到了北向资金复合指标。自2017 年以来，多空组合的年化收益率为 17.17%，Sharpe 比率为 1.32。若按周度调仓，则多空组合年化收益率为 30.85%，，Sharpe 比率为 2.28。
❑ 在将北向资金纳入我们日常跟踪的“预期共振”模型之后，我们得到了整体收益更为稳健的四因子模型。
（PDF，1.88M，20页）
来源：兴业证券
兴业证券-高频研究系列一：高频漫谈（PDF，1M，17页）
兴业证券-高频研究系列二：收益率分布因子构建（PDF，1M，19页）
在2022年1月4日发布的报告《高频漫谈》中，我们详细叙述了四类蕴含在高频数据中的信息，分别是分布信息、时间信息、关联信息与另类信息。针对于分布信息，本报告进行了详细的研究 。
⚫ 常见的收益率分布因子，如收益率的均值、标准差、偏度、峰度等等有着相对较好的选股效果。其中，收益率偏度因子的多空年化收益率为 47.22%，年化多头为12.98%，夏普比率约为 10。
⚫ 进一步，本文构建了另类视角下的衡量收益率分布的高频选股因子。每支股票分钟收益率序列的形成依赖于分钟内所有投资者买卖单的撮合，对于流动性好的股票，分钟内的每位投资者对它的收益率的影响微乎其微。基于股票收益率序列中的测量误差可以看作是收益率的噪音（观测到的收益率偏离预期收益率的差值）。在每个投资者对收益率影响较小的前提下，样本的测量误差应该服从正态分布。一旦收益率噪音偏离正态分布，意味着可能有大额投资者，并对其产生了影响（流动性差的股票的收益率噪音也会偏离正态分布）。我们通过某种方式构建衡量这种偏离的指标
nos，nos 越大表明收益率噪音偏离正态分布越远。这支股票潜在的风险也就越大，市场参与者对股票的风险溢价要求也就越高。
⚫ 子噪音偏离因子 nos_gs 多空年化收益率61.10% ，夏普比率9.50 ，IC 均值 5.12%。周度及月度的测试也表明该因子具有较强的选股能力。同时因子具有较好的正态分布特征。另外该因子具有较好的特异性，与大多数常见的收益率分布因子的时序相关性低于0.5，仅与收益率峰度因子相关性达0.7。将 nos_gs 因子对收益率峰度因子做正交化处理后，因子表现依旧优秀， 多率 空年化收益率 44.87% ，夏普比率 7.37 ，IC均值 3.99%。
浙商证券-量化系列之一：A股量化基金知多少？（PDF，1M，13页）
浙商证券-量化系列之二：美国量化基金知多少？（PDF，1M，13页）
招商证券-“赛道”量化系列之一：新能源车产业，细分赛道轮动模型（PDF，1.6M，43页）
招商证券-“赛道”量化系列之二：生物医药产业，细分赛道轮动模型（PDF，1.8M，45页）
新能源车赛道细分
⚫ 新能源汽车行业的产业链可以分为上游、中游、下游三个细分赛道：
⚫ 上游指的是有色金属及其他核心零部件相对应的原材料，以锂资源和钴资源为主；
⚫ 中游为新能源汽车所有零部件的生产制造，其可进一步细分为零部件的所需材料及相关零部件的生产制造，主要有动力电池、电池材料、电机电控、汽车零部件、锂电设备等；
⚫ 下游为整车制造和充电桩等板块，在整车制造方面，又可以进一步细分为乘用车和商用车。
⚫ 新能源汽车产业链的上游为原材料，主要包括电池电解液及正极材料生产所需的氟、锂、 钴、镍，负极材料生产所需的石墨，隔膜生产所需的 PP(聚丙烯)/PE(聚乙烯)，永 磁材料生产所需的稀土等。其中电解液、正负极材料及隔膜是中游动力电池的主要原材 料;永磁材料是中游电机的主要原材料。其余的原材料主要包括为制造车身及其
他零部件所使用的钢、铜、铝合金等。
⚫ 可能影响上游收益率的非政策宏观因素：资源品和原材料的价格和产能、 PPI水平、货币供给。
来源：国泰君安
本文介绍了一种多值 相关 的深度递归神经网络模型用于对股票进行多个相关值的预测。
股市作为投资者主要活跃的市场，把握股市变化，预测价格走势一直是学界和业界研究的热点方向。目前，股价预测的方法有很多，大致
可分为统计方法和人工智能方法两类。
为了在一个模型中同时预测多个值，我们需要设计一个能够处理多个输入并同时产生多个相关输出的模型。《Study on the prediction
of stock price based on the associated network model of LSTM》提出了一种基于长短期记忆的多输入多输出深度递归神经网络模型，
该模型可以同时预测一只股票的开盘价格、最低价格和最高价格。
本文将该模型与传统的长短期记忆 LSTM 模型和深度递归神经网络DRNN 模型进行了比较，实验结果显示，该模型在同时预测多个值方
面的精度优于其他两种模型，且预测精度在 95%以上。
（PDF，1.4M，18页）
来源：开源证券
⚫ 单个指标捕捉行业拥挤情况存在不达预期和参数敏感的问题一个好的行业轮动模型至少应该包含三个维度的信息，跟踪行业价格走势变化的
动量，代表行业基本面强弱的景气度，和体现投资者交易热度的拥挤度。单一指标在识别拥挤度方面存在不足，通常存在效果不达预期且参数敏感的问题。比如，换手率具有较优的识别泡沫破裂的能力；配对相关性由于本身只能识别泡沫是否存在，无法预测泡沫破裂时间节点，在表现方面稍逊一筹；下行波动率、乖离率和估值水平测试效果不达预期。
⚫ 以资产集中度和相对价值构建的泡沫识别模型不适用于 A 股市场资产集中度衡量了行业的波动性和关联度，其能够识别泡沫是否存在，但无法预测泡沫何时破裂。相对价值的走势能够较好拟合泡沫破裂前后的形态特征，即泡沫膨胀期相对价值迅速提升，泡沫破裂期则快速下降。相对价值在识别出泡沫的基础上，可以用来判断泡沫从膨胀到破裂的拐点。根据参考文献观点，理论上高资产集中度和低相对价值的泡沫膨胀组表现最好，高资产集中度和高相对价值的泡沫破裂组表现最差。但 A 股的测试结果表明，泡沫破裂组反而表现最好，与预期不符。
⚫ 配对相关性和换手率或许是识别泡沫拐点更好的指标
（PDF，1.5M，20页）
华西证券-行业轮动系列研究之二：基于货币信用周期对行业轮动模型的优化
行业配置是获取超额收益的重要来源。我们对2013年以来各年份偏股型冠军基金收益来源进行分解，可以看到在行业分化明显的2013/2014/2015/2017/2020/2021年，表现最佳的偏股基金收益中行业配置收益贡献了较高比例，多数年份中行业配置收益明显超过了行业内选股收益。
本篇报告中，我们试图将宏观因素纳入行业轮动模型中，由于宏观因子对于行业或板块的影响有较大的趋同性，因此本文将重点探究不同宏观周期下行业驱动因子的表现，进而对行业轮动模型进行修正和优化。
（PDF，1.7M，37页）
东兴证券-海外文献速览系列之十二：基于动态因子调整的可持续量化选股策略
量化选股是一个热门的学术研究领域。尽管在量化模型和过程方面已经做了很多工作，但仍有一些地方可以改进。首先，在预测目标的设定上，以往的研究往往以股票收益率或价格是上涨还是下跌作为预测目标，但收益率往往包含一些噪声，而两种分类（上涨还是下跌）的设定并没有捕捉到很多现有信息。其次，在因子选择方面，以往的研究往往是静态地选择因子，但因子通常在一段时间内是有效的，之后可能不再有效。 在本文中，作者提出了一种可持续的量化选股策略，它能在长期内在熊市、牛市和波动市场上运作良好。
在本文中，作者 使用随机森林模型为训练集在每个 时期动态选择因子，以确保每个时期可以选择的因子是当期的最优因子。同时，对股票收益进行 分类概率预测（CPP ）。该方法可以有效兼顾收益预测的准确性，避免噪声对收益率的干扰。CPP 量化选股策略设计的基本思路可简单概括为如下几步：第一步，将每只股票按月收益率分入 5 个区间，通过随机森林（RF）模型将因子筛选到模型中；第二步，通过重新组合每个时期的因子和收益率区间来构建训练集和测试集；第三步，使用 RF 模型来预测每个训练集的因子的重要性，并按重要性降序排列，采用动态因子选择法来选择当期最重要的因子；第四步，使用XGBoost CPP 方法进行分类预测，将每只股票分入 5 个收益率区间并按概率降序排列，将概率最高的前 20 只股票纳入股票池，调整仓位时卖出股票池之外的股票并买入池中的新股票。
（PDF，1.2M，19页）