sembr.live
EN

金工研究灵感

因子、模型与策略研究的每周灵感

每周更新 已出 13 期 RSS

本系列近 30 天回顾 8/6 – 9/5
  • 从因子生产走向系统整合：卖方主线由挖掘新因子逐期后移至因子拥挤度、深度因子去风格化，并最终聚焦多模型融合与AI Agent重构投研流程，“流程再造”成为下一阶段重心。
  • 深度学习因子从追逐超额到剥离风格捷径：国盛、广发等不再只比较RankIC，而分别以收益无关的行为预训练/双头分解和标签、权重、数据多维消偏，降低对低波、小市值等风格的依赖，追求可归因的稳定Alpha。
  • 信号评价从相对收益框架转向应用场景重构：量价事件信号在绝对收益、事件触发调仓的通道策略中重设筛选标准；仓位测算用残差反推调仓、组合构建用分风险预算替代统一优化器，表明方法须匹配产品场景。
  • 风格研究从粗标签走向解构再融合：价值SmartBeta被解构成低相关子策略组合配置，成长因子则沿路径、动能、超预期等缺陷逐一优化再融合；单风格不再是简单因子，而是可检验、可组合的生态。
  • 高频因子生产走向算子化工程：从时间段切割到时间点划分，离散向量算子持续补齐归类，极值筛选加信息钝化形成系统分类学；“挖单个因子”正在转变为批量产出低相关因子簇的工程路径。

2026 年 8 月

  • 算子化高频因子方法论持续推进，多模型融合与AI Agent重构投研流程成为行业主线

    本期灵感集中在"研究流程与模型架构的系统化整合"：长江金工高频因子方法论更新至第三篇，以"时间点划分"离散向量批量产出三类新因子 ；兴业金工访谈景顺长城徐喻军，披露多模型低相关互补、风格轮动与AI自适应因子加权的完整公募量化框架 ；长江金工对话海富通李自悟，提出以"AI指挥中枢+多智能体+逻辑驱动因子挖掘"重构量化研究流程 。

    5 个来源 约 8 分钟

  • 深度因子的"去风格化"与稳定性成为AI选股共识议题；基本面因子精细化与仓位测算工具同步推进

    本期两条并行的研究主线：国盛金工重构量价指纹模型，用"收益无关的行为预训练（WPE）+Alpha/Beta解耦建模（CDE）"得到更稳定、可归因的PureAlpha因子 ；广发金工从标签、训练权重、输入数据三个层面系统性剖析深度学习因子的"风格捷径"问题并构建StableAlpha 。此外，招商金工对成长因子七大困境逐一优化并融合成综合补充因子 ，兴业金工改进基金仓位测算的两个关键环节 ，长江金工延续算子体系给出时间段切割因子的方法论 。

    9 个来源 约 11 分钟

  • 量价事件信号转向绝对收益场景重构；实践线：风格轮动子模型与多子组合风险预算

    本期两条灵感：国盛金工在"量价淘金"系列（十八）中，把高/低位放量事件簇从"相对收益+定期调仓"重构为"绝对收益+不定期调仓"，提出个股分仓、有进有出、日度调仓的通道策略，并将信号筛选标准从超额信息比率改为以卡玛比率为核心 ；长江金工对景顺长城黎海威的访谈，记录了以风格轮动子模型（贝塔端精细化）提升A股多头夏普、以"多子组合分风险预算"替代单一优化器的实战框架 。

    4 个来源 约 7 分钟

  • 拥挤度度量、能力圈因子化与SmartBeta指数解构——风险评估框架三线深化

    本期三条方法论主线：兴业金工系统梳理因子拥挤度的形成机制与MSCI五维度量体系，明确其"风险预警而非择时"的定位 ；国盛金工以"决策信号→胜率验证"构造基金经理能力圈广度/稀缺度因子，将基金归因升级为事前预测 ；申万宏源用五分类+聚类+低相关子策略组合解构百余只价值SmartBeta指数 。

    5 个来源 约 7 分钟

  • ViT视觉大模型捕捉K线形态增量信息 vs 另类数据全景与"周期效应"反思

    本期两条方法论主线：申万宏源将视觉大模型ViT引入量化选股，把K线渲染成图、经预训练ViT编码后与GBM正交残差融合，证明"图形"存在数值特征之外的增量信息 ；兴业金工以文献综述系统梳理另类数据九大类别与生成式AI的范式革命，并重点引介"短期高频数据过度使用会挤出长期预测能力"的周期效应 。

    7 个来源 约 6 分钟

2026 年 7 月

  • AI智能体因子挖掘系统化 vs 低频另类数据探索

    本期灵感主要来自广发金工两篇深度报告：一是用大语言模型构建全自动因子挖掘AI智能体，系统性复现CogAlpha框架并在A股实证，发现DeepSeek-v4-pro/Qwen3-VL-235B都能生成有预测力的因子，但“突变+交叉”进化策略增益有限 ；二是从财务附注中挖掘研发支出相关的低频Alpha增量，人均研发产出、研发资本化规模等因子在特定行业（机械/电子/计算机）有显著选股能力 。此外，申万宏源延续对组合约束的精细化探索，将波动率分域约束从两档升级为五档并引入高动量中性 。

    10 个来源 约 8 分钟

  • GRU时序分域训练与三维动态仓位框架双线突破

    本期研究亮点两线并进——申万宏源深入探索GRU选股模型的时序分域训练，发现宏观状态与趋势震荡分域效果最显著，叠加后对指增贡献超额1%以上；兴业金工构建“战略中枢—战术趋势—极端尾部”三维动态仓位框架，改进股债性价比3.0并拓展至多资产，低波组合年化8.5%且最大回撤仅-3.53%；此外，申万宏源持续优化指增组合约束，用流动性/波动性等因子分域放松个股偏离约束，稳健提升超额并改善回撤。

    4 个来源 约 8 分钟

  • 订单聚集高频因子簇、REITs因子体系与业绩增速预测方法论三线突破

    本期研究亮点三线并进——国盛金工系统构建“订单聚集因子簇”，从逐笔数据中识别群体订单模式并批量生产高频因子；广发金工首次为国内公募REITs建立完整的因子投资手册，连接基本面与低频价量因子；申万宏源深入探讨“预测业绩高增速”的方法论边界，发现线性三因子模型已足够有效，非线性模型未能超越。此外，广发金工提供指数成分股调整的冲击系数测算框架，为事件驱动策略补充可量化工具。

    8 个来源 约 9 分钟

  • 组合约束精细化为偏度峰度控制、深度学习多市场状态融合、基金经理能力圈因子化

    本期三方齐发力——申万金工将组合约束从分域偏离升级为“因子偏度峰度控制”，提出四约束方案普适提升超额；兴业金工在机器学习系列十一中系统构建从长短信号到内外市场状态融合的深度学习增强框架；国盛金工从持仓增减仓胜率出发，构建能力圈广度与稀缺度两个选基因子。三者分别从组合优化、模型架构、基金选择三个维度提供了可复用的新方法论。

    8 个来源 约 7 分钟

2026 年 6 月

  • 风格轮动系统化框架深度梳理

    本期唯一方法论亮点：兴业金工系统综述海外风格轮动文献，提出从因子动量、资金流机制到高维机器学习、可实施组合的“信号预测—机制解释—模型构建—落地执行”四阶框架 。

    6 个来源 约 4 分钟

  • 智能体自动化因子挖掘、财务附注另类Alpha与组合约束精细化三维突破

    本期研究亮点三线并进——广发金工完整复现并优化“智能体+进化计算”因子挖掘框架CogAlpha，首次结合国内大模型实证全自动因子挖掘可行性；广发金工另辟蹊径，从财务附注中挖掘研发支出相关低频因子，开辟低频Alpha新矿源；申万宏源在组合优化层面继续精进，提出“高动量中性+波动率五档分域”的综合约束方案，有效提升指增组合超额收益同时改善回撤。

    4 个来源 约 8 分钟

  • 时间维度因子与AI投研助手双线突破，智能体工程化应用迈入可落地阶段

    本期亮点有二——兴业金工从高频“时间维度”构建国债期货CTA因子与个股择时因子，脱离传统量价框架；招商金工系统展示了如何将OpenClaw AI助手训练为“因子生成-策略构建-回测分析”一体化投研工具，并通过“人机对战”验证其可达到甚至超越人工水平。前者是因子视角创新，后者是研究范式重构。

    4 个来源 约 7 分钟

  • 双范式驱动：智能体与深度学习重塑因子研究，高频微观结构与REITs因子持续拓新

    本期以智能体与深度学习双范式综述为核心亮点；国盛金工订单聚集因子簇与广发知情感知因子在Level-2高频方向持续推进；申万宏源以多维价量指标替代传统因子动量做因子轮动；广发首次系统构建REITs因子框架；申万尝试以因子模型直接预测业绩增速。

    14 个来源 约 11 分钟