金工研究灵感
因子、模型与策略研究的每周灵感
本系列近 30 天回顾 6/18 – 7/18
-
因子挖掘从AI自动化与另类数据向工程化流水线演进：从CogAlpha智能体框架复现与财务附注研发因子挖掘，转向订单聚集高频因子簇的“四维流水线”生产，标志着因子构建从“单点创新”迈入“系统化量产”阶段，工程化效率成为新竞争力。
-
组合优化约束从分域偏离向偏度峰度统计矩控制深化：约束手段从波动率五档分域、高动量部分中性，逐步升级为同时控制因子分布的偏度与峰度，体现了组合风险管理从粗糙截断到精细刻画极端暴露的演进轨迹。
-
深度学习模型从基线架构向多任务与市场状态融合增强：模型演进路径清晰，从基础GRU出发，逐步叠加多任务路径监督、内生市场状态残差化与外部FiLM调制，实现了长短信号结合与市场状态剥离，成为提升超额与控回撤的双引擎。
-
研究方法论从单资产挖掘向跨资产系统化框架拓展：风格轮动被系统化为“信号预测—机制解释—模型构建—落地执行”四阶闭环，REITs因子体系首次完整建立，提示研究视野从单一股票因子向多资产、跨风格的系统化配置策略迁移。
-
实盘可实施性从回测验证变为前置核心考量：从业绩预测的“未命中代价”辨析，到风格轮动的“可实施有效前沿”要求，再到指数调仓的冲击系数量化，报告日益强调信号向真实收益转化的障碍，研究重心从“能不能赚钱”转向“赚的钱能不能拿到手”。
2026 年 7 月
-
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。
-
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。
-
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。
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 。
-
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。
-
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。
-
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。