林晓明 S0570516010001 研究员
SFC No. BPY421
何 康 S0570520080004 研究员
SFC No. BRB318
王晨宇 S0570119110038 联系人
报告发布时间:2021年10月29日
摘要
科技创新投资前景可观,指数产品提供理想标的
科技创新投资前景可观,沪港深三市均有较出色的科技企业;跟踪A+H优质科技股票的中证沪港深科技100指数提供了较理想的投资标的。指数定位主题型Smart Beta,在聚焦科技领域行业的同时,引入多维度因子体系对组合成分进行优化;在2014年12月31日至2021年10月15日的考察区间内,指数在收益率上明显优于重要宽基指数及可比科技指数;波动率与回撤水平明显低于同类科技指数。作为跟踪该指数的被动型产品,上投摩根中证沪港深科技100ETF(基金代码:517960)已于2021年10月12日发行并开始募集。
科技创新投资正处黄金机遇期,科创产业投资价值可观
当前科技创新是全球性趋势,我国对科技发展的投入持续增长。《“十四五”规划纲要》高度重视科技发展和创新,并对科技创新体制机制提出了完善方向。国内经济正从过去高速增长逐步转向高质量发展阶段,而新一轮科技周期引领我国科创产业建立新的优势。在这种背景下,我国科创产业正迈入发展新格局,科技创新投资处于黄金机遇期,优势科创类股票具有较高的投资价值;同时,港股科技类股票处于相对低估的水平,同样值得关注。
中证沪港深科技100指数历史表现出色,高收益兼顾低风险
中证沪港深科技100(人民币:931442;港元:931443)发布于2020年4月21日,在沪港深科技相关行业中结合风险、基本面和成长性三大维度进行成分优选,选取100只研发强度较高、盈利能力较强并具备成长特征的科技龙头上市公司股票作为指数样本股。指数收益能力出众,在2014年12月31日至2021年10月15日的考察区间内优于沪深300、中证500等重要宽基指数以及A股和港股的代表性科技指数;同时,指数风险水平理想,波动性接近中证500指数,明显优于其他科技类指数,同时回撤水平低于上述全部宽基指数和科技类指数,体现出风险收益无死角的特点。
指数以大盘风格为主,聚焦高新科技赛道,合理估值下呈现高盈利
中证沪港深科技100指数成分在AH市场上分布相对均匀,重仓股以大盘股为主,主要呈现大市值风格;指数在电子、计算机、汽车、医药、电新等行业占比较高,聚焦高新科技赛道。从估值水平来看,指数的PB高于沪深300与中证500指数,但PE与中证500接近,整体估值水平合理,且目前处于历史相对低位;同时,指数的ROE稳定优于上述宽基指数,呈现出较理想的盈利能力。作为跟踪指数的被动型产品,上投摩根中证沪港深科技100ETF(基金代码:517960)已于2021年10月12日发行并开始募集。
风险提示:本文旨在回顾量化基金的业绩表现与发展现状,业绩相关数据均为历史信息,无法保证在未来复现;持仓分析展示的截面特征和历史规律未必会在未来延续。报告不涉及证券投资基金评价业务和具体基金产品的投资建议;报告内容仅供参考,请投资者充分考虑各种因素对基金产品可能产生的影响;投资者需特别关注基金公司等官方披露的信息。
正文
科技发展是长期主基调,A+H配置科技赛道前景理想
科技创新是全球大趋势,中国科研投入保持较高增速
21世纪以来,以信息技术为核心的新一轮科技革命方兴未艾,全球的发展和资源调配重心逐渐向新兴科技迁移,科技领域进入高速发展阶段,全球在科研上的投入力度持续提升;同时,全球科技创新发展的中长期格局也在持续变化,从1960年与2019年美国科研支出在全球内占比对照可以看出,上个世纪美国在科研投入方面占据绝对的领先地位;但根据OCED数据库截至最新的2019年统计结果,目前美国研发投入占全球比重已下降至30%。同时,我国在科研领域的投入规模超过5000亿美元,在全球靠前的国家中仅次于美国。
近年来我国经济加快转型,科技发展提速,我国的科研投入占GDP比重也逐年增加;即使2020年疫情对全球经济发展造成巨大冲击,我国仍提出“国内国际双循环”战略进一步布局工业4.0,并未放缓科技升级与转型的步伐,国家对科技发展表现出强烈的意志。但另一方面,尽管在科研投入规模上跻身前列,我国的科技投入比重与日本、德国和美国等发达国家相比仍然有所差距,科研投入占GDP比重仍有提升空间,科技产业将是任重道远的长期发展之路。
科技强国是长期主基调,资本助力国内科创企业成长
近年来中美摩擦加剧,贸易摩擦、科技摩擦等外交问题暴露了我国产业链的外部风险,实现关键核心技术自主可控已成全国共识。政策层面,党的十九届五中全会强调,“坚持创新在我国现代化建设全局中的核心地位,把科技自立自强作为国家发展的战略支撑”,要求“面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康”,加快建设科技强国。因此,深刻研判全球科技创新趋势,立足于我国科技创新发展实际,在国际格局深刻调整中赢得主动权,是我国科研发展的重要战略。
今年3月《“十四五”规划纲要》正式发布,本次规划纲要高度重视科技发展和创新,对科技创新体制机制提出了完善方向,并对研发投入增速设定目标,此外还对企业投入基础研究实行税收优惠,鼓励社会以捐赠和建立基金等方式多渠道投入。纲要还指出要增强科创板“硬科技”特色,提升创业板服务成长型创新创业企业功能。而以科创、军工、新能源、半导体为代表的“硬科技”板块最能顺应当前中美博弈、迫切提升科技竞争力、摆脱“卡脖子”困境的核心战略,是国内科技发展的重心。
与此同时,近年来,我国也涌现了众多政府产业引导基金以支持科创企业发展,如财政部牵头成立的国家集成电路产业投资基金,一期规模接近1400亿,二期规模超2000亿,为国内集成电路产业大量注资,有力推动了电子产业的快速发展。
经济增长进入高质量发展阶段,科技创新是核心驱动力
十八大后,习近平总书记频频提及我国经济发展的新旧动能转换,十九大上首次提出“高质量发展”,十九届五中全会提出“十四五”时期经济社会发展要以推动高质量发展为主题,今年以来总书记持续强调“高质量发展”对我国经济发展的意义重大、影响深远。从微观上理解,其既包括新生产要素的引入(如数据),也包括传统生产要素利用效率的提升;中观层面上,则为产业结构的转型优化升级及新兴产业的发展壮大、规模化;宏观层面看,涉及经济体制的创新、经济结构的调整。总体看,科技创新将成为新旧动能转换的重要抓手,技术要素的重要性将愈发凸显。
此外,随着年龄结构变化、人口红利效应趋减,产业结构亟待升级,技术和数据的生产要素重要性逐渐提升。第七次全国人口普查数据显示,2020年中国人口平均年龄升至38.8岁,60岁以上人口比例10年间上升5.4个百分点,劳动人口比例则明显下降。此外,《“十四五”规划纲要》指出数字经济核心产业增加值占比要在2020年7.8%的水平上提升至10%,数字经济将成为我国经济发展的新引擎,数据作为数字经济时代的“石油”,则已日益成为重要战略资源和新生产要素。
新一轮科技周期方兴未艾,科创产业进入发展新格局
纵观历史长河,人类经历了农业革命、两次工业革命、信息革命,技术的变革有力推动了人类文明的发展。而从近二十年半导体行业演变来看,我们已跨越了PC时代和移动互联时代,目前正进入5G+AIOT引领下的新一轮科技周期。5G技术或将对各个产业形成较大影响,新技术的融合有望提升各大产业的产生效率。在此背景下,契合时代潮流的优秀科创企业必将高速成长,市场上将涌现出新一批科创巨头。而科创板、创业板则为更多投资者提供了面向优质科创公司的投资渠道,分享其发展红利。
就目前来看,高速发展的5G产业链已成为我国科创产业中的长板,硬件方面在网络基础设施、终端和应用上均优势明显,而国产华为鸿蒙操作系统亦拥有了在国际舞台上与其他大厂系统同台竞技的实力。但我国科创产业的发展亦存在诸多限制,比如半导体产业链,在材料、EUV光刻机、高端光刻胶、EDA等领域上与美日韩存在明显差距,导致高端芯片严重依赖进口。科创产业发展的不平衡意味着我们急需补齐短板,国产替代、制造业转型升级成为大势所趋,但同时也指示了更广阔的发展空间,为我国科创企业的成长带来了机遇。此外,七普数据显示我国民众受教育水平明显提升,工程师红利开始突显,高端装备、半导体、生物制药类等企业将从中受益,并助力我国科创产业迈入发展新格局。
港交所富集优质科技股,安全边际凸显投资价值
作为我国乃至全球最主要的交易所之一,港交所孕育了大量优质的民族企业,同时也是海外中概股回归的重要港湾。值得一提的是,港交所汇集了一大批优质的科技股,其中不乏像百度(9888 HK)、腾讯(700 HK)、京东(9618 HK)、阿里巴巴(9988 HK)这样的头部互联网企业,还包括美团(3690 HK)、小米(1810 HK)、网易(9999 HK)等优质的新型电子经济公司。由于早先港股实行注册制,上市门槛较低、上市流程效率更高且允许采用同股不同权的股权架构,融资更加便利,对公司的经营管理者吸引力较高,这些新兴科技类公司均在港交所上市,提供了较有价值的标的。
另一方面,H股整体相对A股市场折价,整体估值水平长期偏低,具有更好的安全边际保护,也能够为多地资产配置提供一定的缓冲效应。以恒生沪深港通AH股溢价指数为参考,近三年来溢价指数持续走高,H股的投资价值进一步显露。
更直观的,我们选取同时在A股和H股市场上市的泛科技类股票,并呈现个股的整体折溢价率。可以看到,总市值前十的代表性股票均呈现A股溢价状态,A股溢价率中位数达到47.61%,对于投资港交所科技股较为利好。
中证沪港深科技100指数投资价值分析
中证沪港深科技100指数是聚焦沪港深三市科技股的Smart Beta指数,于2020年4月21日发布,2021年6月1日由中证指数有限公司发布,基日为2014年11月14日,基点为1000点,币种包括人民币(931442)和港元(931443)。该指数从A股与港股通H股中选取研发强度较高、盈利能力较强并具备成长特征的科技龙头上市公司股票作为指数样本股,以反映沪港深三地市场较具代表性科技上市公司股票的整体表现。
作为科技赛道被动投资的工具,泛科技类指数在A股市场并不鲜见,但大部分科技指数聚焦A股市场,而同时覆盖沪港深优质科技企业的指数相对稀缺;中证沪港深科技100指数同时甄选A股和H股上市的优质科技股票,为投资者提供了理想的配置工具。
指数编制方法概览与特色分析
从定义来看,中证沪港深科技100指数以特定主题涵盖的行业为空间,同时通过多维复合因子进行滴漏式的优选,是典型的主题Smart Beta指数;从整体构造来看,指数方案的结构完备,同时在构建细节上较为严谨,包含市值与流动性尾部剔除、权重上限控制、换手率控制等优化指数可投资性的条件,提升了指数的实践投资价值。
同时,在Smart Beta因子优选的层面上,中证沪港深科技100指数的选股体现出颇多的巧思。整体来看,指数策略以的纵向的滴漏式筛选为主框架,采用“风险-基本面-成长性”三步递进的结构进行多层次优选,在提高组合稳定性的前提下追求更高的上升潜力;同时,指数在细分层次上进行横向的多因子合成,融合多个细分维度构建复合因子,一定程度上提高了因子的稳定性。
指数历史业绩表现
为直观地展示指数组合在市场中的表现,我们以2014年底为起点,针对中证沪港深科技100指数的风险收益水平进行统计,同时选取重要宽基指数与可比的科技类指数作为参照,从而评估指数在市场中的绝对和相对表现。
从单位净值表现上可以看到,自统计起始日以来,中证沪港深科技100指数明显跑赢沪深300和中证500指数,表现出较理想的长期收益能力。
进一步统计指数的历史风险收益水平,除了在收益水平上存在明显优势外,中证沪港深科技100指数的波动性介于沪深300和中证500指数之间,风险水平处于较理想的水平;同时,指数的回撤水平甚至低于以大盘股为核心的沪深300指数,呈现出色的回撤控制水平。
整体而言,沪港深科技100指数兼顾了收益能力和风险控制,具有较强的稳健性,风险调整收益出色;尤其对于成长性和弹性整体偏高的科技类指数而言,中证沪港深科技100指数的风险特征显得较为出众。
我们进一步选取较有代表性的A股和H股科技指数进行对比。可以看到,相较同类指数,沪港深科技100指数在观测区间内仍具有较明显的收益优势。
从具体风险收益统计来看,中证沪港深科技100指数在收益和风险端均显优势,在收益率最优的同时,波动性和回撤水平均明显小于其余可比指数;中证沪港深科技100指数同时继承了A股科技指数较强的收益性与H股宽基指数更低的风险特征,同时在两个维度上均有进一步的优化。
指数成分股特征分析
我们进一步以最近可获得的指数成分股为例,从指数的成分股集中度、行业与权重等维度进行分析,以刻画指数组合的整体特征。最新数据披露于2021年9月30日截面,由于指数在存续期间可能对特殊成分股动态调整,当前截面中证沪港深科技100指数共包含成分股98只。下列为指数的前十大权重股:
指数前十大权重股覆盖沪港深三市,其中深市股和港股各占4只;重仓股整体市值较大,总市值全部超过800亿元,8只重仓股市值超过1000亿元。行业分布上,重仓股以电子行业股票最多,同时包含计算机、机械、汽车、电新和医药等科技行业。
在地域分布上,中证沪港深科技100指数在AH市场的权重分布相当,呈现较好的平衡性;交易所分布上,H股的数量和权重占比最高,深市股票的比例稍逊,沪市比重相对偏低。
从权重分布来看,中证沪港深科技100指数的个股权重均严格低于10%,累积曲线整体较为平缓;前10大成分股约占总比重的50%,呈现一定的集中度但并不极端。整体来看,指数较好地体现了核心成分的特征,同时保证了一定的分散化程度,权重分配较为合理。
从行业分布来看,中证沪港深100指数涵盖了高新科技领域的主要行业,其中电子和计算机行业的占比最高,高度聚焦信息技术,汽车、亿元、机械、电新等行业次之;从数量来看,计算机、医药和机械行业的成分数量相对靠前。
基于2021年9月30日的截面,中证沪港深科技100指数的加权总市值为4609.12亿元,更偏向大市值风格,其中腾讯控股等大市值股票贡献了较大比重;总分布上看,中小市值的成分股数量居多,但1000亿以上的成分股同样超过15%;从权重占比上看,1000亿以上与1000亿以下市值的成分在权重上相当,体现出一定的平衡性。
指数成分股估值与盈利水平
对比沪深300和中证500等主要市场规模指数,中证沪港深科技100指数在PB(市净率)上相对偏高,体现出一定的科技股估值溢价;但从PE(市盈率)的角度来看,指数的PE估值与中证500接近,可以认为指数的估值有相对较高的盈利水平作为支撑。另外,从时间维度上看,当前指数估值处于历史的相对低位,具有一定的安全边际和上行空间。
进一步统计指数的整体法加权平均ROE,可以看到中证沪港深科技100指数的ROE水平稳定高于沪深300和中证500指数,呈现出理想的盈利能力水平,也为其估值提供了强有力的支撑。
上投摩根中证沪港深科技100ETF产品简介
上投摩根中证沪港深科技100ETF(前端基金代码:517960)为跟踪中证沪港深科技100指数的ETF产品,属于交易型开放式指数证券投资基金。基金进行被动式指数化投资,紧密跟踪标的指数,追求跟踪偏离度和跟踪误差最小化;基金力争日均跟踪偏离度的绝对值不超过0.35%,年跟踪误差不超过4%。上投摩根中证沪港深科技100ETF于2021年10月12日发行并开始募集。
风险提示
本文对国内科技行业与相关证券的发展前景进行分析,并针对相关标的进行业绩和特征分析,相关历史表现无法保证在未来复现;持仓分析展示的截面特征和历史规律未必会延续。报告不涉及证券投资基金评价业务和具体基金产品的投资建议;报告内容仅供参考,请投资者充分考虑各种因素对基金产品可能产生的影响;投资者请关注基金公司等官方披露的信息。
免责声明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求,本公众号内容仅面向华泰证券客户中的专业投资者,请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者,请取消关注本公众号,不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限,若给您造成不便,烦请谅解!本公众号旨在沟通研究信息,交流研究经验,华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号研究报告有关内容摘编自已经发布的研究报告的,若因对报告的摘编而产生歧义,应以报告发布当日的完整内容为准。如需了解详细内容,请具体参见华泰证券所发布的完整版报告。
本公众号内容基于作者认为可靠的、已公开的信息编制,但作者对该等信息的准确性及完整性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下,本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券股份有限公司所有,未经公司书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
免责声明与评级说明
公众平台免责申明
本公众号不是华泰证券股份有限公司(以下简称“华泰证券”)研究报告的发布平台,本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前,请自行评估接收相关推送内容的适当性,且若使用本公众号所载内容,务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。
本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点,完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容,可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容,请具体参见华泰证券所发布的完整报告。
本公众号内容基于华泰证券认为可靠的信息编制,但华泰证券对该等信息的准确性、完整性及时效性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。
在任何情况下,本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。订阅者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。
本公众号版权仅为华泰证券所有,未经华泰证券书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。
华泰金工深度报告一览
金融周期系列研究(资产配置)
【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生,顾短也兼长20200121
【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日,大周期赢未来20200116
【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法
【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增,待趋势明朗把握或更大20191022
【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点?——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗?——20190506
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(下)
【华泰金工林晓明团队】二十载昔日重现,三四年周期轮回——2019年中国与全球市场量化资产配置年度观点(上)
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告(上)
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(四)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(三)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(二)——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型(一)——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】金融经济系统周期的确定(下)——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定(上)——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探
周期起源
【华泰金工林晓明团队】金融经济周期的耗散结构观——华泰周期起源系列研究之十
【华泰金工林晓明团队】经济系统中有序市场结构的进化——华泰周期起源系列研究报告之九
【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六
【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四
【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三
【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二
【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一
FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一
因子周期(因子择时)
【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
择时
【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用
中观基本面轮动
【华泰金工林晓明团队】行业配置落地:指数增强篇——华泰中观基本面轮动系列之十
【华泰金工林晓明团队】行业全景画像:投入产出表视角——华泰中观基本面轮动系列之五
【华泰金工林晓明团队】行业全景画像:改进杜邦拆解视角——华泰中观基本面轮动系列之四
行业轮动
【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二
【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十
【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八
【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一
Smartbeta
【华泰金工林晓明团队】重剑无锋:低波动 Smart Beta——华泰 Smart Beta 系列之四
【华泰金工林晓明团队】投资优质股票:红利类Smart Beta——华泰Smart Beta系列之三
【华泰金工林晓明团队】博观约取:价值和成长Smart Beta——华泰Smart Beta系列之二
【华泰金工林晓明团队】Smart Beta:乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一
多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三
【华泰金工林晓明团队】桑土之防:结构化多因子风险模型——华泰多因子系列之十二
【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二
人工智能
【华泰金工林晓明团队】深度卷积GAN实证——华泰人工智能系列之四十四
【华泰金工林晓明团队】因子观点融入机器学习——华泰人工智能系列之四十三
【华泰金工林晓明团队】图神经网络选股与Qlib实践——华泰人工智能系列之四十二
【华泰金工林晓明团队】基于BERT的分析师研报情感因子——华泰人工智能系列之四十一
【华泰金工林晓明团队】微软AI量化投资平台Qlib体验——华泰人工智能系列之四十
【华泰金工林晓明团队】周频量价选股模型的组合优化实证——华泰人工智能系列之三十九
【华泰金工林晓明团队】WGAN生成:从单资产到多资产——华泰人工智能系列之三十八
【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七
【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六
【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五
【华泰金工林晓明团队】再探AlphaNet:结构和特征优化——华泰人工智能系列之三十四
【华泰金工林晓明团队】数据模式探索:无监督学习案例——华泰人工智能系列之三十三
【华泰金工林晓明团队】AlphaNet:因子挖掘神经网络——华泰人工智能系列之三十二
【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一
【华泰金工林晓明团队】从关联到逻辑:因果推断初探——华泰人工智能系列之三十
【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九
【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八
【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七
【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五
【华泰金工林晓明团队】投石问路:技术分析可靠否?——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然:机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然:重采样技术检验过拟合——华泰人工智能系列之十九
【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八
【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二
指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证
基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究
基金定投
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
基金评价
【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法
【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力
【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金
ETF季度盘点
【华泰金工林晓明团队】2020Q4中国ETF市场全景回顾——总规模创新高,行业主题类ETF渐成市场新主角20210112
【华泰金工林晓明团队】2020年三季度中国ETF市场回顾——产品百花齐放、投资者结构日渐成熟,规模创新高20201021
【华泰金工林晓明团队】ETF产品细分差异化或成突围之道——2020二季度中国ETF市场全景回顾盘点与展望20200803
【华泰金工林晓明团队】ETF规模数量大涨品类不断丰富——2020一季度中国ETF市场全景回顾盘点
其它