（转自：浪说量化）
推荐指数：★☆☆☆☆
AI速读：告聚焦主动权益基金风格行业配置能力评价，指出主动权益基金因灵活调整风格与行业配置具备超额收益潜力，长期年化收益表现上赛道轮动和全市场型优于单赛道型，且部分风格策略中高换手率可带来超额潜力。报告通过三步构建主动配置能力因子：先测算基金风格与行业配置，再计算相对中证800的偏离，最后衡量偏离与未来收益的协同性。该因子五分组回测单调性强，多头组年化收益8.9%，相对偏股基金超额3.3%，且以市场波动率分位数作为预警指标可有效规避因子失效时期。此外，报告还列出最新主动配置能力因子得分TOP20基金。
推荐指数：★★★☆☆
AI速读：报告聚焦于构建基于主动权益基金与指增基金的宽基指数增强策略。报告首先通过筛选与沪深300/中证500高相关的基金，构建包含基金经理实力稳定性因子、选股Alpha因子等的复合因子进行收益预测，并结合高频仓位测算与Barra风格暴露控制敞口，优化后沪深300增强组合年化超额收益8.19%、跟踪误差3.91%，中证500增强组合年化超额收益10.67%、跟踪误差4.80%，中证800增强组合由前两者复合而成，年化超额收益8.92%。为增强中证500策略稳定性，引入指增基金构建复合策略，年化超额收益8.81%，跟踪误差3.53%，信息比提升至2.50。该策略通过多因子选基、敞口控制及组合优化，在获取主动管理Alpha的同时有效跟踪宽基指数，且具备较好的策略容量。
3. 研报标题：20250304-长江证券-机构持仓（十九）：机构持仓因子修正及指数增强策略
推荐指数：★★☆☆☆
AI速读：报告聚焦机构持仓因子修正及指数增强策略，通过上交所统计年鉴和十大股东数据修正个股持仓数据，分析机构在行业和风格上的偏好。机构在非银、银行等行业配置较高，风格上仅盈利维持长期正向偏离。修正后数据显示，大盘股机构占比更高，TMT行业机构配置持续上升。构建的机构持仓因子虽无明显单调性，但多头超额稳定，基于此构建的上证50和沪深300指数增强策略表现优异，上证50策略年化超额7.33%，沪深300策略年化超额6.47%，且大部分年份最大回撤优于基准。
4. 研报标题：20250304-浙商证券-0924指增超额回撤再回顾：贝塔的优化——主动量化研究系列
推荐指数：★★☆☆☆
AI速读：报告聚焦于0924指增超额回撤事件，指出传统敞口约束因仅关注整体值且忽略因子相关性，难以有效管理局部风险。报告提出优化贝塔管理，以预测贝塔为核心，将其拆分为因子和残差贡献，结合行业与风格维度进行精细化约束。回测显示，2024年沪深300、中证500、中证1000指增组合在优化贝塔管理后，超额回撤显著降低，如中证1000组合最大回撤从-7.84%降至-4.10%，信息比提升至3.48。报告强调风险管理已进入精细化时代，需动态调整贝塔敞口，而非简单严约束。
推荐指数：★★★☆☆
AI速读：报告聚焦于构建价值成长风格轮动策略，从宏观、估值、基本面三个维度选取因子构建月度模型，该模型在2016年1月至2024年12月期间月度胜率达74.65%，年化超额收益8.8%，信息比率1.53。同时，为应对市场实时变化，从纯量价维度选取深度学习、动量和拥挤度因子构建周度模型，周度胜率58.8%，年化超额收益7.19%。将月度模型与周度模型叠加后，超额最大回撤降低，信息比率提升至1.68，超额收益回撤比提升至1.31，有效改善了策略的风险收益特征。此外，报告还提出未来可从引入经济周期分析、丰富微观量价因子及优化维度权重等方面改进模型。
推荐指数：★☆☆☆☆
AI速读：报告聚焦DeepSeek在投研领域的应用，指出AI对投研工作存在促进与替代效应，写作、咨询等易被替代，而项目管理等需创造性思维的领域受益于AI生产力提升。DeepSeek使用成本低，官方API优惠时段输出40万字仅1元，可通过API定制工作流，实现自动调用、定义角色及定制信息源，还能本地部署充实研究壁垒。其Agent应用可日均处理500份研报，从策略和个股维度提炼观点与投资逻辑，生成总结简报和可视化图谱，但需注意AI模型参数微调、数据变动可能导致性能波动及生成数据错漏的风险。
推荐指数：★★★★☆
AI速读：报告构建了多策略行业轮动体系，该体系基于因子动量思想，整合宏观、财务、分析师预期、被动基金资金流、主动基金资金流和事件动量六大维度。其中，宏观模块在2024年9-10月市场回撤时表现稳定，财务与分析师预期模块在2022年下半年后超额收益逐步修复，被动基金资金流-ETF份额变动模块利用反转效应表现突出，主动基金资金流模块受市场影响较大，事件动量模块与其他模块相关性低。复合策略采用因子动量筛选近期优秀维度等权合成，2012年以来多头年化超额15.53%，月度胜率69%，2019年后表现更优，3月推荐通信、电子等行业。此外，还构建了行业轮动FOF及ETF组合，全时段ETF组合年化超额16.63%。
推荐指数：★★☆☆☆
AI速读：报告聚焦全球首款通用人工智能助手Manus，其能自主完成任务规划与执行，在GAIA基准测试中表现优于OpenAI的Deep Research，可应用于日程规划、数据挖掘等多场景。与Anthropic的Computer Use、Convergence的Proxy等竞品相比，Manus在运行方式、推理能力和鲁棒性上更具优势。报告还构建了“Manus”产业链图谱，相关概念股集中在电子、计算机等行业，如金山办公、用友网络等，且基于量价数据筛选出领涨组合，但需注意大语言模型输出随机性、信息可信度等风险。
9. 研报标题：20250307-华西证券-分析师预期期限结构在行业与ETF轮动中的应用
推荐指数：★☆☆☆☆
AI速读：题报告指出，传统行业因子（如历史业绩、分析师预期、动量延续性等）在2022年后出现失效，超额收益回撤较大。为此，报告将分析师预期与期限结构结合，构建衍生因子1（一阶因子排名提升）和衍生因子2（一阶与二阶因子综合排名提升）。基于衍生因子的行业轮动组合表现优异，其中行业组合2在2010年至2025年2月累计收益346.95%，超额收益296.82%；ETF轮动组合2同期累计收益495.70%，超额收益435.40%。
10. 研报标题：20250307-华西证券-细颗粒度量价系列之一——量价背离+交易稳定性
推荐指数：★★☆☆☆
AI速读：报告聚焦细颗粒度量价因子研究，先指出其2010年至2025年2月的量价行业轮动组合累计收益702.79%，超额收益显著。接着详细介绍基于分钟级数据构建的量价相关系数、振幅量价背离、成交金额波动、成交量波动四个因子，这些因子经正交化处理后等权合成的复合因子Rank_IC达5.40%，多空组合年化收益31.70%。在沪深300和中证500成分股中应用该复合因子构建的选股组合表现优异，沪深300组合累计收益210.57%、超额200.49%，中证500组合累计收益322.64%、超额312.55%。
推荐指数：★★★☆☆
AI速读：报告聚焦蜘蛛网策略复盘与期货会员行为分析。该策略基于中金所股指期货成交持仓表数据，通过前20大会员多空单持仓增量判断市场方向，2010年4月至2025年1月累计收益238%，年化8.92%。针对2020年后信号效率下降，改进后策略年化收益提升至10.32%，且核心思想应用于长周期择时效果显著，如N=60、s=0.01时年化收益26.36%。会员行为分析显示，不同会员持仓与交易差异大，绩优会员（如招商、永安期货）信号合成后2018年以来年化收益达26.1%。
12. 研报标题：20250307-西部证券-安全资产定量研究（1）_红利投资的“进化论”，从理解到超越的高股息投资策略演进
推荐指数：★★★☆☆
AI速读：报告围绕红利投资展开全面分析，指出A股上市公司分红规模与公司数量持续增长，政策支持与OCI账户特性提升红利资产配置价值。报告解析主流红利指数编制差异，发现策略红利指数表现更优。通过反向剔除构建基础红利股票池并结合多因子模型，形成红利增强50组合，2013.10-2023.12年化收益25.1%，超额收益显著。同时从宏观、流动性和市场情绪构建择时体系，结合择时与增强策略构建的“红利固收+”，“红利+成长”，“红利+科技”轮动组合，风险收益特征优于单一资产配置。
13. 研报标题：20250309-长江证券-风格轮动策略（二）：大盘VS小盘、成长VS价值风格轮动的框架构建
推荐指数：★★★☆☆
AI速读：报告聚焦于大盘VS小盘、成长VS价值风格轮动框架构建。报告指出风格轮动由宏观周期、市场结构等驱动，量化与主观视角均关注市值和成长价值风格。构建风格轮动框架分五步，先基于全A构建风格指数，再从宏观、基本面等五大维度构建轮动模型，进而配置风格对轮动，复用框架后构建可落地的ETF风格轮动组合。为凸显风格纯粹性，新构建的风格指数（大盘、小盘、超高成长、超低估值）按市值分位、成长因子和估值因子筛选，行业权重与样本空间一致，月频调仓，其走势与市场风格指数相近但更纯粹，可辅助后续回测验证与策略优化，后续系列将聚焦五大维度展开风格轮动研究，同时提示历史数据不代表未来、量化模拟不保证收益等风险。
风险提示：本文中的所有内容仅代表个人立场，不代表所在机构或其它任何机构的观点，更不构成任何投资建议。本文根据国际和行业通行的准则，以合法渠道取得这些信息，尽可能保证可靠、准确和完整，但并不保证报告所述信息的准确性和完整性。本报告不能作为投资研究决策的依据，不能作为道义的、责任的和法律的依据或者凭证，无论是否已经明示或暗示。
