炒股就看金麒麟分析師研報(bào)，權(quán)威，專(zhuān)業(yè)，及時(shí)，全面，助您挖掘潛力主題機(jī)會(huì)！

　　中金點(diǎn)睛

　　市場(chǎng)展望

　　市場(chǎng)擇時(shí)：短期震蕩，中長(zhǎng)期或有上行機(jī)會(huì)。

　　我們基于2000-01-01至2024-10-31市場(chǎng)歷史數(shù)據(jù)的統(tǒng)計(jì)，發(fā)現(xiàn)A股市場(chǎng)出現(xiàn)5天內(nèi)上漲超15%這類(lèi)快速反彈的情況后，短期回調(diào)的概率較大，后續(xù)一個(gè)月內(nèi)的收益平均為-4%左右，而中長(zhǎng)期來(lái)看收益情況相對(duì)較好，寬基指數(shù)后續(xù)一年的收益平均接近10%。因此我們認(rèn)為短期內(nèi)市場(chǎng)整體的走勢(shì)以震蕩為主，中長(zhǎng)期存在上行機(jī)會(huì)。

　　風(fēng)格判斷：成長(zhǎng)彈性可期，關(guān)注小盤(pán)。

　　首先，我們從定量角度回顧了歷史上3次市場(chǎng)觸底反彈前后的風(fēng)格表現(xiàn)，盡管三次觸底反彈的宏觀、政策環(huán)境有所差異，但從歷史數(shù)據(jù)統(tǒng)計(jì)的結(jié)果來(lái)看，前期弱勢(shì)的風(fēng)格在市場(chǎng)反彈后上漲幅度更大。因此此前承壓的成長(zhǎng)風(fēng)格未來(lái)表現(xiàn)可能優(yōu)于其他風(fēng)格。

　　其次，從成長(zhǎng)與價(jià)值風(fēng)格盈利差的維度來(lái)判斷。a）宏觀邏輯方面，相關(guān)宏觀指標(biāo)提示我國(guó)經(jīng)濟(jì)可能即將進(jìn)入見(jiàn)底回升的拐點(diǎn)，利好成長(zhǎng)風(fēng)格未來(lái)盈利。b）中觀邏輯方面，目前成長(zhǎng)與價(jià)值風(fēng)格處于獲利期的企業(yè)數(shù)量差邊際上行，從企業(yè)生命周期的角度來(lái)看，成長(zhǎng)風(fēng)格未來(lái)盈利能力相對(duì)更強(qiáng)。c）微觀視角方面，成長(zhǎng)與價(jià)值風(fēng)格分析師一致預(yù)期EPS的差值處于上升狀態(tài)，說(shuō)明賣(mài)方分析師對(duì)于成長(zhǎng)風(fēng)格未來(lái)盈利改善的看好程度更強(qiáng)。

　　同時(shí)，宏觀環(huán)境市場(chǎng)狀態(tài)和短期擁擠度的風(fēng)格研究框架[1]表明：a）投資者情緒回暖期成長(zhǎng)風(fēng)格往往表現(xiàn)出色，紅利風(fēng)格相對(duì)偏弱，而由于近期偏股基金募資額的快速提升，紅利風(fēng)格的相對(duì)優(yōu)勢(shì)可能承壓。b）微觀層面，由于市場(chǎng)快速上漲吸引大量投資者入市，主要風(fēng)格的擁擠度都在快速上升。成長(zhǎng)、紅利風(fēng)格先后在9月27日、10月8日發(fā)出擁擠信號(hào)。因此市場(chǎng)主流風(fēng)格包括市場(chǎng)整體，短期需要一段時(shí)間震蕩消化。

　　最后，并購(gòu)浪潮或利好中小盤(pán)及新質(zhì)生產(chǎn)力相關(guān)行業(yè)：a）我們發(fā)現(xiàn)并購(gòu)活動(dòng)多發(fā)生在中小盤(pán)，且在小盤(pán)風(fēng)格并購(gòu)數(shù)量較多的2015年，小盤(pán)股整體表現(xiàn)較好，因此我們認(rèn)為在2024年新的政策支持下，未來(lái)的并購(gòu)市場(chǎng)活躍度或?qū)⑻嵘?，或利好中小盤(pán)表現(xiàn)。b）2024年政策引導(dǎo)上市公司向新質(zhì)生產(chǎn)力方向轉(zhuǎn)型升級(jí)，我們判斷并購(gòu)項(xiàng)目未來(lái)或?qū)⒓邪l(fā)生于新質(zhì)生產(chǎn)力相關(guān)行業(yè)?；跉v史數(shù)據(jù)統(tǒng)計(jì)，我們認(rèn)為并購(gòu)活躍的行業(yè)或有更好的收益表現(xiàn)，未來(lái)非銀、新質(zhì)生產(chǎn)力行業(yè)、“兩創(chuàng)”板塊公司可能存在結(jié)構(gòu)性機(jī)會(huì)。

　　量化策略與產(chǎn)品

　　回顧2024：大盤(pán)價(jià)值彰顯優(yōu)勢(shì)，反彈期間量化具優(yōu)勢(shì)。

　　1）市場(chǎng)表現(xiàn)維度：大盤(pán)與價(jià)值風(fēng)格在今年表現(xiàn)出色，因子方面則是價(jià)值因子總體優(yōu)于成長(zhǎng)因子；2）公募量化產(chǎn)品：公募指數(shù)增強(qiáng)產(chǎn)品相對(duì)于主動(dòng)管理產(chǎn)品展現(xiàn)出一定優(yōu)勢(shì)，特別是在9月份市場(chǎng)大幅反彈期間，其收益表現(xiàn)相對(duì)出色。

　　量化產(chǎn)品：小盤(pán)成長(zhǎng)環(huán)境中可關(guān)注主動(dòng)量化產(chǎn)品。

　　回顧歷史在2010、2013、2015和2021年小盤(pán)成長(zhǎng)風(fēng)格占優(yōu)階段，主動(dòng)量化產(chǎn)品整體具有較好的收益表現(xiàn)，我們認(rèn)為量化投資在機(jī)構(gòu)參與度低的小盤(pán)成長(zhǎng)風(fēng)格的股票中或具有一定優(yōu)勢(shì)，因此若后市風(fēng)格偏向小盤(pán)成長(zhǎng)，可考慮關(guān)注主動(dòng)量化產(chǎn)品。

　　量化策略：另類(lèi)數(shù)據(jù)+機(jī)器學(xué)習(xí)仍有發(fā)展?jié)摿Α?/p>

　　我們認(rèn)為量化策略發(fā)展主要依賴(lài)兩條路徑：數(shù)據(jù)邊界的拓展[2]與新模型的開(kāi)發(fā)[3]。一方面機(jī)器學(xué)習(xí)如大語(yǔ)言模型可以幫助探索之前金融領(lǐng)域無(wú)法充分利用的另類(lèi)數(shù)據(jù)資源，另一方面不斷發(fā)展的深度學(xué)習(xí)模型也能夠更加充分挖掘現(xiàn)有數(shù)據(jù)的非線(xiàn)性信息。我們前期開(kāi)發(fā)的機(jī)器學(xué)習(xí)選股因子[4]和另類(lèi)數(shù)據(jù)模型[5]在2024年的高波動(dòng)環(huán)境下依然可以取得穩(wěn)健的樣本外表現(xiàn)，表明其仍具有發(fā)展?jié)摿Α?/p>

　　風(fēng)險(xiǎn)提示：分析均基于歷史數(shù)據(jù)，歷史數(shù)據(jù)存在不被重復(fù)驗(yàn)證的風(fēng)險(xiǎn)。

　　市場(chǎng)展望

　　量化擇時(shí)：短期震蕩，中長(zhǎng)期或有機(jī)會(huì)

　　情景分析：市場(chǎng)快速拉升后短期震蕩概率大

　　2024國(guó)慶節(jié)前的一系列市場(chǎng)提振政策出臺(tái)后，市場(chǎng)參與者給出了較積極的反應(yīng)，A股主要寬基指數(shù)在節(jié)前的5天內(nèi)都完成了較大幅度的反彈，且在國(guó)慶節(jié)后也出現(xiàn)了一定的調(diào)整。市場(chǎng)短期的快速上漲，吸引大量投資者參與，往往會(huì)帶來(lái)市場(chǎng)熱點(diǎn)和風(fēng)格的切換。我們以滬深300指數(shù)作為市場(chǎng)代表指數(shù)，統(tǒng)計(jì)了A股歷史上5天內(nèi)累計(jì)漲幅超過(guò)15%的情況下，未來(lái)一個(gè)月、一個(gè)季度、半年及一年內(nèi)，市場(chǎng)主要指數(shù)和風(fēng)格的走勢(shì)。

　　圖表1：滬深300快速上漲后的不同周期收益

　　注：數(shù)據(jù)統(tǒng)計(jì)區(qū)間為2000-01-01至2024-10-31；快速上漲定義為5天內(nèi)累計(jì)漲幅超過(guò)15%的情況；圖表中均為交易日統(tǒng)計(jì)，假定1個(gè)月為20個(gè)交易日

　　資料來(lái)源：Wind，中金公司研究部

　　擇時(shí)層面上看，A股市場(chǎng)出現(xiàn)類(lèi)似快速反彈的情況后，短期有可能出現(xiàn)回調(diào)從而導(dǎo)致20個(gè)交易日和60個(gè)交易日（一個(gè)月和一個(gè)季度）內(nèi)的收益平均為-4%左右，今年國(guó)慶節(jié)后市場(chǎng)走勢(shì)也驗(yàn)證了這一點(diǎn)。但中長(zhǎng)期維度上的收益情況相對(duì)較好，寬基指數(shù)（上證綜指、滬深300）一年維度上的收益均值接近10%。當(dāng)然，一年維度上的收益表現(xiàn)受宏觀經(jīng)濟(jì)、企業(yè)盈利的影響更大，數(shù)據(jù)統(tǒng)計(jì)的結(jié)論對(duì)短期市場(chǎng)走勢(shì)的指示性更強(qiáng)。

　　圖表2：滬深300快速上漲對(duì)應(yīng)的日期、盈利估值分位以及后續(xù)市場(chǎng)表現(xiàn)（120個(gè)交易日）

　　注：截至2024-10-31 資料來(lái)源：Wind，中金公司研究部

　　對(duì)應(yīng)不同的快速上漲時(shí)期指數(shù)的估值分位情況我們發(fā)現(xiàn)其中的規(guī)律并不單調(diào)。2002年的情況屬于估值高位的快速反彈從而后續(xù)表現(xiàn)一般，但2004年的估值低位反彈后并未帶來(lái)進(jìn)一步的上漲。2014年末的快速反彈時(shí)市場(chǎng)處于中低估值分位，同時(shí)結(jié)合多維的外部因素影響才導(dǎo)致的一輪大牛市。

　　因此，基于歷史數(shù)據(jù)統(tǒng)計(jì)，我們認(rèn)為，短期內(nèi)市場(chǎng)整體的走勢(shì)以震蕩為主，中長(zhǎng)期存在機(jī)會(huì)，但幅度多大，可能取決于宏觀經(jīng)濟(jì)政策的力度和企業(yè)盈利的改善情況。

　　風(fēng)格判斷：成長(zhǎng)彈性可期，關(guān)注小盤(pán)

　　情景分析：反彈前后風(fēng)格切換概率大，成長(zhǎng)風(fēng)格彈性更強(qiáng)

　　為了探尋市場(chǎng)主流風(fēng)格在當(dāng)前市場(chǎng)狀態(tài)下未來(lái)將如何演繹，我們從定量的角度回顧了歷史上3次較大級(jí)別觸底反彈前后的風(fēng)格表現(xiàn)：

　　a）2008-10-28：全球金融危機(jī)后政府出臺(tái)一系列經(jīng)濟(jì)刺激政策，股市觸底反彈。

　　b）2014-07-21：經(jīng)過(guò)前幾年經(jīng)濟(jì)增速的退檔，“國(guó)九條”的公布和杠桿資金入市拉動(dòng)A股觸底反彈。

　　c）2019-01-04：國(guó)內(nèi)持續(xù)降息降準(zhǔn)，加之部分公司業(yè)績(jī)利空出盡，市場(chǎng)觸底反彈。

　　盡管市場(chǎng)三次觸底反彈的宏觀、政策環(huán)境有所差異，但從數(shù)據(jù)統(tǒng)計(jì)的結(jié)果來(lái)看，前期弱勢(shì)的風(fēng)格在市場(chǎng)反彈后上漲幅度更大。例如2008年5月到10月表現(xiàn)較差的小盤(pán)和成長(zhǎng)風(fēng)格，在大盤(pán)反彈時(shí)彈性較好。2014年7月前后的大盤(pán)和價(jià)值風(fēng)格也出現(xiàn)明顯反彈。

　　圖表3：歷史上3次市場(chǎng)觸底反彈前后風(fēng)格表現(xiàn)對(duì)比

　　注：色階為單列收益由紅至藍(lán)降序排列

　　資料來(lái)源：Wind，中金公司研究部

　　從觸底反彈前后風(fēng)格收益率的相關(guān)性來(lái)看，2008、2014、2019年對(duì)應(yīng)相關(guān)性分別為-0.79、-0.45、-0.36，均為較顯著負(fù)相關(guān)，說(shuō)明觸底反彈前跌幅越大的風(fēng)格在觸底反彈階段的上漲潛力越大。其背后邏輯可能在于：

　　1）增量資金往往出于風(fēng)格性?xún)r(jià)比原因，優(yōu)先考慮投資之前表現(xiàn)差的風(fēng)格；

　　2）之前超跌的風(fēng)格存在一定錯(cuò)殺可能性，市場(chǎng)回暖期修正了錯(cuò)誤定價(jià)。

　　因此我們認(rèn)為，如果市場(chǎng)能夠延續(xù)反彈趨勢(shì)走出一波上漲行情，前期表現(xiàn)較好的風(fēng)格（例如紅利、價(jià)值等）上漲潛力大概率低于其他風(fēng)格（例如成長(zhǎng)）。

　　主動(dòng)量化：盈利差與估值差維度均看好成長(zhǎng)風(fēng)格

　　上述觀點(diǎn)也可以從主觀量化方面得到佐證。我們?cè)趫?bào)告《量化配置系列（17）成長(zhǎng)價(jià)值輪動(dòng)的底層邏輯與收益來(lái)源》中，指出成長(zhǎng)和價(jià)值的輪動(dòng)判斷可以歸結(jié)為對(duì)兩風(fēng)格盈利差和估值差的判斷。其中風(fēng)格盈利差的底層邏輯主要有以下兩個(gè)方面：①宏觀層面的地產(chǎn)周期與經(jīng)濟(jì)拐點(diǎn)，②中觀層面的企業(yè)生命周期；同時(shí)具有微觀的一致預(yù)測(cè)EPS這一個(gè)觀測(cè)維度。風(fēng)格估值差認(rèn)為存在以下三個(gè)關(guān)鍵邏輯：①盈利不變時(shí)，增量資金推動(dòng)估值變化，②估值達(dá)到極端位置后，未來(lái)可能會(huì)均值回復(fù)，③市場(chǎng)普漲時(shí)，高BETA風(fēng)格估值提升更高。

　　圖表4：成長(zhǎng)價(jià)值輪動(dòng)的主觀邏輯框架

　　資料來(lái)源：中金公司研究部

　　截至2024年10月底，從盈利差變化的底層邏輯來(lái)看：

　　? 宏觀邏輯方面，目前經(jīng)濟(jì)拐點(diǎn)因子處于觸底回升狀態(tài)，同時(shí)工業(yè)增加值同比、M2同比、物價(jià)同比、國(guó)債利率同比、美債利率同比均邊際上升，我們認(rèn)為這些指標(biāo)指示我國(guó)經(jīng)濟(jì)可能即將進(jìn)入見(jiàn)底回升的拐點(diǎn)，利好成長(zhǎng)風(fēng)格未來(lái)盈利。

　　? 中觀邏輯方面，目前成長(zhǎng)與價(jià)值風(fēng)格處于獲利期（成長(zhǎng)與成熟期）的企業(yè)數(shù)量差邊際上行，說(shuō)明從企業(yè)生命周期的角度來(lái)看，成長(zhǎng)風(fēng)格未來(lái)盈利能力相對(duì)更強(qiáng)。

　　? 微觀視角方面，目前成長(zhǎng)與價(jià)值風(fēng)格分析師一致預(yù)期EPS的差值處于上升狀態(tài)，說(shuō)明賣(mài)方分析師對(duì)于成長(zhǎng)風(fēng)格未來(lái)盈利改善的看好程度更強(qiáng)。

　　根據(jù)上述3方面內(nèi)容，我們認(rèn)為在未來(lái)6個(gè)月左右的時(shí)間維度，成長(zhǎng)相對(duì)價(jià)值的盈利提升程度更高。

　　從估值差變化的底層邏輯來(lái)看：

　　? 資金面邏輯方面，目前①截至2季末的保險(xiǎn)資金處于凈流入狀態(tài)，利好價(jià)值風(fēng)格估值提升；②截至10月底的EPFR口徑下海外資金處于凈流入狀態(tài)，利好成長(zhǎng)風(fēng)格估值提升；③信托數(shù)據(jù)暫未公布2季末數(shù)據(jù)；④截至10月底的其他（私募、產(chǎn)業(yè)資本、個(gè)人投資者等）類(lèi)資金處于凈流入狀態(tài)，利好成長(zhǎng)風(fēng)格估值提升。綜合數(shù)據(jù)公布時(shí)點(diǎn)和影響方面，我們認(rèn)為近期資金面利好成長(zhǎng)風(fēng)格估值的提升。

　　? 擁擠度邏輯方面，目前我們的擁擠度模型指示成長(zhǎng)和價(jià)值風(fēng)格均未到擁擠閾值，對(duì)成長(zhǎng)和價(jià)值風(fēng)格估值差的影響偏中性。

　　? BETA邏輯方面，當(dāng)前我們的擇時(shí)模型顯示A股當(dāng)前在估值、情緒、資金等維度處于偏高狀態(tài)，但成交額能為市場(chǎng)進(jìn)行一定托底，未來(lái)整體走勢(shì)或以震蕩上行為主，小幅利好成長(zhǎng)風(fēng)格估值的提升。

　　根據(jù)上述3方面內(nèi)容，我們認(rèn)為在未來(lái)1個(gè)月左右的時(shí)間維度，成長(zhǎng)相對(duì)價(jià)值的估值提升程度更高。

　　綜合盈利和估值的判斷，我們認(rèn)為未來(lái)短期（1個(gè)月左右）內(nèi)，成長(zhǎng)風(fēng)格更高的估值提升會(huì)使得成長(zhǎng)跑贏價(jià)值，中長(zhǎng)期（6個(gè)月左右）內(nèi)，有望進(jìn)一步看到成長(zhǎng)風(fēng)格更高的盈利改善，使得成長(zhǎng)繼續(xù)跑贏價(jià)值。即短期和中長(zhǎng)期，我們都認(rèn)為成長(zhǎng)風(fēng)格具有更高的配置價(jià)值。

　　風(fēng)格判斷量化框架：紅利風(fēng)格相對(duì)優(yōu)勢(shì)或下降

　　接下來(lái)我們?cè)購(gòu)膬蓚€(gè)大的維度來(lái)綜合的量化分析市場(chǎng)關(guān)注的主流風(fēng)格的走勢(shì)：包括中長(zhǎng)期的宏觀環(huán)境與市場(chǎng)狀態(tài)，和短期的擁擠度指標(biāo)。

　　宏觀環(huán)境與市場(chǎng)狀態(tài)是影響股市整體走勢(shì)以及風(fēng)格走勢(shì)的重要因素，它們決定了市場(chǎng)的基本面和流動(dòng)性條件。通過(guò)分析宏觀經(jīng)濟(jì)指標(biāo)和市場(chǎng)狀態(tài)，可以理解市場(chǎng)風(fēng)格在不同經(jīng)濟(jì)周期和政策環(huán)境下的表現(xiàn)。這有助于識(shí)別哪些風(fēng)格在特定環(huán)境下可能表現(xiàn)更好，從而制定更為精確的投資策略。

　　市場(chǎng)的短期波動(dòng)易受到交易擁擠度的影響。當(dāng)某一風(fēng)格或行業(yè)吸引了大量投資者的共識(shí)和集中交易時(shí)，股票價(jià)格可能會(huì)短期內(nèi)偏離其內(nèi)在價(jià)值，從而在交易熱潮退卻后面臨回調(diào)風(fēng)險(xiǎn)。正如2021年8月至9月間，煤炭行業(yè)的快速上漲后隨之而來(lái)的回撤，便是市場(chǎng)擁擠度影響的案例。

　　因此我們建議結(jié)合對(duì)宏觀環(huán)境與市場(chǎng)狀態(tài)的分析和對(duì)市場(chǎng)擁擠度的監(jiān)測(cè)，以實(shí)現(xiàn)對(duì)市場(chǎng)風(fēng)格的準(zhǔn)確把握。在宏觀條件有利于特定風(fēng)格時(shí)進(jìn)行投資布局，同時(shí)密切關(guān)注市場(chǎng)交易行為，避免在過(guò)度擁擠的市場(chǎng)環(huán)境中過(guò)度集中投資，從而降低潛在的風(fēng)險(xiǎn)暴露。

　　圖表5：量化風(fēng)格配置框架

　　資料來(lái)源：中金公司研究部

　　參考上述風(fēng)格研究框架，我們發(fā)現(xiàn)：

　　a） 中長(zhǎng)期維度上，由于偏股基金募資額近期的快速提升，紅利風(fēng)格的相對(duì)優(yōu)勢(shì)可能承壓。偏股基金募資額代表近期公募偏股型基金的募資能力，也代表了市場(chǎng)投資者的入場(chǎng)意愿。是紅利相對(duì)凈值的反向指標(biāo)。當(dāng)市場(chǎng)情緒回暖，投資者通過(guò)基金入市的資金量出現(xiàn)提升時(shí)，歷史數(shù)據(jù)表明此種情形下紅利風(fēng)格可能會(huì)相對(duì)跑輸市場(chǎng)，而此時(shí)成長(zhǎng)風(fēng)格往往可以獲得超越市場(chǎng)的收益表現(xiàn)。

　　b） 成長(zhǎng)風(fēng)格常受益于市場(chǎng)景氣抬升，例如PMI同比指標(biāo)與成長(zhǎng)風(fēng)格超額收益呈現(xiàn)正相關(guān)。當(dāng)PMI同比上行時(shí)，意味著經(jīng)濟(jì)總量上行，有利于公司盈利增長(zhǎng)，成長(zhǎng)風(fēng)格相對(duì)占優(yōu)；反之，則意味著經(jīng)濟(jì)總量的下行，成長(zhǎng)風(fēng)格相對(duì)弱勢(shì)。因此，我們認(rèn)為在市場(chǎng)基本面預(yù)期有所改善的前提下成長(zhǎng)風(fēng)格或有相對(duì)優(yōu)勢(shì)。

　　c） 最后，微觀層面，由于市場(chǎng)短期快速上漲，吸引大量投資者進(jìn)入市場(chǎng)，主要風(fēng)格的擁擠度都在快速上升。成長(zhǎng)、紅利風(fēng)格先后在9月27日、10月8日發(fā)出擁擠信號(hào)。因此，從短期來(lái)看，市場(chǎng)主流風(fēng)格，包括市場(chǎng)整體，短期都可能需要一段時(shí)間震蕩消化。

　　圖表6：偏股基金募資額與紅利風(fēng)格走勢(shì)

　　注：截至2024-10-31；偏股基金募資額單位為千億元資料來(lái)源：Wind，中金公司研究部

　　圖表7：偏股基金募資額不同狀態(tài)下紅利風(fēng)格表現(xiàn)

　　注：截至2024-10-31資料來(lái)源：Wind，中金公司研究部

　　圖表8：PMI同比與成長(zhǎng)風(fēng)格走勢(shì)

　　注：截至2024-10-31，右軸：PMI同比_MA（%）資料來(lái)源：Wind，中金公司研究部

　　圖表9：PMI同比指標(biāo)不同狀態(tài)下成長(zhǎng)風(fēng)格表現(xiàn)

　　注：截至2024-10-31資料來(lái)源：Wind，中金公司研究部

　　圖表10：成長(zhǎng)風(fēng)格擁擠度信號(hào)

　　注：截至2024-10-31 資料來(lái)源：Wind，中金公司研究部

　　圖表11：紅利風(fēng)格擁擠度信號(hào)

　　注：截至2024-10-31資料來(lái)源：Wind，中金公司研究部

　　并購(gòu)浪潮或利好小盤(pán)風(fēng)格及新質(zhì)生產(chǎn)力相關(guān)行業(yè)

　　2024年政策層面旨在促進(jìn)健康的并購(gòu)重組活動(dòng)。近期國(guó)務(wù)院、證監(jiān)會(huì)發(fā)布了一系列政策以支持上市公司跨行業(yè)并購(gòu)和未盈利資產(chǎn)收購(gòu)[6]，引導(dǎo)資源要素向新質(zhì)生產(chǎn)力方向聚集。從2014年促進(jìn)并購(gòu)活動(dòng)[7]，2016年抑制投機(jī)“炒殼”[8]，再到2024年對(duì)并購(gòu)活動(dòng)進(jìn)一步深化改革[9]，政策的不斷優(yōu)化旨在促進(jìn)健康、有序的并購(gòu)重組活動(dòng)，支持經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級(jí)，引導(dǎo)資源向新質(zhì)生產(chǎn)力聚集。

　　圖表12：并購(gòu)政策歷史沿革梳理

　　資料來(lái)源：中華人民共和國(guó)國(guó)務(wù)院，中國(guó)證券監(jiān)督管理委員會(huì)，中金公司研究部

　　并購(gòu)活動(dòng)集中于小盤(pán)股票。并購(gòu)事件在股票市值分布上傾向于小盤(pán)股票，我們對(duì)2006年以來(lái)發(fā)生并購(gòu)事件的股票進(jìn)行市值分布統(tǒng)計(jì)，其中股票市值75%分位數(shù)保持在150億元以下，這表明大多數(shù)并購(gòu)事件涉及的公司市值偏低。

　　圖表13：參與重大境內(nèi)資產(chǎn)重組股票總市值分布（按首次披露日期所在年份統(tǒng)計(jì)）

　　注：數(shù)據(jù)截至2024-10-15資料來(lái)源：Wind，中金公司研究部

　　圖表14：參與重大境內(nèi)資產(chǎn)重組股票流通市值分布（按首次披露日期所在年份統(tǒng)計(jì)）

　　注：數(shù)據(jù)截至2024-10-15資料來(lái)源：Wind，中金公司研究部

　　我們發(fā)現(xiàn)2015年預(yù)告并購(gòu)活動(dòng)較多的行業(yè)股票收益率也處在較高水平，并購(gòu)行為或?qū)⒗貌糠中袠I(yè)。分大、小盤(pán)風(fēng)格來(lái)看，2015年小盤(pán)風(fēng)格的并購(gòu)事件的預(yù)告數(shù)量占比相對(duì)較高，且小盤(pán)風(fēng)格在2015年具有更好的收益表現(xiàn)。

　　圖表15：參與重大境內(nèi)資產(chǎn)重組股票分板塊統(tǒng)計(jì)（按首次披露日期所在年份統(tǒng)計(jì)）

　　注：大盤(pán)風(fēng)格成分股為流通市值排名前10%的股票，小盤(pán)風(fēng)格成分股為流通市值排名后90%的股票

　　資料來(lái)源：Wind，中金公司研究部

　　因此，我們建議關(guān)注小盤(pán)風(fēng)格和新質(zhì)生產(chǎn)力相關(guān)行業(yè)機(jī)會(huì)：

　　1）?并購(gòu)事件數(shù)量的增加或利好小盤(pán)風(fēng)格。在小盤(pán)風(fēng)格并購(gòu)數(shù)量較多的2015年，小盤(pán)股整體表現(xiàn)較好，因此在2024年新的政策支持下，我們認(rèn)為未來(lái)的并購(gòu)市場(chǎng)活躍度或?qū)⑻嵘?，利好中小盤(pán)。

　　2）?新質(zhì)生產(chǎn)力相關(guān)行業(yè)或?qū)⒋嬖诮Y(jié)構(gòu)性機(jī)會(huì)。2024年政策引導(dǎo)上市公司向新質(zhì)生產(chǎn)力方向轉(zhuǎn)型升級(jí)，我們認(rèn)為并購(gòu)項(xiàng)目未來(lái)或?qū)⒓邪l(fā)生于新質(zhì)生產(chǎn)力相關(guān)行業(yè)?；诮y(tǒng)計(jì)我們發(fā)現(xiàn)并購(gòu)活躍的行業(yè)或有更好的收益表現(xiàn)，我們認(rèn)為因此相關(guān)行業(yè)如非銀、新質(zhì)生產(chǎn)力行業(yè)、“兩創(chuàng)”板塊公司可能存在結(jié)構(gòu)性機(jī)會(huì)。

　　量化策略與產(chǎn)品

　　我們首先對(duì)2024年以來(lái)（2024-01-01至2024-10-31）的市場(chǎng)表現(xiàn)和量化策略表現(xiàn)做一個(gè)回顧，從量化的視角來(lái)觀察市場(chǎng)運(yùn)行情況。1）市場(chǎng)表現(xiàn)維度：大盤(pán)與價(jià)值風(fēng)格在今年表現(xiàn)出色，因子方面則是價(jià)值因子總體優(yōu)于成長(zhǎng)因子；2）中金量化組合：成長(zhǎng)、價(jià)值優(yōu)選策略和低關(guān)注度掘金策略今年均表現(xiàn)良好；滬深300、中證500指數(shù)增強(qiáng)組合也均實(shí)現(xiàn)一定超額收益；3）公募量化產(chǎn)品：公募指數(shù)增強(qiáng)產(chǎn)品相對(duì)于主動(dòng)管理產(chǎn)品展現(xiàn)出一定優(yōu)勢(shì)，特別是在9月份市場(chǎng)大幅反彈期間，其收益表現(xiàn)相對(duì)出色。

　　回顧2024：大盤(pán)價(jià)值彰顯優(yōu)勢(shì)

　　市場(chǎng)表現(xiàn)：大盤(pán)、價(jià)值風(fēng)格表現(xiàn)突出

　　A股市場(chǎng)實(shí)現(xiàn)正收益，大盤(pán)、價(jià)值風(fēng)格表現(xiàn)突出。截至10月31日，今年滬深300、中證500、中證1000、國(guó)證2000均實(shí)現(xiàn)正收益，其中滬深300收益表現(xiàn)相對(duì)較好，實(shí)現(xiàn)13.4%的收益；而微盤(pán)風(fēng)格表現(xiàn)欠佳，國(guó)證2000指數(shù)今年僅增長(zhǎng)0.8%。價(jià)值優(yōu)于成長(zhǎng)。今年價(jià)值風(fēng)格的表現(xiàn)延續(xù)相對(duì)優(yōu)勢(shì)，對(duì)應(yīng)國(guó)證成長(zhǎng)指數(shù)今年收益率為5.8%，而國(guó)證價(jià)值指數(shù)今年收益率為17.1%（截至10月31日）。

　　圖表16：大、中、小、微盤(pán)指數(shù)今年收益表現(xiàn)

　　注：截至2024-10-31

　　資料來(lái)源：Wind，中金公司研究部

　　圖表17：成長(zhǎng)、價(jià)值指數(shù)今年收益表現(xiàn)

　　注：截至2024-10-31

　　資料來(lái)源：Wind，中金公司研究部

　　從主流因子的角度觀察市場(chǎng)表現(xiàn)，我們統(tǒng)計(jì)了2024年以來(lái)全市場(chǎng)范圍內(nèi)的因子月度IC。在宏觀不確定性較高的大環(huán)境下，防御性因子有效性相對(duì)較好。2024年前三季度的因子表現(xiàn)來(lái)看，衡量風(fēng)險(xiǎn)屬性的因子表現(xiàn)維持相對(duì)優(yōu)勢(shì)，包括價(jià)值、股息率、安全性、低波動(dòng)率等。

　　? 2024年以來(lái)，價(jià)值優(yōu)于成長(zhǎng)。對(duì)比成長(zhǎng)因子和價(jià)值因子的月度IC表現(xiàn)，除2月、3月、6月成長(zhǎng)因子IC略高于價(jià)值因子外，均為價(jià)值因子IC顯著優(yōu)于成長(zhǎng)因子，延續(xù)了2022年以來(lái)價(jià)值因子強(qiáng)勢(shì)的市場(chǎng)風(fēng)格。

　　? 價(jià)量因子中低波、動(dòng)量因子整體表現(xiàn)出色。動(dòng)量因子今年表現(xiàn)略有震蕩，但整體收益良好。低波因子今年表現(xiàn)較為出色，IC均值實(shí)現(xiàn)-7.0%。

　　圖表18：基本面因子今年IC表現(xiàn)

　　注：截至2024-10-31 資料來(lái)源：Wind，朝陽(yáng)永續(xù)，中金公司研究部

　　圖表19：價(jià)量因子今年IC表現(xiàn)

　　注：截至2024-10-31 資料來(lái)源：Wind，中金公司研究部

　　量化組合：主動(dòng)量化策略和指數(shù)增強(qiáng)策略今年表現(xiàn)良好

　　? 主動(dòng)量化策略：成長(zhǎng)、價(jià)值優(yōu)選策略均有較好表現(xiàn)

　　成長(zhǎng)股選股思路應(yīng)從追求高增長(zhǎng)預(yù)期切換至增長(zhǎng)預(yù)期與估值性?xún)r(jià)比并重，改進(jìn)后策略今年實(shí)現(xiàn)11.6%的超額收益。我們?cè)趫?bào)告《基本面量化系列（3）：業(yè)績(jī)成長(zhǎng)是否具有延續(xù)性》中構(gòu)建了成長(zhǎng)趨勢(shì)選股策略，該策略以成長(zhǎng)因子、分析師預(yù)期因子為核心，2022年下半年以來(lái)相對(duì)基準(zhǔn)持續(xù)回撤，說(shuō)明追求高增長(zhǎng)預(yù)期的策略已不適應(yīng)當(dāng)前市場(chǎng)環(huán)境，因此我們?cè)趫?bào)告《基本面量化系列（12）：如何度量非理性估值定價(jià)偏差？》，對(duì)該策略進(jìn)行改進(jìn)，增加對(duì)股票估值性?xún)r(jià)比的考量，優(yōu)化后的策略在保持較好的歷史收益表現(xiàn)的同時(shí)，較為明顯地改良了2022年以來(lái)的策略表現(xiàn)。截至2024-10-31，改進(jìn)后的成長(zhǎng)趨勢(shì)策略YTD收益率為11.6%，超額偏股混合型基金指數(shù)7.3個(gè)百分點(diǎn)。

　　圖表20：成長(zhǎng)趨勢(shì)選股策略歷史表現(xiàn)

　　注：截至2024-10-31 資料來(lái)源：Wind，朝陽(yáng)永續(xù)，中金公司研究部

　　圖表21：成長(zhǎng)趨勢(shì)選股策略歷史表現(xiàn)（2021年以來(lái)）

　　注：截至2024-10-31 資料來(lái)源：Wind，朝陽(yáng)永續(xù)，中金公司研究部

　　價(jià)值優(yōu)選策略和低關(guān)注度掘金策略今年實(shí)現(xiàn)絕對(duì)收益。我們?cè)趫?bào)告《基本面量化系列（1）：如何看待價(jià)值股的“價(jià)值”》中構(gòu)建了價(jià)值股優(yōu)選策略；在報(bào)告《基本面量化系列（10）：如何在低關(guān)注度股票中挖掘alpha？》中構(gòu)建了低關(guān)注度掘金策略。這兩個(gè)策略今年收益均表現(xiàn)良好，截至2024-10-31，價(jià)值股優(yōu)選策略今年YTD收益率為10.4%，低關(guān)注度掘金策略YTD收益率達(dá)10.2%。

　　圖表22：價(jià)值股優(yōu)選策略歷史表現(xiàn)

　　注：截至2024-10-31 資料來(lái)源：Wind，中金公司研究部

　　圖表23：低關(guān)注度掘金策略歷史表現(xiàn)

　　注：截至2024-10-31 資料來(lái)源：Wind，中金公司研究部

　　? 指數(shù)增強(qiáng)模型：300、500增強(qiáng)今年以來(lái)實(shí)現(xiàn)超額

　　我們基于中金量化因子庫(kù)和各自適用模型搭建的滬深300和中證500指數(shù)增強(qiáng)模型，在今年均獲得了一定超額收益。

　　中金量化滬深300指數(shù)增強(qiáng)：YTD超額3.17%。在報(bào)告《量化多因子系列（1）：QQC綜合質(zhì)量因子與指數(shù)增強(qiáng)應(yīng)用》中，我們搭建了基于QQC綜合質(zhì)量因子的滬深300指數(shù)增強(qiáng)模型。組合2024年至今（截至2024-10-31）收益為18.07%，超額收益3.17%；樣本外跟蹤以來(lái)（2019-01-01至2024-10-31）累計(jì)收益95.88%，累計(jì)跑贏基準(zhǔn)64.85ppt。

　　中金量化中證500指數(shù)增強(qiáng)：YTD超額3.78%。在報(bào)告《量化多因子系列（2）：非線(xiàn)性假設(shè)下的情景分析因子模型》中，我們闡釋了情景分析因子模型的概念，并將其應(yīng)用在指增模型上。我們將流動(dòng)性特征分組后的不同股票池內(nèi)的Alpha因子同時(shí)進(jìn)行最大化IC_IR，進(jìn)而將優(yōu)化后的因子權(quán)重作為不同特征選股域內(nèi)的因子權(quán)重，構(gòu)建了中金量化中證500指數(shù)增強(qiáng)模型。模型在樣本外分年表現(xiàn)均穩(wěn)定戰(zhàn)勝基準(zhǔn)，2024年至今（截至2024-10-31）收益為12.87%，超額收益3.78%；組合樣本外跟蹤以來(lái)（2021-01-01至2024-10-31）累計(jì)收益37.45%，累計(jì)跑贏基準(zhǔn)46.42ppt。

　　圖表24：中金量化滬深300指數(shù)增強(qiáng)樣本外凈值走勢(shì)

　　注：截至2024-10-31資料來(lái)源：Wind，中金公司研究部

　　圖表25：中金量化中證500指數(shù)增強(qiáng)樣本外凈值走勢(shì)

　　注：截至2024-10-31資料來(lái)源：Wind，中金公司研究部

　　量化產(chǎn)品：小盤(pán)風(fēng)格環(huán)境下，可關(guān)注主動(dòng)量化產(chǎn)品

　　2024年公募指數(shù)增強(qiáng)產(chǎn)品表現(xiàn)具有相對(duì)優(yōu)勢(shì)。我們?cè)?024年展望報(bào)告《2024年量化策略展望：紅利為基，穩(wěn)中求進(jìn)》中分析，若A股出現(xiàn)反彈，指增產(chǎn)品收益或跑贏主動(dòng)產(chǎn)品。在2024年，公募指數(shù)增強(qiáng)產(chǎn)品相對(duì)于主動(dòng)管理產(chǎn)品確實(shí)展現(xiàn)出了一定的優(yōu)勢(shì)，特別是在9月份市場(chǎng)大幅反彈期間，其收益表現(xiàn)相對(duì)出色。

　　圖表26：公募產(chǎn)品指數(shù)2024年凈值表現(xiàn)

　　資料來(lái)源：Wind，中金公司研究部

　　小盤(pán)成長(zhǎng)風(fēng)格環(huán)境下，可關(guān)注主動(dòng)量化產(chǎn)品。回顧歷史，在2010、2013、2015和2021年小盤(pán)成長(zhǎng)風(fēng)格占優(yōu)的市場(chǎng)階段，與主動(dòng)權(quán)益和指數(shù)增強(qiáng)產(chǎn)品相比，主動(dòng)量化產(chǎn)品在大部分情況下具有較好的收益表現(xiàn)。我們認(rèn)為量化投資在機(jī)構(gòu)參與度低的小盤(pán)成長(zhǎng)風(fēng)格的股票中或具有一定優(yōu)勢(shì)，因此若后市風(fēng)格如前文分析偏向成長(zhǎng)風(fēng)格和小盤(pán)風(fēng)格的話(huà)，可考慮關(guān)注主動(dòng)量化產(chǎn)品。

　　圖表27：歷史上小盤(pán)成長(zhǎng)風(fēng)格占優(yōu)階段公募產(chǎn)品表現(xiàn)對(duì)比

　　注：截至2024-11-11 資料來(lái)源：Wind，中金公司研究部

　　策略展望：另類(lèi)數(shù)據(jù)+機(jī)器學(xué)習(xí)仍有潛力

　　回顧歷史我們認(rèn)為量化策略發(fā)展主要依靠?jī)蓷l路徑：數(shù)據(jù)邊界的拓展[10]與新型模型的開(kāi)發(fā)[11]。一方面性能不斷提升的各類(lèi)機(jī)器學(xué)習(xí)模型能夠充分挖掘現(xiàn)有數(shù)據(jù)的非線(xiàn)性信息，另一方面不斷發(fā)展的大語(yǔ)言模型則可以幫助拓展之前投資領(lǐng)域無(wú)法充分利用的另類(lèi)數(shù)據(jù)資源[12]。

　　從數(shù)據(jù)層面來(lái)說(shuō)，使用新型另類(lèi)數(shù)據(jù)開(kāi)發(fā)的量化策略有望提供低相關(guān)性策略，以實(shí)現(xiàn)分散風(fēng)險(xiǎn)、增厚超額，隨著另類(lèi)數(shù)據(jù)豐富度的不斷提升，其在量化策略中的應(yīng)用也越來(lái)越廣泛。多種另類(lèi)數(shù)據(jù)的引入將不斷給量化策略帶來(lái)新的機(jī)會(huì)。我們嘗試使用高頻成交、新聞、研報(bào)、供應(yīng)鏈等數(shù)據(jù)落地到因子構(gòu)建、市場(chǎng)觀察、主題投資等領(lǐng)域均取得有效表現(xiàn)。由于另類(lèi)數(shù)據(jù)具有較高的開(kāi)發(fā)壁壘，其策略有效性衰減速度總體可能慢于傳統(tǒng)量?jī)r(jià)和基本面數(shù)據(jù)策略。例如我們?cè)凇度绾蝺?yōu)化新聞文本因子》一文中構(gòu)建的新聞文本因子與傳統(tǒng)量?jī)r(jià)和基本面因子的截面相關(guān)性均低于15%，在其基礎(chǔ)上構(gòu)建的行業(yè)輪動(dòng)新聞文本因子樣本外持續(xù)穩(wěn)健，截至2024年10月31日最近一年樣本外多頭行業(yè)組合相對(duì)于中信一級(jí)行業(yè)等權(quán)收益率達(dá)16.0%?？傮w而言，作為量化策略開(kāi)發(fā)的新型原料，另類(lèi)數(shù)據(jù)對(duì)于量化策略的重要性不言而喻，其豐富的數(shù)據(jù)類(lèi)型和落地模式帶來(lái)的對(duì)于量化策略的增益效果可能成為未來(lái)量化策略發(fā)展重要趨勢(shì)之一。

　　圖表28：中金量化新聞文本因子分行業(yè)樣本外表現(xiàn)持續(xù)穩(wěn)健

　　注：統(tǒng)計(jì)區(qū)間截至2024-10-31 資料來(lái)源：Wind，ChinaScope，中金公司研究部

　　從模型角度而言，近年來(lái)機(jī)器學(xué)習(xí)模型的快速發(fā)展給量化策略的發(fā)展提供了新方向[13]。例如使用深度學(xué)習(xí)算法（例如卷積網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)）[14]處理股票預(yù)測(cè)任務(wù)，有效發(fā)揮了深度學(xué)習(xí)模型端到端進(jìn)行數(shù)據(jù)特征捕捉的優(yōu)勢(shì)；基于深度強(qiáng)化學(xué)習(xí)算法的模型AlphaGen在因子挖掘任務(wù)[15]中取得了優(yōu)于傳統(tǒng)機(jī)器模型的表現(xiàn)，進(jìn)一步證明了強(qiáng)化學(xué)習(xí)在量化策略中的可行性；基于金融數(shù)據(jù)訓(xùn)練的大型語(yǔ)言模型在文本理解[16]任務(wù)上取得的領(lǐng)先性?xún)?yōu)勢(shì)，帶動(dòng)了下游任務(wù)如股票預(yù)測(cè)[17]、風(fēng)險(xiǎn)評(píng)估等。

　　前期我們從數(shù)據(jù)和模型兩方面出發(fā)，開(kāi)發(fā)了一系列高頻數(shù)據(jù)和機(jī)器學(xué)習(xí)主題的深度研究報(bào)告，涵蓋了選股：如何結(jié)合樹(shù)模型與深度學(xué)習(xí)的優(yōu)勢(shì)》）、行業(yè)輪動(dòng)、指數(shù)增強(qiáng)等多個(gè)應(yīng)用場(chǎng)景。包括使用行業(yè)前沿的強(qiáng)化學(xué)習(xí)模型構(gòu)造自動(dòng)生成因子表達(dá)式的因子生成器、行業(yè)配置優(yōu)化器以及結(jié)合樹(shù)模型和深度學(xué)習(xí)模型各自的優(yōu)勢(shì)生成收益風(fēng)險(xiǎn)比更高的因子。這些機(jī)器學(xué)習(xí)模型在今年這種高波動(dòng)的市場(chǎng)表現(xiàn)仍較為穩(wěn)定，我們后期也會(huì)對(duì)其樣本外表現(xiàn)實(shí)時(shí)跟蹤。

　　2024年以來(lái)，我們開(kāi)發(fā)的強(qiáng)化學(xué)習(xí)行業(yè)輪動(dòng)因子相對(duì)于行業(yè)等權(quán)超額達(dá)7.1%，混合深度學(xué)習(xí)模型串行結(jié)構(gòu)雖然年初有一定回撤，但多頭超額修復(fù)速度較快具有一定韌性，截至10月31日超額收益率為4.9%，樣本外表現(xiàn)均優(yōu)于因子等權(quán)基準(zhǔn)。

　　圖表29：強(qiáng)化學(xué)習(xí)行業(yè)輪動(dòng)因子2024年以來(lái)表現(xiàn)

　　注：統(tǒng)計(jì)區(qū)間截至2024-10-31資料來(lái)源：Wind，中金公司研究部

　　圖表30：深度學(xué)習(xí)模型串行結(jié)構(gòu)2024年以來(lái)表現(xiàn)

　　注：統(tǒng)計(jì)區(qū)間截至2024-10-31資料來(lái)源：Wind，中金公司研究部

　　[1] 詳見(jiàn)中金研究部量化策略報(bào)告《量化 2024 下半年展望：紅利潮汐或有落，靜待成長(zhǎng)風(fēng)起時(shí)》。

　　[2] Ashtiani M N， Raahmei B． News-based intelligent prediction of financial markets using text mining and machine learning： A systematic literature review[J]． Expert Systems with Applications， 2023： 119509．

　　[3] Ozbayoglu， Ahmet Murat， Mehmet Ugur Gudelek， and Omer Berat Sezer． “Deep learning for financial applications： A survey．” Applied Soft Computing 93 （2020）： 106384．

　　[4] 詳見(jiàn)中金研究部量化策略報(bào)告《機(jī)器學(xué)習(xí)系列（3）：如何結(jié)合樹(shù)模型與深度學(xué)習(xí)的優(yōu)勢(shì)》。

　　[5] 詳見(jiàn)中金研究部量化策略報(bào)告《另類(lèi)數(shù)據(jù)策略（2）：如何優(yōu)化新聞文本因子》。

　　[6]《關(guān)于深化上市公司并購(gòu)重組市場(chǎng)改革的意見(jiàn)》（2024-09-25）https：//www.gov.cn/lianbo/bumen/202409/content_6976331.htm

　　[7] 《健全上市公司并購(gòu)重組制度 促進(jìn)發(fā)展方式轉(zhuǎn)變和經(jīng)濟(jì)結(jié)構(gòu)調(diào)整》（2014-07-11）http://www.csrc.gov.cn/csrc/c100028/c1002094/content.shtml

　　[8] 《提高重組門(mén)檻 抑制投機(jī)“炒殼”》（2016-06-20） https：//www.gov.cn/xinwen/2016-06/20/content_5083681.htm

　　[9]《關(guān)于深化上市公司并購(gòu)重組市場(chǎng)改革的意見(jiàn)》（2024-09-25）https：//www.gov.cn/lianbo/bumen/202409/content_6976331.htm

　　[10] Ashtiani M N， Raahmei B． News-based intelligent prediction of financial markets using text mining and machine learning： A systematic literature review[J]． Expert Systems with Applications， 2023： 119509．

　　[11] Ozbayoglu， Ahmet Murat， Mehmet Ugur Gudelek， and Omer Berat Sezer． “Deep learning for financial applications： A survey．” Applied Soft Computing 93 （2020）： 106384．

　　[12] Xing， Frank Z．， Erik Cambria， and Roy E． Welsch． “Natural language based financial forecasting： a survey．” Artificial Intelligence Review 50.1 （2018）： 49-73．

　　[13] Kelly， Bryan T．， and Dacheng Xiu． Financial machine learning． No． w31502． National Bureau of Economic Research， 2023．

　　[14] Wang， Heyuan， et al． “Hierarchical Adaptive Temporal-Relational Modeling for Stock Trend Prediction．” IJCAI． 2021．

　　[15] Yu， Shuo， et al． “Generating Synergistic Formulaic Alpha Collections via Reinforcement Learning．” arXiv preprint arXiv：2306.12964 （2023）．

　　[16] Wu， Shijie， et al． “Bloomberggpt： A large language model for finance．” arXiv preprint arXiv：2303.17564 （2023）．

　　[17] Ding， Yujie， et al． “Integrating Stock Features and Global Information via Large Language Models for Enhanced Stock Return Prediction．” arXiv preprint arXiv：2310.05627 （2023）．

　　本文摘自：2024年11月12日已經(jīng)發(fā)布的《量化策略2025年展望：震蕩中尋機(jī)遇，靜待成長(zhǎng)之勢(shì)》

　　分析員 劉均偉 SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080520120002 SFC CE Ref：BQR365

　　分析員 周蕭瀟 SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080521010006 SFC CE Ref：BRA090

　　分析員 古? ?翔?SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080521010010 SFC CE Ref：BRE496

　　分析員 宋唯實(shí) SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080522080003 SFC CE Ref：BQG075

　　分析員 鄭文才 SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080523110003 SFC CE Ref：BTF578

　　分析員?陳宜筠 SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080524080004 SFC CE Ref：BTZ190

　　分析員?曹鈺婕 SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080524020013 SFC CE Ref：BUA485

　　聯(lián)系人?高思宇 SAC 執(zhí)業(yè)證書(shū)編號(hào)：S0080124070007