广发证券资深金工分析师 李豪 lhao@gf.com.cn 广发证券首席金工分析师 安宁宁 anningning@gf.com.cn 广发金工安宁宁陈原文团队 摘要 多角度定量刻画指数拥挤度： 为了提升ETF组合长期表现的稳定性，我们尝试在组合中剔除短期拥挤度较高的指数所对应的ETF，降 低ETF组合受到市场反转带来的影响。本文中，我们尝试从成交额、波动水平、融资存量、融资增量、 基金持仓、资金流等6个角度出发，构建指标定量刻画指数的拥挤度。具体流程上，首先我们从指数的 成交额、波动水平、融资存量、融资增量、基金持仓、资金流等6个角度出发，计算指标历史分位数刻 画指数的拥挤度；而后，我们筛选出较为有效的拥挤度指标，并将多个拥挤度指标结合；最后，我们结 合指数拥挤度，构建相对收益ETF组合及指数增强ETF组合。 指数拥挤度指标的构建与测试： 拥挤度指标的构建上，我们从成交额、波动水平、融资余额、融资增量、基金持仓、资金流等6个维度 出发，构建指数拥挤度指标；拥挤度指标的测试上，我们在样本权益指数中筛选处于拥挤状态的指数等 权构建拥挤指数组合，并与所有样本指数的平均水平进行比较，观察拥挤指数组合的表现是否显著弱于 ...

广发证券首席金工分析师 安宁宁 SAC: S0260512020003 anningning@gf.com.cn 广发证券资深金工分析师 张钰东 SAC: S0260522070006 zhangyudong@gf.com.cn 广发金工安宁宁陈原文团队 摘要 最近5个交易日，科创50指数跌1.65%，创业板指跌0.74%，大盘价值跌1.27%，大盘成长跌2.58%，上证50跌1.48%，国证2000代表的小盘跌0.19%，医药生 物、通信表现靠前，煤炭、有色金属表现靠后。 风险溢价，中证全指静态PE的倒数EP减去十年期国债收益率，权益与债券资产隐含收益率对比，历史数次极端底部该数据均处在均值上两倍标准差区 域，比如2012/2018/2020年（疫情突发），2022/04/26达到4.17%，2022/10/28风险溢价再次上升到4.08%，市场迅速反弹，2024/01/19指标4.11%，自2016年 以来第五次超过4%。截至2025/08/01指标3.48%，两倍标准差边界为4.76%。 估值水平，截至2025/08/01，中证全指PETTM分位数64%，上证50与沪深300分别为66%、58%，创业板 ...

时序数据增强技术概述 - 时序数据增强通过平移、缩放、扰动、裁剪、合成等策略提升模型泛化能力，适用于金融场景中低信噪比数据的信号提取[1][4] - 技术可无缝嵌入传统机器学习、深度学习及强化学习系统，拓展量化策略表达能力[1][4] - 方法分类包括随机变换、特征混合和生成模型三大类，其中随机变换涵盖幅值域、时域和频域三个维度的操作[9][39][47] 随机变换增强方法 幅值域变换 - **抖动(Jittering)**：添加高斯噪声(σ=0.03)提升模型抗扰动能力，缓解数据漂移问题[11][13][14] - **旋转(Rotation)**：多变量序列中应用随机旋转矩阵，但可能破坏经济含义的结构关系[15][17] - **缩放(Scaling)**：采用α∈[0.8,1.2]的随机系数统一调整幅度，模拟不同波动强度[19] - **幅度扭曲(Magnitude Warping)**：通过控制节点(μ=1,σ=0.2)生成平滑调节曲线实现局部调制[20][24] 时域变换 - **切片(Slicing)**：截取长度W的子序列(W=20)保留局部时间结构[25][27] - **片段重排(Permutation)**：将序列切分为N段(N=3)后随机打乱顺序，仅适用于时序不敏感任务[28][30] - **时间扭曲(Time Warping)**：采用三次样条插值构建非线性映射曲线，模拟市场异常波动[31][35] 频域变换 - **频率扭曲(Frequency Warping)**：通过VTLP方法重构梅尔滤波器组频率分布[36] - **傅里叶变换方法**：在幅度谱和相位谱中注入噪声拓展频谱形态[37] - **频谱增强(Spectrogram Augmentation)**：直接对频谱图实施时间/频率掩蔽操作[38] 特征混合增强方法 - **幅值域混合**：采用SMOTE算法在同类序列间线性插值(β=0.5)生成新样本[40][41] - **时域混合**：基于DTW对齐"教师-学生"序列时间结构，保留原始能量分布[43][44] - **频域混合**：EMDA方法选择性增强特定频带(如5-10Hz)，创造新听觉特征[45] - **多域混合**：SPAWNER方法引入随机路径约束，构建多样化时间变形路径[46] 生成模型增强方法 - **统计生成模型**：LGT模型结合全局趋势与局部波动，提升LSTM预测性能[48][49] - **神经网络生成模型**：LSTM-GAN在ECG数据增强中效果优于传统方法，F1-score提升12%[56][57] GRU模型实证结果 训练策略对比 - **固定概率(p=0.5)**：jittering因子RankIC胜率提升1.2%，scaling因子多头年化收益达18.05%[64][68] - **线性衰减概率(p:1→0)**：等权合成因子RankIC均值提升1.2%，多空年化收益达56.38%[71][75] 因子表现 - **最佳增强方式**：jittering在线性衰减模式下RankIC达13.3%，多空收益55.35%[75] - **最差增强方式**：rotation在固定模式下RankICIR降至0.88，多空收益仅30.44%[68] - **相关性分析**：jittering/scaling与原始数据相关系数1.0，rotation仅0.02[61] 应用前景 - 技术可适配不同数据类型(量价/基本面)、频率(日频/分钟频)及模型架构(Transformer/TCN)[112] - 在生物信号处理、语音识别等领域已验证有效性，金融时序增强尚处探索阶段[24][38]

广发证券首席金工分析师 安宁宁 SAC: S0260512020003 anningning@gf.com.cn 广发证券资深金工分析师 陈原文 SAC: S0260517080003 chenyuanwen@gf.com.cn 广发证券资深金工分析师 王小康 SAC: S0260525020002 wangxiaokang@gf.com.cn 广发金工安宁宁陈原文团队 摘要 分析师预期因子表现 ： 本篇报告中我们首先构建了分析师覆盖度、分析师预测成长、分析师预测调整 三类因子。分别衡量股票受到分析师的关注（推荐）程度、分析师对于上市公司近期经营业绩的看好程 度和最近变化。受到市场交易结构变化、定价权转变等原因，部分因子出现明显失效。 量价数据与聪明钱指标调整分析师预测因子 ： 在一些文献中，作者使用市值、动量、换手等因素 考察股票近期受到的关注程度，对分析师覆盖度因子进行调整，以排除追热点类的研报干扰。我们 经过验证发现在A股市场中调整后因子表现有所提升。在A股中调整后因子改进幅度较大，覆盖机 构数量调整因子的多空年化收益率为12.62%，夏普比率为1.61，多空最大回撤为-17.99%。 由此进一步拓展， ...

广发证券首席金工分析师 安宁宁 SAC: S0260512020003 anningning@gf.com.cn 广发证券资深金工分析师 张钰东 SAC: S0260522070006 zhangyudong@gf.com.cn 广发金工安宁宁陈原文团队 摘要 最近5个交易日，科创50指数涨4.63%，创业板指涨2.76%，大盘价值跌0.11%，大盘成长涨2.41%，上证50涨1.12%，国证2000代表的小盘涨2.12%，建筑材 料、煤炭表现靠前，银行、通信表现靠后。 风险溢价，中证全指静态PE的倒数EP减去十年期国债收益率，权益与债券资产隐含收益率对比，历史数次极端底部该数据均处在均值上两倍标准差区 域，比如2012/2018/2020年（疫情突发），2022/04/26达到4.17%，2022/10/28风险溢价再次上升到4.08%，市场迅速反弹，2024/01/19指标4.11%，自2016年 以来第五次超过4%。截至2025/07/25指标3.35%，两倍标准差边界为4.76%。 长周期看深100指数技术面，深100技术面每隔3年一轮熊市，之后是牛市，比如2012/2015/2018/2021年，每 ...

上证科创板人工智能指数特征解析 - 指数从科创板选取30只业务涉及人工智能基础资源、技术及应用支持的上市公司证券，采用调整市值加权，个股权重上限10% [5][8] - 数字芯片设计公司权重达49.03%，IT服务和横向通用软件占比约30%，反映高"AI含量" [2][9] - 成份股自由流通市值合计5451亿元，平均182亿元，1000亿以上龙头占比19%，100亿以下中小市值企业6只，结构兼顾稳定性与成长性 [12] 行业与市值分布 - 数字芯片设计个股数量达9只，IT服务与横向通用软件分别有6只和5只，金山办公权重超9.5%，石头科技权重7.67% [9] - 100-500亿与500-1000亿市值股票占比73%，形成中间梯队，权重分配平衡稳定与弹性 [12] - 前十大成份股权重68.03%，覆盖寒武纪-U（AI芯片）、澜起科技（内存接口芯片）、金山办公（办公软件）等细分龙头 [16][18] 市场表现与估值 - 自基日（2022年12月30日）以来年化收益率23.78%，高于沪深300（2.99%）及申万信息技术指数（13.51%） [21][24] - 2024年累计涨幅32.36%，2025年涨幅13.80%，反弹期（如2024年9月）涨幅达60.14%，弹性显著 [25][40] - 市净率（LF）8.02倍，市盈率（TTM）176倍，前十大成份股2024年营收441.7亿元（同比+24.8%），净利润68.4亿元（同比+47.6%） [26] 科创板与新质生产力 - 科创板589家企业聚焦"硬科技"，电子核心产业、生物产业、智能制造装备等领域权重高 [32] - 2005-2025年A+H科技指数累计超额收益近90%，产业政策驱动周期约5年，当前AI、机器人等本土化加速 [35][36][37] - 科创板涨跌幅限制更宽，2024年反弹中人工智能指数表现突出，如2024年9月涨幅60.14%，优于科创50（55.42%） [39][40] 鹏华ETF产品 - 鹏华上证科创板人工智能ETF（代码589093/589090）采用完全复制策略，支持单一个股换购一篮子股票以分散风险 [43] - 鹏华基金公募规模9441亿元，管理361只产品，覆盖酒、畜牧、中药等细分主题ETF [44][45]

市场表现 - 最近5个交易日科创50指数涨1.32%，创业板指涨3.17%，大盘价值跌0.36%，大盘成长涨2.41%，上证50涨0.28%，国证2000代表的小盘涨1.86% [1] - 通信、医药生物表现靠前，传媒、房地产表现靠后 [1] - 中证全指静态PE的倒数EP减去十年期国债收益率显示2024/01/19风险溢价达4.11%，为2016年以来第五次超过4%，截至2025/07/18该指标回落至3.50% [1] 估值水平 - 截至2025/07/18中证全指PETTM分位数65%，上证50与沪深300分别为68%、61%，创业板指仅24%，中证500与中证1000分别为45%、33% [2] - 创业板指估值处于历史24%分位数，显著低于其他主要指数 [2] - 深100指数技术面显示每3年一轮周期，本轮调整自2021年一季度起时间和空间已较充分 [2] 资金动向 - 最近5个交易日ETF资金净流入31亿元，融资余额增加307亿元，两市日均成交额达15246亿元 [2] 量化模型应用 - 采用卷积神经网络对价量数据建模，最新配置主题聚焦红利低波板块，涉及中证红利低波动100指数、中证央企红利指数等 [9][10] 市场情绪指标 - 权益资产风险溢价指标显示当前市场情绪接近历史底部区域，2022年两次突破4%后均触发反弹 [1][15] 行业主题配置 - 量化模型当前重点跟踪红利低波主题，涉及银行指数（399986 SZ）、中证800银行指数（h30022 CSI）等低波动板块 [10]

研究背景 - 国内可转债指数相对稀缺，中证指数公司官方发布的可转债主指数仅23只 [6] - 中证转债指数（000832.CSI）在可转债投资领域具有重要地位，绝大多数可转债基金将其作为比较基准 [8] - 在可转债被动化投资规模快速上升的背景下，对可转债指数波动方向的判断非常重要 [9] 价量择时策略 - 采用104个技术指标构建价量择时策略，涵盖价格动量类、量能类和价量结合类三大维度 [11][12] - 可转债指数"股债属性动态切换"的特性使得传统固定指标择时策略表现不佳 [13] - 策略采用滚动窗口方法，动态选择最优价量指标，2019年以来年化收益率9.39%，波动率7.44%，最大回撤11.10% [22] - 价量择时胜率偏低但盈亏比高，信号平均变化周期约6个交易日 [25] 估值择时策略 - 基于可转债定价模型构建定价偏差因子，衡量市场整体估值水平 [26][27] - 定价理论考虑了退市及信用风险，修正了传统YTM贴现法的偏差 [28] - 策略年化收益率7.05%，波动率8.03%，最大回撤11.48%，胜率57.89% [35] - 与价量择时相比，估值择时胜率更高，信号平均变化周期约21个交易日 [38] 凸性择时策略 - 可转债凸性体现为价格相对于正股价格变动的非线性特征 [39] - 通过统计全市场可转债Gamma中位数衡量市场整体性价比 [44] - 策略年化收益率8.03%，波动率6.82%，最大回撤11.42%，胜率83.33% [47] - 信号平均变化周期长于半年，交易次数很少 [49] 仓位管理策略 - 综合运用价量、估值和凸性三类择时策略进行仓位管理 [50] - 等权配置三类策略，年化收益率8.55%，波动率6.16%，最大回撤控制在7%内 [55] - 风险控制大幅优于基准，2019年以来各年度表现稳健 [57] 延伸探讨 - 降频处理后的仓位管理策略风险收益水平出现下滑，需在交易频率和信号滞后性之间平衡 [61] - 个债价量择时策略构建的组合超额收益不稳定 [66]

市场表现 - 最近5个交易日科创50指数涨0.98%，创业板指涨2.36%，大盘价值跌0.18%，大盘成长涨0.69%，上证50涨0.60%，国证2000代表的小盘涨2.29% [1] - 房地产、钢铁行业表现靠前，煤炭、银行表现靠后 [1] - 两市日均成交额达14748亿元，ETF资金流入30亿元，融资盘5个交易日增加约141亿元 [2][12] 估值水平 - 截至2025/07/11，中证全指PETTM分位数63%，上证50与沪深300分别为68%、61%，创业板指接近21%，中证500与中证1000分别为42%、31% [2] - 创业板指估值处于历史相对较低水平 [2] - 中证全指风险溢价指标为3.57%，两倍标准差边界为4.76%，历史极端底部通常超过4% [1] 技术分析 - 深100指数技术面呈现3年一轮熊牛周期特征，2012/2015/2018/2021年下行幅度40%-45%，当前调整始于2021年一季度，时间与空间较充分 [2] - 卷积神经网络模型最新配置主题为银行等板块，基于价量数据图表化建模映射行业特征 [9][10] 指数与行业跟踪 - 重点跟踪指数包括中证银行指数(399986)、中证800银行指数(h30022)、中证全指通信设备指数(931160)等 [10] - 权益资产风险溢价2024/01/19达4.11%，为2016年以来第五次超过4%，2022年两次超过4%后市场均迅速反弹 [1][15]

CTA产品发行与业绩 - 2025年二季度新发行CTA产品100只，发行数量处于上升趋势[5] - 二季度公布数据的CTA产品年化收益率中位数为16.37%，Sharpe Ratio中位数为1.60，近一年最大回撤率中位数为-4.28%[10] - 二季度CTA产品总体盈利比例为69.4%[9] 股指期货市场 - 二季度股指期货波动率出现趋势性下降，当前波动率已处于历史最低水平附近[2] - IF、IC、IH、IM合约二季度日均成交量分别为10.0万、9.1万、5.2万、22.1万手，日均持仓量分别25.1万、21.4万、8.7万、32.9万手[12] - IC合约整体年化贴水在10%附近，IM当月合约年化贴水20%[13] - 三季度股指期货价格预计仍偏震荡，趋势性交易机会不多[40] 国债期货市场 - 二季度国债期货波动率快速回落至历史较低水平[42] - 5年期国债期货日内趋势策略累积收益率-0.62%，10年期-0.98%[46] - 5年期国债期货日间趋势策略累积收益率0.51%，10年期0.95%[47] - 三季度国债期货合约价格预计震荡为主，波动率可能仍处于较低水平[51] 大宗商品市场 - 二季度大宗商品指数上涨，贵金属领涨6.1%，工业品下跌[52][55] - 二季度商品波动率高位回落，原油、燃油、焦煤波动率最高，玉米、淀粉、白糖波动率最低[56][59] - 二季度商品趋势跟踪策略在主要品种上平均收益-1.5%[64] - 三季度商品价格缺乏大幅波动催化剂，CTA策略静待交易性机会[65] CTA策略表现 - 股指CTA日内趋势策略(EMDT)二季度亏损6.13%，成功率35.48%[29][30] - 股指风格套利策略二季度盈利0.93%，成功率45.00%[32][33] - 股指模式识别策略(SMT)二季度亏损0.56%，成功率26.67%[35][36] - 股指统计语言模型策略(SLM)二季度亏损2.85%，成功率51.67%[38][39] - 国债期货跨品种套利策略累积收益率2.09%，最大回撤-0.26%[51]