中信建投2024年展望金融工程：AI时代的科技革新与投资应对

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

　　中信建投证券研究文|丁鲁明王超刘一凡

　　宏观因子中，跨市场全球宏观因子体系表现回顾：近期增长类因子的中国增长持续上行，美欧增长小幅回落，总体来看欧美库存周期中期下行、中国内生经济中期向上不变；全球金融条件类因子受益于美联储降息预期均有所回暖。

　　行业基本面方面，通过梳理行业逻辑，筛选重要指标，选择其中和行业ROE、超额收益都具有高相关的指标构造单行业量化基本面择时策略，各行业的多空年化收益率均高于10%。

　　今年以来，中证500指数增强组合实现收益10.47%，相对中证500超额收益15.05%，信息比2.46，沪深300指数增强组合实现收益-3.13%，相对沪深300超额收益5.11%，OPENFE基本面策略绝对收益20.59，相对WIND全A超额收益23.63%。

　　利用机器学习以及各类人工智能算法，在因子挖掘和模型策略方法进行了各种研究。

　　宏观因子体系下的资产配置框架

　　根据A股上市公司业绩跟踪体系，沪深300，中证500，创业板指超预期值均高于同期均值。从三季报的情况来看，三大指数的超预期程度均有所回升，上市公司的业绩整体边际修复。建议精选受益于中国经济内生增长的超预期个股。

　　利用ETF资金流入-收益划分象限后构造择时信号的方法，以沪深300类ETF为例使用该方法对其进行择时，在样本外滚动测试中，择时累计收益327.01%，年化收益17.59%。策略在周频和月频下年化收益分别为18.55%和16.3%。日频换手52.7倍，周频平均年换手20.1倍，月频平均年换手9.6倍。

　　量化视角下的多体系行业跟踪

　　行业量化基本面方面，通过梳理行业逻辑，筛选重要指标，选择其中和行业ROE、超额收益都具有高相关的指标构造单行业量化基本面择时策略，各行业的多空年化收益率均高于10%。

　　财务指标方面，基于正式财报信息构建行业财务指标，测试表明盈利和成长能力相关指标及其边际变化对行业的选择有参考意义。我们构造的复合财务因子，2023年以来超额收益录得6.2%。

　　分析师预期方面，以未来2个自然季度的ROE为目标，计算的行业成分股预期ROE上调比例、行业ROE变化值因子。其中分析师预期三月变化因子2023年超额4.7%。

　　根据自上而下，结合宏观、量化基本面、财务因子、分析师预期、机构偏好、量价技术和资金流等维度，我们构建的六维度综合行业配置模型样本外超额年化10%，2023年以来超额收益录得6.4%。

　　选股策略--量化AI的神秘alpha

　　今年以来，中信建投金融工程中证500指数增强组合实现收益10.47%，相对中证500超额收益15.05%，信息比2.46，从2010年跟踪以来，年化20.58%，相对中证500年化超额收益18.33%，信息比1.9。同时，今年中信建投金融工程沪深300指数增强组合实现收益-3.13%，相对沪深300超额收益5.11%，从2016年跟踪以来，年化23.99%，相对沪深300年化超额收益20.49%，信息比1.75。

　　利用机器学习以及各类人工智能算法，在因子挖掘和模型策略方法进行了各种研究，包括基本面与量价因子的融合，基于领域知识生成的基本面因子挖掘，基于Graph Embedding的行业因子向量化以及基于TiDE及其改进的因子融合模型等。

　　本报告中所有数据结果是基于历史统计结果的展示，未来有可能发生风格切换导致因子失效的风险。模型运行存在一定的随机性，初始化随机数种子会对结果产生影响，单次运行结果可能会有一定偏差。历史数据的区间选择会对结果产生一定的影响。模型参数的不同会影响最终结果。模型对计算资源要求较高，运算量不足会导致结果存在一定的欠拟合风险。本文所有模型结果均来自历史数据，模型存在统计误差，不保证模型未来的有效性，对投资不构成任何建议。