【华泰金工林晓明团队】金油比警示风险，7月效应或有反弹——大类资产配置6月月报

摘要
短周期下行阶段消费板块超额收益明显，大盘7 月份或迎来反弹
自 2015 年底实体经济中长周期上行以来，市场投资风格转为以盈利驱动，大盘价值股表现好于小盘成长股。当前实体经济短周期仍处于下行的后半段，周期股盈利确定性弱于消费板块，因此反弹行情中消费板块具有超额收益。2019 年初全球主要国家利率进一步下行，CPI 上升，然而PPI 和大宗商品仍在低位震荡，这反映出消费端价格上升，而生产端成本仍然较低，提振了消费板块的盈利表现。对比历史上两轮基钦周期下行后期大盘走势以及统计A 股月历效应，判断在短周期下行阶段，经历一季度的反弹、二季度的回调之后，7 月或再次迎来反弹。

金油比上行警示市场风险，原油价格大概率仍处下行通道之中
金油比的急速攀升常常伴随着区域战争或金融危机的爆发，历次金油比暴涨大多由石油期货价格大幅下跌导致。今年以来全球贸易摩擦背景下的风险事件不断，金价上行与油价下行导致金油比快速上升。对原油同比的周期滤波显示，从上世纪末以来，发现原油存在42 个月和70 个月较为稳定的周期，当前原油周期状态类似于2002 年初。通过对原油同比序列实际周期的测算，我们认为原油价格大概率仍处于下行通道，短期内难以出现趋势性上涨。

黄金白银价格相关性较强，金银比指标显示当前白银也具备配置价值
黄金和白银历史大部分情况下走势趋同，但从相关系数的时序分析来看，也存在短期的差异。统计规律显示，白银波动率大于黄金，且二者在月频和周频上都不存在明显的领先滞后关系。利用伦敦金现与伦敦银现构造的金银比指标的高低点进行择时，后验情况下白银的回测效用显著优于黄金，指标显示当前白银也具备配置价值。

华泰周期进取策略全收益策略近期表现
华泰大类资产周期进取策略基于市场统一周期理论，提出了大类资产定价模型。根据定价模型外推预测的资产表现排序结果构建了资产配置策略。该策略指数于2018 年10 月在Wind（代码CI001801.WI）与Bloomberg（代码WI001801）金融终端上线以来屡创新高，截至2019 年6 月20 日，波动率控制策略今年以来涨幅为5.07%，近一月涨幅为2.84%。

风险提示：本文基于系列研究对全球各类经济金融指标长达近百年样本的实证检验结果，确定使用的市场周期长度。然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法判断具体长度。基于历史规律的总结存在失效风险。

境内外大类资产表现回顾
6月黄金债券大涨，美元指数回落

全球股市反弹，A股大盘获支撑

美欧利率下行，美国长债利率大幅下跌

黄金价格大幅上涨，原油大幅下挫后略有反弹

短周期下行阶段消费板块超额收益明显，7月效应或致大盘反弹
今年以来，全球股市反弹后于5月开始调整，其中A股市场里按照行业市值加权得到的消费板块表现明显优于其余板块。本节我们分析大宗商品、PPI、CPI、利率的三周期状态，并根据各指标的实际走势解析消费板块较优的原因。

全球实体经济中长周期上行，投资风格偏向盈利驱动
2016年初大宗商品和全球PPI三周期均处于从底部拐头上行的状态，全年CRB和PPI同比也出现了较大涨幅。自2017年底，大宗商品、PPI、CPI和利率的短周期陆续开始拐头向下，除利率的中周期向下之外，各指标的中长周期在2019年均双双上行。由于四类指标的短中长三周期的振幅强度不同，因此对各指标的影响程度不一样。我们从指标的实际走势中可发现，短周期振幅最大的CRB和PPI的同比序列与其短周期走势基本保持一致，而CPI同比和利率序列的中长周期振幅能量也较强，因而实际序列与短周期走势略有差异。

首先我们从周期状态来判断消费板块的投资逻辑。用对实体经济变化最为敏感的大宗商品作为全球经济运行状态的观测变量，实体经济中长周期自2015年底开始上行，而中长周期的变化会影响市场的投资风格。在中长周期上行时，市场的上涨以盈利驱动，在2016-2017短周期上行时期，以沪深300为代表的大盘股表现较优。随着2018年初短周期拐头向下，全球经济基本面承压，风险资产表现不佳，各类CRB商品指数纷纷下跌，在下行前期的2018年，盈利确定性仍然较强的大盘股相对抗跌。然而随着短周期继续下行，以大盘为主的周期股盈利持续恶化，主要消费板块对短周期变化较不敏感，在下行周期盈利确定性相比之下更强。因此在下跌背景下的反弹行情里，消费板块获得青睐。从A股一季报的数据也可以观测到，除大金融板块，消费板块在归母净利润和ROE_TTM指标上都优于周期上中下游的表现。

实体经济短周期仍在下行，PPI与CPI同比差值缩窄利好消费板块
下面我们对CRB、PPI、CPI和利率这四类指标的实际走势进行观察。各类CRB同比和各国PPI同比在2016年大幅上涨，随后在2017年至2018年末一路下行。而CPI同比和利率在2017年略有上行，于2018年下半年才开始下跌。2019年初，全球利率进一步下行，全球股市迎来反弹，各国CPI逐步抬升，但PPI和大宗商品并未出现明显上行，目前仍处于低位震荡。四组数据反映出当前消费端价格上升，而生产端成本仍然较低，提升消费板块的盈利表现。

另一方面，我们还观察到今年中国利率的走势与他国不同，在各国利率普降的环境下，我国利率并未同步出现下降。这种情况下不利于国内成长股，在短周期下行后半段周期股盈利仍不确定的背景下，消费板可能存在超额收益机会。当然，在短周期下行阶段，前期强势板块也可能面临更大的回调风险。

历史上基钦周期下行后期规律叠加月历效应皆显示，大盘7月或出现反弹
对比历史上2005年和2012年，上证综指均处于基钦周期下行后期，并在年初都出现春节效应带来的反弹。回顾历史走势可以发现，过程中先在春节效应的带动下出现反弹，而后市场出现1个月左右的回调，再出现一轮不超过前高点的反弹。自6月下旬以来上证综指已出现一定程度的反弹，依照历史经验，大盘7月或出现反弹。

另外从月份效应来看，A股市场6月多为调整，7月正收益概率较大。统计A股主要指数在过去十年中，历年6月、7月的收益率，结果表明6月市场整体呈现出调整态势，各大指数在过去十年6月的平均收益均为负值，而7月则有望迎来反弹。我们判断，该月份统计规律在2019年或将复现。实际上，2019年6月以来主要指数涨跌参半。而2019年前三个月市场整体呈现上行趋势，按照涨跌时间长度对比分析，4~6月的调整过后，有可能在7月迎来反弹。

金油比上行进一步佐证全球市场大概率处于大周期底部
金油比上行警示风险，黄金配置价值越发凸显
金油比通常指纽约黄金和纽约原油期货主力合约报价之间的比值。纵观历史，金油比急速升高时通常会伴随着区域战争或金融危机的爆发。如1986年至1989年初的两伊战争和阿富汗战争时期，随着原油价格的暴跌和黄金价格的上涨，金油比快速飙升到30左右；在1992年至1993年的索马里战争时期，原油价格暴跌接近35%，而黄金涨幅超过17%，导致金油比快速上升超过25；在亚洲金融危机和全球金融危机时期金油比也经历了快速上涨，其主要原因均为原油价格暴跌；2015年前后的金油比上升，则是由于美国页岩油革命叠加OPEC成员国增加产量，导致石油供大于求，油价暴跌，因此金油比飙升。

回顾此前的事件，金油比暴涨大部分由石油期货价格暴跌导致，背后的逻辑是在金融危机或战争等危机期间，各类风险集中释放，全球经济疲软，对石油的需求大幅减少，但石油供给却不随之下降。石油供大于求再叠加原油期货交易者的看空预期，导致石油价格一落千丈，金油比快速上涨。

而在近期的大国贸易摩擦事件中，原油报价从2018年10月的76美元左右下跌到了2018年12月的42美元，在事态缓和的三个月中，原油价格逐渐上涨，然而在最近的两个月内，纽约原油的报价又从2019年4月24日的65.89美元快速下跌到6月17日的52.68美元，可见相关事件的风险仍持续在原油市场中发酵。

另外，我们从下图表中可以看出，在2000年后所有金油比暴涨的阶段都伴随着股市的显著回调，而2000年前的事件大多未导致股价下跌。例如1986年前后的两伊战争、阿富汗战争以及1993年前后的索马里战争，这些事件的影响范围仅局限于战争国内部，对于全球经济基本面的影响并不太大，因此对于股市未造成显著影响。而1998年前后的亚洲金融危机主要影响的是亚洲的新兴市场国家，对于发达国家影响并不大，因此仅导致了新兴市场国家股市下跌，对于发达市场国家的股市没有造成显著影响。

而在2000年后，随着全球化进程的加速，世界经济体之间的联系越发紧密，经济金融危机爆发时全球经济体均会受到不同程度的影响，因此每次金油比的飙升均会伴随全球股票市场的大幅度回调。例如2000年互联网泡沫破裂、2008年全球金融危机以及2011年欧债危机均导致了全球性的经济增长放缓，因此这些时段内股票价格也随之下跌，美元和黄金等
避险资产则受到了投资者的追捧，成为了危机时期相对收益最优的配置资产。

原油价格也存在周期特征，上世纪末42个月短周期重要性逐渐增强
原油又被称为“黑色黄金”，是一种黏稠液态或半固态的可燃物质，经炼制后可加工成石油燃料、石油溶剂与化工原料、润滑剂、石蜡、石油沥青、石油焦等多类原油产品，广泛应用于社会发展的多个领域。由于产地不同，世界各产油区所产原油的成份和性质也略有差异，根据硫含量不同，可以分为超低硫原油、低硫原油、含硫原油和高硫原油四类。按相对密度（API重度）分为轻质、中质和重质原油三类，一般硫含量越小、API越大则原油的品质越好。目前，在英国期货交易所（ICE）的北海布伦特原油，和在纽约期货交易所（NYMEX）的西德克萨斯原油是全球原油贸易的定价基准。

原油价格的影响因素较多，全球经济基本面、石油供需情况、地缘政治、技术发展与开采成本等都会对油价产生冲击。因此我们采用小波变换的方法探测油价同比序列是否也存在长期稳定的周期。

下图的横轴代表不同的时间节点，纵轴代表周期长度，颜色越亮即说明该时点下所对应的某个周期越明显。可以看到NYMEX原油在不同时间段里的确存在较为明显的周期现象，但周期长度却会发生变化，如早前30个月左右的短周期在2001年后逐渐衰减，而42个月左右的周期从1996年开始显现并持续至今。另外NYMEX原油同比序列之中长期稳定存在有70个月左右的周期。

42个月和70个月是原油的两个主要周期
通过上述的小波时频图可以发现，近20年原油主要由42个月和70个月的短中周期主导，因此我们以这两个周期对NYMEX原油进行滤波分析。当前原油短周期即将触底回升，而中周期处于下行的中继位置。该周期状态类似于2002年前后，彼时原油价格和同比均出现上涨。然而当前原油短周期仍未见底，同比和价格仍在下行之中，拐点判断仍需更多佐证。

实际周期长度测算显示原油价格近期或仍处下行趋势中
由于NYMEX原油一直存在较为稳定的70个月左右的周期，我们对其实际同比序列的顶底点进行确定，并测算每轮的周期长度。历史上原油同比平均每轮周期约为70个月，最长有92个月，最短只有36个月，周期长度波动较大。

从原油同比序列的实际周期长度来看，最近的同比序列高点在2017年2月出现，当前或仍在从高点向低点的运动过程之中，且当前同比序列值仍高于历次同比低点，因此从周期角度来观测，短期内原油价格大概率难以出现趋势性上行。

金银比指标显示当前白银也具备配置价值
黄金白银总体相关性较强，不同时期存在变化
黄金和白银在历史上曾都作为主要的货币媒介，被认为具有一定的抗通胀属性，也具备避险保值的功能，所以两者价格走势大部分情况下趋同。以伦敦金现和伦敦银现价格为例，1978年1月至2019年5月的月频相关系数为0.67，周频相关系数为0.73，二者存在明显的正相关关系，价格走势也颇为接近。

然而，由于在不同时期全球市场对于黄金白银的需求会出现差异，因此二者的相关性大小会有波动。我们以52周为时间窗口，滚动计算伦敦金现与伦敦银现的相关系数，可发现不同时期两者的相关系数存在差异。

白银波动大于黄金，二者不存在明显的领先滞后关系
不同时期相关系数的差异意味着黄金与白银收益存在差别，本节简要测算黄金白银的涨跌大小是否有显著不同，以及二者是否存在稳定的涨跌领先滞后关系。

对伦敦金现和伦敦银现的历史数据进行统计分析，可得黄金周收益率的波动率为2.57%，白银周收益率的波动率为4.38%，白银收益波动更大。我们以（黄金周收益率-白银周收益率）的频数分布来刻画二者的相对收益，以（|黄金周收益率|-|白银周收益率|）的频数分布来刻画二者的涨跌幅度差异。

左图显示黄金白银在周频的涨跌数量上基本持平，说明二者周度的正负收益上有较高的一致性。右图显示在（-5%，0%）区间的频数最多，说明更多时候黄金涨跌幅小于白银，范围在（-5%，0%），与上述二者的波动率特征相吻合。

更细致的统计可以发现，如果筛选出黄金白银收益率均为正数或均为负数的周，并将（黄金周收益率-白银周收益率），即可分别得到上涨下跌时的相对收益情况。下面左图显示当二者均上涨时，大部分频次上白银收益率更高；右图显示当二者均下跌时，大部分频次上白银跌幅更大。

接下来，我们用跨期回归来评估黄金白银的价格上是否存在领先滞后关系。首先，我们对齐黄金和白银的收益率，在月频和周频上都进行回归，结果显示二者的正向关系较为明显，然而用当期黄金收益率与白银下一期收益率进行回归，结果显示二者的相关关系已不明显。这说明黄金本月或本周的涨跌与白银本月或本周涨跌明显相关，而与白银下月或下周涨跌已无明显关系。因此从长期来看，黄金白银不存在稳定的涨跌领先滞后关系。

利用金银比指标进行择时，历史上白银效果优于黄金
黄金白银虽然不存在稳定的领先滞后关系，但相关性大小的波动使其依旧存在择时的可能。我们观察1978年后的伦敦金现/伦敦银现（后文称“金银比”）走势，发现其对于黄金和白银的指示作用略有差异。如果我们以后验的角度去观测金银比走势，并在金银比的阶段性高低点对黄金白银进行择时买卖，会发现它对于白银投资机会的捕捉精度更高，获取的收益也明显大于黄金。

可以看到历史上金银比大致在20-100的区间内波动，说明该指标可能存在一定程度的均值回复特性，我们对其进行去趋势处理以观测金银比是否存在较强的趋势项。

结果显示，金银比的趋势项不算明显，因此可以围绕金银比的均值等统计量对黄金白银的投资时点进行判断。由于金银比和贵金属价格呈反向走势，因此选择金银比去趋势项走势的顶点作为两者择时的买点，而底点作为卖点。当前金银比仍处高位，是为白银的投资买点。

我们根据买卖点分别在对伦敦金现和伦敦银现进行择时回测。具体策略为：当该月末发出买点信号时，按月末收盘价全部买入伦敦金或伦敦银；而当发出卖点信号时，按按月末收盘价全部卖出。

剔除70年代末无买点的时段，从1981年1月至2019年5月的择时回测结果来看，利用金银比对白银的择时效果明显好于黄金，对白银的择时回测收益率远超同期白银价格涨幅，说明通过金银比指标对白银有较好的择时效果，这可能是因为金银两者之间，金更受关注，某种程度上是银的锚，银可以通过金银比来判断其自身价格的合理性。

由于黄金白银同属贵金属类别，涨跌同步性较高，因此金银比指标对于二者均有一定程度的指示作用。从宏观经济角度来看，经济活动中一般认为白银比黄金拥有更强的工业需求，而黄金比白银具有更好的投资需求。当经济向好时，工业需求扩大相对利好白银，导致金银比下降；反之经济走弱，避险投资需求增大相对利好黄金，导致金银比上升。经济的周期往复现象是导致金银比波动的来源。当金银比位于较高位置时，反映出的正是经济不景气，此时贵金属均具备投资价值，因此在金银比高点买入黄金白银均有可能获取一定收益。

然而随着全球经济触底回升，工业生产与需求回暖，相对更利好白银，因此白银后续的涨幅往往更大。从数学角度来看，金银比实际上是黄金白银的价格比，当该指标较高时意味着黄金价格高或白银价格低，当该指标较低时意味着黄金价格低或白银价格高，所以用相同的金银比高低时点来分别配置黄金白银时，白银的整体收益会高于黄金。另外白银本身的波动性也大于黄金，因此当金银比指示上涨时，配置白银往往能获取更高的收益。因此在现阶段全球风险聚集的情况下，贵金属中白银也可作为一类良好的配置标的。

华泰周期进取策略表现
策略简介
华泰金工周期系列之《周期三因子定价与资产配置模型》仿照FAMA三因子模型，基于市场统一周期理论，提出了大类资产定价模型。根据定价模型外推预测的资产表现排序结果构建了资产配置策略，在回测中取得了良好的业绩表现。我们将该资产配置策略应用于全球大类资产，精选优质可投资标的，根据周期轮动规律配置中国和海外的股指、债券和商品类资产，逐月调仓，构建“华泰大类资产周期进取策略”。该策略指数在Wind与Bloomberg金融终端同步更新（Wind代码CI001801.WI，Bloomberg代码WI001801），从本月开始，我们将在月报中跟踪该策略的表现，并每月更新该策略的持仓情况，供投资者参考。

大类资产周期进取策略以沪深300指数、标普500指数、欧洲斯托克50指数、恒生指数、日经225指数、iShares MSCI新兴市场指数ETF、中国10年期国债期货、美国10年期国债期货、英国10年期国债期货、德国10年期国债期货、日本10年期国债期货、彭博商品指数为投资标的，各标的指数代码及货币单位如下表所示。

策略指数收益表现回顾
华泰周期策略指数从2010年5月开始回测，回测至今取得优异的表现，无论从收益指标还是收益风险比率都显著超越各大类资产。指数在2018年10月于Bloomberg和Wind正式上线，策略的收益表现如下图表所示：

风险提示
本文基于系列研究对全球各类经济金融指标长达近百年样本的实证检验结果，确定使用的市场周期长度。然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法判断具体长度。基于历史规律的总结存在失效风险。

免责申明
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。

林晓明
执业证书编号：S0570516010001
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】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】周期轮动下的BL资产配置策略
【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】市场拐点的判断方法

【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】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观点

【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

行业指数频谱分析及配置模型：市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回，周期重生

【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

FOF与金融创新产品
【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
【华泰金工林晓明团队】因子收益率的周期性研究初探

择时
【华泰金工林晓明团队】A股市场低开现象研究
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【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

行业轮动
【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】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】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】五因子模型A股实证研究
【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】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】对抗过拟合：从时序交叉验证谈起

【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】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【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FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究

【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】大成旗下基金2018定投策略研究
【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
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则