【华泰金工林晓明团队】股市领先基本面？——每周观点20190407

摘要
基本面是高维、抽象的系统状态，只能通过各类低维观测变量来感知
所谓的基本面，其实是金融经济体这个复杂系统的内生状态，它具有高维、抽象的特征，无法被精准测度，只能通过各类观测指标去感知。所以无论是实体部门的产出、通胀水平，还是政府、央行的逆周期调节手段，无论是宏观经济指标的涨跌，还是金融资产价格的波动，都只是我们观测基本面的一个视角，但并非基本面本身。如何判断基本面？我们的做法是综合观测各个变量（宏观指标或资产价格）的走势，以及它们之间的逻辑关系（领先滞后关系）来共同推断系统状态，然后根据系统状态，进一步反推各个观测指标的走势。

自18年初开始，基本面开始转向下行，目前来看大概率仍未探底回升
自18年初开始，多数新兴国家股票市场出现大幅回撤，同时伴随着货币贬值、宏观指标走弱，相反的，美元、债券类避险资产开始受到投资者青睐，结合各个宏观指标和资产价格走势间的相互印证结果，我们当时给出判断：基本面运行趋势已经发生方向上的转变，并提示全球股票市场有下行风险，中长期来看债券、美元等避险资产是配置首选。到了18年5月，英、法、德三国股票指数走弱，18年10月，强势大半年的美股三大指数也开始走弱，进一步印证了我们的判断，因为股票是相对领先的基本面指标。目前来看，我们仍然认为基本面大概率处于探底末期，趋势并未扭转。

本轮风险资产上涨期间，避险资产表现良好，中长期配置资金并未撤出
一般而言，风险资产（以股票为代表）和避险资产（以债券为代表）的走势是相互背离的，就像18年初，新兴国家股票市场拐头回落的同时，国债收益率和汇率也同步回落，债券资产走强；18年4季度，美股三大指数大幅回撤的同时，美债十年期国债到期收益率也同步走低，债券资产表现较好。然而，在本轮风险资产上行期间（19年初至今），主要国家十年期国债到期收益率仍处于震荡下行走势，尤其是德国和澳大利亚，国债收益率下行幅度明显。整体来看，全球避险资产也呈现出上行走势，这说明中长线配置资金并不认同当前基本面环境已经扭转，避险资产仍受青睐。

从多个宏观指标的走势来看，本轮基钦周期下行期并未探底回升
我们认为，基本面系统状态的改变会在各个观测指标上有所体现，如果说基本面已经探底回升，那么资产价格上涨的同时，宏观指标的走势也应该有所反映，但实际上，包括工业企业产成品库存、PPI、房地产投资完成额等多个宏观指标都刚开始从高位回落，时间和空间上的调整都不够充分，即便资产价格和宏观指标间有领先滞后关系，偏差也不至于如此之大。所以我们倾向于认为，本轮周期大概率没有走完，基本面尚未完成探底回升，本轮风险资产的上涨仍然是受流动性边际宽松预期驱动。

美股的风险尚未充分释放，未来可能出现大幅下行，A股也将面临考验
统计18年以来主要国家股票指数的区间最大回撤，其中，以上证综指、越南胡志明指数为代表的新兴市场指数跌幅都在30%附近，而且是18年初见高点以后就一直处于震荡下行走势，而以美股三大指数为代表的发达市场股票指数回撤幅度均在20%附近，而且集中出现在18年四季度。换言之，作为本轮基钦周期强势资产的代表，美股三大指数回调的空间和时间都相对有限，风险并未充分释放。就像一轮熊市中，市场见底的标志往往是强势板块的补跌，只有美股充分回调后，全球股市才具备全面上涨的基础。定量建模结果也显示美股未来或有大幅下行风险，A股也将面临考验。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。

我们说的基本面到底是什么？怎么去刻画基本面的走势
基本面是高维、抽象的系统状态，只能通过各类低维观测变量来感知

对于投资者而言，普遍认同的一个逻辑是：基本面决定了股票市场的长期走势。那么，到底什么是基本面？宏观研究员会认为经济指标的涨跌反映了基本面，行业研究员会认为企业的开工、订单、库存反映了基本面，投资交易员会认为金融资产价格的波动反映了基本面，大家说的到底是同一个东西吗？


我们认为，所谓的基本面，其实是金融经济体这个复杂系统的内生状态，它具有高维、抽象的特征，无法被精准测度，只能通过各类观测指标去感知。所以无论是实体部门的产出、通胀水平，还是政府、央行的逆周期调节手段，无论是宏观经济指标的涨跌，还是金融资产价格的波动，都只是我们观测基本面的一个视角，但并非基本面本身。

在梳理基本面这个系统状态与各类低维观测指标的关系时，我们始终秉持以下核心认知：

金融资产价格的走势也是一种基本面指标，相比于宏观经济指标更加高频、实时，而且是交易所得，干扰成本更大，是非常重要的观测变量。传统的投资时钟类研究中（以美林时钟为代表），总是把宏观指标和资产价格分割开来，试图通过宏观指标划分系统状态，然后研究不同系统状态下各个资产的相对强弱，期望得到某种稳定的、线性的逻辑映射。我们认为这种方法并不可取，因为资产价格本身也是系统状态在低维视角下的投影，与宏观指标具有“同源异象”性，是同一个事物在不同维度的反映，不存在逻辑上的因果关系。

所有观测指标都会受到系统状态的影响，但会由于观测视角的差异，导致相位上出现领先滞后关系。就像地球上不同经纬度的城市，感受到的四季变换节奏是不一样的，但背后的内生驱动力都是地球的公转周期。对应到经济基本面，一个典型的景气度循环可能是“基本面有下行压力→宽松的货币政策和积极的财政政策推出→需求回暖，库存下行→企业开工率提升、产能扩充→物价上行、经济过热→流动性收紧、利率上行→基本面降温→企业去产能、需求回落→基本面有下行压力”，其中每个环节都是在特定时点对系统状态的刻画，逻辑上虽有领先滞后关系，但都携带了同样的系统信息。

没有任何一个观测指标能完全代表基本面。由于系统极其复杂且噪音巨大，试图建立某个指标与基本面的单调映射关系是不可取的，我们只能综合各个观测变量的走势，以及它们之间的逻辑关系（领先滞后关系）来共同推断系统状态，然后反推各个观测指标的走势。

在基本面走势的分解中，我们重点关注对投资帮助最大的周期波动项

不失一般性，基本面的走势可以从三个维度进行刻画：
1. 长期趋势项，主要跟整个经济体的人口规模、科技发展水平相关。在投资决策的时间长度内，长期趋势项可以看作是静态变量，或者线性外推即可，增量信息相对有限。
2. 周期波动项，也就是大家常说的经济周期，这是对投资决策最有帮助的部分，一旦经济周期波动的方向确定了，各类资产价格和宏观指标的走势也就明朗了。所以我们在做基本面状态的分析时，主要关注其周期波动项。
3. 短期噪音项，主要指部分特殊事件对经济基本面造成的短期冲击，比如战争、自然灾害等。由于噪音项没有规律可循，难以建模预测，一般不予考虑。

既然基本面这个系统状态的分解中包含周期波动项，那么各个低维观测指标上也应该看到周期轮回的特征。实际上，在过去三年中，华泰金工通过对全球十多个国家、上百个观测指标的定量分析发现，绝大部分资产价格和宏观指标在42个月、100个月、200个月附近都存在显著的能量聚焦现象，而且这三个周期的长度与古典型经济学研究中得到的基钦周期（3~4年）、朱格拉周期（8~10年）、库兹涅茨周期（15~25年）是能相互印证的，并非数据挖掘的结果。由此我们得出：基本面的周期波动是存在相对稳定的规律的，它体现为三个系统级别周期的波动。基于此，我们衍生出两个基本结论：
1. 由于系统存在周期，所以各个低维观测指标也存在周期，因而可以借助定量算法将各个观测指标的波动分解为三个周期的波动，达到提纯、去噪的效果。否则各种长、短期因素交杂在一起，很难得到清晰的判断。
2. 由于各个观测指标是从不同视角去观测基本面状态，所以它们分解得到的三周期之间存在相位上的领先滞后关系。比如基本面上行会引发自然资源和信贷资源的需求回升，导致大宗商品价格和利率上行，而利率上行会压制债券资产价格，所以大宗商品和债券之间的相位往往存在反向关系。我们在实际操作中可以根据各个观测指标的实时相位状态和它们之间的领先滞后关系来共同推断系统状态，这样能有效降低单个指标由于噪音干扰带来的误判。

在金融资产中，股票受预期差影响明显，是相位相对领先的观测指标

金融资产价格由于其数据的高频易得性，是非常好的基本面观测指标。我们选取全球主要国家的股票指数、十年期国债收益率，以及CRB系列商品指数进行等权合成，来表征全球股票、债券、大宗三大类资产的走势，具体标的选用如下：
      股票：上证综指、标普500、日经225、富时100、德国DAX指数、法国CAC40。
      债券：中、美、日、英、法、德六个国家的十年期国债到期收益率。
      大宗：CRB综合现货、CRB食品现货、CRB食用油现货、CRB家禽现货、CRB金属现货、CRB工业现货、CRB纺织现货。

基于周期研究相关信号处理算法对合成指数进行三周期分解，结果显示，股票的相位要领先于债券和大宗，这种现象在42个月周期和100个月周期视角下都有所体现。我们认为这是由于股票市场受到预期差的影响明显，比如基本面还没有完全探底，但只要未来有改善预期，股票市场就可能会提前反应，所以股票市场是相对领先的基本面观测指标。

同时我们还注意到一些有意思的现象：1、大宗和国债收益率的三周期相位偏差都不大，，这是因为基本面的上行、下行会同步反应在自然资源和信贷资源的需求上，所以两者同涨同跌的现象比较明显；2、股票的短周期和大宗非常接近，而中长周期则近乎相反，如果说大宗商品的涨跌是基本面景气程度的直观反映，那么股票受各个周期的驱动逻辑是不同的。从短周期来看，基本面上行会带动盈利回升，股票价格上行，但从中长期来看，基本面上行会带动利率上行，流动性收紧，导致股票估值承压，价格下行。

为什么会存在经济周期？核心原因是劳动分工带来的内生性波动

  为什么会存在经济周期？为什么各个观测指标中，我们看到的周期波动都聚焦在基钦周期、朱格拉周期、库兹涅茨周期附近？本节内容试图解释这个问题。

在一个工业化经济体中，劳动分工是普遍存在的现象。一般而言，按照产业链划分有上、中、下游三类企业，其中，下游企业主要是消费类行业，直接满足消费者的衣、食、住、行、娱乐、教育等各类需求；中游企业主要为加工制造类行业，为下游企业提供必要的机械设备和原材料；上游企业则主要是采掘和能源类行业，为中游企业提供原材料和电力。

在经济体正常运转过程中，需求通常是自下往上传导，供给则是自上往下传导，如果需求和供给都充满弹性（也即可以迅速反应）的话，整个经济体自然不会存在周期波动，但现实情况是：需求的变化相对平缓，特别是衣、食类必须消费品，其变动几乎只和总人口的增长有关；但供给往往是缺乏弹性的，因为设备的购买、厂房的建设、产能的投放都是需要时间的，而且越接近上游，需要的时间周期越长，对需求变动的反应也越迟缓。所以在真实运营过程中，下游的库存、中游的产能、上游的基础设施建设（比如新矿产资源的勘探开采、电力传输网络的铺设）都会留有一定的富余，来应对需求的波动。关于这一点，我们在报告《市值因子收益与经济结构的关系》中有过详细阐述：
1.同类型的需求是独立的，同类型的供给却是互相竞争的。对于下游消费者而言，何时变化自己的需求具有一定的随机性，大家更换手机、购买汽车的需求大概率不会同时发生。换言之，不同消费者之间是独立的，很少存在竞争关系。但对于生产者来说，供给是存在竞争的，你不扩大产能市场份额就会被其他厂商抢走，所以生产者在作决策时具有同步性，时常出现集体乐观和集体悲观的情形，导致供给的波动远大于需求的变化，这种供需之间的不匹配就造成了经济周期的波动。
2.需求自下而上传导的过程中，波动会逐级放大。对于下游企业而言，需求的变化相对平缓，只需要调节库存来匹配短周期上的波动即可，而到了中游企业，决策环境就复杂很多，因为产能投放是一个长周期过程，决策者需要去预测未来多年的需求变动情况，假设按照历史经验，需求增长差不多是每年8%，产能投放需要5年时间，那么新增产能需要达到40%以上才能覆盖需求，而企业往往会在这个预估量上放大一些，因为供给之间是存在竞争的，宁愿多生产，也不能断货，否则市场份额就被抢走了。当中游企业都陷入这样的囚徒困境博弈中时，供给的波动就远大于需求的增加了。同样的逻辑，中游的波动向上游传导时会进一步放大，因为中游企业在同步扩产能时，必然会增加对上游原材料的需求，而上游的供给弹性是最低的，这就会导致原材料价格上涨，那么中游企业受涨价预期影响，会倾向于以当前的低成本囤货，比如原本只需要1千吨钢材，为了避免未来以更高的成本进货，会选择一次性购买2千吨。这就会让上游企业对需求的增长产生过分乐观的估计，造成更大的波动。
3.银行信贷资源的投放和回笼进一步加剧了周期波动。如果只是实体经济本身的扩张和收缩的话，其实还是一个相对健康的循环，因为下游的需求还是相对稳定的，只不过过剩的产能和库存需要一定的时间来消化。但信贷资源的引入却会放大周期波动的剧烈程度。因为银行运营过程中，风险控制是放在首要位置的，这样造成的后果就是“晴天借伞，雨天收伞”：在基本面向好时，上中下游都在开足马力生产，实体经济投资回报比高，银行也会乐于投放信贷，但需求其实并没有显著增长，一旦产能、库存过剩，产品变得不再好卖时，基本面就会开启一轮出清过程，企业经营风险也开始加大，此时银行往往会回收资金，因为你不抽贷别人就会抽贷，一些运营正常的企业可能也会面临债务风险，甚至爆发连锁反应，原本健康的出清节奏就会加速，基本面的下行影响也不断放大。

综上所述，我们认为经济周期产生的核心原因是劳动分工带来的内生性波动，它在产业链不同层级上有着不同的表象，短期反映在库存上，中期反映在产能上，长期反映在基础设施建设上。这也是为什么我们能从众多宏观经济指标和资产价格序列中分解出三个系统周期的原因。

周期建模结论显示，当前基本面大概率仍处于探底过程中
根据前文梳理的经济周期研究思路，我们站在当下去回顾过去一年半基本面运行的逻辑。

在2018年3月25日的周报《市场趋势正在发生变化》中，我们指出：自18年1月底开始，多数新兴国家的股票市场指数出现大幅回撤，同时伴随着货币贬值、宏观指标走弱，相反的，美元、债券类避险资产开始受到投资者青睐，结合各个宏观指标和资产价格走势间的相互印证结果，我们判断基本面运行趋势已经发生方向上的转变，并提示股票市场有下行风险，中长期来看债券、美元等避险资产是配置首选。

在2018年7月29日的周报《市场初步企稳，流动性可能改善》中，我们指出：18年上半年A股的下跌是基本面下行、全球风险传导中的一环，并非国内的孤立现象，韩国、新加坡等新兴市场都出现了大幅下行，而且5月底开始，英、法、德三国股市也逐步从高位回落，说明风险正在由新兴市场向发达市场传导，未来大概率会进一步传导到相对强势的美国市场，而股票市场是相对领先的基本面指标，未来一旦美股下行，就说明美国的基本面也短期承压了，那么加息预期就会出现松动，全球流动性环境将迎来边际宽松，各类风险资产也将迎来一轮反弹。

在2018年10月14日的周报《过去三年经济周期运行的逻辑》中，我们进一步解释了为什么本轮基本面下行过程中，风险传导呈现出“新兴市场→发达市场”的规律。本质原因是基本面分解后的三周期中，新兴市场由于经济结构中制造业和上游原材料行业占比较大，更容易受短周期（也就是库存周期）的影响；发达国家经济体更为成熟，受中长周期影响更大。而本轮基本面的下行是由于短周期拐头回落带来的，中、长周期仍然处于上行趋势，所以我们看到风险首先在新兴市场爆发，但前文中我们也反复强调，系统状态的改变必然会在各个观测变量的走势中观察到，只不过相位上有领先滞后关系，美股虽然强势，但也难以持续背离。事后来看，18年底美股确实出现较大回撤，十年期国债到期收益率、制造业PMI等宏观指标也呈现出走弱迹象，基本面下行压力下，加息进程出现松动，全球流动性环境呈现出边际宽松的预期，这为19年以来风险资产的反弹提供了良好环境。

在2019年1月6日的周报《A股存在显著的“春节效应”》中，我们统计了A股过去二十年春节前后的市场表现，结果表明国内市场存在显著的“春节效应”，而且春节前后风格上也会有大市值主导切换到小市值主导。事后来看，市场走势也基本符合这样的节奏：春节前，整个一月份，创业板指等小盘指数都在横盘震荡，以上证50、沪深300为代表的大盘指数涨势较好，而春节后，二月期间，创业板指、中证1000等小盘指数迅猛攀升。整体而言，受益于流动性边际宽松和春节效应的共振，主要指数都录得了较高的收益。

综上，自18年3月以来，我们对于基本面的判断都是短周期下行，中、长周期上行。截止到春节前后，基本面和市场运行节奏基本符合我们的判断，但本次春节行情的级别确实超出了我们的预期，那么站在当下看，基本面真的已经探底回升了吗？本次上涨已经是牛市的开端吗？我们认为还有待观察，至少一些结构性风险并未解除：
1. 本轮A股的上涨是全球风险资产反弹中的一环，核心驱动因素是基本面下行趋势下，流动性环境有边际宽松预期。然而，在风险资产上涨的同时，避险资产并未出现显著下行，其中债券资产经风险调整后的收益甚至还超过股票资产，这说明中长线配置资金并不认同当前基本面环境已经扭转，避险资产仍受青睐。
2. 系统状态的改变会在各个观测指标上有所体现，如果说基本面已经探底回升，那么资产价格上涨的同时，宏观指标的走势也应该有所反映，但实际上，包括库存、PPI、房地产投资完成额等多个指标都刚开始从高位回落，时间和空间上的调整都不够充分，即便资产价格和宏观指标间有领先滞后关系，偏差也不至于如此之大。
3. 作为本轮基钦周期强势资产的代表，美股三大指数的回调幅度相对有限，风险并未充分释放。就像一轮熊市中，市场见底的标志往往是强势板块的补跌，只有美股充分回调后，全球股市才具备全面上涨的基础。而且定量建模结果显示，美股未来可能有大幅下行风险，A股也将面临考验。

本轮风险资产上涨期间，避险资产表现良好，中长期配置资金并未撤出

一般而言，风险资产（以股票为代表）和避险资产（以债券为代表）的走势是相互背离的，就像18年初，新兴国家股票市场拐头回落的同时，国债收益率和汇率也同步回落，债券资产走强；18年4季度，美股三大指数大幅回撤的同时，美债十年期国债到期收益率也同步走低，债券资产表现较好。然而，在本轮风险资产上行期间（19年初至今），主要国家十年期国债到期收益率仍处于震荡下行走势，尤其是德国和澳大利亚，国债收益率下行幅度明显。整体来看，全球避险资产也呈现出上行走势，这说明中长线配置资金并不认同当前基本面环境已经扭转，避险资产仍受青睐。

从多个宏观指标的走势来看，本轮基钦周期下行期并未探底回升

前文中我们反复阐述，基本面这个系统状态的改变会在各个观测指标上有所体现，如果说基本面已经探底回升，那么资产价格上涨的同时，宏观指标的走势也应该有所反映，但实际上，包括工业企业产成品库存、PPI、房地产投资完成额等多个宏观指标都刚开始从高位回落，时间和空间上的调整都不够充分，即便资产价格和宏观指标间有领先滞后关系，偏差也不至于如此之大。所以我们倾向于认为，基本面尚未完成探底回升，本轮风险资产的上涨仍然是受流动性因素驱动。

美股的风险尚未充分释放，未来可能出现大幅下行，A股也将面临考验

我们统计了18年以来主要国家股票指数的区间最大回撤，其中，以上证综指、越南胡志明指数为代表的新兴市场指数跌幅都在30%附近，而且基本上是18年初见高点以后就一直处于震荡下行走势，而以美股三大指数为代表的发达市场指数回撤幅度均在20%附近，而且集中出现在18年四季度。换言之，作为本轮基钦周期强势资产的代表，美股三大指数回调的空间和时间都相对有限，风险并未充分释放。就像一轮熊市中，市场见底的标志往往是强势板块的补跌，只有美股充分回调后，全球股市才具备全面上涨的基础。

采用定量方法对标普500进行三周期分解，结果显示当前的三周期结构和00年互联网泡沫破灭、07年次贷危机前夕类似。2000年互联网泡沫破裂时，42个月周期开始下行，200个月周期在下行途中，100个月周期处于底部区域。2008年次贷危机爆发时，42个月周期开始下行，100个周期处于下行后半程，200个月周期处于底部区域，刚刚开始上行。两次危机场景都是42个月周期下行，100个月周期和200个月周期处于底部弱势区间，当前的三周期走势也是如此，所以我们判断美股未来可能有大幅下行风险。

此外，观察美股的宏观经济指标走势，也有趋弱迹象，具体体现在：1、美国十年期国债收益率已经小于一年期国债收益率，期限利差转负，这意味着市场担忧未来的经济走势；2、美国制造业PMI在2018年8月之后明显进入下行趋势，这意味着美国经济短期承压；3、美国GDP不变价环比折年率也开始下降，并且已经连续下降两个季度。众多指标已经显示美国经济继续向好的概率较低，而且作为领先的基本面指标，美股在18年10月开始就已经出现回撤，综合来看，我们认为未来美股的下行风险较大，这也对A股形成考验。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。
免责申明
本报告仅供华泰证券股份有限公司（以下简称“本公司”）客户使用。本公司不因接收人收到本报告而视其为客户。

本报告基于本公司认为可靠的、已公开的信息编制，但本公司对该等信息的准确性及完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，本公司可能会发出与本报告所载意见、评估及预测不一致的研究报告。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。本公司不保证本报告所含信息保持在最新状态。本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。

本公司力求报告内容客观、公正，但本报告所载的观点、结论和建议仅供参考，不构成所述证券的买卖出价或征价。该等观点、建议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求，在任何时候均不构成对客户私人投资建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，本公司及作者均不承担任何法律责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。

本公司及作者在自身所知情的范围内，与本报告所指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券头寸并进行交易，也可能为之提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。

本报告版权仅为本公司所有。未经本公司书面许可，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司版权。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“华泰证券研究所”，且不得对本报告进行任何有悖原意的引用、删节和修改。本公司保留追究相关责任的权力。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。

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】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】行业轮动系列之六：“华泰周期轮动”基金组合构建20190312
【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】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】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