【华泰金工林晓明团队】大周期拐点关注新兴市场货币风险——量化资产配置4月月报20190424

摘要
实体经济中长周期向上、短周期向下的状态易使新兴市场货币承压
全球一体化背景之下，由于新兴市场国家和发达市场国家在国际分工中承担的角色不同，因此对于全球实体经济状态的反应不同。当前实体经济中长周期向上、短周期向下的状态类似于2001-2002年。前期研究证明新兴市场对实体经济短周期变化反应更敏感，中长周期利率的抬升使得新兴市场资金成本上升，美元短周期上行的强势背景下或加重部分新兴市场国家资本外流压力。2018年部分新兴市场货币出现大幅贬值，2019年基钦周期下行至拐点区域，应警惕新兴市场货币风险。

4月份A股涨幅领先全球，中美欧债券指数同步走弱
2019年全球股市连续上涨两个月后，在3月份进入震荡调整，4月以来整体继续上行。一季度A股中小盘表现更优，4月份大盘股上涨更多。中美欧十年期国债利率3月末触底回升，巴克莱债券指数同步走弱；大宗商品价格3月份有上涨趋势，近两周走势趋稳；美元指数在97点位附近震荡；黄金避险价值减弱，整体价格下跌。

华泰大类资产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4月19日，全收益策略近1年涨幅为6.59%，近一月涨幅为0.16%，上周涨幅为0.08%。

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。

境内外大类资产近期表现回顾
全球股市4月上旬普涨，4月中旬震荡
全球股市在2019年连续上涨两月后，在3月份进入震荡行情，随后于3月底-4月初再度上涨，A股涨幅领先，近期全球股市窄幅震荡。除孟买SENSEX30指数走势略有不同之外，上证综指、标普500、恒生指数、日经225、富时100、法国CAC40、德国DAX、澳洲标普200等股指均在3月份小幅波动，3月底上行后，于4月中旬开始震荡。从3月1日到4月19日期间，孟买SENSEX30指数在总体保持上升态势，3月下旬出现一定程度波动，今年以来涨幅为8.49%，落后于全球其他主要股指。

中美利率近期下跌，债券指数震荡向上
2019年第一季度，A股迎来强势反弹，上证综指、上证50、沪深300、中证500、创业板指等主要A股指数回升至2018年5月价格水平；3月份A股开始震荡调整，3月27日后继续上攻。

上证综指、上证50、沪深300、中证500、创业板指3月涨跌幅分别为5.09%、3.45%、5.53%、10.39%和10.28%，小盘股表现更优，同时波动率也更大。近一个月大盘股表现更优，上证50和沪深300分别上涨8.54%和7.39%，而中证500和创业板指仅上涨3.95%和0.70%。

美元指数窄幅震荡，中美欧利率三月底回升
中美欧十年期国债利率在2019年3月底触底回升，债券指数同步走弱；CRB综合现货价格于3月中旬开始上涨，4月份偏向震荡；美元指数走势平稳，仍在97点位附近窄幅震荡；黄金避险价值减弱，伦敦金现价格自2月下旬开始回落。

利率于3月底触底回升，中美欧债券指数走弱

利率方面，中美欧十年期国（公）债利率在2019年3月均呈下降态势，欧盟十年期国债利率下降幅度较大，3月底以来，三个利率有所回升。受此影响，2019年第一季度巴克莱美国、泛欧和中国债券总指数均震荡上行，3月底之后同步下跌。

4月份大宗商品走势平稳，黄金震荡走弱
美元指数整体走势较为平稳，在97点位附近震荡。大宗商品方面，CRB综合现货指数进入2019年以来持续震荡，3月中旬开始上涨，4月份再次走平；黄金价格于2月19日见顶回落，3、4月份波动加大，价格震荡走弱。

实体经济中长周期向上，短周期下行时新兴市场更易爆发风险
在自上而下的分析框架当中，社会供给与需求的关系影响自然资源（大宗商品）的价格，当制造商的生产扩大，会导致大宗商品供不应求，商品价格的上涨传导至生产者与消费者，最终体现价格指数的数据（PPI与CPI等）之中。同时整个社会制造业的扩张意味着实体经济的繁荣，此时实体经济会从债券、房地产等虚拟经济“抢夺”信贷资源（资本），从而抬升资金的价格（利率）。当长期视角下的利率实质抬升之后，资金成本的上升又会反过来抑制投资者的借贷意愿，从而降低企业和个人的消费及投资，经济增长逐步放缓。全球经济系统在这样的正负反馈之中周而复始地向前演进。

以大宗商品判断当前实体经济状态：中长周期向上、短周期向下
大宗商品是工业生产中上游企业的原材料，与股市、债市、汇市、房地产等交易资产相比，是最靠近实体经济的资产，中长期上看其价格走势能基本反映全球实体经济的变化情况，因此我们可以观察CRB综合现货指数的价格走势及其同比序列：

从同比序列与价格序列的直观对比来看，取同比操作能够滤除价格序列中的趋势项，同时在1999年、2010年、2015年等部分拐点处相比价格序列有一定领先作用，为了进一步去除同比序列中的短期噪声，我们对CRB综合现货同比序列进行42个月、100个月和200个月的三周期滤波：

通过观察CRB 三周期的位置以及形态，可以发现以当前全球实体经济三周期状态类似于2001-2002年（《2019年中国与全球市场量化资产配置年度观点》中有详细阐述），都处于中、长周期上行、短周期下行触底的过程，这意味着从中长期来看，实体经济处于复苏的过程当中，而短期基钦周期的下行会导致经济基本面承压。由于成熟市场受中长周期的影响更显著，而新兴市场对短周期变化更加敏感，因此这种周期状态之下，新兴市场与发达市场表现一般会出现分化。

另外随着实体经济中长周期的上升, 利率中枢会滞后一定时期才进入抬升阶段。当经济基本面向好时，企业盈利增加，融资需求扩张，推动利率上行，反之则利率水平回落。为了判断全球利率周期状态，我们把中、美、日、英、法、德几个主要经济体的十年期国债收益率三周期滤波后进行合成，用合成指标对比观察全球利率与实体经济的长周期状态，发现长周期视角下，全球利率变化会滞后于实体经济。

同时我们发现，美元指数在三个周期上都与全球实体经济呈反向变化关系，由于在经济周期下行时，发达国家抗风险能力更强，美元的“避险属性”在短中长三个周期上都普遍存在。于是在基钦周期下行时期，新兴市场面临商品需求回落、资本外流加重的局面时，国内资本市场与货币容易爆发风险。

国际分工差异致新兴市场与发达市场受到全球经济周期变化的影响不同
随着通讯物流等现代科技的发展，在当前全球经济一体化的背景之下，各国经济金融共生发展，主要经济体在国际分工中分别承担了不同的角色；同时随着商品和资金的快速流动，产业链和资金链也将资本市场和商品市场紧密联系在一起。一般而言，新兴国家经济结构中制造业和能源资源业占比较大，发达国家经济结构中科技创新与服务业占比更大。如下以全球最大的发展中国家中国和最大的发达国家美国做对比。

各国在产业链上的不同位置决定了它们对于自然资源、信贷资源供需变化时的不同反应。当全球经济回暖时，新兴市场往往反应更为强烈，资本也热衷于流向新兴市场以获取更高的投资回报。然而当全球经济衰退时，由于新兴市场国家通常在经济发展、制度建设等方面不如发达国家完善和成熟，资本也会倾向于流入发达国家以寻求避险。

当前实体经济的三周期状态下，新兴市场易爆发风险的原因探讨
我们可以尝试推演一下在全球实体经济中长期复苏，短周期下行时，发达国家与新兴市场表现的差异：

前文我们分析过，以制造业为主的新兴市场国家对自然资源的供求变化更为敏锐。当实体经济中长周期处于底部位置并向上抬升时，全球需求回暖，利率长周期随后也会抬升。新兴市场国家会因为需求增大而在国内逐步恢复甚至扩大生产，生产的提升促进了国内产业的复苏。

然而，整个经济系统运行的每一个环节的传导都可能存在着时滞。在实体经济中长周期上行之初，新兴市场国家在需求回暖的背景下投入资金与设备以扩大国内生产，但当基钦周期拐头向下之后，全球经济基本面短暂承压，商品需求减弱，以中国为首的新兴市场国家经济中依赖外需的成分往往更大，可能比发达国家受到的压力也更大。同时，资金利率在基钦周期下行初期依旧会随着实体经济中长期复苏而维持相对高位，这就使得新兴市场国家以较为昂贵的资金成本生产了冗余的商品。

这个时期如果以美国为首的发达国家由于基本面中长周期上行可能带动加息，那么美元等避险货币的价值会更为突出，资本会倾向于流出新兴市场国家转而投向发达国家以寻求避险，这就可能导致新兴市场资产价格波动会随着外资的逃离而有所放大。此时部分新兴市场国家往往会面临外汇减少、偿债压力增大的处境，国内金融市场容易产生动荡，且在现代经济制度结构之下，各类问题往往齐同爆发，影响国家经济的稳定发展。综上所述，在实体经济中长期复苏之始，由于全球经济一体化背景下新兴市场与发达市场的分工不同，一旦基钦周期下行时基本面出现恶化，新兴市场国家往往更易受到冲击，并反映在资产价格和汇率变化上。

新兴市场相比发达市场股市具有“高贝塔”的特点
2001年与2018-2019年的实体经济的三周期状态是比较相似的，新兴市场与发达市场股市在两轮周期里出现了明显分化。

首先观察2000年前后新兴市场与发达市场股市的变化情况。1998年7月是实体经济基钦周期的底部，我们观测到在短周期下行阶段的1998年全球市场震荡下跌，1998年1月到9月期间，MSCI新兴市场股指下跌超过40%，MSCI发达市场也在7-9月下跌12 %。随后，短周期拐头向上，股市止跌转升，开启了为期一年多的牛市，期间新兴市场股市表现优于发达市场。2000年4月，短周期到达顶部拐头向下，而此时中长周期则处在上行区间。前期的研究表明，当基本面中长周期上行带动利率中长周期上行，流动性受到压制，与此同时，若出现短周期下行带动盈利下行，这样的周期状态下资本市场往往压力更大。据此我们分析2000年美国互联网泡沫破灭造成的全球市场大幅下跌，可能是由于基本面三个周期状态相互叠加造成的必然中的偶然。

可以看到在1998-2002年这段期间，当全球股市上行时，新兴市场股市涨幅通常大于发达市场，而当股市下行时，发达市场则更为抗跌，新兴市场“高贝塔”的特征明显。

再来观察本轮实体经济中长期复苏以来发达市场与新兴市场的股市表现。与2001年类似，实体经济中长周期在2015年下半年拐头向上，短周期于2017年12月附近进入下行通道。2018年大宗商品震荡走弱，新兴市场股市风险加剧，MSCI新兴市场指数跌幅超20%，发达市场股市上半年虽然表现坚挺，但四季度下跌也超过10%。与2000年前后类似，在实体经济中长周期上行，短周期下行时，新兴市场与发达市场股市表现存在差异，新兴市场股市往往具有“高贝塔”的特点。

基钦周期下行期，利率抬升与美元走强往往使新兴市场国家货币承压
观察2000年前后以美国为代表的发达国家利率，在1999年-2001年，美国十年期国债利率先升后降，于2000年初到达顶峰。1998年底全球实体经济中长周期触底回升，美国十年期国债利率随后从1998年9月份的4.44%上升至2000年1月份的6.68%，同时美元指数的基钦周期于1999年底拐头向上，而实体经济短周期的下行使得美元指数一度上行至2002年初的117点。这印证了前文所述的传导链条，即实体经济中长周期触底回升，利率随后抬升，而当实体经济短周期下行，发达国家货币避险价值凸显，美元指数从而走高。

2015年底至今，发达国家利率与美元指数走势与2000年类似。2015年底实体经济中长周期触底回升，随后美国十年期国债利率于2016年中的1.5%开始上升。2017年底实体经济短周期下行，美元指数从2018年1月的89点上行至当前的97点。对比2000年与2015年以来的两轮周期可以发现，实体经济在类似三周期状态下，利率与美元走势也具有相似规律。

除此以外，两轮基钦周期下行期里，在利率走高与美元走强的背景下，部分新兴市场国家可能由于金融系统发展的较不完善、外汇储备不足、外债过多而经济增长乏力等原因，而相继爆发风险。如2001-2002年土耳其、阿根廷的货币崩盘，2018年委内瑞拉、津巴布韦等国的货币危机都显示了在实体经济类似三周期状态下，新兴市场风险会明显加大。

基钦周期已至底部拐点区域，需警惕2019年新兴市场货币风险
除了上述新兴市场货币之外，我们也梳理了2018下半年以来美元相对部分新兴市场货币的表现。可以看到新兴市场汇率波动较为剧烈，除泰铢外，美元兑其他新兴市场货币均为升值状态，巴西雷亚尔、俄罗斯卢布在2018年三季度出现大幅波动，墨西哥比索汇率在2018年四季度也出现快速贬值。2019年以来，新兴市场汇率走势相对平稳。

上图中港币由于是联系汇率制，因此兑美元净值走势基本在1附近，需要单独观察。按照香港金管局要求，美元兑港币须维持在7.75-7.85的区间。自2018年以来，港币大多数时间处于7.85的弱方兑换保证，港币挂钩美元后未有此先例。2019年以来香港金管局已三度出手干预，共买入54.32亿元港币。此外，金管局曾于去年4月至8月期间合共买入1034亿港元。

三周期滤波显示，实体经济基钦周期下行仍会持续，拐点或于下半年才会到来，在此阶段仍应密切关注新兴市场货币情况。

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】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】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