分析工具 - 金融与投资 - 报告精读 - 未来智库

资金流的流体力学结构——从纳维–斯托克斯方程到容量限制

浙商证券
2026/09/20
13

全球量化资产配置领域长期面临资金流因子逻辑松散、难以证伪的痛点。将流体力学纳维–斯托克斯方程组引入A股市场，为资金流研究提供了一套具备严格数学约束的分析框架。该研究利用2016年至2026年间超25万个申万二级行业日度观测数据，对理论推导出的运动学与动力学预言进行了系统性检验。核心结论实证表明，流体类比的运动学部分成立，动力学部分被证伪。按自由流通市值标度后的净流入因子展现出稳健的预测力，其驱动力源于资产基数而非绝对交易金额。动量方程层的池化R方不足3%，对流、黏性等动力学预言均被明确拒绝。在容量限制检验中，单位冲击的价格响应随容量单调减弱，但实际弹性远低于单位弹性理论值。此外，容量效应的收益几乎全部沉淀在冲击当日的不可交易窗口内，不具备直接转化为中低频策略的条件。研究价值该研究以证伪为目标，通过事前设定拒绝门槛、合成数据校准估计量可识别性以及严格区分标度约束，确立了量化研究中理论框架检验的规范范式，明确了资金流研究中应当保留与放弃的变量边界。

标签：资金流纳维斯托克斯方程容量限制

固收深度研究：美元流动性手册，风险识别与应对

华泰证券
2026/09/18
16

全球宏观市场中，资产价格通常围绕增长、通胀和盈利进行定价，但当融资受阻、金融中介缩表与被动抛售相互强化时，流动性便会跃升为主导市场的核心矛盾。针对这一复杂机制，华泰证券构建了美元流动性的四层次分析体系，涵盖货币层、离岸层、信用层和金融市场层，旨在系统性拆解美元基础融资、跨境美元循环、私人信用创造及资产交易功能的运行逻辑与风险传导路径。核心框架与研究目的该研究跳出单一指标的局限，提出“观测、溯源、应对”三维分析框架。研究指出，现代金融体系中的流动性不能仅靠货币总量描述，更关键的是资金在不同机构间的转换能力。不同能级的货币在信用主体、抵押品与转换成本上存在显著差异，低能级信用向高能级货币转换受阻时，即会形成实质性的流动性收紧。各层级风险特征与观测指标在货币层与离岸层，研究强调“价格重于数量”，核心观测指标包括SOFR-EFFR利差、交叉货币基差以及央行互换工具用量，需精准区分准备金“总量不足”与“结构错配”。在信用层，以信用利差、CDS和债券发行量为核心高频数据，结合美联储2026年《金融稳定报告》提示，当前杠杆贷款、私募信贷及商业地产的再融资脆弱性较高，AI相关融资风险的受关注度仅次于地缘政治和油价。在金融市场层，波动率、市场深度与仓位杠杆是识别压力的关键，需高度警惕“资产下跌→追缴保证金→抛售→进一步下跌”的跨资产共振恶性循环。应对策略与核心结论面对流动性冲击，报告制定了“识别定位—防守决策—修复确认”的三步走实战策略。识别阶段需确认冲击是局部扰动还是跨层扩散；防守阶段需判断避险需求、宽松预期与“现金为王”何者主导，局部冲击优先降杠杆，广泛压力则需优先保障现金流；修复阶段必须由融资价差收敛、交易深度恢复及去杠杆进展共同确认，方可优先布局基本面受损较轻的超调资产。研究还通过对2008年次贷危机、2020年疫情冲击及2024年日元套息交易平仓等案例的深度复盘，验证了该框架在极端市场环境下的实战指导价值。

标签：美元流动性美债 VIX

固定收益专题：利率短期预测的模型构建——基于四维信息框架

国盛证券
2026/09/17
13

传统端到端机器学习模型在利率短期预测中普遍面临数据频率错配、先验知识缺失与震荡市识别困难等系统性局限。针对这一痛点，国盛证券提出了一种基于四维信息驱动的利率短期预测框架，借鉴“分而治之”的集成学习思想，将利率预测问题按照信息维度进行先验性拆解，并通过XGBoost元模型进行多源信息非线性融合。端到端基准模型的局限性暴露研究首先构建了以87个宏观因子及其一阶差分为输入的LSTM三分类基准模型，对10年期国债、30年期国债、5年期二级资本债（AAA-）及1年期同业存单（AAA）进行明日方向预测，准确率分别为42.47%、45.88%、45.50%和47.32%。尽管均高于随机基线，但长端品种预测概率集中于30%—40%区间导致置信度偏低，且短端品种对“震荡”类别的识别存在显著偏差。四维子模型的分项突破为克服单一模型缺陷，研究将利率变动拆解为四个维度并分别建模：一是宏观数据LSTM概率预测模型，通过二分类设定降低难度，四品种准确率提升至44.50%至47.99%；二是宏观极端信号捕捉模型，专攻前20%极端波动日期，极端场景下准确率达40.62%至42.96%；三是NSS时序预测模型，利用收益率曲线水平、斜率与曲度因子进行AR(1)滚动预测，准确率介于39.86%至44.80%；四是技术指标综合动量模型，动态筛选36个技术指标合成动量评分，长端品种准确率最高达48.62%。元模型融合与市场前瞻研究最终采用XGBoost作为元模型，将四个子模型输出的连续信号进行非线性融合。扩展窗口滚动训练结果显示，元模型在四个品种上的三分类准确率分别跃升至52.95%、52.26%、54.37%和51.43%，全面优于任一单一子模型，验证了多源信息融合框架在提升预测精度与稳健性方面的有效性。基于该框架的最新预测显示，10年国债、5年二级资本债及1年存单大概率处于震荡状态，而30年国债偏空概率较高，提示当前整体债市处于震荡格局且超长端相对偏弱。

标签：利率预测 XGBoost LSTM

被动投资学术文献综述——西学东渐海外文献推荐系列之一百九十六

兴业证券
2026/09/16
15

全球资管市场正经历深刻的结构性变革，被动投资凭借其低成本与高透明度特征，市场份额持续攀升。截至2024年，美国国内股票管理资产规模的53%已在指数化策略下进行管理，头部基金家族的资产集中度亦显著抬升。本文系统梳理了海外学术界关于被动投资的核心文献，涵盖市场规模演进、费率竞争、市场有效性及公司治理等多个维度。主动与被动的业绩及费率博弈文献表明，扣除费用后主动管理平均难以跑赢基准。使用被动型ETF作为基准的研究显示，简单的ETF组合能击败约78%的主动管理型共同基金。与此同时，费率差距持续拉大，2023年美国主动型股票基金费率约为被动型的13倍，加之被动基金换手率较主动基金低约60%，隐性交易成本优势进一步凸显。市场效率与波动性影响基于Grossman-Stiglitz框架，主动基金被映射为“知情交易者”，被动基金为“不知情交易者”。被动份额增加可能导致价格信息含量降低，但同时提高了主动挖掘信息的边际回报。实证研究指出，主被动投资比例的大幅转移可能使中大盘股波动率上升0%至6%。此外，“一揽子交易”机制显著增加了指数成分股间的相关性，削弱了投资者的分散化效果，但近期的证据表明传统的指数纳入价格冲击效应正在逐渐消失。资本配置与公司治理争议关于被动投资是否扭曲资本配置，学术界存在分歧。部分研究认为被动资金流入推高了大型企业估值并促成了“巨无霸”公司的崛起，导致企业投资决策质量下降；另一部分研究则发现ETF所有权提升了实体投资对价格的敏感度。在公司治理层面，指数基金低费率结构限制了尽责管理资源的投入，三大巨头的参与管理比例偏低且投票偏向管理层，但其庞大的持股也为激进投资者发起代理权争夺提供了便利。人口结构与制度驱动确定缴费型（DC）养老金计划的扩张、退休收益提取安排的普及以及ESG投资理念的兴起，构成了被动投资规模扩张的重要宏观底座。DC计划超90%的资产配置于被动集合工具，持续为指数化策略输送长期资金。

标签：被动投资 ETF 公司治理

多资产配置全景研究系列（三）：指数增强PLUS，TPA资产配置理论、实践与固收+方案模拟

国泰海通证券
2026/09/16
14

随着全球宏观波动加剧与地缘政治格局重塑，传统战略资产配置（SAA）框架在应对结构性变革时暴露出静态锚定脱节、底层风险重复及治理孤岛等痛点。总组合方法（TPA）作为新一代资产配置哲学，正被全球头部主权基金与养老金加速采纳。2026年7月，管理逾6000亿美元资产的美国CalPERS正式转向TPA模式，成为美国首家应用该框架的公共养老基金，标志着行业范式转移。核心方法论TPA摒弃传统资产类别标签，转而从机构长期目标和风险承受能力出发，以低成本参考组合作为战略风险锚点。通过构建跨资产统一因子模型，将各类投资穿透至增长、通胀、利率和信用等底层风险驱动力，并在总风险预算内根据各项投资对整体组合的边际贡献动态分配资本。这一机制将“指数增强”思维从单一资产提升至全域资产层面，实现Alpha与Beta的一体化决策。实证数据与结论海外长期实践印证了TPA的有效性。26家采用TPA的大型基金过去10年相对SAA模型基金年均超额收益达1.3个百分点。在针对中国市场的固收+方案量化模拟中，以15%中证800和85%中债新综合财富指数为参考组合，引入境内风格资产后，动态TPA策略年化收益率从4.249%提升至4.542%，夏普比率从1.432升至1.654，最大回撤降至2.841%。进一步将标普500、恒生指数及黄金纳入扩展资产池后，年化收益率跃升至5.118%，夏普比率达1.791，且未显著增加组合波动。多维度的稳健性检验表明，该策略优势不依赖于特定参数设定或单一回测区间，为国内长线资金优化顶层治理架构、开发跨资产因子模型提供了系统性参考。

标签： TPA 固收+ CalPERS

指数与ETF研究系列（四）AI算力产业链资本开支周期与自由现金流分析——基于人工智能产业指数的分组实证与ETF配置启示

江海证券
2026/09/16
14

中证人工智能产业指数（931071）过去近七年完成从“应用主导”到“算力主导”的根本性切换，上游算力基础设施权重从2019年底的23.9%攀升至2026年中的83.1%，实质上已高度接近算力基础设施主题指数。资本开支分化A股AI算力“军备竞赛”真正的分化拐点出现在2025年。此前上下游CAPEX/营收长期趋同，2025年上游一次性跃升至13.05%，下游回落至4.13%，裂口扩大至8.92个百分点。上游加权CAPEX同比增长57.4%至19.44亿元，呈现鲜明的“上游扩产、下游收缩”格局。上游高强度资本开支有真实盈利支撑，ROIC从2024年的10.78%大幅提升至27.94%，属于需求驱动下的有效扩产。现金流悖论上游算力呈现“高ROIC、负FCF”的典型成长期悖论。2025年ROIC高达27.94%但FCF/营收为-3.15%。根源在于经营现金流强劲（OCF/营收达26.71%）但资本开支强度更高，盈利被超额投入下一轮产能建设。上游现金流经历了2024年“甜蜜点”与2025年“阵痛期”的完整周期。配置启示报告构建“CAPEX强度—FCF转化率—估值容忍度”三维分析框架，提炼出CAPEX强度、FCF覆盖倍数、上下游估值差三大配置信号。当前上游处于阵痛期中后段，估值已部分消化，下游防御价值凸显。配置策略建议从单边超配上游转向上下游均衡、适度增配下游应用，同时指出AI主题ETF存在“同名不同质”的配置错位风险，并从信息披露优化、指数编制改进等方面提出资本市场治理建议。

标签：人工智能产业指数算力基础设施自由现金流

源达信息-从信号到组合：A股历史收益信号的应用研究——形成期选择、收益来源与组合选择

源达信息
2026/09/15
15

本文基于源达信息证券研究所关于A股历史收益信号的深度研究，系统分析了不同形成期下Q1（弱势股集中配置）与BM_EX_Q5（剔除强势股）两类只做多组合的收益来源、长期表现及实施特征。研究表明，短形成期下剔除强势股更能改善收益，而中长形成期下集中配置弱势股优势显现，但伴随高换手与较低年度覆盖稳定性。文章为量化策略中的信号转化与组合构建提供了具体的参数选择依据与风险提示。

标签： A股量化反转策略金融工程

因子选股系列：科技成长景气轮动与量化择时模型

西南证券
2026/09/14
22

本文聚焦科技成长板块，构建“集中度+相对估值”双因子轮动策略及基于吸收比率变化的量化择时模型。回测显示，叠加择时后组合年化收益达47.8%，最大回撤收窄至32.7%，显著优于基准，证实了微观结构指标在规避系统性风险中的有效性。

标签：量化投资科技成长行业轮动

开源量化评论：AI赋能投研体系，因子挖掘篇

开源证券
2026/09/14
46

开源证券金融工程团队深入剖析AIAgent在量化因子挖掘中的应用现状，重点对比AlphaAgent、RD-Agent和QuantaAlpha三大开源框架的技术架构与演进逻辑。通过对RD-Agent进行实证测试，报告揭示了AI驱动因子挖掘在提升研究效率方面的潜力，同时也指出了其在样本外稳定性、因子去重及风格暴露控制方面的局限性，为构建智能化投研体系提供客观参考。

标签： AI Agent 因子挖掘量化投资

量化分析报告：择时雷达六面图，本周海外资金面分数弱化

国盛证券
2026/09/12
27

本文基于国盛证券量化分析报告《择时雷达六面图》，深入解析当前权益市场的多维信号。报告指出，本周市场综合打分为0.02分，整体呈中性观点。其中，经济面和技术面信号偏多，而资金面因内资两融流出、成交额萎缩及海外风险厌恶上升而显著走弱，成为主要拖累项。文章详细拆解了流动性、经济、估值、资金、技术及拥挤度六大维度的具体指标表现，为投资者提供系统性的择时参考。

标签：量化择时资金面金融工程

金融工程专题研究：哪类ETF的机构投资者占比在提升？—穿透算法下的ETF机构持仓行为分析

国信证券
2026/09/11
11

本文利用ETF机构持仓穿透算法，修正因联接基金导致的机构占比高估问题，深入分析2026年上半年各类ETF的投资者结构变化。研究发现，股票型ETF机构占比大幅下滑，但科技板块、芯片、5G主题及双创类宽基ETF的机构持仓比例逆势提升，揭示机构资金向硬科技与成长风格集中的趋势。

标签： ETF 机构投资者金融工程

大模型赋能投研系列之三十一：GPT_6 Astra金融测评，投研任务提升明显

国金证券
2026/09/11
14

OpenAI于2026年9月发布GPT-6Astra，重点强化了复杂多步骤任务执行、计算机操作及端到端工作流处理能力。为评估其在真实金融投研场景中的实际效能，国金证券选取GPT-6Astra与GPT-5.6Sol、KimiK3、GLM-5.3、DeepSeekV4Pro共五款前沿大模型，围绕估值建模、多因子回测和行业研究三大核心任务展开横向实测对比。核心能力与定价GPT-6Astra支持约105万Token上下文，在OSWorld2.0、AutomationBench等侧重连续操作与环境交互的测试中提升显著，任务耗时较前代缩短约47%。但其API调用成本（统一加权价格约7.70美元/百万Token）显著高于其他四款模型，实际性价比取决于其能否大幅降低任务失败率与人工修改成本。投研任务实测表现在五款模型的横向对比中，GPT-6Astra在三类任务中均位列第一。在估值建模任务中，其能将分产品销量、ASP及成本假设完整贯通至三张报表与DCF估值，底稿联动与可复核性最佳；在多因子回测任务中，其严格处理了历史成分股还原、财务披露时点控制，并完整模拟了交易成本、现金账户及涨跌停等不可交易状态；在半导体设备行业研究任务中，其构建了包含63个公司实体页与83个来源页的Wiki知识库，实现了报告、数据库与知识库的深度贯通。总结GPT-6Astra的优势集中在复杂工作流的连续执行与成果交付质量上。尽管如此，大模型输出仍具随机性，投研应用中仍需保留程序侧与分析师侧的双重人工复核环节。

标签： GPT-6 Astra 量化回测估值建模

拆解十一个行业，提前研判当季GDP——债市风向标系列（五）

长江证券
2026/09/10
28

本文构建了一套基于官方生产法口径的GDP高频预测框架，通过将GDP拆解为十一个行业，利用高频数据拟合与官方月度指标接力，实现季度早期对当季GDP的提前研判。回测显示该方法首个读数较官方公布提前约两个半月，且在2026年二季度实测中误差逐次收窄至近乎归零。进一步检验表明，该提前读数在债市交易中具有实证价值，特别是长端期限、1个月检验点与下行方向叠加的信号，能够带来显著的胜率改善与超额收益。

标签： GDP预测债券市场高频数据

周期行业盈利预测框架：多维增强与景气指数应用

中信建投
2026/09/01
13

本文基于“产业景气—盈利预测—行业配置”的传导逻辑，构建行业景气分析框架。通过定性定量协同筛选指标，构建动态因子模型等三类预测模型，并结合一致预期和大模型进行增强。研究表明，DFM模型表现最优，引入一致预期可改善净利预测，大模型在特征工程和校正预测中具有辅助价值。基于盈利预测构建的景气指数在行业择时与轮动中展现出显著的应用价值，综合轮动策略实现了较高的年化超额收益。

标签：盈利预测周期行业大模型

BetaAgent：基于多智能体协作的交易风险因子挖掘系统

天风证券
2026/08/31
27

传统风险因子体系主要基于日频数据，难以捕捉日内高频交易中的微观结构风险。本报告介绍BetaAgent，一个基于OpenAIAgentsSDK构建的多智能体协作系统，旨在自动化挖掘具有高可解释性的短期交易风险因子。系统架构与创新BetaAgent通过IdeaAgent、FactorAgent和EvalAgent三大核心智能体协作，实现了从假设生成、代码实现到评估反馈的闭环迭代。IdeaAgent结合市场微观结构知识与历史记忆提出因子逻辑；FactorAgent负责生成并向量化执行代码，具备自修复能力；EvalAgent基于六维标准进行评估并决定入库。系统利用Trace机制沉淀研究经验，避免重复探索，显著提升了因子挖掘的效率与质量。挖掘成果与应用效果系统成功挖掘出10个短期交易类风险因子，如资金流路径震荡与成交量集中度共振风险等。这些因子与基准Barra体系相关性低，具有显著的增量解释力。在指数增强组合测试中，加入这些因子约束后，沪深300、中证500及中证1000增强组合的超额最大回撤均有所降低，其中中证1000增强策略在近年表现出显著的超额收益提升与风险控制改善。研究表明，Agent驱动的方法能有效兼顾因子的可解释性与挖掘效率，为量化风控提供新工具。

标签： BetaAgent 风险因子多智能体