摩根大通2025年的研究报告《跨资产动量溢出效应》深入探讨了动量策略在跨资产配置中的新维度，提出将传统个体动量信号与创新的动量溢出效应相结合，能够显著提升投资策略的表现。研究发现，动量溢出效应在短期（如32天回溯期）最为显著，而长期效应逐渐减弱，同时揭示了跨资产间的非对称关联性，如债券收益对股票未来回报具有正向预测作用，而股票动量对债券收益则呈现负向影响。研究通过逻辑回归模型和L1正则化方法动态筛选和加权动量信号，有效预测资产未来收益方向，并在回测中展现出优越的夏普比率提升。这项研究不仅为系统性投资者提供了量化跨资产联动效应的框架，也为动态组合优化和趋势跟踪策略的改进提供了实证依据，尤其在市场波动加剧的环境下具有重要的实践意义。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

这篇文章介绍了一种通过结合ZigZag趋势指标（ZZT）和交易量指数（TVI）来检测和验证高流动性资产价格趋势反转的方法。该方法利用数值微积分中的导数和积分概念，通过多参数校准的“光束”策略过滤市场噪音，有效区分真实趋势反转与短期价格波动，适用于日内交易和波段交易场景，并在苹果股票和原油期货等案例中验证了其抗通道干扰能力。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

本文介绍商变换（Quotient Transform）技术，该技术通过非线性处理振荡指标（如CCI、RSI等）来早期检测市场趋势并确定趋势持续时间。商变换公式通过参数K控制非线性响应，适用于-1到+1范围内的标准化指标，能减少滞后并增强趋势信号。文章还提供了代码实现，结合屋顶滤波器（Roofing Filter）去除频谱扩张效应，并通过自动增益控制（AGC）算法进行标准化。实际应用中，正K值捕捉上升趋势，负K值捕捉下降趋势，结合不同K值可优化交易进出时机。该技术为交易者提供了一种无滞后的早期趋势识别方法，可灵活适配不同市场偏向。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

德意志银行2016年的研究报告《Getting the insiders' track》通过分析亚太地区2000-2015年间12,000家公司的合法内幕交易数据，发现高管买入信号在12个月内能产生11%的超额收益，并运用机器学习技术筛选出最具预测力的交易特征——包括内部人层级、交易一致性、公司股息率和分析师覆盖率等关键指标，构建了一个结合75%指数和25%精选股票的"核心-卫星"策略，经回溯测试该策略年化信息比率达1.32，且在Carhart四因子模型中显示出独立的alpha，为机构投资者提供了将内幕交易信号系统化的量化框架，但需注意该策略在日本和台湾市场不适用且对小市值股票流动性敏感。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

摩根大通2016年的研究报告《系统性风险策略：市场是否过于拥挤？》提出了两种基于资产价格回报的动态交易策略，Absorption Ratio和Turbulence Index，用于量化市场系统性风险并优化股债配置。Absorption Ratio通过主成分分析衡量风险来源的集中程度，其标准化变化能提前预警市场压力；Turbulence Index则基于马氏距离识别资产价格的异常波动，利用动荡期的持续性和低收益特征进行逆向仓位调整。回测显示，这两种策略在MSCI ACWI中分别实现0.79和0.76的夏普比率，最大回撤显著低于传统60/40组合。研究进一步发现二者具有互补性，其复合策略将回撤压缩至-16%，同时验证了行业、国家、因子等替代数据源的局限性，最终构建的系统性风险指标为市场拥挤度提供了实时监测工具。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

这份法国兴业银行的报告分析了关税政策对大宗商品市场的影响，重点关注五种量化投资策略（Value、Basis Momentum、Backwardation Momentum、Trend和Carry）在不同经济周期中的表现。报告指出，由于特朗普政府的关税政策导致全球增长预期下调至2.8%，Carry策略展现出最强的收益稳定性，不受衰退周期影响，而Trend和Basis Momentum在衰退后半段复苏初期表现更优。当前高波动环境下，静态权重的BCOM-based Carry策略更具吸引力。能源和工业金属通常在衰退前期表现疲软，而供应约束可能在复苏时推升价格。报告还强调大宗商品与通胀的高相关性，使其成为对冲通胀意外的有效工具，同时警示OPEC+内部纪律松弛可能威胁减产协议，而美国农作物种植季和潜在报复性关税可能加剧农产品市场波动。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

这篇研究报告介绍了Wolfe Research利用Orbisa的实时证券借贷数据，深入分析做空行为对股票回报的影响及市场动态。研究指出，空头利率（尤其是小盘股和低流动性股票）是预测未来回报的有效指标，其效果受借贷成本、市场条件和指标选择（如空头持仓量、利用率和覆盖天数）影响。通过构建“空头利率意外”因子并剔除常见风格因子暴露，可显著提升策略表现，同时排除难以借入（HTB）股票能优化多因子模型。研究还分析了轧空的关键触发因素（如公司事件、散户交易潮、超卖反弹和宏观环境变化），发现空头在超卖或超买市场表现均不佳，并据此开发了结合市场状态调整的投资框架。最后，团队推出基于LightGBM算法的全球选股模型“Spark”，整合空头流动性、市场机制知识及非线性约束，通过分阶段子模型组合实现稳健表现，在美国市场夏普比率达2.1倍，收益主要源于个股特异性因素。研究强调实时数据、机制分析与机器学习在提升做空策略效能中的关键作用。

该文章介绍了奇异谱分析（SSA）方法在金融市场分析中的应用。SSA是一种数据自适应、非参数化的时间序列分析方法，能够将市场价格序列分解为趋势、周期性波动和随机噪声等成分，无需预先设定模型假设。相比傅里叶分析等传统方法，SSA能识别振幅和频率可变的谐波成分，具有更强的适应性。文章详细阐述了SSA的核心原理（包括轨迹矩阵构建和主成分分析）、关键参数选择（如窗口长度m和成分数L），并通过欧元/美元汇率案例展示了该方法在去噪、周期检测和预测方面的优势，其生成的预测性移动SSA（FM-SSA）比传统移动平均线更具响应速度。最后指出SSA在非线性市场中的局限性，需结合核方法进行扩展。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

这篇文章介绍了一种基于确定性混沌理论的交易趋势确定方法（TD方法）。该方法通过分析市场供需关系，结合价格、成交量和持仓量数据，识别市场的不稳定/脆弱位置作为转折点，并利用数学方程和数字滤波技术生成交易信号。文章展示了该方法在外汇交易中的实际应用效果，声称能达到80%的成功率，并提出通过保证金杠杆可将年化收益提升至400%。但作者也指出该方法存在"短期记忆"缺陷，需配合其他方法进行验证。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

UBS的研报提出了一种基于状态空间模型和动态因子框架的盈利意外即时预测方法，通过分解企业盈利意外为特异性因素和行业共同冲击，实时整合同行业公司已发布的财报数据，动态更新未发布财报企业的盈利预测。模型利用卡尔曼滤波迭代优化，相比传统共识预测精度提升5%-20%，尤其在财报季信息密集期表现更优；同时引入市场持仓拥挤度指标，发现当模型预测处于极端分位数（如前5%）且持仓方向一致时，盈利超预期或不及预期的概率显著放大（如70%的命中率）。该框架可扩展至收入、宏观因子等多维度数据，为投资者在财报窗口期捕捉未被定价的盈利信号提供量化支持。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

摩根士丹利2025年4月1日的研究报告《波动率套利策略的时机选择——利用波动率曲面信号》探讨了如何通过分析隐含波动率曲面的特征，优化短期波动率套利策略的择时能力。研究团队从153个初始指标中筛选出30个低相关性指标，并借助弹性网络、回归树等机器学习方法，最终确定了8个核心预测指标，包括1周隐含波动率水平及其周度变化、1月与1周期限利差、前端曲度变化、隐含相关性等。研究发现，当这些指标处于极端值时（如1周隐含波动率显著升高、前端期限结构急剧倒挂或隐含相关性处于高位），波动率套利策略未来21天的超额收益概率显著提升。通过将这些信号动态应用于跨资产（股票、债券、外汇）的波动率套利组合，研究显示策略信息比率可达0.65，样本外测试（2020年后）信息比率更达到1.23，表明信号具有持续预测效力。报告还指出，当前基于波动率曲面特征的“自上而下”方法虽有效，未来结合“自下而上”的期权估值模型或可进一步优化策略表现。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai

这篇研报探讨了如何利用分形维度（Fractal Dimension）作为市场模式传感器，以判断金融市场处于趋势模式（Trend Mode）还是周期循环模式（Cycle Mode）。文章指出，市场价格具有分形特征，其自相似性可通过覆盖价格曲线的小盒子数量与尺寸关系计算分形维度值（D）。当D接近1时（如直线趋势），市场处于趋势模式，适合采用移动平均等趋势跟踪策略；当D接近2时（如密集震荡），市场处于周期模式，适合使用超买超卖摆动指标。研报细展示了分形维度的数学计算模型（含公式推导）、代码实现方案，并通过股票实例和理论正弦波测试验证了该指标的有效性。最后提出将1.4-1.6设为模糊边界区域，结合20日均线平滑处理，为交易者提供了一种量化区分市场状态的自然工具，以适配趋势跟踪或周期交易的策略选择。 欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai