华泰柏瑞沪深300ETF[0.000.00%]（510300）到底能不能日内t+0，有没有门槛，有，最低要多少？

可以T+0 但是必须是买入成份股再转换成基金份额，当天转换的份额，可以赎回，如果不是用成份股转换的份额（就是认购）那是不能当天赎回的，必须T+1才能赎回。

华泰柏瑞沪深300ETF现在已经上市交易了，你可以当成普通股票一样来买卖，佣金跟你的股票交易一样（每笔最少五元）

请问想买华泰柏瑞沪深300ETF,谁知道这家公司的背景?在基金公司中的排来自名?

华泰柏瑞基金管理有限公司（以下简称：华泰柏瑞基金）是一家中外合资基金管理公司（原友邦华泰基金管理有限公司），公司股东为华泰证券股份有限公司、柏瑞投资有限责任公司、苏州新区高新技术产业股份有限公司。公司于2004年11月18日正式成立，现注册资本人民币2亿元，总部位于上海，下设北京和深圳分公司。公司经营范围包括基金管理业务、发起设立基金及中国证监会批准的其他业务。它的红利ETF在2012年由《上海证券报》举办的第九届中国“金基金”奖的评选中荣获2010年度一年期“金基金-指数基金奖”。华泰柏瑞沪深300ETF,适合中长线持有，郭**之前一系列政策都表明了力挺蓝筹。

嘉实来自沪深300ETF和华泰给柏瑞沪深300ETF的交三举婷价旧易规则是怎样的，可以做空吗，太底级鲜映语谢谢

交易规则详情可以参考ETF交易规则，在融资融券中可以做空。

嘉实沪深300ETF与华泰柏瑞沪深300ETF是什么意思

嘉实沪深300etf与华泰柏瑞沪深300etf都是同一类基金,都是各自独立的基金公司!沪深300etf是基金公司的经营标的代称;这类基金只跟踪买卖沪深300成分股票,基民买这类基金等于把钱给基金公司打理,等于让基金公司帮助自己选择买卖沪深300股票,主要特点是:指数涨就赚钱,指数跌就赔钱!如果对你有帮助,望采纳评价!

什么是跨市场etf

ETF是场内交易的指数基金，所谓跨市场交易是用一揽子股票换取基金份额套利的方式。

华泰和嘉实将分别推出沪深300etf，这两家在套利和结算机制等方面有什么不同？求详细解释。看情况追加分数

套利也叫价差交易，套利指的是在买入或卖出某种电子交易合约的同时，卖出或买入相关的另一种合约。套利交易是指利用相关市场或相关电子合同之间的价差变化，在相关市场或相关电子合同上进行交易方向相反的交易，以期望价差发生变化而获利的交易行为。套利交易模式总结为4大类型，分别为：股指期货套利、商品期货套利、统计和期权套利。股指期货：股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限、不同（但相近）类别股票指数合约交易，以赚取差价的行为。股指期货套利分为期现套利、跨期套利、跨市套利和跨品种套利。商品期货：与股指期货对冲类似，商品期货同样存在套利策略，在买入或卖出某种期货合约的同时，卖出或买入相关的另一种合约，并在某个时间同时将两种合约平仓。在交易形式上它与套期保值有些相似，但套期保值是在现货市场买入（或卖出）实货、同时在期货市场上卖出（或买入）期货合约；而套利却只在期货市场上买卖合约，并不涉及现货交易。商品期货套利主要有期现套利、跨期对套利、跨市场套利和跨品种套利4种统计：有别于无风险套利，统计套利是利用证券价格的历史统计规律进行套利的，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计对冲的主要思路是先找出相关性最好的若干对投资品种（股票或者期货等），再找出每一对投资品种的长期均衡关系（协整关系），当某一对品种的价差（协整方程的残差）偏离到一定程度时开始建仓——买进被相对低估的品种、卖空被相对高估的品种，等到价差回归均衡时获利了结即可。统计对冲的主要内容包括股票配对交易、股指套利、融券对冲和外汇套利交易。期权：期权（option）又称选择权，是在期货的基础上产生的一种衍生性金融工具。从其本质上讲，期权实质上是在金融领域将权利和义务分开进行定价，使得权利的受让人在规定时间内对于是否进行交易行使其权利，而义务方必须履行。在期权的交易时，购买期权的一方称为买方，而出售期权的一方则称为卖方；买方即权利的受让人，而卖方则是必须履行买方行使权利的义务人。期权的优点在于收益无限的同时风险损失有限，因此在很多时候，利用期权来取代期货进行做空、套利交易，会比单纯利用期货套利具有更小的风险和更高的收益率

什么叫沪深300ETF，以前有吗，有什么区别

历经五年筹备，资本市场万众瞩目的跨市场ETF——沪深300ETF“千呼万唤始出来”。华泰柏瑞基金、嘉实基金26日分别宣布，华泰柏瑞沪深300ETF和嘉实沪深300ETF已获证监会批复，将于近期发行。这两只ETF分别由沪深交易所联合两家基金公司开发推出，华泰柏瑞沪深300ETF将在上交所上市，嘉实沪深300ETF则将于深交所上市。华泰柏瑞沪深300ETF采用“沪市实物申赎+深市现金替代”的方式，即对约占指数权重75%的沪市股票采用实物申赎，对约占指数权重25%的深市股票由基金公司即时替投资者进行实时代买入。在此基础上，这只ETF可基本保持原有单市场ETF“T+0”的特点，即T日买入的股票T日可以即时用于申购，T日申购的ETF可T日即时实时卖出；同样，T日买入的ETF在T日可以即时赎回，T日赎回得到的股票可T日实时卖出。除了T日申购且T日未卖出的ETF份额，须等T+1日清算交收完成后T+2日方可卖出和赎回之外，其余均与单市场ETF一致。嘉实沪深300ETF则采用场外实物申赎的模式，在沪深两个交易所上市的组合证券都采用实物申赎ETF份额，申赎指令T+1日确认，申购份额及赎回所得证券T+2日可用。不过，借助于融资融券机制，在考虑相关成本的前提下，嘉实沪深300ETF也可以实现一、二级市场的瞬时套利和期现市场间的套利。

嘉实沪深300ETF与华泰柏瑞沪深300ETF是什么意思？

ETF就是指数基金！你说的这样两个ETF是我国指数基金的新品种！前者是嘉实基金公司发行，后者是华泰公司发行！它们以沪深300指数范围之内的股票为投资对象，其基金净值波动轨迹与沪深300指数运行轨迹基本同步，它们是目前普通投资者较好的投资品种之一！至于怎么玩法，建议最好采取每月定投，这样特别适合工薪阶层的年轻人！

华来自泰柏瑞沪深300ETF在二级市场的交易和买卖股票一样操作简单吗？

华泰柏瑞沪深300ETF在上海复证券交易制所挂牌上市，像股票一样持续交易，投资人可以根据即时揭示的交易价格进行实时买卖。此外，上海证券交易所的交易结算实行净额交收，投资者当日卖出华泰柏瑞沪深300ETF的资金T日可以在交易所市场继续使用，资金次日到账。华泰柏瑞沪深300ETF在二级市场的交易规则与股票和封闭式基金一样，如当日买入的基金份额T+1日可卖出，并可适用大宗交易的相关规定等。

【华泰金工林晓明团队】今年IR-沪深300选股超额7.78%——人工智能选股周报20200816

林晓明  S0570516010001   研究员

陈  烨  S0570518080004    研究员

李子钰  S0570519110003   研究员

报告发布时间：2020年8月16日

摘要

今年IR-沪深300选股（信息比率为标签，沪深300内选股）超额7.78%

今年IR-沪深300选股（信息比率为标签，沪深300内选股）超额收益为7.78%。今年以来双周频调仓的“遗传规划+随机森林”模型表现较好，换手率限制为60%的情况下，该模型上周超额收益为-0.35%，最近一个月超额收益为2.36%，今年以来超额收益为14.50%。

全A选股模型中，今年以来收益率为标签的模型表现最好

全A选股模型中，收益率为标签的模型上周超额收益为-0.38%，最近一个月超额收益为0.64%，今年以来超额收益为11.34%。信息比率为标签的模型上周超额收益为-0.87%，最近一个月超额收益为0.74%，今年以来超额收益为5.97%。Calmar比率为标签的模型上周超额收益为-0.31%，最近一个月超额收益为1.37%，今年以来超额收益为10.79%。等权集成模型上周超额收益为-0.92%，最近一个月超额收益为0.71%，今年以来超额收益为8.49%。

沪深300成份内选股模型中，今年以来信息比率为标签的模型表现最好

沪深300成份内选股模型中，收益率为标签的模型上周超额收益为0.53%，最近一个月超额收益为1.4%，今年以来超额收益为3.3%。信息比率为标签的模型上周超额收益为0.73%，最近一个月超额收益为2.56%，今年以来超额收益为7.78%。Calmar比率为标签的模型上周超额收益为0.31%，最近一个月超额收益为1.81%，今年以来超额收益为5.82%。等权集成模型上周超额收益为0.47%，最近一个月超额收益为1.79%，今年以来超额收益为5.96%。

中证500成份内选股模型中，今年以来收益率为标签的模型表现最好

中证500成份内选股模型中，收益率为标签的模型上周超额收益为-0.17%，最近一个月超额收益为1.44%，今年以来超额收益为7.66%。信息比率为标签的模型上周超额收益为0.09%，最近一个月超额收益为0.34%，今年以来超额收益为3.46%。Calmar比率为标签的模型上周超额收益为-0.56%，最近一个月超额收益为0.28%，今年以来超额收益为-1.41%。等权集成模型上周超额收益为-0.02%，最近一个月超额收益为0.62%，今年以来超额收益为2.9%。

今年公募中证500指数增强基金平均超额收益为7.36%

截至2020年8月14日公募沪深300指数增强基金上周平均超额收益为0.44%，最近一个月平均超额收益为1.22%，今年以来平均超额收益为4.6%。公募中证500指数增强基金上周平均超额收益为-0.53%，最近一个月平均超额收益为1.37%，今年以来平均超额收益为7.36%。

今年以来CTA私募基金收益率中位数为20.15%

截至2020年8月7日，今年以来，股票多空类私募基金收益率中位数为24.99%，宏观对冲类私募基金收益率中位数为24.24%，阿尔法策略类私募基金收益率中位数为16.18%，沪深300增强私募基金收益率中位数为17.48%，中证500增强私募基金收益率中位数为27.08%，CTA私募基金收益率中位数为20.15%。有投资顾问的沪深300增强私募基金和中证500增强私募基金超额收益率中位数分别为8.32%和19.48%。无投资顾问的沪深300增强私募基金和中证500增强私募基金超额收益率中位数分别为2.27%和0.04%。

风险提示：通过人工智能模型构建选股策略是历史经验的总结，存在失效的可能。

遗传规划+随机森林”模型近期表现

本章对《华泰人工智能系列之28——基于量价的人工智能选股体系》(2020.2.18)中的“遗传规划+随机森林”模型进行跟踪，模型流程图如图表1所示。

我们使用模型构建月频调仓和双周频调仓的中证500增强策略，展示不同换手率控制情况下策略的表现。模型近期超额收益情况如图表2和图表3所示。

模型自2011年2月回测以来的超额收益情况和回测绩效如图表4~图表7所示。

图表8展示了模型中重要性排名前十的因子

另类标签和集成学习模型近期表现

本报告所涉及的所有机器学模型的详细介绍，可参见华泰人工智能系列报告：

本章对《华泰人工智能系列之29——提升超额收益：另类标签和集成学习》(2020.3.19)中的模型进行跟踪，包含以下三个股票池内模型：

1.全A选股(中证500行业市值中性)

2.沪深300成份内选股(沪深300行业市值中性)

3.中证500成份内选股(中证500行业市值中性)

每个股票池内都构建以下四个模型：

1.收益率为标签的Boosting模型。

2.信息比率为标签的Boosting模型。

3.Calmar比率为标签的Boosting模型。

4.集成模型：以上三类模型等权集成。

模型近期超额收益情况如图表9~图表11所示。

模型自2011年2月回测以来的超额收益情况和回测绩效如图表12~图表17所示。

公募指数增强基金近期表现

我们选取公募基金旗下的34只沪深300指数增强基金和24只中证500指数增强基金，分析指数增强产品的业绩表现。图表18展示了近期沪深300指数增强基金和中证500指数增强基金按规模加权的平均超额收益情况。

图表19和图表20展示了规模排名前5的沪深300指数增强基金和中证500指数增强基金。

私募基金近期表现

以2020年8月7日为最近取得净值的时间，我们选取Wind数据库中以下6类私募基金：

1.股票多空：“投资策略”为“股票多空”的私募基金，共62只。

2.宏观对冲：“投资策略”为“宏观对冲”的私募基金，共97只。

3.阿尔法策略：“投资策略”为“阿尔法策略”的私募基金，共121只。

4.沪深300增强：“简称”包含“沪深300”关键字的股票型私募基金，共8只。

5.中证500增强：“简称”包含“中证500”关键字的股票型私募基金，共164只。

6.CTA：“简称”包含“CTA”关键字的私募基金，共65只。

图表21展示了近期以上5类私募基金的收益率中位数情况。

对于中证500增强基金和沪深300增强基金，我们再将其划分为以下两类：

1.有投资顾问：“投资顾问”字段非空的基金。

2.无投资顾问：“投资顾问”字段为空的基金。

图表22和图表23展示了有、无投资顾问的私募中证500增强基金和沪深300增强基金的超额收益中位数情况。

风险提示

通过人工智能模型构建选股策略是历史经验的总结，若市场规律改变，存在失效的可能。人工智能模型可解释程度较低，归因较困难，使用须谨慎。本报告对基金历史数据进行梳理总结，不构成任何投资建议。

免责声明与评级说明

公众平台免责申明

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】2020年中国市场量化资产配置年度观点——周期归来、机会重生，顾短也兼长20200121

【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日，大周期赢未来20200116

【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法

【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022

【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826

【华泰金工林晓明团队】如何有效判断真正的周期拐点？——定量测度实际周期长度提升市场拐点判准概率

【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506

【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

周期起源

【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六

【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四

【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三

【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二

【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一

FOF与金融创新产品

【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究

【华泰金工】生命周期基金GlidePath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】波动率与换手率构造牛熊指标——华泰金工量化择时系列

【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

中观基本面轮动

【华泰金工林晓明团队】行业全景画像：投入产出表视角——华泰中观基本面轮动系列之五

【华泰金工林晓明团队】行业全景画像：改进杜邦拆解视角——华泰中观基本面轮动系列之四

行业轮动

【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二

【华泰金工林晓明团队】基于投入产出表的产业链分析——华泰行业轮动系列报告之十一

【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十

【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九

【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【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】重剑无锋：低波动SmartBeta——华泰SmartBeta系列之四

【华泰金工林晓明团队】投资优质股票：红利类SmartBeta——华泰SmartBeta系列之三

【华泰金工林晓明团队】博观约取：价值和成长SmartBeta——华泰SmartBeta系列之二

【华泰金工林晓明团队】SmartBeta：乘风破浪趁此时——华泰SmartBeta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】华泰单因子测试之历史分位数因子——华泰多因子系列之十三

【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】AlphaNet：因子挖掘神经网络——华泰人工智能系列之三十二

【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一

【华泰金工林晓明团队】从关联到逻辑：因果推断初探——华泰人工智能系列之三十

【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九

【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八

【华泰金工林晓明团队】揭开机器学习模型的“黑箱”——华泰人工智能系列之二十七

【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六

【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五

【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四

【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三

【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