华泰证券-【华泰金工林晓明团队】情绪回暖,市场回归上行周期轨道——每周观点20201129-201129

　　林晓明 S0570516010001 SFC No. BPY421 研究员 黄晓彬 S0570516070001 研究员 刘依苇 S0570119090123 联系人 王佳星 S0570119090074 联系人 报告发布时间：2020年11月29日 摘要 短期来看，11月股市情绪明显回暖，历史上12月家电指数上涨概率80% 11月股市情绪相比10月有明显回暖：上证指数、沪深300、中证500等指数换手率中枢抬升；北向资金当月净流入超500亿元，沪股通单月成交净买入额创历史新高；两融余额持续抬升；周期金融板块继续补涨，涨幅可观，有色金属行业指数涨幅超20%。从历史统计数据来看，行业收益也具有较强的日历效应，每年12月份家电行业获得正收益的概率为80%，食品饮料行业获得正收益的概率超过73%，可关注其投资机会。 中期来看，基本面数据向好，风险因素影响降低，市场或将回归上行轨道 根据11月27日最新数据滤波结果，实体经济及上证指数基钦周期均处于上行阶段，对大宗商品及股票价格有提振作用。经济数据趋势佐证周期上行趋势，工业增加值和进出口同比持续上行，PMI在荣枯线以上，社零总额等环比数据维持在较高位置，货币增速无明显下行趋势，为股市和大宗商品价格提供支撑。同时，10月底以来VIX指数快速降低，指示外部风险因素降低；欧洲二次疫情对权益市场的冲击幅度显著低于一次疫情，指示股票市场对风险因素冲击的反应逐渐钝化。随着外部风险因素影响的降低，未来资产走势或更加贴合周期上行轨道。 行业景气度跟踪：全市场景气度上升，推荐有色、国防军工、电新 在华泰金工中观基本面轮动系列报告《行业配置策略：景气度视角》（2020-11-05）中，我们结合财务报表、业绩快报、业绩预告、一致预期等多个维度数据，构建了17个景气度指标来对各行业景气状态进行月度打分（该指标景气度向好打1分，恶化打-1分，无信号打0分）。综合得分越高的行业越景气。根据2020年10月31日的最新建模结果，全市场景气度处于上升状态，超过半数行业的景气度为正。横向比较来看，景气度打分排名前五的行业分别是：有色金属、国防军工、饮料、电力设备及新能源和食品。 行业拥挤度跟踪：五个行业出现拥挤，顺周期行业拥挤度上升 我们以量价数据为基础，构建了收盘价乖离率、换手率与收盘价相关系数、成交量与收盘价的相关系数、峰度、换手率乖离率以及换手率这六项拥挤度指标，用以刻画行业指数是否存在过热交易风险。将上述指标的打分结果加总即可得到各行业的复合拥挤度打分，复合拥挤度大于零即可表明该行业处于拥挤状态，有一定的交易过热风险。上周市场维持震荡格局，行业间出现分化，顺周期行业交易热度上升。首先是石油石化、煤炭和有色金属换手率乖离率处于历史高位；银行业近60日收益率峰度处于历史低位；电力设备及新能源行业呈量价背离状态，存在一定下行风险。 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。 11月股市情绪回暖，历史上12月家电行业指数上涨概率为80% 11月股市短线情绪有所回暖，沪股通单月成交净买入额创历史新高 从11月1日开始，上证指数、深证成指、沪深300、中证500和中小板指等主要股票指数的换手率均终止了延续三个月的下行趋势，换手率中枢相比10月显著上抬，仅创业板指换手率中枢持续下行。整体来看换手率指标指示11月市场情绪出现回暖。 11月北向资金流入规模较大：沪股通成交净买入额超过380亿元人民币，为2014年12月以来单月成交净买入最高值；深股通成交净买入额超过120亿元人民币。北向资金总规模超过500亿元，接近2020年4月到6月的水平，或可说明市场情绪回暖，国际资金风险偏好提升，A股对外资的吸引力提升。 11月融资余额延续前几月的上行趋势，两融余额及其占A股流通市值比例均有所上行，说明市场交易活跃度提高，情绪略有回暖。 11月周期金融板块涨幅可观，有色金属行业指数涨幅超20% 分板块来看，11月周期金融板块持续补涨，涨幅显著高于消费和成长板块，再次确认牛市第二阶段特征。 分行业来看，有色金属、石油石化、煤炭和钢铁等典型周期行业指数11月涨幅超过10%，其中有色金属行业指数涨幅超过20%，银行和非银金融等金融行业指数涨幅分别为7.65%和6.14%，显著高于食品饮料、电子、计算机和医药等前期强势行业。 从历史统计规律来看，12月家电上涨概率超80%，食品上涨概率超73% 为了寻找市场回暖下的行业投资机会，我们对2005年至今A股各行业在12个月份的上涨概率进行了统计，发现部分行业的上涨具有较强的日历效应。其中： 1) 12月份家电行业指数上涨概率超过80%，食品饮料上涨概率超73%，石油石化上涨概率超67%。 2) 1月份多数行业上涨概率不高，其中家电和石油石化行业指数上涨概率仍是最高。 3) 2月份多数行业上涨概率较高，农林牧渔行业指数在该月上涨概率超过93%，汽车、医药、机械、电子、计算机和纺织服装等行业指数上涨概率也超过87%。 11月市场情绪回暖，12月或延续回暖趋势，在行业的选择上，可关注历史上在该月上涨概率较高的家电等行业。 中期来看，基钦周期上行提振资产价格，风险因素负面影响钝化 实体经济基钦周期上行，经济数据佐证基本面向好 根据11月27日最新数据滤波结果，以CRB指数表征的实体经济当前处于短周期和长周期上行，中周期筑顶的阶段，短周期拐点或将出现在2021年二季度。A股股指的三周期滤波则均处于上行区间，短周期顶部拐点预计将出现在2021年三季度。由此我们推测，中期内基钦周期上行能够提振大宗商品和股票价格。 经济数据中展现的趋势与周期滤波结果一致：工业增加值、进口同比和出口同比在疫情后持续上行，PMI维持在荣枯线以上，固定资产投资完成额和社零总额环比维持在2019年以来的较高位置，M0、M1和M2同比无明显下行趋势。整体来看经济基本面向好，为股市和大宗商品价格提供支撑。 市场风险水平不断下降，外部风险事件对股市冲击逐渐降低 在基本面上行的同时，外部风险因素也在逐渐降低，股票市场对风险因素冲击的反应也逐渐钝化。外部风险水平可由VIX指数衡量，10月底以来VIX指数快速降低，指示风险水平正在不断下降。 近期影响全球股票市场的主要风险因素之一是疫情，而近期随着疫情的常态化和疫苗的开发，该风险因素对于全球权益市场的影响正在逐渐钝化。2020年2月中旬到3月下旬的疫情中，欧美股指经历了22天左右的下跌，下跌幅度超过30%。而10月中下旬的欧洲疫情影响幅度超过2月，欧美股指下挫幅度多低于10%。且约翰霍普金斯大学公布的疫情数据显示，欧洲多国当前已度过第二波疫情的顶峰，每日确诊病例数逐渐降低，疫情对权益市场的影响将进一步降低，风险因素进一步缓释。 整体来看，当前风险水平逐渐降低，风险因素对资产价格走势的负面影响也逐渐降低，未来资产走势或更加贴合正常的周期运行轨道。 景气度跟踪：全市场景气度上升，推荐有色、国防军工、电新 在华泰金工中观基本面轮动系列报告《行业配置策略：景气度视角》（2020-11-05）中，我们结合财务报表、业绩快报、业绩预告、一致预期等多个维度数据，构建了17个景气度指标来对各行业景气状态进行月度打分（该指标景气度向好打1分，恶化打-1分，无信号打0分）。综合得分越高的行业越景气，全市场综合景气度大于零的行业个数越多，意味着全市场景气度越高。 根据2020年10月31日的最新建模结果，全市场景气度处于上升状态，超过半数行业的景气度为正。横向比较来看，景气度打分排名前五的行业分别是：有色金属、国防军工、饮料、电力设备及新能源和食品。 行业拥挤度跟踪：五个行业出现拥挤，顺周期行业拥挤度上升 在前期报告《拥挤度指标在行业配置中的应用》（2020-02-09）中，我们从控制交易风险的角度出发，构建拥挤度指标对各行业的交易过热风险进行衡量。具体而言，我们以量价数据为基础构建六个单项行业拥挤度指标，并进一步合成复合指标。复合拥挤度指标大于零即可表明该行业处于拥挤状态。历史统计来看，出现拥挤信号的行业在未来一个月出现下跌可能性较大，建议降低仓位。 上周市场维持震荡格局，行业间出现分化，顺周期行业交易热度上升，石油石化、煤炭、有色金属以及银行业开始出现拥挤现象：首先是石油石化、煤炭和有色金属行业资金流入较多，换手率乖离率处于历史高位；银行业近日收益率分布存在异常，近60日收益率峰度处于历史低位；此外电力设备及新能源行业呈量价背离状态，存在一定下行风险。 资金面跟踪：北向资金净流入，非银、家电行业净流入最多 上周北向资金净流入，单周净流入168.50亿元。净流入最多的行业分别是非银金融（31.93亿元）、家用电器（23.97亿元）、电气设备（22.96亿元），净流出最多的行业是食品饮料（-10.24亿元）、建筑材料（-8.44亿元）、计算机（-8.24亿元）。 风险提示： 1、模型根据历史规律总结，历史规律可能失效。 2、金融周期规律被打破。 3、市场出现超预期波动，导致拥挤交易。 免责声明与评级说明 公众平台免责申明 本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究咨询服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。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。 本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。 本公众号内容基于华泰证券认为可靠的信息编制，但华泰证券对该等信息的准确性、完整性及时效性不作任何保证，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任何人的投资建议。订阅者不应单独依靠本订阅号中的内容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。订阅者若使用本资料，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所有，未经华泰证券书面许可，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。华泰证券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。 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】企业间力的产生、传播和作用效果——华泰周期起源系列研究之八 【华泰金工林晓明团队】耦合振子同步的藏本模型——华泰周期起源系列研究之七 【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】不确定性与缓冲机制——华泰周期起源系列研究报告之五 【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】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】行业配置策略：景气度视角——华泰中观基本面轮动系列之八 【华泰金工林晓明团队】行业配置策略：趋势追踪视角——华泰中观基本面轮动系列之七 【华泰金工林晓明团队】行业配置策略：宏观因子视角——华泰中观基本面轮动系列之六 【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 【华泰金工林晓明团队】行业全景画像：风格因子视角 ——华泰中观基本面轮动系列之三 【华泰金工林晓明团队】行业全景画像：宏观因子视角 ——华泰中观基本面轮动系列之二 【华泰金工林晓明团队】确立研究对象：行业拆分与聚类——华泰中观基本面轮动系列之一 行业轮动 【华泰金工林晓明团队】不同协方差估计方法对比分析（二）——华泰行业轮动系列报告之十三 【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 Smart Beta——华泰 Smart Beta 系列之四 【华泰金工林晓明团队】投资优质股票：红利类Smart Beta——华泰Smart Beta系列之三 【华泰金工林晓明团队】博观约取：价值和成长Smart Beta——华泰Smart Beta系列之二 【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】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】WGAN生成：从单资产到多资产——华泰人工智能系列之三十八 【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七 【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六 【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五 【华泰金工林晓明团队】再探AlphaNet：结构和特征优化——华泰人工智能系列之三十四 【华泰金工林晓明团队】数据模式探索：无监督学习案例——华泰人工智能系列之三十三 【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 基金评价 【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法 【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力 【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金 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