《金融工程及量化分析在投资实践中的运用》实训课程顺利结束

▲ 金融学院副院长曹啸教授主持并致辞

开课第一天，上海财经大学金融学院副院长曹啸教授主持并致辞，首先对牵头策划与组织本次课程的校友们表达了衷心感谢，感谢各位业内老师凭借其深厚的行业洞察力和卓越的专业能力，为学生带来了一系列贴合行业实际、走在行业前沿且框架完整的实操实践课程，并勉励同学们抓住机会、汲取知识，有所收获。

随后，本次课程策划组织校友代表对学生进行寄语，校友结合自身从业经验与自己多年人才选拔经验表示，金融是一门需要将理论与实践相结合的学科，本次实训课程将帮助同学提升学习能力、动手能力及创新能力，在AI的背景下，这些能力尤为重要。希望大家通过课程的学习，能有效提高分析能力和决策技能，为其未来的金融职业生涯提供坚实的支持。

10月19日上午，由国盛证券研究所量化研究首席分析师、上海财经大学校友林志朋带来《探索多资产多策略的中国解决方案》主题课程分享。在课程中与同学们深入探讨了在经济周期中如何进行资产定价和组合管理，特别关注尾部风险的处理，内容涵盖广泛的金融策略和实践知识，尤其是在中国市场中的应用。

课程伊始，林校友向大家介绍了国内资产配置的策略和挑战，详细解释了在中国市场进行资产配置的特点和约束，包括对名义收益性资产、实际收益型资产、损耗型资产的分析。此外，还讨论了如何管理Beta，比较了中美股债资产的配置价值以及如何评估和利用市场中的风险溢价。

接着，林志朋校友从戈登模型出发的股票赔率对权益赔率与债券赔率指标进行了深入介绍包括如何处理盈利的不稳定性，以及当利率接近零时ERP指标的变化。此外，课程还详细说明了如何利用期权来推算隐含的股权风险溢价，以及如何从跨国资金的视角观察人民币资产的风险溢价。 随后，林校友指出了宏观经济因素分析的重要性，向大家展现了哪些宏观因子是关键，如何使用 PCA 方法寻找宏观风险因子以及如何应用宏观风险框架来进行组合的事后宏观分析。

最后，林校友提供了宏观胜率评分卡的方法论，用于通过宏观预测与盈利预测的差异来定义宏观动量、超预期和预期修正，构建赔率增强型策略。同时与大家分享了债券和权益赔率指标的应用，如何在低利率环境下寻找投资机会以及如何运用宏观经济数据来指导投资决策。

10月19日下午，由国盛证券研究所金融工程分析师杨晔带来《行业配置框架的系统性思考与落地》主题课程分享。课程内容旨在深入探讨行业配置的高级策略与实际应用，提升同学在金融行业中的实际操作和决策制定能力。

首先杨晔老师详细介绍了行业配置的理论框架，包括景气度分析、趋势追踪及拥挤度分析等关键指标。同时与同学深入分析了主动管理中遇到的挑战，如beta寻找难和alpha衰退问题，并提供了解决方案，包括右侧趋势跟踪技术和精确的行业选择方法。

接着，在“行业配置框架的落地实践”实际操作教学中，杨晔老师提出了结合“景气度+趋势”和“趋势+拥挤度”两个策略进行行业轮动的方法。通过案例研究，清晰地展示了这些策略在市场中的应用以及如何优化投资组合以控制风险。

最后，杨晔老师还与大家探讨了行业配置在不同场景下的应用，包括主动投资组合、固收+策略、行业ETF配置及指数增强产品的实践。每个应用场景都提供了详细的实施策略和分析模型，使大家能够深入理解并应用于实际金融决策中。

10月19日下午，由国盛证券研究所金融工程分析师、上海财经大学校友张国安带来《量化 FOF 研究之基金投资实战》主题课程分享。本主题专注于基金投资的定性和定量研究方法，以及基金投资组合的构建和管理。

首先张国安校友详细介绍了FOF（基金中的基金）投资研究的基本框架，包括定性和定量分析的细节和应用。接着，张国安校友生动讲解了主动股票基金的交易能力评价方法，特别是传统的基于return gap的评价方法以及先进的ATW方法，并通过华商新趋势优选和中泰星元价值优选A基金的案例，展示了如何评价基金的交易能力。

接着，张国安校友全面解读了如何识别和分析公募基金市场的领先者与独行者。张校友介绍了基金因子构建、分类和“抄作业”策略，并展示了如何通过因子预测来构建成功的FOF策略，如“成功独行者50组合”。 随后，张校友展现了制作基金经理的负面清单的方法和重要性，包括如何通过基金经理的跳槽频率、在管规模、业绩回撤等指标来评估其风险。通过从基金经理层面进行深入研究，并使用事件驱动的逻辑方法来进行分析。

课程最后，张校友给同学们分享了FOF投资小工具，如ETF基金池的使用，旨在提供给同学实际操作基金投资的工具和技巧。

10月20日上午，由国盛证券研究所金融工程分析师、上海财经大学校友沈芷琪带来《基于市场微观交易行为的量价因子研究》主题课程分享。本主题专注于市场微观交易行为对量价因子的影响，并且结合经济学相关理论和实际数据，深入挖掘分析量价因子的潜在价值。

沈芷琪校友首先指出了传统波动率因子的局限性，即忽略了日内不同时间段的差异性信息，提出通过构建分时段特质波动率并结合回归分析，以提取更有效的增量因子。此外，沈校友还探讨了日内不同交易时段投资者结构的显著差异，以及如何通过量稳换手率因子等新概念来改进传统因子。

接着，沈校友进一步分析了主力资金的交易行为，解释了如何识别主力资金并构建净支撑量因子，以及如何结合羊群效应来构建因子。在高频数据的分析中，他提出了成交不平衡因子，并创新性地区分了孤立与非孤立成交单，为量价因子的研究提供了新视角。

课程最后，沈校友为同学们留下了五道思考题，并总结了基于市场微观交易行为的量价因子研究的关键点，强调了理论框架的重要性。他鼓励同学们在金融工程实践学习中，不仅要关注数据和模型，更要深入理解背后的经济学逻辑。

10月20日上午，由国盛证券研究所金融工程分析师、上海财经大学校友缪铃凯带来《深度学习在量化选股中的应用》主题课程分享。本主题探讨了深度学习技术在量化选股领域的创新应用，特别是在基本面因子遭遇大面积回撤的背景下，如何利用深度学习模型实现选股策略的新突破。

缪铃凯校友首先分析了基本面因子失效的现象，并指出这与市场风格变化的高度相关性。他提出，可以通过深入探索财报中的新指标、采用贝塔策略，以及结合AI模型来寻找量化选股的新路径。同时详细介绍了深度学习模型的构建过程，包括数据预处理、特征提取和模型训练，并强调了在这一过程中数据和特征工程的重要性。

接着，缪铃凯校友与同学们一起探讨了如何通过调整模型参数和结构来提升模型绩效，并介绍了如何利用神经网络模型从量价数据中提取有效信息。他特别提到了基于LSTM模型架构，探讨了如何通过引入基本面因子和图注意网络（GAT）来进一步优化模型，构建更为精确的量化选股策略。

最后，缪校友展示了如何利用不同的数据集和模型架构来提取因子，并比较了这些因子在不同股票池中的表现。他通过实例说明了如何通过模型的细微调整来显著提升选股策略的绩效，如通过引入行业图和风格图信息来增强因子的预测能力。

10月20日下午， 继续 由国盛证券研究所金融工程分析师、上海财经大学校友缪铃凯为同学们带来第六讲《主动量化选股与另类数据》主题课程分享，继上午深入探讨量价因子研究之后，下午的课程中聚焦于主动量化选股策略，并引入了另类数据源。

首先，缪铃凯校友表示自2021年末上市以来，增强ETF的规模与数量不断扩大，且能够实现每年稳定战胜基准指数的目标。不同于场外指数增强基金每季度披露投资报告，增强ETF每日公告中的购赎回清单，可以对其当前持仓情况一窥究竟。分析表明PCF“清单权重”无论在持仓明细还是净值走势都能良好还原增强ETF本身。

接着，在另类数据的应用方面，缪校友与同学们重点探讨了政府补助对股票表现的影响。他详细介绍了政府补助的披露规则，并分析了非经常性政府补助存在的行业差异。缪校友通过构建补助支持度和利润依赖度两个指标，展示了如何从财报中提取有价值的投资信息。

最后，缪校友还分享了小盘价值股选股策略，并详细介绍了策略的构建过程。他强调了超预期选股策略的重要性，并捕捉专业投资者行为中的阿尔法。并通过分析师超预期分析，展示了如何利用另类数据源来增强量化选股模型的预测能力。