【华泰银行+金工】银行业转型变迁，板块投资价值显——兼评天弘银行ETF投资价值

来源：华泰金融工程

沈   娟    S0570514040002    研究员

             SFC No. BPN843

蒋昭鹏    S0570520050002    研究员

林晓明    S0570516010001    研究员

             SFC No. BPY421

何   康    S0570520080004    研究员

报告发布时间：2020年12月3日

摘要

核心观点

本文梳理银行板块投资机会，分析中证银行指数及天弘银行ETF投资价值。银行基本面步入新阶段，四大行业变迁孕育投资新机遇；国际化、机构化、被动化三大趋势助推估值上升，我们认为银行业具有中长期投资价值。中证银行指数覆盖中证银行分类下全部银行股，相较于可比指数长期回撤小，防御属性强；2020年9月以来表现亮眼，顺周期行情下具备不错的进攻属性；同时具有低估值高分红特点，分红再投资带来的复利效应显著。天弘银行ETF（基金代码：515290；认购代码：515293）跟踪中证银行指数，于12月7日发行，募集期1天，是投资银行板块的重要工具化产品。

银行：行业变迁彰显活力，基本面步入新阶段

银行基本面步入新阶段，四大行业趋势孕育投资新机遇。2019年初提出金融供给侧改革后，银行业面临特色化、零售化、轻型化、综合化等四大变化趋势，创造广阔发展空间。伴随宏观经济修复，银行已步入利润增长压力减轻、息差逐渐企稳、总资产增速保持较高、信用成本有望下降的新阶段。近期区域性银行、股份行、大行板块开启轮涨行情，反映市场对银行股信心强力修复。国际化、机构化、被动化三大趋势助推估值上升，我们认为银行业具有中长期投资价值。银行板块建议重点关注四类优质银行：零售银行、特色中小行、财富管理银行、综合化银行。

中证银行指数偏重大市值风格，防御属性强，9月以来表现亮眼

中证银行指数（指数代码：）成份股为中证银行分类下的全部36只银行股（截至2020年11月30日）。与其它金融类指数相比，中证银行指数仅覆盖银行业，属性纯粹且以大市值股票居多，市值在1000亿以上的公司数量占比47.2%，权重占比86.6%。自2013年7月15日指数发布至2020年11月30日，中证银行指数年化波动率和最大回撤接近或低于其它金融类指数和主要宽基指数，具有较强防御属性。9月以来市场风格切换，银行板块表现亮眼，收益优于其它金融类指数及主要宽基指数，在顺周期行情下展现出不错的进攻属性。

中证银行指数估值低，分红高，复利效应显著

中证银行指数具有低估值高分红的特征。截至2020年11月30日，与自身历史水平比较，中证银行指数的市盈率PE（ttm）和市净率PB（lf）分别处于指数发布以来的80.5%和10.0%分位数；与其它申万一级行业比较，银行行业市盈率和市净率均为最低，具备一定安全边际。银行行业股息率为4.41%，高于其它一级行业，且现金分红总额和股息支付率自2016年以来逐年上升。自指数发布以来，由指数分红再投资带来的复利收益累计达到57.4%，同期沪深300为36.4%。

天弘银行ETF跟踪中证银行指数，于12月7日募集

天弘中证银行交易型开放式指数证券投资基金（基金代码：515290；认购代码：515293），场内简称银行TH，该基金属于上交所跨市场股票ETF，标的指数为中证银行指数，募集期为2020年12月7日。天弘银行ETF拟任基金经理为陈瑶女士。统计跟踪中证银行指数的公募基金被动指数型产品，截至2020年9月30日，天弘中证银行指数A/C（场外基金，基金代码：001594/001595）合计规模为85.94亿元，居全市场首位。若天弘中证银行ETF发行，天弘中证银行指数A/C或将转为ETF联接基金并装入天弘中证银行ETF中，规模可期。

风险提示：经济下行持续时间超预期。资产质量恶化超预期。本报告对历史数据进行梳理总结，历史结果不能简单预测未来，规律存在失效风险。报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待。指数基金存在跟踪误差。

报告正文

银行板块：行业变迁彰显活力，基本面步入新阶段

银行基本面步入新阶段，四大行业趋势孕育投资新机遇。2019年初提出金融供给侧改革后，银行业顺应时代机遇，正焕发出新活力，特色化、零售化、轻型化、综合化四大趋势创造更广阔发展空间。伴随宏观经济修复，银行已步入利润增长压力减轻、息差逐渐企稳、总资产增速保持较高、信用成本有望下降的新阶段。近期区域性银行、股份行、大行板块开启轮涨行情，反映市场对银行股信心强力修复。国际化、机构化、被动化三大趋势助推估值上升，我们认为银行业具有中长期投资价值。银行板块建议重点关注四类优质银行：零售银行、特色中小行、财富管理银行、综合化银行。

迎来四大行业趋势，业务转型空间广

银行业顺应时代趋势，正焕发出新活力。我们认为银行业正面临四大变化：特色化、零售化、轻型化、综合化，行业变迁孕育着投资机遇。

特色化：引导中小银行数量及业务比重提升，特色中小银行前景光明。提升中小银行的机构数量和业务比重是金融供给侧改革提出的要求，中小银行作为服务小微企业的主体，疫情以来得到持续的政策支持，包括再贷款、延期还本付息、小微信用贷款支持工具等。2019年9月以来金融委在多次会议中提及支持中小银行多渠道补充资本，并于2020年7月推出专项债补充资本的渠道。目前银保监会已批准常熟银行、中国银行（维权）设立投资管理型村镇银行。我们认为持续的定向政策支持利好坚守本源、经营稳健的优质中小银行，提升其服务中小微企业的质效，有核心竞争力的特色中小银行经营有望更上层楼。

零售化：双循环格局驱动消费需求升级，监管引导金融活动统一监管，银行零售转型前景可期。2014年以来消费已成为拉动我国经济增长的主要驱动力，国内国际双循环背景下，消费贷款规模有望受政策端、需求端和互联网发展的驱动，保持较快增长。在此背景下，银行大力推动零售业务转型。2016年以来，上市银行零售贷款占总贷款比例逐步提升，2019年末达到41%，2020年以来受疫情影响，零售贷款占比有一定下滑，但二季度以来投放已逐步恢复。2020年11月网络小贷新规征求意见稿发布，网络小贷公司的监管力度与银行业金融机构趋同，金融统一监管趋势下，持牌金融机构有望迎来更公平的竞争环境。我们认为随着消费需求升级、金融统一监管，银行业零售转型趋势有望持续。

轻型化：国内银行财富管理成长空间较大，数字支付利于客户流量与资金沉淀。在利率市场化、向实体经济让利的背景下，银行的利差收入空间处于收窄通道。而双循环背景下，居民财富有望向多元金融资产配置转移，促使银行发力财富管理和私人银行，转向轻资本业务。对标海外银行，国内银行财富管理成长空间较大。目前银行理财子公司陆续开业，可通过提升产品创设能力，更好的服务零售财富客户。支付业务资本占用少，也是轻型化的主要路径之一。支付围绕日常场景获取客户，在积累流量、增强客户粘性之后，再对存贷、财富管理等业务实现引流，最终形成综合金融生态闭环，自然沉淀的客户资金也利于降低负债端成本。国有大行凭借广泛的客户流量和资源优势实现了支付业务的快速突破。

综合化：银行迈向综合化经营，与子公司形成协同联动。利率市场化的深入推进导致银行传统利差收入收窄，同时我国产业结构转型、居民消费升级等外部趋势带来了更为多元化的金融需求，在此背景下，银行业逐步迈向综合化经营是大势所趋。目前银行业开展综合化经营的主要路径包括开设保险、基金、金融租赁、消费（汽车）金融、理财、金融科技等子公司。综合化经营有利于拓宽银行收益来源、分散经营风险，并能够与母行产生协同效应与规模经济，通过为客户提供综合化金融服务从而增强客户粘性，提升核心竞争力。目前部分优秀的区域性中小银行凭借着因地制宜的特色经营策略，在综合化经营上走出了一条差异化之路，子公司的全国性牌照提升母行业务天花板，业务快速放量赋能母行。

量价平稳质量改善，利润增速逐步修复

贷款利率企稳，息差压力明显缓释。随宏观经济回暖带动实体融资需求恢复，银行对贷款利率的议价能力提升，9月新发放贷款加权平均利率5.12%，较6月+6bp。新发放贷款利率回升有望带动银行生息资产收益率企稳。虽然资产收益率在2021年初有贷款重定价压力（主要为按揭贷款的一次性重定价），但我们认为市场对此已有充分预期。我们预计其后资产端收益率有望企稳回升。负债端，虽然同业负债成本边际上行，但宏观经济修复为对公活期存款提供了增长动能，叠加结构性存款等高息产品持续压降，负债端有望保持相对稳定，尤其是存款基础较好的银行。息差压力明显缓释破除了市场对银行利润空间持续收窄的担忧情绪。

资产增速保持高位，零售贷款投放持续复苏。2020年以来，为支持抗疫与复工复产，监管层鼓励银行加大贷款投放力度，并保持流动性较为充裕，上市银行资产规模同比增速较高。疫情导致今年新增的贷款中对公存款的比例较高，零售贷款投放较缓。虽然下半年零售贷款投放有所恢复，但在贷款组合中的比例仍较往年存在一定差距。2020年1-10月新增零售贷款占比为37.7%，较2018、2019年同期仍有6pct左右的差距，说明零售贷款投放仍处恢复进程中，未来有望恢复至往年同期水平。我们预计2021年对公贷款投放保持基本稳定、零售贷款投放继续复苏，综合来看贷款及总资产增速有望保持在较高水平。

2020年提前计提了充足的拨备，为后续信用风险减轻奠基。2020年上市银行普遍加大拨备计提力度，1-9月上市银行信用减值损失同比+32.7%。9月末上市银行拨备覆盖率达到217%，显著超过监管要求（120%-150%不等，其中中小银行阶段性降至100%-130%），风险抵御能力较强。大力拨备计提使得2020H1拨备前利润与归母净利润同比增速之差达到2012年以来的最大值，部分银行净利润负增长。但三季度以来，拨备计提力度已逐渐回归常态化，1-9月上市银行信用减值损失同比增速已较1-6月-5.8pct。我们认为大部分上市银行后续风险压力不大，一方面龙头银行以优质大型对公客户为主要客群，受疫情冲击较小；另一方面零售贷款风险出清已步入后期，零售转型领先的上市银行风险压力最大时点也已过去。计提了充足的减值准备为2021年的信用成本改善奠定了基础。

估值处于历史底部，轮涨彰显信心修复

估值处于历史底部，板块内部轮涨彰显市场信心修复。截至2020年11月30日，银行板块PB(LF)估值仅为0.76倍，2010年以来的分位数为7%，估值处历史低位。8月以来各类银行轮涨，从杭州银行、成都银行等业绩较好的城商行，到平安银行、招商银行、兴业银行等净利润降幅逐渐收窄的股份行，再到大型银行，反映市场对整个板块的信心在提振。目前部分优质银行股估值仍处于历史低位，后续随银行基本面改善，优质银行股仍有估值修复机会。

资金配置三大趋势，助力银行估值提升

国际化+机构化+被动化，三大资金配置趋势有望助推银行板块估值提升。1）金融业加速对外开放促使境外资金入市的投资便利程度大大提升，北向资金在市场的重要性处于快速提升通道，带动A股投资风格与国际趋同。11月北向资金流入579亿元，陆股通持股银行市值占比由10月末的6.6%提升至11月末的7.1%。2）监管多举措推动中长期资金入市，保险、养老金、银行理财等资金的地位不断提升，逐渐占据主导定位并掌握定价权，银行作为典型大盘蓝筹有望受益。3）近十余年来被动管理的指数型资金加速崛起，目前被动化趋势仍有一定推进空间。以上三类资金的股票配置中，银行股的占比均更高，其作为增量资金入场，有望助力银行股的估值提升。

投资建议：重点关注四类优质银行

银行板块建议重点关注四类优质银行：零售银行、特色中小行、财富管理银行、综合经营银行。第一，零售金融具有收益高、风险分散等特点，客户需求、资产质量的周期性较弱，且在构建以国内大循环为主体、国内国际双循环格局的推动下，国内居民消费潜力将进一步释放，零售型银行有望成为首要受益者。第二，特色中小银行的服务模式稀缺，经营有望向好，且有望作为经验推广的标杆收获政策支持的利好。第三，财富管理业务具有轻资本、盈利稳定等特点，同时可显著提升客户粘性，为银行贡献综合收益；在居民财富由房地产逐步移向金融资产配置的过程中，在财富管理领域具有领先优势或优越禀赋的银行具有迎来广阔的成长空间。第四，布局综合化经营的区域性银行，可与子公司产生协同效应，增强客户粘性，提升核心竞争力。

中证银行指数简介及投资价值分析

指数情况概览

中证银行指数（指数代码：399986）于2013年7月15日由中证指数有限公司发布，基日为2004年12月31日，基点为1000点，币种为人民币。中证银行指数属于中证全指细分行业指数下的二级行业指数。中证全指细分行业指数以中证全指指数样本股为样本空间，选样方法包括以下三个步骤：

1. 将样本空间股票按中证行业分类方法分类；

2. 如果行业内股票数量少于或等于50只，则全部股票构成相应全指行业指数的样本股；

3. 如果行业内股票数量多于50只，则分别按照股票的日均成交金额、日均总市值由高到低排名，剔除成交金额排名后10%、以及累积总市值占比达到98%以后的股票，并且保持剔除后股票数量不少于50只；行业内剩余股票构成相应行业指数的样本股。

截至2020年11月30日，中证银行行业分类下的股票数量为36只，因此中证银行指数纳入全部36只银行股作为样股，包括国有大行、股份行、城商行以及农商行，不需要进行上述选样方法第3步。

中证银行指数的计算公式如下式所示，其中调整市值=∑（股价×调整股本数×权重因子），权重因子介于0和1之间，以使当样本量在10只（含10只）至50只之间，单个股票权重不超过15%；当样本数量在50只（含50只）至100只之间，单个股票权重不超过10%。

该指数的调整方法分为定期调整和临时调整两种方式：

1. 定期调整：样本股每半年调整一次，样本调整实施时间为每年6月和12月的第二个星期五的下一交易日。当中证全指指数调整成份股时，中证全指细分行业指数成份股随之进行相应调整。权重因子随样本股定期调整而调整，调整时间与指数样本定期调整实施时间相同。在下一个定期调整日前，权重因子一般固定不变。

2. 临时调整：特殊情况下将对样本进行临时调整。当样本股暂停上市或退市时，将其从指数样本中剔除。样本股公司发生收购、合并、分拆、停牌等情形的处理，参照计算与维护细则处理。

中证银行指数成分股权重及所属申万一级行业如下表所示。

市值特征：大盘风格鲜明

下面从成分股数量和权重占比两方面分析指数市值特征，将中证银行指数与其它金融地产板块相关指数及主要宽基指数相比较，各市值区间下成分股数量和权重分布如下面两张表所示。

从成分股数量分布来看，中证银行指数以大市值股票居多，市值大于1000亿股票占比47.2%。从成分股权重分布来看，中证银行指数成分股权重在市值大于1000亿的区间内达到86.6%，凸显该指数的大市值特征。

300金融指数、中证金融指数与中证银行指数在市值分布上接近，同为大市值风格，市值小于200亿元的成分股权重占比较低；500金地指数相比而言更偏向中小盘风格，成分股主要集中于100~500亿元区间，不包含市值大于500亿元的成分股。

历史表现：防御属性强，9月以来表现强势

考察中证银行指数与其它金融地产板块相关指数及主要宽基指数历史表现。如上图所示，净值绘制起始日期为2013年7月15日，以起始日期为基准进行归一化处理。从净值角度看，中证银行指数仅优于500金地指数，收益能力相对较弱。从波动角度看，中证银行指数整体走势较为稳健，弹性相对较小。

进一步计算2013年7月15日至2020年11月30日区间内的收益风险指标，中证银行指数在年化收益指标上不占优势，在年化波动率指标上接近沪深300和中证800，低于其余指数，在最大回撤指标上均低于其余指数，显示出银行行业较强的防御属性。

考察上述指数近期表现，如上图所示，净值绘制起始日期为2020年8月31日，以起始日期为基准进行归一化处理。9月以来，市场风格发生切换，银行板块表现亮眼，收益优于其他金融指数以及主要宽基指数，在顺周期行情下展现出不错的进攻属性。

估值水平：一级行业中最低，PB处于历史低位

考察中证银行指数历史估值水平，截至2020年11月30日，中证银行指数市盈率PE（ttm）为6.90倍，处于指数发布日（2013年7月15日）以来的80.47%分位数，市净率PB（lf）为0.76倍，处于10.03%历史分位数。由左下图知，该指数在2020年7月底市盈率处于2016年3月以来的最低水平，近3个月指数震荡上行，估值有所修复，但仍未到达历史中枢。由右下图知，自2020年初以来指数市净率和历史分位数一直维持在较低水平。

比较银行行业与其余申万一级行业估值水平，截至2020年11月30日，银行行业市盈率PE（ttm）为7.47倍，市净率PB（lf）为0.73倍，在28个一级行业里排名最低。总的来看，银行行业在时序（与自身历史水平比较）和截面（与其余一级行业比较）估值水平均较低，中证银行指数具备一定安全边际。

分红水平：高分红，复利效应显著

比较银行行业与其余申万一级行业股息率，如左下图所示，截至2020年11月30日，银行行业股息率为4.41%，高于其余一级行业，体现出银行行业鲜明的高分红特性。观察中证银行指数在2013~2019年（财务年度）的现金分红总额和股息支付率，如右下图所示，股息支付率在30%左右，两项指标在2016年后逐年增加。

绘制中证银行和沪深300价格指数及对应全收益指数的净值走势（以2013年7月15日为基准归一化），全收益指数是考虑分红再投资，能更全面反映指数收益情况。如下图所示，2016年至2020年6月，中证银行全收益指数领先于其它三只指数，2020年6月以来中证银行全收益指数仅低于沪深300全收益指数。

进一步统计各指数年化收益率和累计收益率，如下表所示。自发布日以来中证银行全收益指数年化收益率为12.7%，累计收益率135.3%，而中证银行指数年化收益率为8.4%，累计收益率为77.8%，两者年化收益率相差4.3%，累计收益率相差57.4%。换言之，中证银行指数分红带来的复利效应累计达到57.4%。而沪深300指数分红带来的复利效应累计为36.4%。我们认为，中证银行指数高分红带来的复利效应较显著，适合长期投资。

天弘银行ETF投资价值分析

产品简介

天弘中证银行交易型开放式指数证券投资基金（基金代码：515290；认购代码：515293），场内简称银行TH，本文简称天弘银行ETF，该基金属于上交所跨市场股票ETF，标的指数为中证银行指数（指数代码：399986），投资目标为紧密跟踪标的指数，追求跟踪偏离度和跟踪误差的最小化。基金主要投资于标的指数的成份股及其备选成份股的比例不低于基金资产净值的90%，且不低于非现金基金资产的80%。

天弘银行ETF拟于2020年12月7日募集，认购方式包括网上现金认购、网下现金认购、网下股票认购三种方式，有关费用以及发行方式如下表所示。

管理人简介

天弘银行ETF的管理人天弘基金成立于2004年11月8日，是经中国证监会批准成立的全国性公募基金管理公司之一，注册资本5.143亿元，截至2020年9月30日公司共管理81只公募基金，资产管理总规模1.49万亿元（含专户和子公司天弘创新），其中公募基金管理规模14178.49亿元。

天弘银行ETF拟任基金经理陈瑶女士，具备9年证券从业经验，2011年7月起先后担任天弘基金管理有限公司交易员、交易主管。从事交易管理，程序化交易策略、基差交易策略、融资融券交易策略等研究工作，先后担任多只天弘指数型发起式证券投资基金、交易型开放式证券投资基金基金经理。

截至2020年9月30日，天弘基金已发行的ETF基金（含联接基金）共15只，规模合计达到313.51亿元，其中宽基9只，行业6只。天弘银行ETF的发行和上市将进一步完善公司ETF产品线布局。

天弘银行ETF及联接基金规模可期

统计跟踪中证银行指数的公募基金被动指数型产品，如下表所示（如有A、C份额则合并统计，成立日期取成立较早的基金）。截至2020年9月30日，已发行ETF产品共6只，待发行ETF产品1只，ETF联接基金共4只，LOF共3只，分级基金共3只，其它场外指数基金共2只。天弘中证银行指数A/C（基金代码：001594/001595）为2只场外指数基金之一。截至2020年9月30日，天弘中证银行指数A和天弘中证银行指数C合计规模为85.94亿元，居全市场首位。

在2020年10月22日更新的《天弘中证银行指数型发起式证券投资基金招募说明书（更新）》中，有如下约定：“若将来本基金管理人推出投资同一标的指数的交易型开放式指数证券投资基金（ETF），则基金管理人在履行适当程序后使本基金采取ETF联接基金模式并相应修改基金合同，可由基金管理人和基金托管人协商后修改，不需召开基金份额持有人大会”。若天弘中证银行ETF发行，天弘中证银行指数A/C或将转为ETF联接基金并装入天弘中证银行ETF中，规模可期。

风险提示

1. 经济下行持续时间超预期。2020年，我国经济受外需和内需影响，企业融资需求情况值得关注。

2. 资产质量恶化超预期。上市银行的不良贷款率仍相对稳定，但资产质量可能因疫情等外

部因素而出现波动。

3. 本报告对历史数据进行梳理总结，历史结果不能简单预测未来，规律存在失效风险。报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待。

4. 观点仅供参考，不构成投资意见。指数基金存在跟踪误差，投资者在购买基金前应仔细阅读基金招募说明书与基金合同，历史业绩不代表未来，市场有风险，投资需谨慎。

免责声明与评级说明

公众平台免责申明

本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，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。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，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客户私人投资建议。订阅人不应单独依靠本订阅号中的信息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。普通投资者若使用本资料，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股份有限公司所有，未经公司书面许可，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。本公司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】行业配置落地：指数增强篇——华泰中观基本面轮动系列之十

【华泰金工林晓明团队】行业配置策略：拥挤度视角——华泰中观基本面轮动系列之九

【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

扫二维码 领开户福利！

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。

海量资讯、精准解读，尽在新浪财经APP