![](https://fastly.jsdelivr.net/gh/bucketio/img11@main/2024/10/21/1729466068183-23134fce-3131-4262-b18c-f378d71af4f6.gif)

# 渤海多因子研报精选

![](https://fastly.jsdelivr.net/gh/bucketio/img9@main/2024/10/20/1729465031968-b3c8959e-1d37-4b8a-91b1-b0b0dfe25143.png)
## 系列简介

本系列收录了渤海多因子相关的研究报告。

## 研报目录

### 渤海-多因子系列

- [单因子测试](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%971%EF%BC%9A%E5%8D%95%E5%9B%A0%E5%AD%90%E6%B5%8B%E8%AF%95.pdf)
- [收益预测模型](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%972%EF%BC%9A%E6%94%B6%E7%9B%8A%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8B.pdf)
- [风险模型与组合优化](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%973%EF%BC%9A%E9%A3%8E%E9%99%A9%E6%A8%A1%E5%9E%8B%E4%B8%8E%E7%BB%84%E5%90%88%E4%BC%98%E5%8C%96.pdf)
- [随机森林与传统多因子模型的选股风格对比](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%974%EF%BC%9A%E9%9A%8F%E6%9C%BA%E6%A3%AE%E6%9E%97%E4%B8%8E%E4%BC%A0%E7%BB%9F%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%9A%84%E9%80%89%E8%82%A1%E9%A3%8E%E6%A0%BC%E5%AF%B9%E6%AF%94.pdf)
- [使用Bandit Learning算法的多因子模型](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%975%EF%BC%9A%E4%BD%BF%E7%94%A8Bandit%20Learning%E7%AE%97%E6%B3%95%E7%9A%84%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B.pdf)
- [使用thompson sampling算法的策略混合模型](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%976%EF%BC%9A%E4%BD%BF%E7%94%A8thompson%20sampling%E7%AE%97%E6%B3%95%E7%9A%84%E7%AD%96%E7%95%A5%E6%B7%B7%E5%90%88%E6%A8%A1%E5%9E%8B.pdf)
- [使用多因子框架的沪深300指数增强模型](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%977%EF%BC%9A%E4%BD%BF%E7%94%A8%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A1%86%E6%9E%B6%E7%9A%84%E6%B2%AA%E6%B7%B1300%E6%8C%87%E6%95%B0%E5%A2%9E%E5%BC%BA%E6%A8%A1%E5%9E%8B.pdf)
- [Barra风险模型（CNE6）单因子检测](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%978%EF%BC%9ABarra%E9%A3%8E%E9%99%A9%E6%A8%A1%E5%9E%8B%EF%BC%88CNE6%EF%BC%89%E5%8D%95%E5%9B%A0%E5%AD%90%E6%A3%80%E6%B5%8B.pdf)
- [Barra风险模型（CNE6）纯因子构建与因子合成](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%979%EF%BC%9ABarra%E9%A3%8E%E9%99%A9%E6%A8%A1%E5%9E%8B%EF%BC%88CNE6%EF%BC%89%E7%BA%AF%E5%9B%A0%E5%AD%90%E6%9E%84%E5%BB%BA%E4%B8%8E%E5%9B%A0%E5%AD%90%E5%90%88%E6%88%90.pdf)
- [融合BL模型的上证50指数增强模型](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%9710%EF%BC%9A%E8%9E%8D%E5%90%88BL%E6%A8%A1%E5%9E%8B%E7%9A%84%E4%B8%8A%E8%AF%8150%E6%8C%87%E6%95%B0%E5%A2%9E%E5%BC%BA%E6%A8%A1%E5%9E%8B.pdf)
- [多因子模型的行业分类方法](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%9711%EF%BC%9A%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%A1%8C%E4%B8%9A%E5%88%86%E7%B1%BB%E6%96%B9%E6%B3%95.pdf)
- [沪深300指数增强组合业绩归因分析](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%9712%EF%BC%9A%E6%B2%AA%E6%B7%B1300%E6%8C%87%E6%95%B0%E5%A2%9E%E5%BC%BA%E7%BB%84%E5%90%88%E4%B8%9A%E7%BB%A9%E5%BD%92%E5%9B%A0%E5%88%86%E6%9E%90.pdf)
- [基于机器学习模型的因子择时框架](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%9713%EF%BC%9A%E5%9F%BA%E4%BA%8E%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E7%9A%84%E5%9B%A0%E5%AD%90%E6%8B%A9%E6%97%B6%E6%A1%86%E6%9E%B6.pdf)
- [技术因子的再挖掘Alpha 101](https://asset.quant-wiki.com/pdf/%E6%B8%A4%E6%B5%B7%E5%A4%9A%E5%9B%A0%E5%AD%90%E6%A8%A1%E5%9E%8B%E7%A0%94%E7%A9%B6%E7%B3%BB%E5%88%9714%EF%BC%9A%E6%8A%80%E6%9C%AF%E5%9B%A0%E5%AD%90%E7%9A%84%E5%86%8D%E6%8C%96%E6%8E%98Alpha%20101.pdf)

## 关于LLMQuant

LLMQuant是由一群来自世界顶尖高校和量化金融从业人员组成的前沿社区，致力于探索人工智能（AI）与量化（Quant）领域的无限可能。我们的团队成员来自剑桥大学、牛津大学、哈佛大学、苏黎世联邦理工学院、北京大学、中科大等世界知名高校，外部顾问来自Microsoft、HSBC、Citadel、Man Group、Citi、Jump Trading、国内顶尖私募等一流企业。