> **来源：[研报客](https://pc.yanbaoke.cn)** ```markdown # 2026核心报告集 —— 广发金工团队 —— 总结 ## 核心内容概述 2026年广发金工团队围绕量化选股、基金研究、市场研究、可转债研究以及大模型投研应用五大领域发布了多篇研究报告，内容涵盖因子挖掘、策略构建、市场预测、资产配置及智能投研等多个方面。整体研究方向聚焦于利用大数据、机器学习及金融工程工具提升投资决策的科学性与稳定性。 ## 量化选股 ### 核心内容 广发金工团队在2026年深入研究了多种因子构建方法，旨在提升选股模型的稳定性与有效性。 ### 主要观点 - **高频数据因子挖掘**：利用Level2数据，如撤单信息、逐笔订单数据等，构建高频因子，以捕捉市场短期行为与交易信号。 - **深度学习因子**：提出“StableAlpha”因子，通过深度学习模型提升因子稳定性，降低噪声干扰。 - **同伴股票因子暴露**：通过分析股票之间的相关性，构建基于同伴因子的选股模型，挖掘Alpha增量。 - **财务附注因子**：从财务附注中提取低频因子，为投资提供额外信息维度。 - **PB-ROE模型**：结合市净率（PB）与净资产收益率（ROE）构建选股模型，筛选具备长期增长潜力的股票。 - **热点捕捉策略**：在高波动环境下，通过分析市场热点板块，优化投资时机选择。 - **成长质量选股**：关注企业的成长性与质量指标，构建稳健的选股模型。 ### 关键信息 - 研究时间跨度从2025年12月至2026年8月。 - 强调数据挖掘与模型优化在因子构建中的重要性。 - 多篇报告结合不同数据源（如Level2、财务附注、逐笔订单）与技术手段（如神经网络、卷积模型）进行因子分析。 ## 基金研究 ### 核心内容 基金研究系列报告聚焦于ETF、指数基金及REITs等产品的策略构建与投资分析。 ### 主要观点 - **REITs指数择时与交易策略**：研究REITs市场的择时逻辑，提出相应的交易策略。 - **指数增强ETF组合**：结合静态与动态约束，构建具有增强收益能力的ETF组合。 - **债券基金归因与管理**：分析债券基金的分类归因，优化组合管理方法。 - **ETF网格交易策略**：基于ATR指标构建网格交易策略，提升ETF交易的收益稳定性。 - **多平台智能投研应用**：探讨大模型在基金研究中的部署与应用，提升研究效率与准确性。 ### 关键信息 - 报告覆盖REITs、债券基金、ETF等多类基金产品。 - 强调策略的灵活性与适应性，特别是在不同市场环境下的表现。 - 多平台部署与智能投研工具的应用成为研究重点。 ## 市场研究 ### 核心内容 市场研究系列报告主要围绕利率择时、行业轮动、风格轮动及指数调整等主题展开。 ### 主要观点 - **利率择时**：通过机构行为数据与资金面指标，构建量化模型预测利率走势。 - **行业轮动**：从多维视角分析行业轮动规律，优化资产配置。 - **风格轮动**：结合极端波动水平与宏观预期偏差，构建风格轮动策略。 - **指数调整**：关注指数成分股调整对市场的影响，测算冲击系数。 - **神经网络择时**：应用神经网络模型进行择时分析，并结合截面策略提升收益。 ### 关键信息 - 研究时间跨度从2025年11月至2026年8月。 - 多篇报告结合宏观与微观视角，提升市场预测的准确性。 - 神经网络与机器学习技术在择时与轮动策略中广泛应用。 ## 可转债研究 ### 核心内容 可转债研究系列报告探讨了不强赎可转债的投资策略、风险中性方法及异动应对机制。 ### 主要观点 - **不强赎可转债投资**：分析市场环境下不强赎可转债的潜在投资机会。 - **风险中性方法对比**：比较不同风险中性方法在可转债组合中的应用效果。 - **异动可转债应对**：提出应对组合中异动可转债的策略，优化组合稳定性。 ### 关键信息 - 报告聚焦于可转债市场的特殊性与投资机会。 - 强调风险控制与策略调整在可转债投资中的重要性。 ## 大模型投研应用 ### 核心内容 团队探索了大模型在投研领域的应用，包括财报分析、多平台部署与智能办公支持。 ### 主要观点 - **财报分析Skills**：创建并应用财报分析模型，提升对财务信息的理解与解读能力。 - **多平台部署**：推动OpenClaw等大模型在多个平台的部署，实现投研场景的全面赋能。 - **智能办公支持**：通过大模型优化日常办公与投研流程，提升效率与准确性。 ### 关键信息 - 报告展示了大模型在金融研究中的潜力与应用前景。 - 强调模型的实用性与可扩展性，为实际投研提供支持。 ## 法律声明 - 本报告仅供广发证券客户参考，非客户需自行评估适当性。 - 推荐关注广发证券官方微信公众号获取最新研报。 ```