金融工程考研，金融工程考研考什么科目
金选·核心观点
Sora模型横空出世，投研生产力有望进一步提升
Sora模型本质是基于Diffusion Transformer结构实现的，其中的Diffusion结构能够通过对图片加入噪声进行学习并进一步去除噪声的方式来实习图片生成的功能。与文本Condition的结合能够使模型得到文生图的效果。而Sora所用Diffusion是基于Transformer架构来实现的，该架构在Patchify层将图像切分成多个patches，转换为序列后作为Transformer的输入，后续再叠加Decoder部分预测噪声实现Diffusion过程，得到一个清晰的视频帧。
该模型的出现除了能够利好图像创作、视频创意等领域外，同样能够在分析师的路演、电话会议，基金经理的路演、投资者宣导等工作中发挥其优异的视频表达效果，从而给受众更好的视听体验，帮助解放投研工作的生产力。而在投研过程中，我们可以充分发挥Diffusion出色的图像识别能力，将上市公司相关图片投喂模型后，帮助投资者快速了解公司的产品、生产状态、环境地理条件等，节省投研人员时间。而若将K线图投喂给模型，能够帮助投资者快速掌握常见技术指标、当前量价信息的潜在投资机会，降低量价分析的门槛。
今年以来高频&基本面共振组合超额收益4.71%
我们对前期挖掘的高频选股因子进行跟踪测试，发现因子在样本外整体表现出色。就本周表现来看，价格区间因子多头超额收益率1.77%，价量背离因子0.24%，遗憾规避因子1.03%，斜率凸性因子0.12%。本月以来，价格区间因子多头超额收益率为2.30%，价量背离因子0.13%，遗憾规避因子0.93%，斜率凸性因子1.08%。今年以来高频因子表现整体都比较优秀，价格区间因子多头超额收益率2.74%，价量背离因子-0.37%，遗憾规避因子2.16%。斜率凸性因子表现欠佳，多头超额收益率0.30%。
其中价格区间因子衡量股票在日内不同价格区间成交的活跃程度，能体现出投资者对于股票未来走势的预期。该因子展现出了较强的预测效果，今年以来表现比较稳定。价量背离因子主要衡量股票价格与成交量的相关性，一般而言相关性越低，未来上涨的可能性越高。但该因子近几年表现一直不太稳定，多空净值曲线趋近走平，不过今年超额收益处于历史较高水平。遗憾规避因子通过考察股票当天被投资者卖出后反弹的比例和程度，展现了较好的预测效果。该因子样本外超额收益稳定，表明A股投资者的遗憾规避情绪依然会显著影响股价的预期收益。而斜率凸性因子则从投资者耐心与供求关系弹性的角度出发，刻画订单簿的斜率和凸性对预期收益的影响。
我们将三类高频因子首先等权合成后构建出了高频“金”组合中证1000指数增强策略，该策略年化超额收益率11.02%，超额最大回撤为6.04%。本周录得1.22%的超额收益，本月以来超额收益为2.00%，今年以来超额收益为2.31%。
为考虑进一步增强策略的业绩表现，我们将高频因子与三个比较有效的基本面因子进行等权合成构建出了高频&基本面共振组合中证1000指数增强策略，该策略在样本外超额收益稳定。本周录得1.18%的超额收益，本月以来超额收益为1.75%，今年以来超额收益率为4.71%。截止到本周，该策略的年化超额收益率为16.12%，超额最大回撤为4.22%。
风险提示
以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。策略依据一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损。
金融工程考研(金融工程考研考什么科目)
未经允许不得转载：考研培训网 » 金融工程考研(金融工程考研考什么科目)
