天注7-创业板-F100-50-y105**

策略思想

1. 策略思路

本策略是一个日频、长仓且高换手的机器学习排序择股策略，主要通过DAI-SQL预计算因子（如90日/30日滞后收益比、成交量排序及收益分位排名等），每天根据计算出的"position/score"排序列出候选股票，以此来进行股票的选择和投资决策。

2. 策略介绍

该策略运用了机器学习排序算法作为择股的核心手段。当日盘前通过相关因子的预计算和排序，确定每日需要买入的股票数量及其顺序，依据这些得分来决定持仓股票。策略的交易规则设定为每日调仓，并且持有期和仓位的分配都通过具体的参数进行控制，比如采用每日开盘价买入和当天收盘价卖出、平均持有天数和分批建仓等。

3. 策略背景

随着量化金融的持续发展，在A股市场中利用机器学习来提升选股能力、加强投资预期的一致性变得越来越流行。尤其是，当市场的信息复杂性增加以及市场流动性限制时，能够提供交易信号的智能排序模型逐渐成为投资者的重要工具。此策略期望通过短期的市场变化来捕捉alpha收益。

策略优势

1. 高效的选择模型:

策略通过机器学习生成股票排序的方式，不断根据市场数据更新股票优先顺序，保持在不同市场状态下的灵活性及前瞻性。

1. 高频次交易的灵活性:

策略每日调仓，快速反应于市场变化，尽最大可能实现短期收益的捕捉。

1. 策略的资本利用高效性:

不仅对持仓分阶段进行控制，还在建仓期采用分步投入，非建仓期可使用最多1.5倍当日分配资金，增强资金利用率。

策略风险

1. 市场风险:

由于策略具有高换手特点，在市场剧烈波动的情况下，可能出现无法预计的损失。

1. 个股风险:

尽管策略剔除了ST股票，个股事件的风险依然存在。高换手率可能会引致更多的交易成本，这在股价变动中可能呈现负面效应。

1. 交易成本风险:

策略依赖频繁交易获取超额回报，因此交易成本与滑点可能迅速侵蚀收益。

1. 模型风险:

尽管机器学习方法提升了选股模型的智能性，但其依赖于历史数据的构建，若市场条件发生如监管政策、宏观经济等外部变化，可能导致模型失效。

通过对策略的深入理解和长期监控，量化投资者可以更好地使用此策略在动态市场中获利。同时需结合不断更新的市场信息与风险评估，动态调整策略参数以应对市场变化。