天注14-创业板-F100-160-y28

策略思想

1. 策略思路

本策略采用了基于模型/因子打分的短期选股和滚动建仓方式。主要利用 DAI SQL 计算中长期（90日）与短期（30日）的滞后收益及其分位排名等因子进行选股，结合排除ST股票与数据缺失样本的操作，形成最终的股票投资组合。每天根据预测的打分从股票池中挑选排名靠前的股票进行投资。其卖出规则依据持仓时间将持仓时间超过一定天数的股票按照预测排名末位优先减仓。

2. 策略介绍

策略通过计算短期和中长期收益的滞后收益分位数排名，选取排名靠前的股票进行投资。采用了投资决策类机器学习算法生成预测序列，按排名买入。在构建组合时按照 1/log(i+2) 的权重分配资本，对于持有天数和持股上限设定严格限制，通过每日的ETF滚动建仓方式捕捉市场中的短期动量信号及其变化。

3. 策略背景

近年来，随着高频交易与机器学习技术在金融领域的应用越来越普及，基于大数据和人工智能的策略也被越来越多的投资者采用。策略中大幅采用因子分析和模型预测的方式，基于对财务数据及市场数据的深入分析，使得策略能够识别出潜在的高收益机会，适合于发现市场的短期动量变化。

策略优势

1. 创新性使用因子模型：通过使用长期和短期的滞后收益分位因子，可以更准确地预测个股未来趋势。策略利用了机器学习算法对股票进行打分排序，挑选出最有潜力的投资标的，具有一定的前瞻性。
2. 严格的资金管理和风险控制：策略对单只股票设置了最大资金占用比例，同时制定了严格的卖出优先级，进行科学的风险管理，减少单一股票对整体组合收益的过度影响。
3. 敏捷的市场反应速度：作为日频交易策略，本策略能够快速根据市场变化做出响应，通过每日的买卖决策把握市场机会，从而提高资金使用效率。

策略风险

1. 市场风险：由于策略主要基于历史收益因子，其面临的最大不确定性来源于市场整体上行或下行可能带来的系统性风险。历史数据可能无法完全预测未来市场行为。
2. 个股风险：虽然策略通过因子打分剔除了一些低质量的股票，但市场中的黑天鹅事件仍然可能对个体股票产生重大影响，从而影响投资组合收益。
3. 操作风险：策略对因子打分和预测排序的高度依赖意味着数据质量和算法模型的准确性至关重要。任何数据错误、系统故障或模型失效都有可能导致投资决策不当发生。

通过全面的策略分析与多角度评估，可以看出该策略在日常投资操作中表现出色。尽管具有一定的市场和个股风险，加之其操作复杂，但在数据充分且操作得当的情况下可以提供显著回报。对于投资者来说，了解这些风险并针对性调整策略设置能够有效提升投资收益。