天注17-创业板-F100-70-y59

策略思想

1. 策略思路

该策略核心基于DAI（Data Analysis and Inference）和机器学习的排序信号来进行日频多头择股。通过对短中期因子的计算（如30日、90日收益及成交量等），结合机器学习模型的输出，对股票进行排序并选择头部的N只股票进行投资。本策略中，N=1，即每日仅选择一只股票进行投资。资金分配则按权重\(1/\log(i+2)\)进行，加权后依次买入投资标的，买入按次日开盘价下单，卖出以当日收盘价。同时，策略设计了一系列风控措如最大资金占用限制、ST股票剔除等，以确保投资标的的合规性及风险的合理控制。

2. 策略介绍

机器学习结合量化投资策略近年来备受关注，该策略利用机器学习模型的排序预测，对目标个股进行优选，进而获取市场超额收益。具体而言，策略构建了一系列短中期因子，如30日、90日动量因子及成交量因子，通过大数据平台（如BigQuant）的DAI工具进行数据提取及整理，从而形成最终的选股模型。策略中采用了资金动态管理机制及持仓天数调整，使得每次投资能够在较佳市场时机进行，提升资金周转率和利用率。

3. 策略背景

近几年来，随着科技进步及数据信息的爆炸式增长，量化投资已经成为资产管理行业的新宠。传统的投资策略逐渐转向结合AI技术的智能决策，以获取比市场平均水平更高的回报。尤其是在中国A股市场，高频数据及大规模数据的可得性为量化投资的实施提供了良好的基础支持。同时，因中国市场投资者偏好及流动性充裕，短期波动显著，为日内或短期量化策略提供了良好的施展空间。

策略优势

1. 快速响应市场变化：基于日频数据，通过机器学习模型可快速判断市场变化，及时调整策略执行。

2. 量化风险控制：设计了资金管理机制和多种风控措施，如最大资金占用、建仓期资金分配等，有效管理投资风险。

1. 利用大数据能力：利用BigQuant平台高效的数据计算功能，通过DAI快速提取并整理所需因子。

4. 超额收益潜力：策略目标为实现短期超额收益，尤其在市场波动较大时可能更为收益显著。

策略风险

1. 市场风险：日内波动较大，策略可能面临突发市场变化（如政策影响、不可预测的重大事件等）。

- 建议通过快速调仓及多样化交易工具降低市场突发事件带来的冲击。

1. 流动性风险：因策略针对A股市场，个股流动性不足可能导致买入卖出价差增大。

- 建议进行流动性充裕标的的选择，并设置合理的交易量阈值。

1. 模型过拟合风险：主要依赖机器学习预测，模型可能对历史数据过拟合，导致实际效果不佳。

- 建议定期调整模型参数，并进行多次历史数据回测验证。

1. 交易成本：高频次交易可能导致交易成本累积影响到总体收益。

- 通过优化交易时机及调整交易频率来降低因交易成本对净收益的侵蚀。