天泉6-创业板-F1000-90-y48

策略思想

1. 策略思路

该量化策略利用了机器学习结合DAI SQL构建的排序分数作为选股信号。策略每天选取模型排序靠前的少数股票持仓，并进行短线操作。这一策略的核心在于通过预处理模块提取各类因子，如90日和30日的回报率指标、成交量及日内收益等。策略中剔除ST股票，并通过分位数滤波来筛选具体的候选股票池。在所有股票中，根据模型排序结果选择前N只股票进行投资，投资分配按照权重1/log(i+2)标准化。此外，策略分配资金使用在建仓期和稳定期有所差异，持仓期过后按模型排名逐步清仓。

2. 策略介绍

这个策略的理论基础主要源于量化投资中的因子分析和机器学习预测技术应用。通过使用不同财务指标和市场数据构建一系列因子，科学地筛选出潜在收益最大的股票组合。并利用机器学习模型对于市场趋势的预测能力，优化选股和仓位管理，以期望获得超额收益。在A股这样的流动市场中，得到良好的回报。

3. 策略背景

随着大数据和机器学习技术的发展，量化交易逐渐演变为一种重要的投资方式，其中因子模型和机器学习算法是典型的核心技术。这种策略采用短线交易思路，试图捕捉市场上短期的波动和套利机会，即通过快速频繁地买卖，赚取市场上的短期价差。由于A股市场拥有较好的流动性和监管机制，这种策略特性较为适用。

策略优势

1. 捕捉短期信号: 策略通过因子分析和机器学习模型，能够捕捉到市场中短期的变化信号，适合在波动较大的市场环境下寻求收益。
2. 资金利用率高: 资金利用率高，建仓期和稳定期允许分别使用至多1.0倍及1.5倍的资金，提升了整体资金效率。
3. 风险控制优化: 策略剔除ST股票，设置每只股票的最大占用比例，并内置了交易手续费和最小费用控制，优化持仓风险。
4. 模型排序驱动: 通过机器学习算法生成的排序模型进行选股，相对客观，避免了人为因素带来的投资偏见。

策略风险

1. 市场风险: 由于策略追求短期利润，市场的快速变化可能导致瞬间波动，特别是在行情极端变动时，可能带来较大的浮动损失。
2. 模型稳定性风险: 机器学习模型的排序结果极大影响策略表现，模型的失衡或因过拟合导致的有效性失效会提升整个策略的损失风险。
3. 操作风险: 由于策略需要高频交易，可能存在因交易精确度、交易成本过高等导致的紧迫操作风险。

4. 流动性风险: 在市场流动性骤降的情况下，如面临横盘或下跌市况，该策略的高换手率和资金集中特性可能导致卖出困难或更大的冲击成本。