TRE-D45
由 marshall8创建,
策略思想
1. 策略思路
该策略主要通过数据处理和筛选来构建股票池，并使用参数化方法选择投资标的。数据处理部分主要利用了多个条件
con1, con2, ..., con30通过特定逻辑进行筛选，选择出目标股票进行投资。策略核心是通过构建更为具体的条件列表（
constrs），从提取的特征中筛选符合条件的股票列表。在交易执行策略中，选择持有一定数量的股票，根据持有天数决定继续持有或卖出。2. 策略介绍
该策略可以归类为因子投资策略，通过计算多个因子值并根据这些因子的排序和组合来决定买入或卖出股票。策略中的因子（条件
con1到con30）通过一定的窗口期内的特征值计算得出，涉及股票每日涨停状态、价格波动、成交量变动以及行业特征等因素。量化因子中的条件筛选使用了多种统计函数，如：最大值、最小值、移动窗口与延迟、百分位数排名、分位数分组等，这些都是为了识别出相对于市场其他股票而言有潜力增长的股价信号。
3. 策略背景
该策略基础是因子投资策略，因子投资是量化投资中广泛应用的一类方法论。通过在大量股票中提取共同特征因子，并将这些因子进行量化衡量，以此来决定投资组合的构建。
因子投资理论基础来源于现代金融理论中的CAPM模型与多因子模型，认为市场中存在着一些系统性风险或特征因子，如市场风险、规模因子、价值因子等，这些因子在历史上可以解释并预测股票的表现。因子挑选需要基于稳健的统计结果，且需具备一定的经济学意义。
策略优势
- 多因子组合:
- 通过组合多种因子，可以降低单一因子过拟合的风险，提高策略对市场的适应能力。
- 动态调整:
- 因子排序和组合经过一定周期的动态调整，使得策略可以适应短期的市场波动。
- 个股与行业结合:
- 考虑个股特征与行业特征，提供了更为全面的投资视角，提升了组合预期收益。
- 透明量化模型:
- 策略通过具体条件组合来发挥作用，便于投资组合的透明化分析。
策略风险
- 市场风险:
- 由于市场整体下跌，策略依赖于选股表现即使是较优质的股票在系统性风险面前也可能无法幸免。
- 数据风险:
- 策略高度依赖于数据质量，数据的延迟或错误可能导致投资决策失误。
- 模型风险:
- 策略基于历史数据和因子构建模型，部分因子可能在未来失效，引发过拟合导致投资误差。
- 执行风险:
- 策略在实际市场中的执行效果往往会受到流动性影响，无法按策略优化排列实现预期买卖。null
