天注17-创业板-F100-70-y59

策略思想

1. 策略思路

本策略是一种基于DAI/机器学习打分的日频多因子择股策略，通过构建短中期的数量因子（如近30/90日的收益和成交量等），产生按日期排序的预测rank。然后利用机器学习算法对股票进行打分，筛选出预期排名靠前的股票进行投资，主要目标是发掘短线alpha机会。

2. 策略介绍

多因子模型结合机器学习的投资策略在量化投资中逐渐流行。该策略使用sql语句从数据集构造短中期因子，通过对因素进行评级筛选后，通过机器学习预测未来表现，将表现得分排名靠前的股票纳入投资组合。此种策略在日频交易中需要关注高换手率和交易成本的同时，重视对风险的有效管理和资金的合理分配，以最大化每笔交易的成功率。

3. 策略背景

多因子模型通过组合多种不同类型的因素以期更全面地捕捉市场信息，从而找到估值偏离的投资机会。这种方法特别适合于需要快速响应市场动态的短期交易环境中。近年来，AI技术与量化金融结合逐渐深入，尤其是机器学习在股市预测中的应用，能够通过更复杂的数据模式识别进一步提升投资决策的精确性。

策略优势

1. 高频交易灵活性：通过日频多因子策略操作，能够快速应对市场变化，利用最短时间内的市场波动实现收益。

1. 机器学习优势：采用机器学习模型对股票进行打分，提升了从大数据中提取有价值信息的能力，从而提高选股的准确性。

1. 细致的交易规则：通过如均匀资金分配、持仓期管理和资金使用比例限制等严谨的策略规则，大大降低了交易风险。
2. 智能风险管理：结合预测数据和算法，通过逐步清仓机制和严格的最大资金暴露限制，确保在波动市场中拥有不错的资金安全性。

策略风险

1. 市场风险：市场的系统性风险，如整体经济下行或政策变动可能对短期策略产生重大影响，需要密切跟踪和适时调整持仓结构。
2. 流动性风险：尽管策略中已设置流动性较好的A股市场进行操作，但依然可能遇到流动性不足无法以预期价格交易的情况。

1. 交易成本风险：高频交易中因交易次数多导致的交易费用增加会侵蚀收益，因此需对费用敏感。

1. 模型风险：机器学习模型对历史数据的依赖性和对新数据的偏误可能导致模型失效或错误决策。因此需要定期检验和更新模型以适应市场变化。

1. 个股风险：对单一股票的高暴露比例可能在个股走势不佳时造成较大损失。策略中设定了最大资金暴露限制以缓解这一风险。

大体上，这份策略将技术与严谨的金融风险管理相结合，为希望在短期波动市场中寻找alpha机遇的投资者提供了一条有效的策略之路。