天注1-创业板-F100-20-y21量化策略深度解析

策略思想

1. 策略思路

本文策略通过结合AI/ML打分系统以及多因子筛选机制，以日频率进行股票择时。策略首先通过SQL预处理构建一些因子，例如近30日或90日的回报率、成交量排序等。接下来，剔除掉ST股票，并对因子进行分位数过滤，从而得到每只股票的预测排序。之后系统依据预测排序，选择得分靠前的N只股票进行投资（当前代码设置N=1），并通过1/log(i+2)的公式给予不同权重分配。此外，持仓周期通过参数hold_days进行控制（默认持仓1天），该参数可灵活调整。

2. 策略介绍

这类策略利用了机器学习打分和多因子模型来进行股票选择。日内高频轮转不仅能捕捉短期趋势或反趋势变化，还能利用以往数据训练出的指标来提升预测准确性。因子的选择和应用关键在于量化因子的历史表现以及对未来市场环境变化的适应性。

3. 策略背景

近年来，机器学习和人工智能在金融市场的应用场景越来越多。借助于大数据、算法优化和计算能力的提升，量化投资逐渐成为投资界探索新盈利点的重要手段。基于多因子模型与机器学习算法的选股方法，是其中代表性的一种，它通过在历史数据中提取规律性模式，并在未来市场数据中反复验证其有效性。

策略优势

1. 高频交易优势: 该策略每日交易，能够快速适应市场变化，捕捉短期机会，对日内波动敏感，可以更好地应对市场异动。

1. 多因子模型稳固性: 利用多因子模型来提高股票选择的信号噪声比，从而提高选股成功率；因子与机器学习打分相结合，能够更精确地挑选出潜在优势股票。
2. 灵活的资金与风险管理: 分批建仓、低排位剔除机制和持仓上限等措施共同构成了一套严谨的资金管理与风险控制体系，保障资金使用、优化投资组合。
3. 适应性广泛: 策略依赖于动态因子选择，具有良好的市场适应性，可以轻松转移到不同的市场环境中，如中短期趋势或者是反转行情中。

策略风险

1. 市场风险: 尽管策略依赖于日频率交易来降低单次投资风险，但市场的整体波动或趋势变化仍可能对整体策略收益产生较大全面影响。

1. 个股风险: 由于策略无明确的个股止损机制，仅通过仓位控制和末位淘汰股票来限制单只股票风险，可能无法完全规避个股的突发性风险。
2. 模型风险: 依赖机器学习模型进行预测，若历史数据样本的适应性不佳，或因子选择不当，可能造成模型过拟合而削弱选股能力。
3. 操作风险: 策略中涉及多次调仓与资金运作，在实际操作中可能因市场流动性不足、交易通道不畅、信号延迟等操作问题导致损失或收益偏离。

需要投资者在使用此类量化策略前，进行充分的回测与模拟，以验证策略在不同市场条件下的稳健性与收益稳固性。