天泉5-创业板-80-y21

策略思想

1. 策略思路

该策略基于DAI/ML排序信号进行每日选股，以历史特征（如90天和30天的收益分位排名、成交量等）构建排序字段（position/score），并按照排名买入前N只股票（默认N=1）。在投资组合中，股票权重根据1/log(i+2)进行分配，从而使得靠前股票获得更多资金。整体策略为日频重平衡，即每日对持仓进行调整，买入交易按当日开盘价，卖出则按收盘价进行。持股的时间周期通过参数hold_days控制，默认值为1天。

2. 策略介绍

本策略是一种基于机器学习排序信号的多头排名策略。典型的量化投资方法之一是利用历史数据构建因子，对股票进行排序从而形成买入信号。该策略利用在交易特征中评价较高的股票进行买入，并运用机器学习模型优化排序和选择股票，以实现投资收益最大化。策略使用DAI（Data-Augmented Intelligence）模块提取和计算因子，并基于这些因子选择股票，结合ML（机器学习）排序信号形成最终的投资决策。在交易频率上，使用的是日频策略，即每天根据新数据调整持股。

3. 策略背景

近年来，机器学习技术在金融领域的应用日益普及，许多投资者开始结合大数据技术和AI人工智能算法来优化投资策略，以期克服传统方法的局限性。尤其是在高频数据丰富的市场中，动态调整策略和鲁棒性因子排序成为一大趋势。因而，结合历史数据和机器学习排序信号来实现金融资产优化配置，不仅能利用历史证券信息捕捉潜在市场机会，还能通过AI算法实现更为高效的预测和决策。

策略优势

1. 高频动态调整: 每日根据数据实时更新投资组合，增强市场适应能力，快速捕捉市场机会。

2. 数据驱动: 通过机器学习算法对历史交易数据进行深度挖掘，提高因子筛选的精确度和投资策略的稳健性。

1. 资金高效使用: 股票权重按1/log(i+2)分配，使得排名靠前的股票比例更大，从而可能增强组合投资收益。

4. 风控机制: 策略内置风险管理措施如剔除债信风险高的ST股票，每只股票持仓资金上限控制，降低整体投资组合风险。

策略风险

1. 市场风险: 市场整体行情波动、政策变化及不可预测的外部宏观风险可能对策略执行和收益造成影响。

2. 执行风险: 策略日内高频交易对交易执行能力要求较高，受限于成交量、流动性等因素，可能产生影响策略收益的交易滑点或延迟。

1. 算法风险: 机器学习排序的精准性依赖于历史数据质量及模型算法有效性，过拟合问题可能导致策略在回测中表现优异而在实际应用中失灵。

4. 成本控制风险: 日频交易策略的高换手率可能带来较高的交易手续费，尤其是在市场流动性较低的情况下，可能对策略净收益造成负面影响。