天悉3-创业板-1700-y81*

策略思想

1. 策略思路

该策略是一个基于人工智能和SQL编程的日频率短线量化策略，旨在通过量化选股实现短期内的盈利。策略的核心在于利用多期限（90日、30日、1日）的历史收益率和成交量等多个因子进行机器学习模型排序。策略在排除ST股票的前提下，采用窗口化排名过滤的方法，选择每日排名靠前的股票进行投资。资金的分配采用归一化加权的模式，即前排名的股票获得更多的资金分配。持仓周期则由参数控制，可灵活调整，示例中设定为1天。策略中包含了一些基本的风控措施，例如定义单笔交易的手续费、买入和卖出费用，以及对个股资金占比进行最大限制。

2. 策略介绍

该策略运用了多因子模型中的经典因子：收益和成交量。首先，通过大数据分析平台BigQuant的AI模块，利用DAI/SQL技术构建因子，以过去90天、30天和1天的股票收益率和成交量数据进行计算，得出每个股票的排序分数。然后，根据这些因子的变化和组合生成一个投资模型，该模型用于预测各股票的潜在表现并进行排序。通过从中选择排名靠前的股票构建投资组合，力求实现每日的Alpha收益。

3. 策略背景

量化投资是近年来广泛应用于金融市场的前沿技术。此类策略通常利用大量历史数据和数学模型来预估未来市场趋势和机会。本策略通过人工智能算法和高效的数据处理平台BigQuant来执行日内短期投资操作。以高频交易中的因子如价格收益和成交量为依据，应用到日内交易中，借助DAI/SQL进行历史数据分析，以期在回测中表现优异。

策略优势

1. 精选成长股：该策略标签包含“成长”和“小盘”，关注于成长性较好且在市场中资本化程度较低的公司股票，这类公司通常拥有更大的上涨潜力。
2. 日内频繁交易：通过日频调仓和高频交易实现短期持续Alpha，充分利用每日市场动态，灵活而高效。
3. 精确的资金管理：策略中采用了归一化的加权方式分配资金，并设置了一些基本的风险管理措施，如单笔交易最大资金占比限制。
4. 数据驱动的选股逻辑：依赖于人工智能对历史数据分析的准确性，结合DAI/SQL强大的数据处理能力，提高选股准确度。

策略风险

1. 市场风险：由于持仓期较短，策略面临的日内市场波动风险较大，如市场出现突发事件可能导致持仓的短期价位较大波动。
2. 个股风险：策略每日买入单独股票，个股突发的不确定性事件可能对策略整体收益造成直接影响。即使有风控措施来限制持仓最大资金占比，但对于单个股票的极端价格波动风险仍需注意。
3. 操作风险：策略的回测和真实交易存在一定的差异，实际的交易机制、延迟和滑点可能会影响到执行结果。
4. 数据和模型风险：模型过拟合或样本外表现不佳可能导致策略失效。此外，数据源质量和因子计算的准确性影响模型的有效性。因此，需保证该数据源的可靠性和稳定性。

为了应对这些风险，投资者可以考虑将策略组合到更大的投资组合中，并进行多策略、多品类的分散投资，以减少单一策略可能带来的冲击。