天注2-创业板-F70-90-y35*

策略思想

1. 策略思路

该策略采用大数据AI（DAI）驱动因子排名的方法，结合历史90日与30日回报等因子进行预处理，以生成预测排序。策略通过过滤ST股票和数据缺失值后，采用得分升序或降序进行选股。具体选股逻辑是在每个交易日按照模型排名买入前N只股票（默认1只），并采用权重分配法则1/log(i+2)来分配投资比例。持仓安排为默认持有1天。策略日资金和持仓管理目标为捕捉短期市场中的反转或动量信号，适合A股市场的日频短线交易。

2. 策略介绍

理论上，该策略是动量策略和反转策略的结合。动量策略的基本理念为“强者恒强”，反转策略则基于“弱者恒弱”的基本假设。策略通过90日与30日回报因子实现对股票的排序，并结合ST过滤和数据空值过滤提升模型的有效性。权重分配采用对数函数处理，保证选中的股票符合最优权重分配。通过每日更新投资组合以实现最大化收益，策略利用机器学习的连续数据处理和大规模数据计算，提高预测和处理能力，使得评分和选股更为精准。

3. 策略背景

近年来，量化交易越来越依赖大数据和机器学习模型。在传统的基本面分析受到挑战的背景下，量化策略通过数据挖掘、算法建模在不断寻找短期效益。该策略通过大数据AI建模，分级运用历史回报率和股票数据，提高了选股的根据性和有效性。结合中国A股市场的短期行为特点，策略关注短线机会最大化，此背景下提供及时调整和降低风险的能力更为重要。

策略优势

1. 数据驱动选股: 结合大数据和AI，策略通过90日和30日回报率等因子生成股票排名，提供更为有效的市场洞察和决策依据。
2. 效率优化: 通常每日持仓调整降低持仓风险，利用1/log(i+2)进行动态权重分配，凭此优化资产配置的同时控制单一股票风险。
3. 适应性强: 基于中国A股市场设计，策略能够灵活应对市场波动性，特别适合于高换手的短期投资者。

策略风险

1. 市场风险: A股市场的高波动性可能导致选股失败，高频交易策略对市场调整和崩盘敏感。
2. 流动性风险: 高换手率可能加剧流动性压力，在成交量有限的情况下可能导致买入难度加大和执行滑点。
3. 模型风险: 依赖机器学习进行预测的策略，面临模型精度不足、因子失效等风险，需要不断检验和调整模型。

4. 操作风险: 短线操作需要频繁交易，操作失误带来的即时风险需要被高度重视及实时监控。策略中实现的多重风控筛查机制如ST剔除和数据过滤，需仔细维护。