天注18-创业板-F100-70-y56
由 bq5g6b7o创建,
策略思想
1. 策略思路
这是一种基于AI/机器学习的短线轮动策略，利用预测分数对股票进行排序，依次对预期回报较高的股票进行短期投资和置换。策略具体步骤如下：
- 因子选择与过滤: 策略运用自定义的DAI SQL选取因子，如90天和30天回报排序、成交量秩等，并通过QUALIFY语句进行过滤（如剔除ST股票，筛选出90天回报和30天回报分位数符合条件的股票）。
- 选股与分配权重: 对于每日的预测输出，按预测分数升序选取前N只股票进行投资，并根据公式\[1/\log(i+2)\]（i为排名）对资金进行配置，使得靠前的股票获得更多的资金分配。
- 持仓与调仓机制: 持仓期根据参数hold_days设定（默认为1天），每日开盘前或日内根据新产生的排序结果进行买入操作，持仓超过设定天数后，将末位股票卖出腾出资金。
- 资金与风险控制: 通过分批资金分配控制初始建仓比例，设置单只股票最大投资占比，并计入交易手续费和最小成交成本。
2. 策略介绍
该策略属于量化投资中的短期Alpha捕获策略。通过大数据与机器学习模型预估未来的短期回报，并在大数据筛选中应用自定义SQL语句进行因子构建和筛选，试图在短期内通过高频调仓获取超额收益。由于此策略着重于短期市场波动，它运用高频轮动以捕捉短期Alpha。
3. 策略背景
随着AI与大数据技术的不断成熟，在金融投资领域，机器学习模型尤其适用于对短期价格波动的预测。进行高频轮动策略有助于量化投资者在中国A股市场获取短期利润。通过对不同因子的筛选和组合，投资者可以根据历史数据和市场变化趋势对未来短期价格变化进行统一预期调整，此策略为这样高频调仓场景而生。
策略优势
- 灵活性与高效性: 通过大数据提取和机器学习预测，能够快速响应市场变化，抓住短期交易机会。
- 精确的因子筛选与排序: 使用大数据因子分析技术，通过自定义SQL选择高效因子进行投资决策。
- 高换手率与活跃度: 日度更新与高频调仓使策略能够快速适应市场变化，从而在同等市场波动下实现超额收益。
- 风险均衡与资金效率: 通过分批资金投入与持仓限额控制，有效管理投资风险，提高资金使用效率。
策略风险
- 市场风险: 短期市场波动剧烈可能导致损失。尤其是在发生突发事件（如政策变动、国际重大新闻）时，策略可能难以快速调整。
- 应对建议: 密切关注市场动态，设置更灵活的调仓策略。
- 模型风险: 依赖模型预测的准确性，模型输入若不稳定或训练数据不具代表性，可能导致投资决策失误。
- 应对建议: 定期更新与校准模型，使用更全面的历史数据进行回溯测试。
- 交易成本: 高频交易导致交易成本增加，尤其是在A股市场，手续费及滑点问题可能影响收益。
- 应对建议: 计算交易成本并优化交易数量、阶段性减少换手率。
- 流动性风险: 个股短期波动及市值变化可能导致流动性问题，尤其是交易量稀少股票。
- 应对建议: 增加市场监控机制，选择流动性较好的股票进行投资。
