策略报告 - 天注13-创业板-F100-100-y37

策略思想

1. 策略思路

该策略基于DAI和机器学习构建日频多头股票选股模型，主要通过以下步骤实现投资决策：

• 利用自定义SQL构造因子（包括90日/30日收益率排名、成交量等），基于机器学习模型对股票进行得分排序。

- 剔除ST股票后，按收益率排名选择前N只股票（代码中N=1）进行投资。

• 每日按计算的权重买入股票，权重按1/log(i+2)归一化分配。

- 执行日内的开盘买入和收盘卖出操作，持仓时间为一个交易日。

2. 策略介绍

策略运用频繁的高换手率买卖来捕捉短期价格波动带来的超额收益。通过模型预测未来的股票收益走势，进行最优资产配置选择。每日买入目标股票，第二日卖出，不断高频交易来实现收益。这种策略适用于A股市场，特别是近几年运行活跃的创业板。

3. 策略背景

随着金融市场数据的爆发式增长和计算能力的进步，AI和机器学习在量化金融领域的应用愈发广泛。近年来，量化交易逐步兴盛成为股票市场的重要组成部分。高频交易因其高换手率与低持仓时间特点，吸引了越来越多的投资人和机构的关注。

策略优势

1. 短期信号捕捉：

- 利用机器学习技术，策略能有效识别短期内可能上涨的股票，从而进行快速交易捕捉收益。

1. 风险分散：

- 通过算法进行多股票分布投资，降低单一股票价格波动对组合收益的影响。

1. 灵活调控：

- 几个参数（如持股天数、持股数量、持仓比例等）可调，方便投资者根据市场环境快速反应并调整策略，适应不同市场周期。

策略风险

1. 市场风险：

- 策略高频交易特性容易受到市场整体波动的影响，如市场流动性不足或投资标的大幅波动。

1. 交易成本和滑点：

- 高换手率的最大风险在于手续费和滑点可能侵蚀收益，尤其是在成交量和买卖价格显著偏离预期时。

1. 模型不稳定性：

- 模型可能因市场环境或数据质量问题失效，无法持续提供准确的买卖信号。

1. 系统风险：

- 若策略依赖的技术平台运行性能不佳或发生故障，将严重影响策略交易的实施。

风险应对建议：

• 市场风险：增设风险控制阈值，适时进行止损操作。

- 交易成本和滑点：优化交易算法，采用更有效的订单调度。

• 模型不稳定性：定期审核和更新模型，以提高其在不同市场状况下的表现。

- 系统风险：确保有备用系统，提升可用性和应急响应能力。

本文提供的策略报告旨在帮助投资者在BigQuant平台上更好地理解和应用该策略，并通过量化分析有效提高投资决策质量。