天利2-创业板-100-y53

策略思想

1. 策略思路

该策略基于人工智能（AI）和机器学习的数据预测能力，对每日的股票进行排序，并持有排名靠前的标的。具体做法是，通过预处理后的DAI SQL计算出选股因子，依据“position/score”字段进行排序。策略日频操作，持有排名靠前的前N只股票，同时按预定持仓周期逐步淘汰表现靠后的股票。

2. 策略介绍

由于策略使用机器学习算法对股票进行排序，因此其核心在于通过短期因子来寻找超额收益机会。这些因子包括近30/90日收益的分位数、成交量等。持仓股票的选择和资金分配上，则遵循了财务学的基本原则，对优质股票给予更多权重，以期获得更高的风险调整后收益。

3. 策略背景

在近年来量化投资的大潮中，机器学习算法被广泛应用于预测股价走势，尤其是其在短期内对于alpha的捕捉能力吸引了大量量化投资者的注意。因而，这种依托于机器学习基础上的排序选股策略，成为了市场上炙手可热的量化投资方式之一，其优势在于算法可以不断学习和适应市场的变化。

策略优势

1. 快速捕捉短期Alpha: 依托AI和机器学习算法，策略能够每天对市场数据进行实时分析，短时间内识别出潜在的盈利机会，从而获取超额收益。

2. 动态调仓: 通过日频重仓和智能资金分配，策略具备灵活的市场应对能力，可以逐渐买入表现优异的股票，并迅速剔除表现不佳的股票。

1. 精细化风险控制: 策略设置了如建仓分批、最大占比限制等机制，有效降低了市场冲击和交易成本，同时提高资金使用效率。

策略风险

1. 市场风险: 由于策略是长持多头，同时又是高换手率模式，这使得其在市场大幅波动或趋势不明的情况下，容易受到较大影响，出现意外亏损。

2. 流动性风险: 策略依赖于流动性较好的股票市场，若市场出现流动性枯竭，极易导致买卖委托无法顺利成交，影响策略的执行效果。

1. 模型风险: 使用AI/机器学习模型进行股票选择，模型的准确性和稳定性直接影响策略的成败。若模型未能准确反映市场动态，可能导致错误的投资决策。

4. 操作风险与交易成本: 日频操作需要考虑滑点和交易成本对收益的吞噬效应，实际操作中应设置严格的风控机制，如止损机制、仓位管理等，以减小交易误差影响。同时，需要充分考虑交易佣金等成本因素。