创业板-多因子-1801

策略思想

1. 策略思路

本策略利用了一系列的技术指标进行量化选股。这些技术指标主要依据股票的价格、交易量以及行业等多种因素进行综合评价，同时结合了一些统计学分析方法如分位数计算。其中，使用Python进行数据处理和计算的主要库有Pandas和Numpy。同时，该策略选择使用BigQuant平台提供的数据库资源，通过SQL查询方式从指定的数据库表中提取所需的特征数据。

策略的核心在于通过一系列约束条件（constrs）来筛选满足条件的股票，然后根据这些股票构建投资组合。

2. 策略介绍

该策略使用条件筛选法来选股，通过计算股票的多项特征，如瞬时涨停数量、相对收益、交易量比率等，形成决定因子（con1、con2...con30）。这些因子通过相应的约束条件进行筛选，选择符合投资逻辑的股票。策略的买入逻辑基于选中的股票列表，以一定的权重配置进入组合。这个过程中使用了SQL进行数据处理，并通过Pandas的分位数计算优化排序。

策略还固定了一些交易机制参数，如：

• 每批次买入股票数量。

- 基于前N个交易日的资金分配比率。

• 使用自定义的手续费（买入0.03%，卖出0.13%）和最低手续费标准来尽量模拟真实市场环境，确保真实用户的一致性体验。

3. 策略背景

量化选股是量化投资策略中的关键部分，采用技术指标、基本面、统计数据等多维度数据对股票未来表现进行预判与筛选，是目前市场中应用广泛且效果显著的一种投资方法。BigQuant平台提供了一站式的数据分析和策略实现平台，助力投资者在海量数据中挖掘有价值的信息。此策略的设计正是为利用平台资源，结合数据挖掘技术，快速实现有效的选股策略。

策略优势

1. 数据全面且处理高效：该策略结合使用多表联接与过滤技术，进行数据提取与处理，确保数据全面且及时。

1. 灵活的因子计算和筛选：实现多达30个因子的分位数计算，灵活地定义投资组合标准，从而更精准的筛选出潜在优质股票。
2. 适用范围广：该策略不仅支持个股筛选，还可以适用于不同的行业板块，通过行业因素标准化数据，确保数据的独立性与整体性。
3. 风险控制及时有效：策略中预留了灵活的持仓时长控制，让策略在行情不明显或者股价波动较大时迅速止盈止损，降低投资风险。

策略风险

1. 市场风险：

- 价格波动可能导致投资标的实际表现与预期不符，从而影响收益。
- 策略在大规模市场波动时的表现需要特别关注，尤其是当市场系统性风险存在时。

1. 流动性风险：

- 策略买入卖出时机如果与市场大众行动趋同时，可能出现流动性不足的风险，导致无法以理想价格交易。

1. 模型风险：

- 量化模型依赖于历史数据与假设条件，当市场变化较大时，模型可能失效或者不足以应对特殊情况。
- 策略的参数及因子在设置上具有一定的主观性，因此整体风险容易受限于建立模型的假设。

4.操作风险：
- 策略执行中的各种可能的错误，比如数据获取错误、代码编写错误或是硬件设备异常都可能影响最终表现。
- 在自动交易系统中程序的每一步实现都需要反复测试和监控，避免可能出现的BUG对策略执行的干扰。null