天注13-创业板-F100-100-y29

策略思想

1. 策略思路

本策略核心在于机器学习排名结合短期回报因子构建选股模型。策略通过DAI SQL计算统计过去90日和30日的回报及其分位排名，剔除ST股票，筛选满足回报排名条件的候选股票池。接着，策略依据机器学习模型的预测对这些股票进行得分排序，然后买入排名靠前的1只股票。买入股票的资金权重根据公式1/log(i+2)进行分配，持有期设定为1日，同时每日重新平衡持仓，以开盘价买入，以收盘价卖出。

2. 策略介绍

该策略采用机器学习排名模型来预测每日股票的预期表现。其核心在于通过动态回测短期内的价格变化，借此选择具备更高短期alpha的股票。此策略适合于日频短线快节奏的A股现货市场，尤其在具有较大波动和迅速轮动的市场中效果显著。

3. 策略背景

随着算法技术和计算能力的发展，机器学习在金融市场上的应用愈发广泛。传统的选股因子模型已经逐渐被加入了更为复杂的算法工具和数据处理方法，以机器学习为核心的选股策略流行于寻求短期收益最大化的操作场景中。尤其在中国股市这种高波动、高成长环境中，利用机器学习的优势来即刻反应市场情绪和短期趋势变化，成为许多量化投资者的选择。

策略优势

1. 科學選股: 本策略使用机器学习算法进行股票筛选，无需复杂的基本面分析，减少主观判断，提高选股效率和客观性。
2. 资金权重灵活性: 使用1/log(i+2)的权重分配公式，将更多资金分配给排名靠前的股票，可以在保证资金较为均匀使用的同时，集中资金于最有潜力的股票上。
3. 快速轮动: 策略持有期为1天，每天根据最新数据调整，适应高速变动的市场，快速捕捉短期价格波动中的机会。
4. 风险控制: 通过每日重新平衡持仓以及设置单只股票的最大持仓比例，严格控制单票风险，从而低风险地实现短期收益。

策略风险

1. 市场风险: 尽管策略内含多种短期信号和控制机制，但无法绝对规避市场系统性风险。尤其是在市场急剧变化或发生非预期突发事件时，策略可能面临显著的亏损。
2. 波动性风险: 在市场波动加大的情况下，快速频繁的交易可能导致较高的交易成本，并可能因高买低卖导致亏损。
3. 模型风险: 策略依赖于机器学习算法的预测能力，若模型训练不当或过拟合，可能导致预测失准，选择不当的投资标的，从而降低策略的有效性。
4. 政策风险: 若市场调控政策或经济规则发生突变，可能直接影响策略的表现。

策略风险管理建议包括定期回顾和调整模型参数、使用更为多样的对冲工具进行风险对冲，以及合理分配风险与收益的平衡。