天注13-创业板-F100-100-y37

策略思想

1. 策略思路

该策略的核心思想是利用大数据与AI技术，通过DAI SQL框架构建特征，并综合模型排序（包含90日/30日收益分位以及成交量等因子），从而生成每日股票排名。选股逻辑是将满足因子筛选（如90/30日收益分位区间）的股票按模型得分排序，买入排名较前的N只股票（本示例中，N=1）。股票的权重通过逆对数函数分配，因此近似等权。交易规则为每日进行重仓轮动，资产重平衡频率为每天一次。持仓天数可以通过参数hold_days控制，示例中为1天。买入价格采用当日开盘价，卖出价格则是当日或次日的收盘价或目标清仓价。资金使用和风险控制方面，包括设置交易手续费和最低费用、单只股票最大资金占比限制、分阶段建仓以平滑资金使用，以及根据模型末位剔除持仓以释放资金。

2. 策略介绍

该策略依托于因子和机器学习模型的结合，以捕捉短期市场上可能被低估或有潜在动量的投资机会。因子如90日/30日收益分位等，通过对历史数据的量化分析，可以帮助识别相对强势或弱势的股票。同时，通过成交量的变化，捕捉市场的买卖动向。综合这些数据和量化模型的分数排行，以实现对短期alpha收益的获取，适合于日内或日间短期交易。

3. 策略背景

量化择股策略在金融市场中广泛应用，尤其在高频交易、短线交易中占据重要地位。此类策略利用量化工具，从海量数据中挖掘引发市场价格波动的潜在因素。AI和大数据技术则为这些策略提供了至关重要的支持，通过机器学习算法与海量历史数据，能够在海量信息中发现复杂的非线性模式与因果关系。

策略优势

1. 短期收益能力：该策略旨在捕捉市场的短期alpha收益，短持有期的配置使得策略能够灵活应对市场的快速变化。

2. 精确选股：通过结合多因子分析与机器学习模型，策略能够在大量股票中精确筛选出潜在的投资标的。

1. 高频率调仓：通过每日调仓的机制，迅速剔除跑输市场的股票，保持投资组合的整体质量。

4. 灵活的资金管理：分阶段建仓与持仓末位剔除的机制，确保资金使用效率和组合风险管理之间的良好平衡，限制个股过度集中。

策略风险

1. 模型预测风险：该策略较为依赖量化模型对股票评分的准确性，在特定条件下模型可能失效，如当市场因素变化而影响模型有效性时。

2. 交易成本与滑点风险：由于交易频次高，策略产生的交易成本和滑点可能对整体收益产生负面影响。

1. 市场极端波动风险：在市场极端波动或系统性风险事件下，短期量化策略可能因调仓不及时等原因带来损失。

4. 极端集中持仓风险：虽然设置了单只股票的最大资金占比限制，但在某些市场环境下，集中持仓仍可能加大投资组合的风险。