天注14-创业板-F100-160-y28

策略思想

1. 策略思路

该策略通过BigQuant DAI/排序模块，对股票池按模型得分及派生因子进行日度排序。剔除ST与空值样本后，选择排名靠前的股票进行做多。策略的核心思想在于利用量化模型的评分指标和市场因子，结合日频调整和资金管理策略，以获得超额收益。

2. 策略介绍

此策略主要利用因子排序模型来指导选股和仓位调整。通过分析历史收益和成交量等因子，预测哪些股票在未来一段时间内可能表现出色。具体而言，策略关注近90日和30日收益率、成交量等因子，根据这些指标进行股票的优选排序。

每日收盘后，策略重新计算得分，对股票进行重新排名，并根据排名结果执行交易：卖出排名末尾的股票，买入排名靠前的股票。资金分配上，采用1/log(i+2)的权重分配策略，可以让排名靠前的股票获得更多的资金支持。

3. 策略背景

排序策略（Ranking Strategy）是量化投资中常用的一种方式。该策略通常利用多因子模型，通过对各种影响股票表现的市场数据进行分析处理，给出一个得分模型，按照得分对股票池进行排序选股。此类策略的优点在于能够系统地利用大量市场数据和因子，同时通过排序机制挑选优势股票进行投资。

策略优势

1. 高效选股能力: 依托于多因子排序模型，策略能够在众多股票中快速识别出潜在的优质投资标的。
2. 灵活性强: 通过调整因子、持仓数量和持仓天数，可以灵活地改变策略风格和风险暴露，适应不同市场环境和投资者需求。
3. 良好的收益风险比: 回测结果显示策略实现了较低的最大回撤（4.9%）和较高的夏普比率（3.23），体现了较高的风险调整后收益。
4. 胜率可观: 策略的胜率达到80%，说明在多次交易中该策略能够相对稳定地获得正收益。

策略风险

1. 市场风险: 股票市场整体波动对策略的影响不可忽视。在系统性风险爆发时，策略可能无法完全规避市场下跌带来的损失。
2. 个股风险: 尽管已剔除ST股票，但个股的突发情况（如财务欺诈、重大丑闻等）仍可能导致单支股票价格剧烈波动，从而影响整体收益。
3. 操作风险: 由于策略需要每日进行调整，操作频繁，可能会导致较高的交易成本和执行风险。
4. 模型误差风险: 模型得分及因子的有效性依赖于历史数据的准确性和市场的惯性，若市场环境发生剧烈变化，模型可能失准。

为应对潜在风险，建议投资者定期回顾策略表现，并根据市场情况和投资目标动态调整策略参数，谨慎管理仓位与风险敞口。