策略思想 1. 策略思想 本策略每天持有5只股票，运用 stockranker 模型分析量价、财务数据及行业趋势，根据得分更换一只表现不佳的股票。过滤掉 ST、退市及科创板股票。 2. 策略介绍 量化选股策略 量化选股策略是一种基于数据分析和模型预测的投资决策方式。其核心思想是利用大量历史数据，通过定量的方法（如因子分析、机器学习等）选择出潜在表现优异的股票。本策略采用了 stockranker 模型，对股票的量价、财务数据及行业趋势进行分析，从而筛选出得分最高的5只股票以构建投资组合。每日更换表现不佳的股票，确保...
策略思想 1. 策略思想 - 该策略每日持有10只股票，通过 stockranker 模型结合基本面和量价等因子进行预测排序后，调整1只股票的持仓，这意味着每天都会对持仓进行小部分调整，以保持组合的优质性。 2. 策略介绍 - 核心思想：该策略的核心在于通过量化模型对股票进行评分排序，并基于排名结果挑选前10名股票进行持仓。这种方式能确保组合中的股票始终是高评分的，有助于提升投资组合的质量。 - 模型与因子：策略运用了 stockranker 模型，结合了基本面因子（如市盈率、市净率、净利润增长等）和量价因子（如换手率、成交...
策略思想 1. 策略思路 该策略是一个风险较低的投资策略，适合于大资金和低风险偏好的投资者。其核心思想是通过轮动交易债券ETF，以实现长期稳定的收益，跑赢银行存款利息。具体操作上，策略每周进行一次调仓，根据市场数据确定买入的债券ETF，并持有一周。 2. 策略介绍 债券ETF轮动策略是一种通过定期轮动持有不同债券ETF来获取收益的投资方法。债券ETF是一种在交易所上市交易的基金，主要投资于各类债券产品。采用轮动策略的原因是不同的债券ETF在不同的市场环境下表现不同，策略通过定期调整持仓，优化收益。...
策略思想 1. 策略思想 - 该策略基于换手率、成交量和基本面因子，持有5只股票，每日根据预测得分更换1只股票。倾向选择大盘股，并排除科创板股票。 2. 策略介绍 - 基于因子的量化策略通常会选取若干反映公司不同维度表现的因子，这些因子可能涵盖技术面、基本面、财务数据等多个方面。策略通过综合考虑这些因素的影响，来筛选出符合预期表现的股票，进行买卖操作。 3. 策略背景 - 因子投资起源于对金融市场中一些“因子”的深刻理解，并利用这些因子实现更科学和理性的投资决策。比如，换手率、成交量和公司...
策略思想 1. 策略思想 - 策略核心：每日固定持有3只股票，通过对这些股票运行模型进行打分，替换分数最低的1只。 - 选股逻辑：基于 stockranker 模型和成长等风格因子对股票进行评分。 - 换仓机制： - 每日从非ST、非退市且非科创板股票中剔除得分最低的1只股票，并替换为评分较高的股票。 - 每只股票的权重相同，均匀分配。 2. 策略介绍 该策略基于评分模型进行股票选择和每日换仓。通过使用成长等风格因子对股票评分，并每日评估现有持仓和候选股票，将评分最低的股票替换为评分更高的股票，保持持仓质量优化...
策略思想 1. 策略思想 - 此策略每日开盘买入最多1只股票，单只持仓比例为50%左右，最多持有2只股票，于次日尾盘卖出。股票池选择基于最近10日内出现涨停的股票，并通过技术指标的研究进行选择。持仓单只股票的仓位较重，因此收益波动较大。 2. 策略介绍 - 本策略属于一种短线交易策略，旨在通过快速买入卖出股票从中获取利润。策略的核心在于股票的选择逻辑和操作方式：股票池选择最近10日内出现涨停的股票，结合技术面指标进行选股；每日开盘买入新股，次日尾盘卖出，以此形成一个快速的循环交易模式。 3. ...
策略思想 1. 策略思路 "AI策略——迎利宝" 主要利用AI技术，通过训练模型来捕捉因子与收益之间的非线性关系。该策略在历史数据中训练AI模型，以期在样本外数据上对股票进行有效的预测。策略通过预测得分对股票进行排序，并根据得分进行交易决策。 2. 策略介绍 这类策略通常被称为量化选股策略，借助机器学习技术，特别是高级的AI模型，通过对大量历史数据进行训练，形成一个能够预测未来收益的模型。模型的核心是利用因子（如财务指标、市场指标等）作为输入，产生相应的预测得分。进而，策略依据这些得分来...
策略思想 1. 策略思想 该策略的核心思想是基于技术面指标筛选股票，并进行短线交易。具体来说，策略会在开盘时买入在过去10天内出现过涨停的股票，并在第二天尾盘卖出所有持仓。由于该策略的持仓股票较为集中，因此单支股票仓位较重，收益波动较大。 2. 策略介绍 此策略采用了一种经典的短线交易方法。该方法是基于市场中的技术性反转现象，即在短时间内出现较大波动的股票可能会因为市场追捧而在短期内继续上涨。策略买入这些具备潜在强势表现的股票，并在短期持有后卖出，快速实现收益。 3. 策略背景 这...
策略思想 1. 策略思想 - 本策略的核心思想是每日开盘买入一只股票，并于收盘时卖出一只股票。选股逻辑基于stockranker算法，目的是尽可能选择短期涨幅较高的股票。因子层面进行了适当的风险控制，在不同阶段使用不同的因子。 2. 策略介绍 - 该策略的理论基础是根据股票的短期涨幅预测进行选股和交易。stockranker算法通过对多种因子数据（如历史价格、成交量、财务比率等）的分析，计算每只股票的综合评分，从中选择预测表现较好的股票。每日的买入卖出操作确保了资金的高效利用和收益的最大化。 3. 策略背景 ...
策略思想 策略介绍 核心资产优选策略是通过利用量价因子对小盘股进行筛选和排序，挖掘出潜在的高回报股票，并进行持仓管理。具体而言，该策略使用量价因子对小盘股进行排名，然后使用stockranker算法进行训练，最终选择排名前10的股票进行持有，并每日调整仓位。量价因子的使用可以更好地反映股票的趋势和市场情绪，结合stockranker算法的优化能力，使得策略更具优势。 策略背景 量价因子在量化投资中有着广泛的应用，通过分析交易量和价格的变化，可以捕捉到股价的走势和市场情绪。小盘股由于市值较小，往往更...
策略思想 1. 策略思想 该策略使用强短期价格动量和潜在趋势转变信号训练StockRanker模型，最终持有预测值排名前10的股票。 2. 策略介绍 本策略核心在于利用短期价格动量和趋势转变信号，通过StockRanker模型进行训练与预测。短期价格动量一般是指一段时间内价格的持续上涨或下跌。在市场中，它常常被视作一种能够预示未来股票价格走向的技术指标。趋势转变信号则是在市场中检测出价格变化方向的转折点，这些点位可能预示着市场进入新的涨跌周期。综合这两个方面的信息，通过模型训练和预测，从而得出潜在表现最佳...
策略思想 1. 策略思路 该策略依据DAI（Data AI）/机器学习排序信号进行日内择股。具体操作如下： - 多周期因子构建：通过自定义SQL语句构建多周期因子，例如90日与30日的收益率，以及成交量排名。 - 样本筛选：筛除ST股票，并用90日与30日收益率的排序阈值进行过滤。 - 决策依据与交易规则：依据模型提供的排序信号，在每日开盘后进行股票买卖决策。每日对持仓进行重平衡（rebalance daily），持仓时间周期由参数hold_days控制，当前设置为1天。 - 买入策略：仅买入排名靠前的stock_count只股票（当前为1只），权重分配根据公式1/...
策略思想 1. 策略思路 本策略是一个日频、长仓且高换手的机器学习排序择股策略，主要通过DAI-SQL预计算因子（如90日/30日滞后收益比、成交量排序及收益分位排名等），每天根据计算出的"position/score"排序列出候选股票，以此来进行股票的选择和投资决策。 2. 策略介绍 该策略运用了机器学习排序算法作为择股的核心手段。当日盘前通过相关因子的预计算和排序，确定每日需要买入的股票数量及其顺序，依据这些得分来决定持仓股票。策略的交易规则设定为每日调仓，并且持有期和仓位的分配都通过具体的参数进行控制，比...
策略思想 1. 策略思路 - 该策略利用 DAI/特征管道生成的排序预测数据，综合考虑中期和短期收益及成交量等因子，进行每日选股。通过预测得分排序，挑选排名靠前的标的，并在短期内持有，进行日频轮动，以捕捉短期 alpha 收益。 2. 策略介绍 - 本策略的核心在于通过深度分析市场中的短期变动因素，如30日和90日的收益，以及成交量大小等，使用机器学习模型预测股票表现。该模型通过DAI SQL构建因子，并根据预测排序将目标股票列表化，按升序排列，选择排名前N的股票进行买入。 - 具体操作步骤包括：日频重平衡、每次持...
策略思想 1. 策略思路 这项策略的核心思路是使用DAI（DataAI）/机器学习的预测结果来捕捉股票的短期alpha收益。具体来说，策略通过DAI SQL预处理来筛选股票样本，然后根据预测模型对股票进行排序，选择排名靠前的股票进行投资。每日开盘时根据权重买入，并在持仓期满后根据最新预测卖出股票，从而实现短线高频交易，快速捕捉市场机会。 2. 策略介绍 该策略依托于平台上的机器学习预测技术，即通过对历史股价和交易数据的分析，生成未来一段时间的股票排名预测。然后策略根据这些排名对股票进行短期投资。该策略假...
策略思想 1. 策略思路 该策略的核心是利用基于机器学习的排序模型对股票进行日频选股，主要通过以下几个步骤实现： - 首先，使用过去多个时期的收益、换手率、成交量等因子训练一个GBDT排序模型。 - 然后，将未来的短期收益作为标签进行截断分箱，用于训练模型。 - 依据模型的输出获取每日股票的预测排名。 - 最后，采用按权重分配资金的方式买入排名靠前的股票，每日进行持仓重平衡。 2. 策略介绍 该策略属于机器学习选股策略的一种，使用GBDT排序模型（Gradient Boosting Decision Tree）作为核心算法。GBDT是一种集成学习...
策略思想 1. 策略思路 该策略基于DAI SQL和模型评分构建短期排序因子，通过90日和30日收益率的窗口排名以及成交量等因子，对剔除ST股票和缺失数据的股票进行每日的模型评分排序。策略的主要操作是在开盘时选择权重最大的前N只股票（默认1只）进行买入，持有周期为1天。每天收盘或持仓到期时按模型最差的头寸进行清仓。资金分配上采用按权重的均等分配或分阶段投入，并有特定的交易成本设置。这是一种主动多头策略，旨在捕捉短期的市场反转或回弹。 2. 策略介绍 短期排序因子选股策略通过量化建模对股票做排序和...
策略思想 1. 策略思路 本策略通过使用DAI（Data Analysis Intelligence）机器学习模型对股票进行评分排序，每日进行选股和换仓。具体操作包括： - 通过SQL预处理多项中短期因子，如90日、30日位次和成交量等。 - 剔除ST和缺失样本，通过模型输出的position字段进行升序排序。 - 每日买入排名靠前的一只股票，并按1/log(i+2)方式分配权重（单股即100%）。 - 交易规则为每日开盘以open价买入，收盘以close价卖出，持仓周期为1天，换仓频率为每日。 - 风险控制包括剔除ST和因子的位次与阈值过滤，并设置最小交易成本与买卖手续费，采用分...
天注17-创业板-F100-70-y77 策略解析 策略思想 1. 策略思路 - 本策略通过基于 DAI SQL 构建的机器学习和因子排序模型，对股票市场进行全自动化的日内交易。策略主要依赖于因子研究来对股票进行打分与排名，并执行高频的轮动操作。具体而言，根据证券的长期（90 日）与短期（30 日）收益，以及成交量等因子，对股票进行筛选和排名，选择其中排名靠前的股票进行投资。 2. 策略介绍 - 该策略运用了动量与因子投资理论，通过计算多个时间尺度的收益表现及成交量等因子，预测每日的优质投资标的。根据这些因子的排序，...
策略思想 1. 策略思路 本策略通过DAI/SQL构建短中期因子和模型排序选股。因子包括90日和30日的滞后收益、成交量，以及最近的涨跌变化。策略结合外部排序字段（如position/score）对样本按日排名。每个交易日选择前N只股票（代码中N=1）买入，按照1/log权重分配资金，持有期为hold_days天（默认为1天），每日进行再平衡。 策略在建仓期采用分阶段配资以平滑入场，持仓超过hold_days后按模型末位逐步剔除。风控方面包括剔除ST股、限制每只股票的最大资金占比、设置手续费和最小成本，同时根据每日现金可用量限制买入。 2. 策...
