策略分析：天注19-创业板-F100-70-y74 策略思想 1. 策略思路 该策略采用基于DAI SQL构建的因子/预测模型进行日频择股和轮动操作。具体而言，策略通过计算过去90天和30天的收益率、成交量等指标，生成相应的百分位和排序值（position/score）。每个交易日，策略优先买入排名靠前的股票，并将资金分配给这些股票。策略每天进行调仓，持仓周期由hold_days参数控制。默认情况下，策略仅持有一只股票，权重分配遵循1/log(i+2)的规则。 2. 策略介绍 策略主要利用历史价格数据和成交量数据，通过DAI SQL操作构建因子。采用预测排序模型...
策略思想 1. 策略思路 该策略的核心是构建依赖于多时段因子的排名信号，然后根据该信号捕捉短期价格异常或动量特征。策略通过DAI SQL计算近90日和30日的收益率以及成交量的排名等关键因子，剔除ST股票，并进行因子的筛选。具体选股逻辑为剔除90日排名高和30日排名低的个股，并每日买入排名靠前的标的。交易规则指定了日频调仓，并通过参数控制持仓期，每天根据预测序列的排名进行资产配置。 2. 策略介绍 这种策略属于典型的短线量化交易策略，利用历史数据构建模型，预测股票短期收益，期望通过动态调整持仓来...
策略思想 1. 策略思路 该策略的核心在于利用大数据分析与机器学习技术构建排序信号，实现日频率的股票轮动。策略通过筛选90日与30日收益等因子，以生成当日的预测排序，然后选取排名靠前的股票进行投资。选股逻辑采用买入排序前N只股票，同时考虑权重的归一化分配策略。对于资金管理，采取资金均摊，并设定每日最大持仓比例及单只股票的最大资金限制，以控制风险。通过短持的持仓规则实现每日调仓，并根据预测排序逐步清仓，以保持资金流动性。 2. 策略介绍 该策略基于DAI（Data Analytics and Insights）和机器学习...
策略思想 1. 策略思路 这是一种基于机器学习因子排序的短期交易策略。该策略使用 DAI SQL 来提取并排序候选股票，然后根据其预测得分来决定是否建仓。核心在于通过计算90/30天滞后收益的百分位排名、成交量等因子进行排序和预测，从而选择最有潜力的标的进行投资。 2. 策略介绍 此策略主要是围绕因子排序进行。通过计算股票在过去一段时间内的收益表现和成交量，将这些因子转化成排名指标，以便对股票进行打分。最终，根据这些得分决定每天的投资组合。每个候选股票的权重是通过一个函数 1/log(rank+2) 来确定，以...
策略思想 1. 策略思路 策略的核心思想围绕利用机器学习/DAI SQL构建的排序信号执行日频交易，在交易日的开盘时根据多因子模型进行股票选择与排序，以预测未来短期内的表现。策略剔除ST股，通过因子组合的方式，使用90天与30天收益的百分位rank、成交量、当日收益作为关键因子，计算候选股票池的评分，选择得分最高的股票进行投资。在资金管理上，以对数权重方式分配，并采用分阶段建仓原则，最大限度扩展至1.5倍的当日可用资金。 2. 策略介绍 策略的理论基础是基于机器学习算法和DAI SQL数据表的日频轮动操...
策略思想 1. 策略思路 该策略的核心思想是利用DAI模块生成的排名因子，包括多周期收益、成交量等，作为预测分数或持仓依据。策略对每日股票池按预测值进行排序，并以日频进行建仓和调仓。选股标准是选取排名靠前的股票，在策略中，设置stock_count=1，这意味着每次仅选取前1只股票进行投资，资金分配按照1/log(i+2)进行权重配置。 2. 策略介绍 该策略属于短线高频交易策略，具体操作包括每日调仓，持仓天数由参数hold_days定义（此示例为1天）。买入时按照权重通过可用现金在开盘价买入，卖出时在建仓期后依据预测将排...
策略思想 1. 策略思路 该策略通过使用DAI SQL构建若干因子（如近90天/30天收益、成交量、当日收益等），对股票进行打分并生成相应的排名和仓位建议。策略中剔除了ST股票和数据中的空值，并设置排名阈值来进行股票筛选。选股逻辑上，每日按预测排序选择前N只股票（默认N=1），期间权重通过1/log(i+2)归一化分配。如果未持有股票超过最低持有期，则从尾部清仓以释放资金。策略调仓频率为日频，持仓周期可通过参数 hold_days 灵活控制。 2. 策略介绍 这一策略的核心在于动量与回归信号的结合——通过对短期市场动向的捕捉...
天悉3-创业板-1900-y121 策略分析 策略思想 1. 策略思路 这是一种基于DAI SQL构建的日频短线交易策略。具体操作上，此策略使用自定义因子（如90日与30日滞后收益比、成交量秩等）对股票池进行评分排序，择取排名靠前的标的构建投资组合，并通过每日调仓实现高频交易。每个交易日开盘后将资金分配于这些标的，并在收盘时卖出，频繁转仓以求取高短期收益。 2. 策略介绍 该策略的核心是使用自定义因子进行评分。例如，90日滞后收益与30日滞后收益的比率、成交量秩和单日收益等。通过对这些因子的计算和排序，策略挑选...
策略分析 策略思想和背景 该策略是基于机器学习排序因子建立的日频择时策略。其核心在于通过特定因子组合（如90日与30日窗口收益排名、成交量秩、当日涨跌）进行股票选择，并通过机器学习模型来预测和排序，选择出潜在的优质股票进行投资。策略通过每日重新平衡投资组合，并且持仓期较短，每笔投资大约持有一天。这种短期高频交易策略旨在捕捉市场中短期的价格波动，获得超额收益。 具体操作步骤包括：在每日复盘时根据模型预测的股票排序，择优买入排名靠前的股票。买入股票数量和持仓天数都是可调的（...
策略思想 1. 策略思路 该策略为基于 DAI 数据管线的短线反转择股策略。其基本思路是通过计算90日与30日的回报并做分位排序，以筛选出符合特定条件的股票进行交易。具体选择条件是：90日表现不过差且近30日显著回落的股票（即 \(_rank_return_90 > 0.1\) 且 \(_rank_return_30 < 0.1\)），从而可以捕捉短期的反转机会。经过模型计算得到的排序分数用于进一步筛选和决定最终的交易名单。 2. 策略介绍 短线反转策略主要利用股票在市场中的短期价格波动和均值回归的特性寻找投资机会。其理论基础主要源自"均值回归"和"市场过度反应"的...
策略思想 1. 策略思路 该策略主要依赖于机器学习评分（position/score）对股票每日进行排序，并选择排名靠前的标的进行建仓。因子选择包括窗口收益（90日、30日）和成交量等指标，同时剔除ST和无效样本。策略采取每日重平衡方式，平均持仓天数为1天。新建仓过程中，采用分阶段的资金分配策略，以降低风险并优化投资。 2. 策略介绍 该策略采用大数据和人工智能技术，特别是机器学习算法，通过对市场数据进行分析打分，从而选择出最优的交易标的。核心思想在于利用历史收益和成交量因子来预筛选股票，再通过...
策略报告 - 天注13-创业板-F100-100-y37 策略思想 1. 策略思路 该策略基于DAI和机器学习构建日频多头股票选股模型，主要通过以下步骤实现投资决策： - 利用自定义SQL构造因子（包括90日/30日收益率排名、成交量等），基于机器学习模型对股票进行得分排序。 - 剔除ST股票后，按收益率排名选择前N只股票（代码中N=1）进行投资。 - 每日按计算的权重买入股票，权重按1/log(i+2)归一化分配。 - 执行日内的开盘买入和收盘卖出操作，持仓时间为一个交易日。 2. 策略介绍 策略运用频繁的高换手率买卖来捕捉短期价格波动带来的超额收...
策略思想 1. 策略思路 该策略是基于DAI（大数据分析）与因子打分的日频多空排序择股方案。详细步骤如下： - 使用多周期回报（如30天、90天）和成交量等因子进行预处理，通过剔除ST股票和设置阈值进行筛选。 - 每日根据因子得分对股票进行排序，并买入得分高的股票（代码中最多买入一只）。 - 分配权重时，使用1/log(i+2)进行归一化。 - 设定持有周期（如示例中为1天），即在开盘时以开盘价买入，收盘时以收盘价卖出。 - 资金分配基于平均仓位资金和最多1.5倍，即在建仓阶段经过101次买卖后逐日均匀分布资金。 - 卖出通...
策略思想 1. 策略思路 该策略是一个基于大数据分析和机器学习排序技术的短期动量选股策略。其核心在于利用DAI SQL分析A股市场的数据，筛选出短期内具有较强上升趋势的股票，并精选其中的优质标的。策略的具体操作逻辑包括根据30天和90天的收益率及成交量等因子进行排序，排除特殊处理股（如ST股）及数据缺失样本；然后每日调仓，优先持有近期（30天）表现突出的股票，并满足较长期（90天）排序条件的股票。 2. 策略介绍 本策略采用的核心理论是动量投资，即通过过去的股价动量（如过去30天和90天的回报率）进行股...
策略文章——DAI/机器学习量化择股策略 策略思想 1. 策略思路 该策略基于DAI（Data and AI，数据与人工智能）和机器学习排序信号，结合多期回报因子建立日频择股策略。它通过使用预处理模块计算90日、30日和1日的回报及成交量因子，剔除ST股票，然后根据模型生成的“position”进行排序。在选股方面，策略仅选择排名最前的股票，确保其资金分配采用逆序对数权重方式进行。策略特点包括每日重平衡，持仓周期为1天，持仓期内若股票跌出排名，则优先清仓。 2. 策略介绍 该策略的核心思想是利用机器学习算法通过历史市场...
策略思想 1. 策略思路 该策略结合了股票短期和中期收益以及成交量的排序信号，通过DAI SQL计算的90日、30日收益分位和成交量特征构成预测排名。每日筛选模型输出的股票，将前N只股票纳入投资组合，按1/log(i+2)权重配置。策略的买入操作在次日开盘以开盘价下单建仓，持有期则由参数hold_days控制（默认1天），到期或根据排名被替换时以收盘价卖出，日频再平衡。为了有效管理资金，该策略采用按持仓天数平均分配的分阶段投入逻辑，单只股票持仓设定最大资金占比上限，并剔除ST股，设置交易手续费及最小费用。 2. 策略...
策略思想 1. 策略思路 本策略基于DAI（分布增强险）和机器学习模型，通过一系列因子包括短期收益（近30/90日回报排名）、成交量等对股票进行打分排序。策略在预处理过程中剔除了ST股，然后根据预测排名选择前N只股票进行配置，按权重1/log(i+2)进行归一化分配资金。 2. 策略介绍 策略依赖于机器学习模型的预测输出，通过对股票进行打分排序，以短期收益与成交量作为主要特征进行投资决策。这种方法能够捕捉短期内市场上下波动的机会，力争在高频交易中实现盈利。 3. 策略背景 随着人工智能和机器学习技术在金融市...
策略思想 1. 策略思路 该策略通过大智AI/机器学习（DAI/ML）构建的预测排序模型，结合90天/30天回报分位和成交量等因子，对选定的标的进行日级的选股与轮动操作。每一交易日根据预测排名买入前N只股票（在代码中N=1），并通过1/log(i+2)的比例分配权重。持有股票的平均天数由参数hold_days控制（目前设定为1天），并以日均投资组合价值等比例分配建仓资金进行交易。策略依赖于高换手与低滞留，旨在快速捕捉短期的alpha收益。 2. 策略介绍 该量化策略基于对90天和30天的历史价格收益排序，以及成交量因子进行选股。通过预...
策略思想 1. 策略思路 该策略是一种基于机器学习评分对股票进行排序并择优建仓的短周期高换手策略，主要应用于A股市场。每天根据前一天的预测得分从高到低选取股票持仓，持有期为一天。策略通过90天与30天回报、成交量以及当日涨幅等特征对股票进行预测排名，并剔除ST股票。交易日当天持仓最多允许1.5倍的资金投入来加速换手。 2. 策略介绍 该策略充分利用DAI和机器学习技术对股票进行日频排序。通过对历史90天与30天回报、成交量与当日涨幅等特征的量化处理，结合剔除ST股票、百分位过滤等步骤来获取优化的投资...
策略思想 1. 策略思路 - 本策略核心思想是通过机器学习进行股票排序，在因子层面主要利用了90天和30天的收益，以及成交量等指标。通过对股票进行量化的收益预测排序，选择预期收益排名靠前的股票进行投资。 - 股票在经过筛选后被每日买入，在持有一定天数后，利用机器学习算法的预测进行末位淘汰卖出。策略中纳入了风险控制措施，比如剔除ST类股票和控制单一股票的最大资金投入比例等。 2. 策略介绍 - 该策略的理论依赖于机器学习预测模型，用以处理大量因子数据，综合评估每个股票在特定市场条件下的表...
