策略代码文章
天利3-创业板-120-y85*
策略思想 1. 策略思路 该策略结合了多种因子（例如交易量、收益率、市盈率等）对股票进行评分和排序，构建出一个多因子模型来评估股票的投资价值。利用机器学习模型进行排序和预测，选出未来预期表现较好的股票进行投资。策略特点是每日持仓一只股票，仓位集中，这种集中化投资有可能伴随较大的回撤风险。 2. 策略介绍 多因子选股策略是一种使用多个因子来选择股票的方法。因子可以是财务指标（如市盈率、股息收益率）、技术指标（如相对强弱指数）、市场数据（如交易量）等。通过权衡这些因子，可以得到...
天注19-创业板-F100-70-y120*
天悉3-创业板-1900-y259*
天注17-创业板-F100-70-y58**
策略思想 1. 策略思路 本策略的核心思想是利用AI和机器学习技术，通过DAI（Data AI Interface）生成的排序信号来挑选短期强势股票。在预处理阶段，策略会考虑90日和30日收益差、成交量和近期回报等因子，通过过滤掉ST股票和缺失数据，只选取排名靠前的股票进行交易。交易决策上，策略严格遵循排序信号进行买卖，具体流程是：每日买入排名第一的股票，并在持有一天后进行调仓，利用剩余资金在非交易日时允许最大1.5倍的资金使用。 2. 策略介绍 该策略的核心是通过AI/机器学习排序信号进行短期轮动交易。具体来说，策略...
天泉5-创业板-80-y24
策略思想 1. 策略思路 本策略基于短中期收益率排序的反转思路。通过 DAI SQL 计算出近 90 日与 30 日的收益及其百分位排名，并以此为依据筛选出近 30 日经历较大回撤但 90 日收益率不极端的标的（剔除 ST 股票）。在筛选后的标的中，按照预设因子 weights 进行排序，然后在每日开盘时买入排序靠前的股票，持有 1 日，以收盘价卖出。 2. 策略介绍 该策略利用短期股票价格的波动性，寻找之前经历过显著回撤的股票，以期望其在短期反弹。核心思想是逆向投资，即在短期被过度抛售的股票可能在接下来短期内出现反弹。通过计...
天创40-1300
策略思想 1. 策略思路 该策略基于特征工程和机器学习模型的日频打分与排序选股策略。主要利用股票的历史收益率和成交量作为输入特征，通过数据预处理和筛选，生成每日的预测排名。每日按排名买入前N只股票，并持有一定的交易周期后再平衡持仓。资金分配上，每次购入按1/log进行权重分配，同时控制每只股票的最大资金占用比例、分阶段建仓及相应的交易手续费。 2. 策略介绍 本策略的核心思想是通过历史数据的特征工程，提取反映股票短期表现的特征变量，并通过机器学习模型进行量化评分和排序，从而筛选出潜...
天注7-创业板-F100-50-y63
策略思想 1. 策略思路 该策略主要使用了数据增强智能（DAI）及机器学习算法，通过排序信号来进行股票选择。具体而言，该策略在每日对股票进行预测评分后，根据排名进行优先选股。因子主要包括价格滞后比（90日和30日）与成交量等。这些因子经过预处理后，通过SQL或表达式生成排序信号（position/score）。在交易层面上，策略采用每日调仓的高频交易规则，通过在开盘价买入和收盘价卖出实现短期持有。 2. 策略介绍 该策略是基于机器学习排序算法的主动量化选股策略。其核心思想是利用历史价格和成交量数据，通过机...
天注19-创业板-F100-70-y56
策略思想 1. 策略思路 该策略通过每日利用大数据分析与机器学习模型对股票打分，并进行短线股票轮动。它使用多种历史因子（例如90日、30日回报率，成交量，日变动等）构建排序模型，从满足过滤条件的股票中选取高分股票进行投资。这一策略通过买入每日分数排名前N的股票，按1/log(i+2)对资金进行归一分配。其中N默认设置为1。交易以每日为周期，开盘买入，收盘卖出。资金管理策略也相当细致，包括持仓期平均分配资金，限制单只股票的最大资金占比，并在建仓期内分阶段投放资金。 2. 策略介绍 本策略是一种基于...
天悉3-创业板-1900-y316*
策略思想 1. 策略思路 该策略运用 DA-SQL 构建多期限因子（例如 90 日、30 日位移收益及成交量）来建模，基于每日交易的排名和自定义字段进行打分与排序。策略的主要选股逻辑是从根据评分排序后的样本中选择排名前列的股票（默认选择 1 只），并进行权重归一化分配。每日开盘价买入并以收盘价卖出，持仓期为 1 天，并每天调仓。 2. 策略介绍 该策略运用了数据挖掘技术结合量化投资方法，以数据排名和因子分析为核心指导。它主要依赖于数据的短期趋势分析，以期从市场中获取短期回报。通过盈利日内波动进行套利...
天注9-创业板-F100-30-y72
天注18-创业板-F100-70-y56
策略思想 1. 策略思路 这是一种基于AI/机器学习的短线轮动策略，利用预测分数对股票进行排序，依次对预期回报较高的股票进行短期投资和置换。策略具体步骤如下： - 因子选择与过滤: 策略运用自定义的DAI SQL选取因子，如90天和30天回报排序、成交量秩等，并通过QUALIFY语句进行过滤（如剔除ST股票，筛选出90天回报和30天回报分位数符合条件的股票）。 - 选股与分配权重: 对于每日的预测输出，按预测分数升序选取前N只股票进行投资，并根据公式\[1/\log(i+2)\]（i为排名）对资金进行配置，使得靠前的股票获得更多的资金分...
天注13-创业板-F100-100-y70
策略思想 1. 策略思路 该策略结合多种因子对创业板股票进行评分和排序，随后利用机器学习模型对股票进行预测和排名。具体的因子包括交易量、收益率和市盈率等，它们各自从不同的角度评估股票的投资价值。通过这样的结构，该策略旨在构建一个全面的投资组合，而每日只持有一只股票的集中仓位使得该策略在复杂市场中可能面临更大的波动。 2. 策略介绍 多因子选股策略是一种应用广泛的量化投资策略。通过综合考量多个金融指标，这一策略从多个角度评估各只股票的表现及潜力。因子选股模型一般会利用财务指标...
天升1-创业板-F100-110-y20**
策略思想 1. 策略思路 这个策略的核心是基于 DAI/机器学习排序的短线多头选股，主要通过 SQL 计算多项因子例如 90 天与 30 天收益排名、成交量等，对股票按模型输出的 position 字段进行分组排序，剔除 ST 和缺失值并加入排名过滤（_rank_return_90 > 0.1 且 _rank_return_30 < 0.1）。策略使用每日重平衡交易规则，买入排名靠前的前 N 只股票，持仓期为 1 天，并且资金按 1/log(i+2) 权重分配。构建期采用分阶段建仓逻辑，并限制作单只股票最大资金占比。 2. 策略介绍 基于机器学习的排序策略是一种结合量化因子与算法模型的方法，通过对...
天注6-创业板-F100-160-y36
策略思想 1. 策略思路 本策略的核心思想是通过基于DAI（数据驱动人工智能模型）和因子排序方法的多头选股策略，进行高频交易。具体来说，策略使用一组预计算的因子集，包括90天和30天回报的分位等级、成交量及短期涨幅等，对股票池中的股票按得分进行排序，并选择排名靠前的N只股票进行建仓。在此策略中，参数N的值为1，因此每次仅选择排名最高的股票进行投资。交易规则为每日以开盘价买入，以收盘价判断仓位需要进行调整。持仓周期由参数hold_days控制，示例中为1天，且按照预设权重分配买入资金。资金管理采...
天注9-创业板-F100-30-y23
策略思想 1. 策略思路 - 该策略通过多因子模型结合机器学习对股票进行排序和筛选，以便构建有效的投资组合。具体来说，策略结合了交易量、收益率、市盈率等多种因子，旨在从不同角度评估创业板股票的投资价值。 - 采用机器学习算法，从历史数据中学习并对未来的股票排序和预测，提升预测准确性。每日持仓集中于1只股票，聚焦高潜力个股。 2. 策略介绍 - 多因子模型是该策略的核心。通过综合考虑多个财务和市场因子，可以更全面地评估个股的投资价值。每个因子都携带着市场信息，而多因子模型能够通过...
天注11-创业板-F100-30-y66
策略思想 1. 策略思路 此策略是基于DAI（人工智能驱动的量化平台）和机器学习排序的短线均值回归策略，主要利用机器学习对股票进行排序筛选，具体步骤如下： - 使用 m_lag 函数生成30日和90日回报（return_30、return_90），并根据这些历史回报数据进行分位排序。 - 筛除带有ST（特殊处理）标签的股票，以降低投资风险。 - 对股票样本按计算的排序position/score进行排序。 - 选择排名靠前的股票（最多一只）进行买入操作。 - 每日调仓，进行日频回测，并持有股票一天。 - 资金分配策略为每日投入资金占总资金的1/持有天数，建...
天注10-创业板-F100-30-y53
天注17-创业板-F100-70-y40
策略分析与评价 策略思想 1. 策略思路 该策略基于DAI/ML（数据驱动人工智能/机器学习）生成的股票排名（position/score）来进行股票的筛选与买入。具体而言，它通过多项时序因子（例如90/30日回报、成交量、近期涨幅等）来决定股票的买入顺序。策略每天开盘时根据生成的排名买入排名靠前的N只股票（策略中N默认设置为1），并按照1/log(i+2)的公式来分配投资权重。持仓期设置为1天，每天都会进行调仓操作，买入订单在当天市场开盘时进行，以当天的开盘价下单，并在当天收盘前以收盘价进行清仓。 2. 策略介绍 这是一种典...
天注14-创业板-F100-160-y94
策略思想 1. 策略思路 该策略的核心思想是基于DAI/机器学习算法输出的股票排序（由m2模块生成的score/position），选择排名最优的1只股票进行建仓。整个策略的过程可以简单概括为： - 信号生成：利用过去90天和30天的价格变化、成交量等历史因子，经过机器学习模型的排序，生成股票选择信号。 - 股票选择：每日选取排名最优的1只股票进行投资。 - 持仓管理：持有期为1天，每天进行重平衡，确保投资组合随市场动向及时调整。 - 风险控制：通过剔除ST股票和设置单票最大敞口等手段进行风险管理。 此策略仅选取1只股票，...
