策略分享

根据隔夜涨跌因子构建stockranker模型回测

由aqtank创建,最终由qxiao 被浏览 330 用户

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平台:

https://bigquant.com/data/home

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

新版表达式算子:

https://bigquant.com/wiki/doc/dai-sql-Rceb2JQBdS

新版因子平台:

https://bigquant.com/wiki/doc/bigalpha-EOVmVtJMS5

\

收益率曲线更新: {w:100}

2. 训练日期:2013-01-01至2021-01-01, 股票池:全A市场


3. 回测时间:2021-02-01至2022-05-19,股票池:全市场和 ['交通运输', '化工', '有色金属', '汽车/交运设备']行业


4. 结论:1. 结合行业因子选股(根据研报和行业预期定行业股票池),推测结合行业轮动策略选股模型效果更佳。2. 全市场选股表现重点关注2022年4月26号左右的变现,体现为急涨急跌,因此正如上篇帖子,隔夜涨跌因子应该结合动量因子或者反转因子使用。因为衡量的是过去20个交易日知情交易者的程度。

  1. \
  2. ['交通运输', '化工', '有色金属', '汽车/交运设备']行业(没有进行全市场选股的原因有二:1.剔除ST股票,冲击成本和坐庄效应的存在;2. 因为是单因子回测,不同于多因子选股更多的筛选条件存在,因此可以结合行业整体表现和预期,加上主观的行业因子,从特定行业板块选股)

代码为全A选股,回测是行业选股,加上行业选股,效果比全A好,全A的可以自己运行来看。

https://bigquant.com/experimentshare/9347e7e184164b508ff4efe72727829d

\

标签

选股模型机器学习选股回测股票

文档

日内分时成交的秘诀-海通证券
评论
  • 这是我修改后的结果 大差不差 ![{w:100}](/wiki/api/attachments.redirect?id=d8315e0e-f08b-4c61-8527-b99d083fba09)
  • 修改了啥? \
  • 历史回测时间和买入数量、持股天数以及买入资金占比