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...
策略思想 1. 策略思路 该策略的核心基于DAI（动态资产定价）生成的因子及排序信号，具体因素包括30/90日收益率百分位和成交量等。这一思路通过设定预期得分来对股票进行每日排序，并买入排名靠前的N只股票，默认情况下N=1。买入的股票权重根据1/log(i+2)进行归一分配。策略采用日频重平衡，持仓期间长短由参数hold_days控制，默认为1天。策略的执行涉及分批及等额资金建仓，允许使用至多1.5倍的当日预算，持仓到达hold_days后依据预测排名逐步清仓。 2. 策略介绍 该策略属于短期选股策略，旨在通过量化分析和大数据技术...
策略思想 1. 策略思路 该策略主要是一个多因子选股和机器学习排序的量化策略，聚焦于创业板股票。具体来说，它结合了交易量、收益率、市盈率等多个因子，通过评估和排序，选择出投资价值较高的股票。这种多因子模型可以从不同角度全面衡量股票的投资潜力。策略还运用了机器学习算法，利用历史数据训练模型，对未来股票进行排序和预测，以期提高预测准确性和投资效率。此外，该策略采取每日集中投资于一只股票的方式，可能会面临较大的波动。 2. 策略介绍 多因子选股策略是指利用多个统计因子对股票进行筛...
策略思想分析 1. 策略思路 该策略利用机器学习算法生成的“position”排序信号来动态调整股票投资组合。策略通过对样本池内个股的模型得分进行每日排序，选择排名靠前的股票进行投资。选股逻辑为选取排名靠前的前N只股票（代码默认设置N=1），并通过1/log(i+2)的方式分配权重，这意味着排名越靠前的股票获得的投资资金越多。主要的因子示例包括90天/30天滞后回报与成交量，并在筛选时通过QUALIFY实施百分位过滤。 2. 策略介绍 这一策略理论依据是通过机器学习技术挖掘股票的投资潜力，挑选出有较高回报潜力的股票进...
策略思想 1. 策略思路 该策略为基于BigQuant DAI模块的日频排名选股策略，其基本思路是使用DAI SQL预计算因子进行候选股票的筛选和排序，通过选取特定的因子如90日/30日滞后收益比、收益的百分位排名、以及成交量排名、短期涨幅等，对候选股票进行综合评分，剔除ST股票和进行百分位过滤，生成每日预测排序，从中挑选出排名靠前的股票进行交易。 2. 策略介绍 该策略的核心思想是量化因子选股与顺势交易的结合。通过长期和短期收益数值的滞后比值，结合收益的分位排名和成交量的排名，对个股进行系统的筛选。策略每...
策略思想 1. 策略思路 - 本策略采用机器学习预测因子对股票进行每日排序，以捕捉短期价差为目标。在每日盘初根据模型排序结果分配资金买入1只股票，并在隔日通过清仓排名靠后的持仓来腾出资金。该方法重视高频交易，并通过对市值或权重的优化分配来降低持仓集中度。 2. 策略介绍 - 基于AI/机器学习的预测因子进行选股排序。此策略运用自定义特征如过去30至90日的收益率百分位及成交量来生成排序依据。通过DAI SQL语言，策略提出了一种灵活的SQL查询机制来获取和过滤数据以辅助生成因子。持仓周期为1天，并采...
策略思想 1. 策略思路 该策略主要借助了DAI SQL构建的短中期因子，以股票的30天和90天滞后收盘比率及其分位排序为基础，对股票进行预测排序，并每日选取排名靠前的股票构建投资组合。关键在于使用这些因子预测股票未来表现，并在投资组合中给予适当资金分配。使用1/log(i+2)的权重分配策略，按市值现金预算进行每日资金分配，持有期为1天，然后通过非建仓期逐步卖出排名最差股票以释放资金，购入新入选的股票。 2. 策略介绍 这是一种基于量化因子的短期动量交易策略，具体使用了股票历史收盘价格来计算短中期回报...
策略思想 1. 策略思路 本策略基于DAI/ML打分与若干短中期因子（如90日/30日回报分位、成交量及日回报）对股票进行排序。通过DAI SQL预计算因子并输出模型排序字段（position/score），对每日样本按position升序选取前N只股票（代码中N=1）。策略的核心在于通过日频轮换买入高排名标的，并利用短期动量/反转信号实现高频次收益。 2. 策略介绍 该策略采用了一种分层次的选股和投资决策方法： - 因子模型： 预定义的多个因子（例如，过去90天和30天的回报率、成交量及当天的回报率）通过DAI SQL进行计算，并对每个股票进行评分...
策略思想 1. 策略思路 该策略的核心在于结合不同的因子（如交易量、收益率、市盈率等），从多角度评估股票的投资价值，进行评分和排序。通过机器学习模型对历史数据进行训练，以提高对未来股票表现的预测能力。最终，策略根据评分结果构建集中持仓的投资组合，每日持仓一只股票。 2. 策略介绍 多因子选股策略旨在通过多个具有预测能力的财务或市场因子对股票进行综合分析。这些因子可能包括传统的财务指标（如市盈率、净利润增长率），也可能包括市场行为（如交易量、价格动量）等。机器学习排序则利用...
策略思想 1. 策略思路 该策略核心思想是通过大数据和数据智能（DAI）生成的排序因子进行每日预测择时。具体来说，策略在中短期收益率与成交量等预处理因子的基础上，筛选出池内标的，利用预测得分进行排序，选择排名靠前的品种进行重仓买入，短线持有以捕捉短期超额收益。 2. 策略介绍 - 选股逻辑：选股通过DAI SQL计算若干预处理因子，例如近90日与近30日收益比、成交量等级、日收益等表现，随后对这些因子进行百分位/排序过滤。策略会根据日期生成prediction/ranker列表，Backtest系统再按该排名选择前N个标的（默认N=1...
策略思想 1. 策略思路 此策略常用于创业板股票市场，采用多因子选股和机器学习排序的方法。策略结合了多种因子，例如交易量、收益率和市盈率等，通过对这些因子进行综合评分和排序，以评估股票的投资价值。策略通过历史数据训练的机器学习模型，用于对未来的股票进行排序和预测。每日持仓 1 只票，仓位集中，因此可能会出现较大回撤。 2. 策略介绍 多因子选股策略结合了多个不同的因子来评估股票的投资价值，以便构建更全面和均衡的投资组合。机器学习排序则利用历史数据训练模型，用于对股票进行排序和预...
量化策略分析报告 策略思想 1. 策略思路 该策略主要关注创业板，并结合多因子选股和机器学习排序两大核心技术。在多因子选股方面，策略包含诸多因子数据，比如交易量、收益率、市盈率等，综合评估股票的投资价值。接着，运用机器学习算法根据历史数据进行模型训练，对未来的股票进行排序和预测，以期提升预测的准确性和效率。 2. 策略介绍 多因子模型在量化投资中具有重要地位。因子是影响股票收益的可观测因素，多因子模型通过同时考虑多个因子信息来评估股票。该策略通过搭建多因子评分系统，以不同权...
策略思想 1. 策略思路 该策略的核心基于动态因子分析与机器学习技术（DAI）形成的打分与排序系统。其实现流程大致如下： - 多周期因子构建：包括90日、30日收益率、成交量、当日回报等，通过这些因子构建股票排名。 - 数据筛选：剔除ST股票，并根据条件进行筛选，生成预测排序。 - 交易规则：每日进行持仓校准（rebalancing），根据预测排行榜每次选择前几只股票（当前仅选择前1只）。 - 资金分配与持仓控制：按逆对数权重分配资金，设有对每只股票的最大资金占比限制，建仓期内等额分配资金，允许在一定条件下放...
策略思想 1. 策略思路 该策略是一种基于DAI SQL构建的日频排序轮动策略，通过90日与30日收益的窗口因子加上成交量及去ST等预筛选条件，对股票进行打分和排序。每日根据外部预测排序结果进行操作，持仓周期仅为一天（hold_days=1），每次买入的是排序靠前的前N只股票（代码中N=1）。资金管理上应用了分段建仓逻辑，并限制了单个股票的持仓上限以及成交量限制。同时，通过剔除ST股票、交易手续费和最小成本设置，以及根据排序逐步淘汰的卖出规则进行风险控制。策略适用于中国A股市场，旨在捕捉日内短期反转或动量机...
策略思想 1. 策略思路 策略的核心思想是利用短期反转信号进行日内或次日交易，通过排序预测和因子筛选来选股。使用BigQuant的DAI（Data AI）技术构建因子模型，以识别适合交易的股票。在选股时，重点关注30日和90日的收益率与成交量等指标，剔除ST股票，并根据机器学习算法预测的排序来决定买卖的具体标的。 2. 策略介绍 该策略主要基于短期反转（short-term reversal）的理论。短期反转现象是指股票价格在短时间内出现的过度反应，在随后的交易期内价格能够恢复至理性的状态。策略运用的因子包括过去30日和90日的收益，...
量化策略文章 策略思想 1. 策略思路 这是一种多因子选股策略，利用从大数据平台和多个因子构建的量化因子，筛选出特定的股票进行投资。策略通过计算并组合多个量化因子，评估股票的投资价值，进行股票买入策略。策略的主要步骤如下： 1. 数据准备: 从数据库中提取股票的历史数据，包括价格、成交量、行业信息等。 2. 因子计算: 计算各个因子如涨停板数、相对强弱指标、动量因子等，其计算方法基于股票的历史价格和量。 3. 因子分层: 对部分因子进行分层处理，将数值进行百分位切分，增强因子的区分能力。 4. 选...
创业板多因子选股策略分析 策略思想 1. 策略思路 - 本策略旨在通过多因子模型结合机器学习排序方法，基于创业板股票数据构建投资组合。通过分析多种因子如交易量、收益率和市盈率对股票进行评分和排序，加以机器学习模型预测股票的未来趋势，从不同角度评估股票的投资价值，以此提升策略的投资决策精度。 2. 策略介绍 - 多因子选股模型是综合多个股票指标衡量股票质量的一种方法，由于每个因子都表达出股票不同方面的特性，因而能更全面地反映出股票的真实投资价值。 - 机器学习排序则利用历史数据训...
策略思想 1. 策略思路 该策略专注于4只特定的ETF，通过多因子模型对标的进行筛选和资金配置。策略采用了三种核心因子：趋势评分、价格反转因子和成交量比率。其中，趋势评分占40%的权重，通过年化收益率与R平方的乘积来衡量趋势强度；价格反转因子占20%的权重，通过短期价格变动来判断反转机会；成交量比率则直接纳入评分体系，反映资金流向。策略每25个交易日调仓一次，仅选择综合评分最高的1只ETF进行全仓配置，以实现对优势标的的集中投资。 2. 策略介绍 该策略的核心在于多因子选股模型，其目的是通过对ETF...
策略思想 1. 策略思路 该策略利用DAI/机器学习生成的排序信号(score/position)，每天对股票池中的股票进行评分，并选择排名靠前的股票进行建仓。具体来说，日内开盘时以预测得分较高的股票进行买入操作，并在收盘时卖出。策略持股周期为1天，通过每日调仓来实现短期动量/排序策略。 2. 策略介绍 策略基于高级的AI机器学习技术，旨在通过对市场数据建模，识别出潜在的高收益股票。每日调仓的操作方法使得该策略能够快速响应市场变化，把握短期内的股票价格波动机会。资金分配根据股票排名权重，以1/log(i+2)的权重标准...
策略思想 1. 策略思路 该策略的核心在于，从行业/主题ETF池中选择动量最强、筹码相对集中且技术状态健康的标的。为了实现这一目标，策略结合多种技术指标：成交量加权平均价（VWAP）、短中期动量、均线收敛以及OBV趋势。在市场普遍高位且成交量缩减时，策略会主动降仓以防止回撤。 2. 策略介绍 - 筹码分布: 筹码分布用来分析当前的价格位置在一定时期内投资者的持仓成本分布情况。通过VWAP与价格区间的结合，可以了解当前价格相对于历史价格的偏离，并判断市场压力或支撑力度。 - 动量指标: 选股时依据20日动量的...
