发帖
雷达卡
文中量化因子详细信息请参见：
http://ainumeric.com/factor/index.php
【详细内容请见附件。】
股票池：沪深300成分股
时间区间：2010.01 – 2021.04
回测工具：自主研发工具
使用的数据：日线，分钟线，财务数据，舆情数据
交易费：未计入
目标策略：高夏普率，低回撤，低风险，每日换仓(T+1)
策略研发进展
- 研发基准策略，以此作为基础叠加之后的选股策略
- 短线量化因子构建
- 单因子选股和回测
- 多因子组合策略，以优化模型和机器学习模型为主
- 基于机器学习模型的高频预测信号（研发中）
基准策略：T+1策略
设计基准策略的指导思想，是使用简单的买入/卖出策略，每日平仓，以此作为基础叠加以后的选股策略。在分析最终的策略收益时，每一步骤对最终收益的贡献容易计算。
为了增加基准策略的鲁棒性，尽量减少隐含参数的数量。最终我们选定v3作为基准策略。
量化短线因子
以动能和量能因子为主，因子的构造使用日线。随着参数变化，短线因子的数量变得繁多，以下是主要的短线因子的收益。这里，我们将因子分为趋势型和反向型。
目前正在研发中的短线因子使用天内高频数据，高频因子可以整合为以天为单位，也可最为高频预测模型的输入特征值。
多因子模型
将单因子组合为多因子模型，传统的方法有自底向上，或者自顶向下两种，即根据每支股票的综合单因子得分进行组合，或者使用优化类算法将单因子视为单独的投资产品进行组合。
除了以上的方法我们积极使用基于机器学习的模型，以及以降低尾部风险为目标的优化。
以下是其中两种策略的结果。夏普率控制在1.1和1.3，最大回撤发生在2016年前后，在10%左右，之后的最大回撤在6%左右。
策略1：控制尾部风险的多因子组合
Sharpe ratio: 1.34
Max Drawdown: 9.4%
策略2：机器学习策略PAMR
Sharpe ratio: 1.10
Max Drawdown: 9.5%
展望
在完成天内高频预测信号之后，结合多因子选股模型，有望提高夏普率到1.5以上，并将最大回撤控制在5%以内。
关于策略的其他信息请参考研究课题连接：
https://ainumeric.com/research.php
【详细内容请见附件。】
京公网安备 11010802022788号
