伟德体育,伟德体育官方网站,伟德体育APP下载

　　首先，收集并清洗基本面、量价、高频及一致预期等原始数据，按日整理入库；其次，基于这些数据研发盈利等阿尔法因子（如综合多位分析师预测及历史准确度赋权修正），持续优化因子质量；随后，根据检验与经验筛选有效因子，通过回归或机器学习模型确定因子权重；接着，运用组合优化算法，在控制成份股、行业、市值等风格约束下，以最大化阿尔法因子得分为目标计算目标股票及权重；最后，结合主动管理团队的股票黑名单及异常值监控，对受特殊事件影响的公司进行个别调整，形成最终投资组合。

　　随着线性模型挖掘充分后面临瓶颈，引入复杂非线性模型成为必然，但其强表达能力易引发过拟合。姚加红指出，应对关键在于：越复杂的模型越依赖大量数据训练，故私募量化应用机器学习效果较佳；公募受限于高频策略限制，需通过权衡模型复杂度、深化模型特性理解、采用独立风险模型验证归因等手段防范过拟合。此外，极致行情中风险控制保障量化策略稳健运行，如国金基金全市场选股策略通过限制单一个股低仓位（前十大重仓占比约10%）及动态调整因子权重实现。