【策略发布】A股日频均值回归_低换手_多因子截面

返回主题列表

289

listen

分享到：微信微博

雪球

Neo_Alice

@luyuntao 你好，目前没有使用严格意义上的滚动训练。目前的做法是：使用较长时间跨度的历史数据一次性训练模型，训练完成后模型参数在一段时间内保持固定；每个交易日只更新输入特征与截面排序，而不是每天重新训练模型。这样设计主要有几个考虑：1、降低模型频繁重训带来的不稳定性。滚动训练在理论上更“自适应”，但在A股这种噪声较大、风格切换频繁的市场中，过于频繁的重训反而容易引入追噪声的问题。2、截面模型更关注排序稳定性，而非参数快速跟随。这里的核心并不是精确拟合某一小段时间的收益，而是学习一个相对稳健的截面结构，用于长期排序。3、实盘可执行性与可复现性。固定模型、每日更新信号，在实盘执行、跟踪和复现上更简单，也更容易和回测假设保持一致。当然，滚动训练是一个可以探索的方向，例如按半年/一年级别滚动更新模型，而不是日级别频繁重训；但目前阶段更优先的是保证信号结构稳定、执行一致性高。

2025-12-20

Neo_Alice

@回家吃饭饭你好，这里主要是对json文件结构的理解差异，并不是少了一天的数据。这个文件里同时包含了三类信息，时间含义不完全一样，简单说明下顺序：历史日期部分：是已经执行过的实际持仓记录；未来一个交易日（T+1）的预测持仓：这是基于T日收盘后计算出来、用于下一交易日开盘执行的真实调仓信号；最新一个交易日的股票池预测排名：只是全市场的预测排序，用于参考，不直接参与当日交易。你提到“只能看到 18 日的数据”，通常指的是18日股票池的预测排名；而往前一个日期节点，对应的就是19日要执行的预测持仓。这种结构是为了严格遵守T日计算→T+1日执行，避免未来函数，也更贴近实盘流程。

2025-12-20

Neo_Alice

@回家吃饭饭这里我检查过了，文件应该没问题，你应该只是在看最后一个字段，那是最新一个交易日的全股票池的股票排名信息（包含所有1000只股票），再往上一个字段才是预测未来一个交易日的调仓，再往上才是历史持仓。

2025-12-20

Neo_Alice

@fredy518 你好，这个没有固定的3/5/10年最优答案，核心取决于样本量与因子维度的匹配以及市场的非平稳性。像alpha158这种高维因子，数据太短容易不稳定，但数据拉得过长又会引入较多“过期市场结构”。我的取舍思路是：用相对充足的历史数据保证统计稳定性，但更关注中近阶段在样本外的表现和稳定性，而不是年限本身。相比“用几年”，我更看重的是模型在不同市场阶段的泛化能力。

2025-12-20

Neo_Alice

@屌丝逆袭量化你好，这个不是单一公式就能描述的信号。整体是多因子 → 模型打分 → 截面排序 → 约束后的持仓选择这一套流程。简单说不是“某个因子超过阈值就买”，而是模型在截面上学习相对强弱关系，每天输出排序结果，再结合换手、风控和可执行性生成最终调仓信号。公式层面更多体现在因子构造和标签定义上，但真正起作用的是截面排序 + 组合层约束，而不是某一条显式交易规则。

2025-12-20

Neo_Alice

@ins_fuzzy 你好，目前附件中的json文件是由本地程序自动生成并持久化保存的。具体流程是：每日更新数据后运行程序，自动生成当日及下一交易日的调仓信号，并输出为固定结构的json文件。目前这一步是人工触发运行和上传，但信号生成逻辑和文件结构本身是完全自动的。从流程设计上看，如果后续接入定时任务或调度系统，不需要改任何核心逻辑。

2025-12-20

屌丝逆袭量化

@Neo_Alice 明白，感谢答复。

2025-12-20

fredy518

@Neo_Alice 感谢分享！我尝试了另一位朋友在评论区提到的滚动训练（每年重训，使用6年历史数据进行lgbm模型训练），但可能是lightGBM训练参数的选择有问题，效果没有那么突出。所以想向大佬请教下lgbm参数是否要寻优？以及大佬常用的参数寻优方法是什么？我只知道网格搜索，但是用这样寻优之后有可能带来过拟合的问题。

2025-12-20

ins_fuzzy

谢谢回复！

2025-12-20

天狗有財

很好！

2025-12-20

Neo_Alice

@fredy518 我这边没有做大规模参数搜索，更多是在一组相对保守的参数区间内做小幅微调。截面问题里，参数往往容易把样本内指标“调好”，但样本外退化很快。相比 R² 或 loss，我更关注 IC / rank IC 的长期稳定性，以及在不同年份、不同市场阶段是否一致。整体经验是：干净的数据 + 合理的标签 + 不过拟合的参数，比“调到最优参数”更重要。网格搜索可以做，但建议范围尽量窄，当sanity check用，避免过拟合。

2025-12-21

fredy518

@Neo_Alice 感谢回复，很有启发性！

2025-12-21

萤火AI量化

克隆

2025-12-22

solo酷鱼

大佬你好，请问一下如果跟实盘像文中所说的下隔夜单如何设定买卖价才能保证第二天开盘成交呢

2025-12-24

Neo_Alice

@solo酷鱼你好，这里主要是结合我在本帖11月23日更新里提到的「9 份资金轮换法」来做的。简单说下实操方式：资金拆成9份，常态持有8份仓位，每天只换1只股票。调仓信号在前一晚已确定，所以可以提前下委托单。为了保证第二天开盘集合竞价能成交，我一般会用限价单，买入：限价设在接近涨停价（略低于涨停）；卖出：限价设在接近跌停价（略高于跌停）。需要强调的是，这并不是用涨跌停价去追涨杀跌，而是利用较宽的限价区间，提高集合竞价阶段的成交概率，实际成交价格通常仍然接近开盘价。在低换手（每天只换一只）+ 集合竞价成交的前提下，这种方式在实盘中和回测结果的偏差会比较小，也更容易稳定执行。

2025-12-24

solo酷鱼

@Neo_Alice 明白了，谢谢

2025-12-25

脆脆鲨l

不想天天下载附件的，给大家提供个思路，把这个策略挂模拟9点会自动爬大佬更新的附件下载到研究。需要注意Cookie 需要更换成你自己的，说下Cookie 的获取方式在大佬的这个页面按键盘上的 F12 键，或者在页面任意位置点击右键 -> 检查。在弹出的工具栏顶部，点击 “网络” 标签页。点击网页上的“下载附件”，你会看到 Network 列表中出现了一个新的请求，名字通常是 DownloadFile?postId=...点击那个以 DownloadFile 开头的请求行。在右侧出现的详情面板中， “标头” 选项卡。向下滚动找到 “请求标头” 这一栏，就会找到你自己的Cookie，另外由于聚宽社区的 Cookie 包含 Session 信息，如果你在浏览器端退出，这个 Cookie 可能会失效。建议保持浏览器登录状态。只是想给大伙个思路，大佬要是介意的话，可以留言让我删掉

2025-12-26

Neo_Alice

@脆脆鲨l这个思路技术上是可行的，感谢你把流程写得这么详细。我这边也不介意大家用脚本自动同步附件（本质上就是把“手动点下载”自动化）。不过也提醒几条注意事项，避免踩坑：Cookie 属于账号凭证，只能放在自己私有环境里用，不要分享/不要上传到帖子/不要提交到代码仓库，否则有账号风险。聚宽社区的Cookie/Session可能会过期或被刷新，所以脚本偶尔会提示失败，需要重新登录/更新Cookie。DownloadFile 的链接里带 postId/fileKey，一般比较稳定，但若我这边重新上传新附件，fileKey 可能变化，届时需要更新URL。研究环境里 run_daily('09:00') 有时受平台调度/时区影响，建议把时间设在更靠近开盘前的固定点，并在日志里打印“是否成功写入/文件大小/更新时间”方便排查。如果后面大家希望更“长期稳定、无需 Cookie”的方式，我也在考虑把附件同步到一个公开且可版本化的地址（例如 GitHub/Gitee 或对象存储），这样就不需要登录态了。

2025-12-26

脆脆鲨l

@Neo_Alice感谢大佬的策略和思路，想全自动实盘有什么建议吗

2025-12-26

Neo_Alice

@脆脆鲨l 这个问题问得很好，其实要分策略特性和执行方式两层来看。先说结论：像这种低换手（ndrop=1）、隔夜生成信号、次日开盘执行的策略，手动执行本身就已经非常可行，不一定非要一开始就全自动。具体几点经验： 1️⃣低换手是关键前提，每天最多换1只股票，调仓频率低、操作简单，对执行时点和速度要求不高，这类策略天然适合手动或半自动执行，实盘和回测的一致性反而更好。 2️⃣手动执行的可行性。我目前的做法是：前一晚生成信号，提前设置好第二天的委托，开盘集合竞价成交。在低换手下，这一步并不复杂，也更容易人工检查异常（停牌、涨跌停、流动性等）。 3️⃣如果要全自动，核心不在模型，在“券商接口”。真正的全自动实盘，一般需要：券商API（下单/撤单/查询持仓），风控校验（是否停牌、是否涨跌停、仓位上限），异常兜底（未成交如何处理）。这一步和策略本身关系不大，更像是交易系统工程，门槛主要在接口稳定性和风控。 4️⃣我的建议路径：先用一段时间手动/半自动跟踪，确认信号稳定，回测与实盘偏差可控，执行逻辑顺手。再考虑是否值得为它投入一整套自动交易系统。整体来说，这类策略的优势就在于：换手低、执行不敏感、对滑点和延迟不挑剔，不追求“毫秒级自动化”，反而更稳。

2025-12-27