老实讲聚宽的社区相较于其他量化平台的社区真的含金量高很多，一些策略想法很多也给了我许许多多的启发。 这里我把我看到的许许多多且质量比较高的策略进行一个汇总分类，如果你觉得有遗漏的优质策略，或者关于我对策略的分析有不同看法的，可以评论区指出。 ** 一.打板、龙头策略等超短线投机策略** 内容： 此类策略主要聚焦于市场的各种热点行业概念股，普遍也是市场上前期涨幅最大的一系列妖股，策略主要从市场情绪周期，行业概念热度的把控以及盘面的异动等各个方面寻找进场出场的闭合交易逻辑循环。 平均年化收益在200%+（数据拟合结果），最大回撤在40%到50%（做好仓位管理的前提下），波动也极大。 缺点： 1.高风险回撤大，此方向主观交易成功者寥寥无几、十不存一，对于大部分散户来说这个方向是负期望收益的，资金上限不定（主要看市场行情大小，大部分时间资金使用率不高）。 2.回测方面需要拟合各种参数数据，高收益也会导致未来持续性变差稳定性不好，可能需要一直进行升级迭代策略。 3.策略反馈慢胜率低，需要等待妖股行情的到来，夸张说可能三年不开张开张吃三年，策略执行起来很考验人性。 优点： 1.极高收益，行情好做的好的话一年四五倍不是梦。 2.不看大环境行情，无论牛熊都会有妖股行情出现。 评价： 此种策略可以说是资本市场上限极高的一种策略之一，适合想要小资金快速做大，但是对应风险也极高，长期做若是策略没有设计好也有归零的风险，个人认为散户要做的话还是控制风险小仓位去做，大资金做一定做好仓位管理。  **二.小市值策略及各类变种** 内容： 此类策略主要是做市场上小市值的一系列股票，首先是选择市场市值最小的股票池（大概500到1000只），之后在此股票池基础上通过各种因子（基本面，技术面等等）打分，筛选，过滤等操作选出目标股票池（4到50只股票不等），然后固定周期和时间点进行上述操作并调仓换股形成交易逻辑闭环，若不加择时可以简单理解为小市值的指数增强。 平均年化收益在40%+，最大回撤在40%到50%（无拟合优化），波动较大。 缺点： 1.高风险回撤大，受市场资金流动性和政策影响大，极端熊市下会导致巨大回撤（比如24年年初）。 2.单因子风险暴露过大，若小市值因子失效会导致会导致策略整体失效。 3.资金容量有限较少，因为小市值股票盘口流动性较差，容纳不了过大的资金，若资金过大会导致交易时产生过高的滑点成本，影响策略收益，不过可以从提高持股数量来扩大资金容量。 4.策略执行方面，面对大回撤也会怀疑是不是策略失效，执行起来也很考验人性 优点： 1.收益高，毫不夸张的说小市值因子是a股众多因子当中的最强因子，简单的选股逻辑就可以在市场上有较稳定的超额收益（回测数据10年以上，只有不超过两成年份无超额） 2.绝对收益为正且很高，通过回测数据发现只有在比较极端的大熊市以及小市值不受市场追捧的时候，小市值策略会出现大回撤以及衰退，大部分慢熊市、震荡市小市值都有较好的超额以及正向收益，牛市的时候也更有进攻性。 3.从策略构建上来看拟合风险较小，除了需要担心小市值因子是否会失效之外，其他方面并无需太大担心。 评价： 此类策略是除第一种策略之外收益最高的策略之一，而且有效性持续性方面我个人认为是比较强的不会轻易失效，因为小市值这个方向因流通性的原因股价比较好用资金操控，所以是市场投机交易的圣地，市场上投机的资金肯定是长期存在的，也就大概率会有资金源源不断的进入。  **三.ETF轮动策略** 内容： 此类策略通过etf投资对应的宽基窄基指数等，首先是根据投资逻辑选择好etf池子，然后根据各类因子数据（动量，反转，宏观数据，行业数据等等）来给etf进行评分，选择评分最高的标的进行单一买入持有，然后选择固定周期和时间点进行上述操作并调仓形成交易逻辑闭环。 平均年化收益30%+，最大回撤30%左右，无大行情时波动较小 缺点： 1.etf池的构成选择严重影响表现，一定程度上算是拟合后视镜，选择上应当从底层的投资逻辑出发，尽量选择未来依旧大概率保持低相关、有轮动依据和效应的etf品种。 2.etf收益并不高，池子的选择一方面需要等到底层品种有行情的出现，且无法规避底层品种对应的系统性风险等。 优点： 1.收益有正向预期，etf的选择大致都从股市债市以及大宗商品中选择，这些标的随着人类社会经济的正向发展，理应有着正向增长的预期，从历史回测中也能发现。 2.风险回撤较低，etf本来就是一篮子资产的集合，存在固有的分散属性，使得策略存在低风险低波动。 3.策略的构建上逻辑简单明了拟合风险较低，属于有效性和持续性较强的策略类型。 评价： 个人也比较看好的策略，核心在于两点，一是etf资产池的构建，二是轮动所依据的因子的选择，把策略的底层资产选择好，以及因子的鲁棒性调试好，大概率是可以持续有效的  **四.机器学习选股策略** 内容： 此类策略通过机器学习的方式去模拟人进行投资交易，给到机器影响到股价走势的各类因子，通过这些因子机器自动生成完整的交易策略，拟合出最优的选股因子以及参数等等。 平均年化收益20%到300%（看策略拟合程度），最大回撤20%到40%，波动较大 缺点： 1.机器学习结果存在解释难题，训练太多又难免过拟合，策略持续性存疑， 2.遇上模型选股偏好和市场不对付时也可能出现较大回撤，波动不比小市值小 3.市场内在虽然变化缓慢，但肯定会有风格变化，使得机器学习模型难以快速适应，需要不断地更新迭代。 优点： 1.训练的合理的话，即使在模型训练期之外，掉坑容易出坑也很容易，年化不低比回撤高。 2.设计合理情况下，模型结果的夏普率好；模型是欠拟合的，比各类调成过拟合的策略好。 3.模型上限高，机器学习也可以更好的发现市场超越传统方法的赚钱方法。 评价： 此类策略的复杂性较大，需要对机器学习技术以及投资交易理念的认知都比较高才可以驾驭和训练出好的策略，个人认为投资交易没有圣杯的交易策略，大道至简，简单的才是最持续有效的，从我的投资理念出发，我不太认可机器学习出来的交易策略，复杂的拟合会导致策略失效过快，且无策略盈利的核心底层逻辑。  **五.高股息价投策略** 内容： 策略主要聚焦于基本面优异，股息率较高的标的，首先是选择市场上股息率最高的股票池（大概100只左右），之后也是根据各种因子（主要是基本面，行业等）进行打分，筛选，过滤等操作选出目标股池，然后固定周期和时间点进行调仓换股形成交易逻辑闭环。 年化收益10%到20%左右，最大回撤25%左右，波动较低。 缺点： 1.收益较为平庸，牛市大行情到来时完全跑不赢市场。 2.高股息行业较为集中，主要在银行煤炭石油电力等传统行业上，这也导致了第一点的出现。 3.长期的收益较大一部分集中在分红当中，需要进行红利在投资才能放大收益，也导致了收益很大一部分取决于企业盈利情况和分红意愿。 优点： 1.波动率低，确定性比较强。高分红的股票基本上也是业绩很好的，基本面很扎实的公司，拿着比较放心。 2.国九条上也强调了企业分红，未来分红的股票更受政策和资金的青睐。 3.受大环境影响较小，除了极端牛熊行情之外，波动都较小。 评价：只看股息率，买中证红利，红利低波，甚至港股高股息的一些etf都可以，结合股息率+基本面的数据的拟合优化策略也有很多较为优质的。  **六.大类资产均衡配置** 内容： 策略主要是选取股票、债券、大宗商品乃至数字货币按照各种资产配置的理论形成合适的比例进行综合配置。 平均年化收益在5%到10%左右，最大回撤也在5%到10%左右，波动小 缺点：年化不高，有些策略的和企业债利率差不多，夏普率不太高。 优点：波动率特别低，回撤低，资金容量高，或许可以认为是增强债券。 评价： 个人认为不如做资产轮动，适合极低风险偏好，极有耐心，且不愿意频繁操作的投资者，赚整体个大类资产正向增长的钱，简单且持续性应该不错。  以上策略大部分都来自于社区，这里就不挨个留名了。还希望有大佬可以在评论区给我补充修改的，这里也放个套利的策略混混积分，套利的策略大概率无法长久，且滑点啥的问题不少，不建议克隆，如果你积分多还愿意资助我的话当我没说[手动狗头]。