股票类策略介绍---运作流程

多年量化股票多头投资策略经验， Alpha因子库累积逾 2000 个低相关性因子

量化选股模型运作流程

1、A股海量数据收集清洗

• 基本面数据：wind、朝阳永续、券商研报等

• 量价数据：券商Level II行情数据等，包括逐笔成交数据，在微观数据中做文章

• 另类数据：基金持仓、北向持仓、情绪数据、分析师文本数据、产业链上下游数据、大宗商品数据等

2、策略因子挖掘、持续迭代

• 上千细分因子：70%价量因子及情绪因子+20%基本面因子+10%另类因子

• 持续迭代：定期监测因子有效性

• 低相关性：因子相关性低，远严格于行业平均标准水平

3、精选票池

• 构建Alpha票池：打分排序，动态调整优化

• 票池与指数高相关度：臻选个股，降低踩雷概率

4、算法交易

• 自建程序化算法交易系统：避免人工情绪干扰

• Tick级别数据分析：产品净值年化增强

股票类策略介绍---收益贡献

核心策略-alpha策略，超额收益稳健

多因子模型：从多维度海量数据挖掘高夏普、低相关性因子，由机器学习进行因子组合及优化，寻找超越指数的个股组合。

辅助策略

T+0策略：根据短频的价量信号，捕捉股票短期的波动，在股票底仓基础上叠加日内程序化交易，增厚收益。

算法交易策略：自研算法交易策略，有效降低交易成本，基于实时盘口信息，进行拆单及择时交易，减少对市场冲击。

网下打新：产品规模满足打新市值要求即可享受打新增厚收益，打新入围率保持在85%-90%左右，上市首日程序化择时卖出，优化卖出收益。

CTA多策略介绍

CTA多策略： 运用套利与趋势策略叠加，针对各类价量数据挖掘计算后产生的有效指标，由模型分析后转化为交易信号，最终通过系统判别执行交易。

趋势策略：

利用各种策略模型寻找当前的市场趋势，判断多空，基于市场惯性、区间突破、摆动特性等原理，利用统计特性挖

掘数据之间的关系建立多种趋势模型，进行包括金融、商品等期货在内的日内、隔夜交易。

套利策略：

关注品种间的量价关系，当投资品种的相对价值偏离一定的合理区间，套利机会出现，买入被低估的期货合约，卖出被高估的期货合约，对冲平仓获利。

CTA多策略 — 套利+趋势

标的： 覆盖股指期货、商品期货中活跃品种，持仓30-40个；

特点：

• 日间策略，平均持仓3-5天；
• 持仓品类分散度高，持仓权重较平均；
• 与市场同策略产品相关性低；
• 灵活调整头寸，止损止盈较为敏感；
• 基金净值曲线相对平滑；

套利子策略适应行情：

市场品种间出现明显相对趋势时或非极端震荡行情下比较适宜，交易风险可控；单品种事件冲击会易触发回撤；

趋势子策略适应行情：

市场波动强度的投机交易，市场波动剧烈或趋势性较为明确时容易获利，波动较小或反转行情较多时，容易触发止损。

CTA多策略--持仓

策略风控流程

交易风控

产品运行风控

1、事前风控

• 策略回测分析
• 投委会制定投资方案，风控总监审批监督执行
• 产品参数设定、策略部署

2、事中风控

• 交易指标监控
• 风险预警
• 市场变化检测应对仓位调整

3、事后风控

• 实时监控产品参数指标
• 交易报告
• 业绩归因