ETF量化多策略实战：3年5倍，Python策略代码带你飞（附Python策略代码，年化68%，最大回撤7%）

作者：admin  点击次数：381  发布时间：2016-05-29

01 引言首先，公布下近期我们模型的业绩，量化群每天都会在盘前分享模型signal盘中进行模型预测，准确率非常稳定：

很多读者会问，策略超额为什么这么高？七年的量化实战经验让我们经历了完整的牛熊周期，主要总结以下4点：

多策略组合，是我们基于不同维度和交易频率的ETF模型进行的优化组合，从而实现高夏普、低回撤的策略表现！

【近期反馈展示】02 ETF轮动模型我们的 ETF轮动模型，是基于我们课程的因子和人工智能模型训练【整体开发流程】



 想学习更多ETF轮动 实战经验，欢迎关注、点赞，加入量化实盘训练营，我们会在学习群每日发布量化信号，让摸鱼学员每天及时获得量化信号进行跟踪和测试，欢迎加入我们的学习群，联系客服就可以免费加入！【高频类策略代码】


03 不断拓展因子维度专业的量化团队，我们又对高频因子进行了强化学习类型的优化。增加了新闻类因子在行业ETF的筛选优化 强化学习类因子维度增加了2类 情绪类因子增加了5类。

  在此基础上，我们也对权益因子进行了优化加强，加入了集合竞价类因子，测试大小盘的相对强弱，并通过Transfer模型对各个ETF趋势进行了长周期预测，方便我们的持仓周期拉长，降低整体换手率。
04 总结      通过本节讲解，我们对因子按照三个大类进行测试，资金面、技术面、基本面，其中资金面和技术面，我们进行了低频因子和高频因子的两轮筛选，并且验证了因子的IC有效性。