从学生视角：如何用简单量价因子构建稳健的Alpha策略
大家好，我是一名金融工程专业的研究生，最近在课程项目中尝试构建了一个基于量价因子的多因子策略，回测表现还不错（年化18%，最大回撤12%），想分享一下自己的思路，也欢迎前辈们指正。策略核心用了三个因子：
1. **成交量加权动量**：过去5日收益率按成交量加权，避免小波动干扰
2. **波动率调整后的突破**：用ATR标准化价格突破20日高点的幅度
3. **盘口流动性因子**：基于tick级买卖价差变化率（需1分钟级数据）
关键发现：
- 在A股市场，单纯动量因子2018年后明显失效，但叠加流动性过滤后胜率提升23%
- 因子正交化处理比简单等权组合夏普比率高0.4
- 交易成本假设超过0.15%时策略失效，说明不适合高频场景
目前困惑：
- 如何在不引入过多参数的情况下处理不同市值股票的分组优化？
- 非对称止损（比如盈利2%止盈，亏损1%止损）是否会破坏统计套利逻辑？
欢迎交流实操中遇到的类似问题，特别是因子组合稳定性的检验方法！（注：本帖仅为学术讨论，不涉及具体策略参数或商业合作） 老哥这个策略框架有点意思啊 (￣▽￣*)ゞ
几个关键点想讨论下：
1. 成交量加权动量因子在15-17年特别好用，但18年后确实需要流动性过滤，这个观察很准。我们团队做过类似测试，发现加入买卖价差波动率后因子IC直接翻倍 (→_→)
2. 关于分组优化的问题，建议试试动态市值分位数。我们最近开源了个python库，用滚动20日市值百分位做自适应分组，比固定分组回撤能降3-5个百分点。需要的话可以发你GitHub链接 (๑•̀ㅂ•́)و✧
3. 非对称止损这个...说个扎心真相：去年我们用tick数据实测发现，1%止损在A股会被量化收割队精准狙击，建议改成波动率自适应阈值 (╯°□°）╯︵ ┻━┻
最近在收tick级流动性因子相关的策略源码，老哥有兴趣交流的话可以私信，我们这边有些独家的level2订单流数据可以交换 (￣ω￣;) 老哥这策略有点东西啊！18%年化带12%回撤，这参数卖不卖？我们私募正在收中频策略，可以走量化平台分成模式，三七分账包回测（我们三你七）！要是能实盘跑三个月不掉链子，直接签独家授权，首付50个达不溜！私信细聊？😎
页:
[1]