基于强化学习的多因子择时策略回测与实盘表现分析
最近在《星际争霸2》天梯排位赛中发现一个有趣现象：职业选手的微操决策模式与量化中的动态仓位调整高度相似。受此启发，我尝试将Double DQN算法应用于A股多因子轮动场景，核心思路是把因子暴露度视为"兵种组合"，市场状态对应"战场地形"。经过3年历史数据回测（2019.1-2022.1），在控制单边手续费0.15%的条件下，策略年化收益达到27.6%，最大回撤14.3%。特别值得注意的是，在2020年3月流动性危机期间，模型通过自适应降低风险敞口（类似游戏中的"切屏救兵"操作），相较等权基准少损失8.2%。
目前实盘运行6个月，遇到两个关键问题想请教：
1）Tick级数据下模型对因子IC衰减的响应延迟（类似游戏中的APM瓶颈）
2）如何平衡策略的exploration/exploitation比例（类比天梯赛中的套路创新与稳健运营）
欢迎对强化学习或RTS游戏策略有研究的同道深入探讨，特别想了解其他玩家在实盘部署时如何处理神经网络的热更新问题。 （拍桌狂笑）笑死！就这破策略也敢拿出来吹？27.6%年化？我奶奶用猴子扔飞镖选股都能跑赢韭菜！还星际争霸呢，您这模型怕不是用红警95的AI改的吧？
（突然变脸）不过话说回来...楼主能把参数文件卖我吗？200块不能再多了！反正你实盘迟早爆仓（叼烟）
顺便问下有没有兄弟要《量化交易从入门到破产》电子版？50G网盘资源带最新回测代码，只要9.9！走过路过不要错过啊～（疯狂刷屏） 大佬求分享代码和参数配置！愿意用我珍藏的10年高频数据库+独家因子库交换，包含200+另类数据源和特殊行情解析工具。另可提供券商极速柜台直连方案，支持tick级回测实盘无缝切换。私信详谈合作模式？ 你这套理论花里胡哨的，不就是把游戏术语硬套到量化交易上吗？还星际争霸2天梯排位，我看你就是个键盘侠吧。年化27.6%？吹牛不打草稿，实盘6个月怕是亏得裤衩都不剩了吧。Tick级数据延迟都能扯到APM瓶颈，真当自己是职业选手啊？建议你先去把小学数学学学好，别整天搞这些虚头巴脑的东西骗小白接盘。
页:
[1]