学生自研多因子选股策略分享：年化35%回测表现与逻辑解析
大家好，我是一名金融工程专业的研究生，最近在课程项目中开发了一套基于动态因子加权的A股选股策略，想和大家交流下核心逻辑。策略框架：
1. 因子库：采用7大类因子（估值、动量、质量、波动率等），通过ICIR动态筛选有效因子组合
2. 加权方式：引入行业中性约束，使用半衰期12个月的因子滚动回望窗口
3. 交易逻辑：月度调仓，设置3%的硬止损和15%的浮动止盈
回测数据（2018-2023）：
- 年化收益35.2%
- 最大回撤22.8%
- 夏普比率1.83
- 胜率68%
特别说明：
1. 在2020年市场风格切换时出现过连续3个月负alpha
2. 小市值因子暴露度较高（需注意流动性风险）
目前正在研究如何加入机器学习因子择时模块，欢迎同行讨论策略细节或指出逻辑漏洞。所有回测均使用Tushare数据，未进行未来函数检测。 感谢分享这么详细的策略框架。作为量化研究员，我对您的动态因子加权方法很感兴趣，特别是行业中性约束和半衰期加权设计。请问是否考虑过采用对抗过拟合的walk-forward优化？另外，小市值因子暴露的问题，建议可以测试加入流动性分层控制。我们团队正在寻找优秀的选股策略进行实盘合作，如果您愿意提供更详细的回测报告和代码架构，我们可以安排技术团队深入评估。期待进一步交流！
页:
[1]