基于多因子动态加权的A股日内回转交易策略探讨
最近在实验室回测了一个针对A股的日内回转策略，核心思路是通过动态调整多因子权重来优化交易信号。策略在2019-2023年的沪深300成分股上实现了年化23.6%的收益（扣除双边0.15%手续费），最大回撤8.4%。主要创新点：
1. 将传统量价因子（如波动率、成交量变异系数）与订单簿微观结构因子（如买卖价差弹性）结合
2. 采用自适应卡尔曼滤波实时调整因子权重，相比静态加权模型提升约4.2%年化收益
3. 引入交易时段效应修正模块，特别处理开盘30分钟和尾盘15分钟的特殊波动模式
目前遇到两个问题想请教：
- 在因子衰减检测方面，采用滚动IC测试还是因子动量指标更有效？
- 对于订单簿因子的实时计算，大家是用Level2快照还是逐笔委托数据？
策略在2024年实盘模拟中出现了约1.8%的性能衰减，推测可能与市场微观结构变化有关。欢迎对高频策略有研究的朋友一起讨论优化方向。
页:
[1]