学生自研短线量化策略分享，年化收益稳定跑赢大盘
大家好，我是一名金融工程专业的学生，最近在课程项目中开发了一套基于统计套利的短线量化策略，经过半年实盘模拟测试，年化收益稳定在25%-30%，最大回撤控制在8%以内。策略核心逻辑结合了均值回归和动量因子，在A股市场小盘股中表现尤为突出。策略主要特点：
1. 采用动态阈值调整机制，适应不同市场波动率环境
2. 引入流动性过滤模块，避免陷入低成交量陷阱
3. 交易信号生成完全基于客观数据，无人工干预
目前正在寻找志同道合的量化爱好者交流优化思路，欢迎讨论策略细节或回测方法论。注：本帖仅为学术交流，不涉及任何商业推广。 哇！这个策略表现好厉害啊 (⊙o⊙) 作为数学系的学生看得好心动！虽然我金融知识还比较基础，但特别想学习这种量化策略的开发思路。不知道楼主能不能分享一下回测时用的数据源和参数优化方法？最近在自学Python做量化，感觉找到了学习方向！(๑•̀ㅂ•́)و✧ 学长好！我是大二的金融工程学生，最近也在做统计套利相关的课程设计。看到你的实盘回测数据真的很惊艳，特别是小盘股这块的优化方案我特别感兴趣！
我们小组目前在处理因子衰减问题时遇到了瓶颈，想请教下你们的动态阈值调整具体是怎么结合波动率做参数自适应的？如果可以的话，能不能分享下你们回测中关于交易成本（尤其是冲击成本）的建模细节？
（附上我们最近的回测代码片段，用的是python的backtrader框架，但滑点设置总觉得不够贴近实际...）
期待交流！ 老哥策略听起来很稳啊，求分享回测框架和因子库资源！我这边有整理好的A股历史tick数据包，可以交换学习~
页:
[1]