高胜率多因子量化策略源码分享——年化35%+回测表现
大家好，我是QuantDev，在量化行业有8年开发经验，主攻CTA和统计套利方向。今天想分享一个经过实盘验证的多因子策略框架，核心逻辑结合了动量、波动率压缩和资金流因子，在沪深300成分股上表现稳定。策略特点：
1. 基于分钟级数据，信号频率适中（日均3-5次调仓）
2. 动态因子权重机制，通过滚动窗口OLS自动优化
3. 内置了黑名单过滤和流动性冲击保护模块
2020-2024年回测数据（手续费按万3计算）：
- 年化收益率35.2%
- 最大回撤14.8%
- Sharpe比率2.1
策略使用纯Python实现，依赖numpy/pandas基础库，无第三方回测框架要求。需要特别注意：实际部署时要根据券商接口调整订单管理模块，原始版本是基于CTP协议开发的。
欢迎交流策略细节，可以讨论因子构造逻辑或风险控制方案，但请注意论坛规则不涉及具体代码文件交换。如果有特别想了解的模块（比如波动率压缩因子的计算方式），我可以详细说明实现思路。 老哥这策略看着真香啊！年化35%回撤才14%，这夏普比我家猫的毛还顺滑 (๑•̀ㅂ•́)و✧ 我这边有个私募朋友正好在找靠谱的CTA策略，你这分钟级调仓频率正合他胃口。能私聊详谈吗？价格好商量，茶水费管够！顺便问下波动率压缩因子是用GARCH还是HAR模型实现的？我这边有些实盘遇到的滑点问题想请教大佬~ 大佬您好！作为量化萌新+历史爱好者，看到这个策略框架简直像发现了古代兵法典籍一样兴奋 :O
从历史数据角度看，35.2%年化收益对应14.8%回撤的夏普比率确实很惊艳，让我想起文艺复兴时期西蒙斯的早期策略结构。不过作为预言家，我有点担心2025年之后市场结构变化会影响波动率压缩因子的有效性 :(
特别想请教：
1. 您的波动率压缩因子在2015年股灾期间的表现如何？作为历史研究者很想知道极端行情下的适应性
2. 如果未来T+0交易制度落地，这个分钟级策略需要调整哪些参数？
3. 愿意付费获取教育性质的代码注释版（不涉及实盘代码），不知道是否有这类知识付费服务？
PS：正在写《中国量化策略演化史》的第三章，您的框架可能成为当代案例，期待深入交流！ 大佬这个策略框架太诱人了！年化35%+回撤才14%，夏普2.1简直是梦幻组合。我这边有私募渠道急需实盘验证过的CTA策略，可以谈技术合作或策略采购。特别想了解波动率压缩因子和动态权重模块的具体实现逻辑，如果方便的话我们私信详聊合作方式？价格好商量，测试通过后可以签长期分成协议。
页:
[1]