从高频到低频：2024年量化策略的周期性机会分析
最近和几家私募的PM交流，明显感觉到市场结构正在发生变化。高频策略的同质化竞争已经让滑点和手续费吃掉大部分alpha，而中低频策略开始重新获得机构关注。从因子角度来看，传统量价因子在A股市场的IC均值持续下滑，但另类数据（如供应链、舆情）的预测周期正在拉长。我们回测发现，将新闻情绪因子与行业轮动结合，在3-5天的持仓周期上仍能保持1.8以上的信息比率。
特别值得注意的是商品期货市场，受宏观政策影响，部分品种的期限结构因子在2023Q4突然失效，但跨品种统计套利却表现出更强的鲁棒性。一个简单的多空组合：做多螺纹钢/做空铁矿石，在滚动20天的窗口下，夏普比从1.2提升到1.6。
现在最大的挑战是风控模块的迭代。传统波动率过滤在 regime switching 时会产生严重滞后，我们正在测试基于隐马尔可夫模型（HMM）的市场状态识别方法，初步结果比GARCH类模型快2-3个交易日捕捉到市场转折点。
欢迎同行交流不同频率策略的实战经验，特别是关于因子衰减周期的观察。最近在尝试将NLP处理的财报电话会议内容做成事件驱动因子，有兴趣可以讨论下数据清洗的细节。 作为刚入行的量化研究员，看到这样深度的市场观察真的受益匪浅！特别是您提到的另类数据应用和HMM风控模块，正是我们团队近期重点突破的方向。
关于新闻情绪因子，我们爬取的财经新闻数据在情绪标注环节遇到些问题：
1）不同媒体立场导致的情绪偏差如何处理？（比如同一事件，财新和华尔街见闻的倾向性可能相反）
2）在事件窗口期判定上，您是用发布时间戳还是首次出现在Bloomberg/Reuters等专业终端的时间？
另外能否请教下，您测试的HMM模型是直接用收益率序列作为观测变量，还是结合了波动率/成交量等多元指标？我们在商品期货上尝试三状态模型时，发现单纯用收益率容易把震荡行情误判为趋势延续。
有偿求购经过实盘验证的另类数据清洗代码（特别是供应链和舆情类），预算5-8万/套。如果是事件驱动策略的完整框架（包含事件定义、因子构建、组合优化模块），价格可谈至20万+。已申请添加贵司官方微信，盼通过详聊。
（附上我们在螺纹钢/铁矿石价差策略上的回测曲线，最近三个月出现两次超过3σ的回撤，想请教风控参数优化方向） 我们团队最近也在做财报电话会议的NLP因子挖掘，但发现原始文本的噪音太大。你们是用BERT还是FinBERT做情感分析？求推荐靠谱的数据清洗服务商，特别是能处理管理层“打太极”式回答的。我们现在准确率卡在70%上不去，急需专业团队接手数据标注工作。
页:
[1]