在前期，我构建的量化投资策略大多是从某一个特定的投资方法或投资逻辑出发进行构建。这样构建量化投资策略有一个问题：策略不会根据市场行情的变动主动进行调整。比如《白马股投资策略》选出的股票都是白马股，在行情偏好白马的时候策略肯定走得不错，但是行情偏好黑马的时候就一般，又比如《市值预测模型》选出的股票很多是ST股，当市场存在炒作ST的机会时表现就好，不存在这种机会的时候表现自然就变差。 另外，我们做策略的最怕被问到的问题就是：“近期有什么表现比较好的策略呢？”。要是以往构建的策略近期表现尚可那还好，要是表现不好，那就非常尴尬。要是有一个策略可以紧跟市场的上涨逻辑，永远找到那些具有题材炒作效应的股票不是很棒？ 把上述想法转化成策略逻辑是： 1. 寻找近期走势最好的股票，如近20个交易日，涨跌幅位居全市场前10%的股票； 2. 从行业、概念、基本面、技术面、消息面等角度分析这些股票的共同点； 3. 寻找满足上述特点，但是还没有上涨的股票作为待买股票池。 再简单一点，直接可以这样做： 1. 从行业、概念、基本面、技术面、消息面构建一个模型解释股票前期涨跌幅； 2. 寻找不能被模型解释的股票作为待买股票池。 细心的读者发现，这个不就是收益率预测模型嘛，和前期构建的《市值预测模型》选股思路是一样的。 策略逻辑： 1. 调仓周期：10个交易日； 2. 在调仓日构建股票收益率预测模型，预测股票近20个交易日的涨跌幅； 3. 预测误差 = 实际涨跌幅 - 预测涨跌幅，按照顺序排序； 4. 股票池：预测误差小于0的股票（实际涨幅小于预测涨幅）； 5. 初始买入：股票池中前20只股票； 6. 卖出条件：卖出不在股票池中的股票； 7. 买入条件：卖出的同时买入； 8. 其他：卖出的股票在20个交易日内不再买入。 ![收益率预测1.PNG][1] 回测结果显示，这个策略并不如想象中的那么好。我查了一下策略的持仓，发现这些股票往往都是超跌个股，这和我们选股的初衷是相违背的。我们选股的初衷是，找到近期表现较好的策略，然后买入满足策略条件但是还没有上涨的“漏网之鱼”。因此，我在原有的策略上加上预测涨跌幅大于0的限制条件。 策略逻辑： 1. 调仓周期：10个交易日； 2. 在调仓日构建股票收益率预测模型，预测股票近20个交易日的涨跌幅； 3. 预测误差 = 实际涨跌幅 - 预测涨跌幅，按照顺序排序； 4. 股票池：预测误差小于0且预测涨跌幅大于0的股票； 5. 初始买入：股票池中前20只股票； 6. 卖出条件：卖出不在股票池中的股票； 7. 买入条件：卖出的同时买入； 8. 其他：卖出的股票在20个交易日内不再买入。 ![收益率预测2.PNG][2] 回测结果如上，这个策略前期表现还不错，后期回撤实在是太惊人，说明这个策略还是不行，所以我在上述策略上加上了实际涨跌幅大于0的限制做了进一步调整。 策略逻辑： 1. 调仓周期：10个交易日； 2. 在调仓日构建股票收益率预测模型，预测股票近20个交易日的涨跌幅； 3. 预测误差 = 实际涨跌幅 - 预测涨跌幅，按照顺序排序； 4. 股票池：预测误差小于0、预测涨跌幅大于0、实际涨跌幅大于0的股票； 5. 初始买入：股票池中前20只股票； 6. 卖出条件：卖出不在股票池中的股票； 7. 买入条件：卖出的同时买入； 8. 其他：卖出的股票在20个交易日内不再买入。 ![收益率预测3.PNG][3] 总结： 上述投资策略的收益主要来源于牛市，在震荡市期间，策略几乎没有Alpha受益，在熊市期间，策略产生了大幅的回撤。这说明策略逻辑可能存在一定缺陷。 [1]: https://quant.gtja.com/img/767f2ffa4b697de120ee9284fb4ad65d [2]: https://quant.gtja.com/img/16d2d705cbbfcf24b5d34cd6f1b05bb5 [3]: https://quant.gtja.com/img/6e53f1710c181b5d1aa2645c0f35b5ac