CN
EN

智能策略

智能策略

  智能 策略即根据个人投资者提供的风险承受水平、收益 目标以及风格偏好等要求,运用 一系列智能算法及投资组合优化等理论模型,为用 户提供最终的投资参考,并对 市场的动态对资产配置再平衡提供建议。一个 完整的智能投顾产品应该是用户和产品画像是基础,智能算法是核心,再平 衡和用户决策过程是关键。
  主要 是通过分析客户的投资行为数据、交易数据,形成用户“画像”,实现C端客户的标签化和B端资讯、金融产品、模拟组合产品、投顾的标签化,为每 位用户提供精准的个性化投资资讯、理财 产品以及投资顾问服务等,核心 是标签可视化过程。要实 现大类配置类的智投产品,一定 要做的首要工作就是前端用户和后端产品的画像,其实 就是充分盘活券商的内部数据。

智能策略:进击的量化决策
 
    • 主要 是基于底层的选股模型和择时模型,根据 投资者的风险偏好、投资年限、资金 规模等需求指标为客户提供A股市场的策略建议,并根 据市场信号向投资者推送操作策略。其核心是选股模型、择时 信号和组合再平衡过程。
    • 对于 用户端的体验流程基本就是:选策略-填需求-创建组合-接收买卖信号-一键跟单交易。通过 让用户输入拟投金额、选择 个人投资风格偏好及投资年限后创建一个投资组合。
    • 创建后,定期 在交易日盘前推送初始化建仓建议,并在 运行过程中持续推送包括买卖操作、仓位调整,买卖数量等买卖建议,用户 可以对该组合进行实盘一键跟单。
    • 价值精选策略:擅长蓝筹精选,则将 选股的范围缩小至蓝筹股,通过 大数据策略选择出各个行业内估值 最具优势的个股,追求稳健收益。
    • 短线智能策略:擅长波段操作、智能调仓换股,追求弹性收益。
    • 综合轮动策略:擅长风险控制,采用“相似性匹配”策略,每个 月对行业板块进行轮动筛选,该策略通 过观 察近期行业之间的涨跌顺序,与历 史样本进行相似性匹配,寻找“似曾相似”的样本时期,并以 随后的强势行业作为当前配置的依据。

选股模型

选股 模型主要是负责筛选价值被低估的股票并形成候选股票池。我们 使用的选股模型为多因子模型,该模 型对大量的个股风格数据进行跟踪测试,筛选出盈利、股价反转、换手率、市值 以及估值等若干指标,并运 用量化模型将指标进行有效整合,定期 挑选综合得分最高的股票组合,作为 选股模型后的候选股票池。

择时模型

构建 好自己的组合模型之后,就需 要择时模型发出买卖信号。因此,择时 模型主要就是负责控制仓位和输出股票的买入卖出信号,我们 有自己的一套经过实践的择时模型理论。根据 多个择时模型所给出信号的多空占比情况确定当前的持仓仓位,并给 出对应的买入或卖出信号。

清洗处理基础数据


先提 取全公司近几年内的交易数据和部分行为数据,也就 是说对结构化和非结构化数据都做了处理,但还 没有做到完全的实时自动化处理。目前 券商用自己的数据来刻画用户画像,主要 使用的还是通道交易数据,也就 是说真正意义上的用户行为、消费、投资 数据仍还未完全打通。

提取大类指标及因子

针对 清洗后的基础有效数据,然后提取大类指标,主要 提取了投资总体特征、交易行为特征、投资风格、投资能力、投资策略、当前持仓特征等6大类。关于大类指标,每家都有不同的做法,但终 归还是要落地到基础静态指标(客户基础属性,产品属性、风险属性、价值属性等)和基础动态指标(交易行为属性、交互行为属性等),然后 筛选出这几类基础指标或者衍生指标去组建一个大类业务指标。

策略执行流程

  • step1:选股 模型根据各策略提供的选股因子,对所 有的个股进行打分,然后 将得分较高的股票放入候选股票池。
  • step2:用户 输入拟投资金额等个性化参数后,组合 构建模型则根据该参数从候选股票池中选取一定数量的个股构成一只股票组合。
  • step3:择时 模型负责产生股票的买卖信号和仓位控制信号,提供 合适的买卖时间点,并通 过仓位控制信号控制组合计划的风险。
  • step4:组合 再平衡模型则负责监控择时模型产生的信号,配合 客户的组合计划形成操作策略。


友情链接:    新疆11选5走势图  pk10回血上岸经验   pk拾手机计划网页版_pk拾全天计划两期_pk拾彩票网开奖直播   一袋金彩票---首页欢迎你   辽宁11选5走势图