用机器学习解锁量化投资新边界

仓位分配方面，毕业程采用"等市值"原则。"回测数据显示，等市值分配与'信号强品种高仓位'模式的表 现相差不大，且当资金规模有限时，部分品种受交易单位限制，难以实现仓位调整，反而增加了操作的 复杂度。"他说。 在数据周期选择上，毕业程的策略兼顾细节与广度，即最高采用1分钟K线捕捉日内的短期波动，同时 结合日线数据把握长期趋势，信号生成频率控制在一天两次。"盘中缺乏有效的增量信息，频繁预测只 会增加模型的复杂性。"他说。 多维度防风险 在量化投资的浪潮中，不少从业者凭借专业能力在复杂的市场波动中寻找确定性机会。在北京一家私募 公司担任投资经理的毕业程，便是其中颇具代表性的一位。 聚焦日内交易 2023年2月，毕业程精心打磨的日内截面机器学习CTA策略开始运行，这是一套以日内截面CTA为框 架，融合压力因子与机器学习非线性组合的量化体系。"该策略的核心是通过机器学习，对市场数据进 行深度挖掘，结合压力因子预测品种的日内收益，进而筛选出有潜力的品种开展交易。"他说，该策略 严格遵循"日内交易、不隔夜持仓"原则。 据了解，该策略覆盖40～50个主流商品期货品种，但通过模型预测，每次仅自动挑选预测值排名前五的 品种进行交 ...