之前看到一份文档,总结了13个经典量化策略,主要覆盖如下5个经典领域:

- 趋势跟踪类:双均线、海龟交易法

- 统计套利类:跨品种/跨期套利

- 多因子模型:alpha对冲、多因子选股

- 短线策略:网格交易、日内回转

- 另类策略:机器学习、行业轮动

1. 双均线策略 (期货)

逻辑:计算短期(30周期)和长期(60周期)移动平均线。当短线上穿长线(金叉)做多;短线下穿长线(死叉)做空。每次开仓前先平掉原有仓位。

核心指标:talib.SMA计算均线

适用:趋势跟踪型交易,适用于流动性好的期货品种(如文档中的铁矿石i1801)。

2. Alpha对冲 (股票+期货)

逻辑:

  1. 每月初筛选沪深300成分股中EV/EBITDA最低的30只股票(剔除负值)。

  2. 等权重买入这些股票(占总资金~40%)。

  3. 同时做空等市值的股指期货(IF主力合约)进行对冲。

目标:剥离市场风险(Beta),获取个股超额收益(Alpha)。

关键点:期货仓位需根据保证金比例动态调整 (保证金率 * 股票总市值)。

3. 集合竞价选股 (股票)

逻辑:

  1. 统计沪深300成分股在过去30个交易日中“开盘价 > 前收盘价”的天数。

  2. 筛选天数 > 10 的股票加入组合。

  3. 每月初等权重买入组合,卖出不在组合中的持仓。

核心:捕捉开盘强势股的历史持续性。

适用:中短线轮动。

4. 多因子选股 (股票)

逻辑:

  1. 基于Fama-French三因子模型(市场、市值、价值)。

  2. 对每只股票回归计算Alpha(未被因子解释的超额收益)。

  3. 每月买入Alpha值最低(负值最大)的前10只股票(市场低估)。

核心:寻找被市场系统性低估的股票。

5. 网格交易 (期货)

逻辑:

  1. 根据历史价格计算均值和标准差,划分5档价格区间(如:均值±0.5/1/1.5/2倍标准差)。

  2. 预设各区间仓位权重(如:[-0.5, -0.3, 0, 0.3, 0.5])。

  3. 价格跌入低位区间加仓(做多权重↑),涨入高位区间减仓(做空权重↑),回归中间则平仓。

核心:高抛低吸,震荡市利器。

风险:单边行情易亏损。

6. 指数增强 (股票)

逻辑:

  1. 初始按沪深300成分股权重(>0.35%)的80%配置股票。

  2. 若某股连续5日上涨→ 将其权重上调至100%(视为强势股)。

  3. 若连续5日下跌→ 将其权重下调至60%(视为弱势股)。

目标:在跟踪指数基础上,通过动态微调追求超额收益。

7. 跨品种套利 (期货)

逻辑:

  1. 计算两个高度相关品种(如螺纹钢rb1801 vs 热卷hc1801)的价差。

  2. 用布林带(价差均值±2倍标准差)设定上下轨。

  3. 价差突破上轨:做空价差(卖rb/买hc)。

  4. 价差跌破下轨:做多价差(买rb/卖hc)。

  5. 价差回归中轨时平仓。

核心:赌价差回归历史均值。

8. 跨期套利 (期货)

逻辑:

  1. 检验同一品种不同合约(如rb1801 vs rb1805)的协整关系(EG两步法)。

  2. 若协整,计算两合约回归残差。

  3. 当残差突破±0.9倍标准差时:

  • 上破:做空价差(卖近月/买远月)

  • 下破:做多价差(买近月/卖远月)

  4.残差回归时平仓。

核心:利用合约间价差的稳定性套利。

9. 日内回转交易 (股票)

逻辑:

  1. 持有底仓(如10,000股)。

  2. 盘中用1分钟MACD信号做T+0:

  • MACD > 0:买入100股(需有可用资金)

  • MACD < 0:卖出100股(需有可用底仓)

  3.收盘前将仓位恢复至初始数量。

关键:依赖底仓和低手续费,适合高流动性个股。

10. 做市商交易 (期货)

逻辑:

  1.同时挂限价单:

  • 买一价开多仓1手

  • 卖一价开空仓1手

  2.若一方成交,立即在反向价位挂平仓单。

  • 目标:赚取买卖价差(Bid-Ask Spread)。

核心:高频报单,依赖低延迟和低手续费。

11. 海龟交易法 (期货)

逻辑:

  1.入场:

  • 价格突破唐奇安通道上轨(55日最高)且短均线>长均线 → 做多

  • 价格突破下轨(20日最低)且短均线<长均线 → 做空

  2.止损:

  • 多单:跌破唐奇安平仓通道下轨(20日最低)

  • 空单:涨破唐奇安平仓通道上轨(20日最高)

  3.加仓:价格顺向突破0.5/1/1.5倍ATR位置时加仓。

经典:趋势跟踪+严格风险管理。

12. 行业轮动 (股票)

逻辑:

  1. 每月初计算6大行业指数(工业/材料/消费/医药/金融等)过去20日收益率。

  2. 买入收益率最高行业中市值最大的5只成分股(等权重)。

  3. 卖出不在当前组合中的持仓。

核心:追涨强势行业龙头股。

13. 机器学习选股 (股票)

逻辑:

  1. 训练阶段:用历史数据(2016-2017)训练SVM分类器,特征包括:收盘价/均值、量比、高低价比、区间收益、波动率等。

  2. 预测阶段:每周一输入近15日特征,预测未来5日涨跌。

  3. 交易:预测上涨则95%仓位买入;盈利>10%止盈;周五亏损>2%止损。

核心:用量化特征预测短期走势。

提示:策略需根据市场环境调整参数,回测结果不等于实盘收益。建议在模拟盘验证后再投入实盘。