量化专题分析报告：利用AI模型寻找日内最佳买卖点.pdfVIP

量化专题报告

如何利用AI模型寻找日内最佳买卖点？2024年10月25日

[Table_Author]

➢对于深度学习类的高换手组合，vwap成交要好于收盘价成交，选择准确

的交易时点可以带来组合收益增厚。以我们在之前的报告《深度学习模型如何

控制策略风险？》中构建的元学习风控因子在中证800内的多头组合为例，组

合换手率约为年化单边24倍左右。vwap成交下年化超额收益率为19.1%，收

盘价成交下只有16.5%。我们统计今年以来所有股票的日内最低价到收盘价平

均涨幅为1.86%，中位数为1.19%；从日内最高价到收盘价的跌幅平均为

1.96%，中位数为1.46%，在这之中，若能选择正确的交易时点，则可以为组

合提供显著的收益增厚。

➢传统线性因子及事件的交易时点选择效果不明显。我们取股票5分钟频数

据计算10个技术因子，计算因子的时序IC以及信号平均多空收益，并无显著

收益。线性指标触发的事件也无法获得显著受益。原因可能有传统线性指标较

为拥挤，漏掉集合竞价信息可能对因子准确率产生影响，数据粒度不够细或交相关研究

易信号滞后等导致价格趋势跟踪过于粗糙，等等。因实时level2数据较难获1.量化专题报告：全球资产量化：沙特权益

取，本篇报告着重针对前两个原因进行改进。驱动因素与配置逻辑-2024/10/24

2.量化周报：景气度继续回升-2024/10/20

➢利用深度学习对于每一个交易时点单独建模预测5分钟后至收盘收益，交

3.量化分析报告：牛市各阶段哪些因子表现

易时点选择显著优于传统线性因子。我们应用ALSTM模型预测股票未来五分钟最好？-2024/10/15

至当天收盘的收益率，用个股过去最多240个5分钟频的量价数据作为输入，4.量化周报：市场或延续震荡-2024/10/13

高开低收成交量共6个指标，预测五分钟后的节点至收盘的收益，并在每个时5.基本面选股组合月报：中证500增强组合

间截点单独建模，信号平均多空收益率0.23%，显著优于线性因子。随后在模9月超额收益达1.18%-2024/10/08

型中加入当天集合竞价的level2因子以及部分弱有效技术因子作为嵌入输入，

模型信号平均多空收益提升至0.26%。

➢利用SAC强化学习模型进行实时交易决策，可以进一步增厚组合收益。在

股票市场中，强化学习对于高频数据的输入更加敏感，适合制定高频交易决

策，SAC强化学习因其优秀的避免过拟合机制而被广泛应用至交易决策中。我

们根据当前时间，将预训练好的46个深度学习模型对应特定时点的预测状态以

及截面因子输入强化学习，通过多头注意力网络将二者结合，输入强化学习中

进行在线交易决策，最终，策略函数将输出每个时间点对于每只股票的交易信

号。强化学习信号平均多空收益0.34%，14：00-15：00胜率最高，中午至

14：00间收益最高。

➢将强化学习信号应用在投资组合与指数中效果显著。利用一定规则进行交

易回测，SAC强化学习因子多头组合的年化超额收益率提升至较收盘价提升

7.6%，较vwap成交提升5%，提升显著。但相比理论提升较低，这可能是因

为部分股票没有成交信号，且取第一个信号时有效性相对较弱等原因。将个股

信号合成至股指中，在沪深300，中证500，中证1000平均收益分别为10.3，

10.9，11.8bps，在午盘时段收益较高。根据午盘时段估值多空信号计算沪深

300日内择时累计收益，年均累计收益14.3%，胜率53.8%，赔率尚可。

➢风险提示：量化模型基于历史数据，市场未来可能发生变化，策略模型有

失效可能。