今日（12.4日）沪指震荡调整跌0.29% CRO概念股集体大跌。详情点击

来源：网络 发布时间：2023-12-04 14:58:37 点击量：

大盘全天震荡调整，三大指数均收跌。盘面上，贸易概念股集体走强，南京商旅、江苏舜天、远大控股涨停。短剧概念股继续活跃，因赛集团、引力传媒、中广天择涨停。黄金概念股震荡走强，苏豪弘业涨停。东北本地股午后异动，龙建股份、龙江交通涨停。猪肉股表现活跃，新五丰涨停。数据要素概念股盘中异动，银之杰、深桑达A涨停。整体上，市场热点呈现快速轮动特征。

下跌方面，医药股集体调整，CRO方向领跌，药明康德等多股跌超5%。总体上个股跌多涨少，全市场超2700只个下跌。沪深两市今日成交额8512亿，较上个交易日放量171亿。板块方面，黄金、猪肉、短剧、黑龙江自贸区等板块涨幅居前，CRO、转基因、复合集流体、白酒概念等板块跌幅居前。截至收盘，沪指跌0.29%，深成指跌0.62%，创业板指跌0.9%。

股票市场的模型喜欢对基本面下手，在研究基本面时，一定离不开根据某种估值模型理论来进行建模，

比如采用基于基本面研究诞生的多因子策略模型，现时代看来，大师的做法也不是特别复杂，如格雷厄姆与巴菲特等投资大师等常期采用的内在价值评估模型（由1942年威廉姆斯?John Burr Williams提出，讲的是利用现金流量贴现来对股票、债券、或公司的价值进行估值判断，一个公司的上述的价值，取决于在资产的整个剩余使用寿命时间内能够产生的现金流入和流出）

或是采用彼待林奇等投资大师采用的PEG估值法进行建模（PEG投资法最先是由英国的一位投资家史莱特提出的，他发现了单一采用静态市盈率来进行估值的缺缺陷，应该更综合考虑了会计报告期的各项财务的状况，之后时代，一代大师彼得林奇时代对他的发现进行了发杨光大）

类似的建模思想，多会用到多个财务指标进行归因分析研究，并对单一财务指标进行排序打分，赋予权重。这一类的策略建模思路，坊间喜欢称其为，基于基本面研究的多因子模型，这类模型偏向于选股层面的逻辑实现并长期持有。尤其估值模型一般是根据长期价值投资分析研究而诞生的，所以在投资持仓周期上与之配套的就是长期持有，坊间的做法一般是在按相应模型进行排序打分的情况下，根据分值的高低，按月、季、年进行产品组合的调仓换股，重选股环节，而轻交易择时执行环节。

与之相对应的，另外一种策略类型，则是重交易择时，轻未来估值，更看重短期未来市场价格的走向预测，这种偏向于交易层面实现的策略模型可以称其为-技术面因子类型策略，因为他的诞生是基于短期技术面等指标数据的挖据。

数据的加工处理包含并不限于原始、初加工、深加工后的技术因子类。坊间对这方面的研究也是火热，尤其是在一些可以T0交易的A股市场的相关品种上，大抵的做法是对单一指标进行线性归因分析，调试相关优质参数入库，也可以进行叠加多个技术指标因子进行组合，综合来讲，这种叠加后组合形成的新的技术指标类因子，也可以理解为一个独立的、单一有效因子。因此，理论上来讲，可以进行无穷无尽种组合的可能性。这种建模思想，一般门槛较低，本质上来讲就是基于K线（价格）的分割，利用开盘价、收盘价、最低价、最高价、成交量（期货还有持仓量）等衍生出的一系列研究。

转换到期货市场的交易策略视角，

因为期货策略交易品种数量的局限性，以及更加灵活的多空+T0规则，开放性的允许程序化交易接入的交易规则背景下，期货市场的量化交易模型更加偏向于交易执行层面的ALPHA的发掘获取。比如注重品种多样性组合搭配的策略，以及注重交易数据监控周期选择的策略，还有将两者进行结合的策略。坊间多数团队的做法，更多的是在上述思想上开发出的一些进出场信号管理的择时类型的策略，不论是注重择时，还是前面的多品种，多周期策略。这些管理期货的策略对外统称CTA策略类型。

另外还有一些根据高级算法开发的高频交易策略，做法有一些是基于套利思想，这种策略是根据一些短暂的定价错误或BUG,利用这些定价的错误的时间差，或信息障碍进行交易。当然这种策略的资金量一定是小的，因为这种策略是拥有固定对手盘方的，一旦对手盘方发现这些BUG的存在，一定会尽快修复或者暂停掉本方的交易。还有一些策略是将K线的级别无限缩小，缩小到盘口逐笔级别，只不过是在更小的周期上进行一些ALPHA的获取，本质上只是将预测的周期级别放到了秒级或TICK级。还有一些策略是放弃预测，根据价格关系进行固定间隔，进行倍投的类似小马丁策略的量化模型。

在高频交易领域，还有一个不得不提的交易模型的存在，可以把他理解为不以成交为目的交易策略,“愰骗交易”曾经在前些年大行其道，风光无限，由于之前这种交易策略变向为市场提供了更大程度的流动性，监管层面对这种是睁一只眼，闭一只眼，由于其蛮不讲理的，不创造成交价值，反而增加买卖双方成交成本的这个属性，这个现在被各个开放证券电子化交易的国家定性为违法违规，不再为灰色可行。有经历的朋友一定会知道一些利用此类高频交易策略疯狂收割的历史事件。

还有一些诞生于新世代AI数据应用层面的策略模型，类似采用机器学习、概率推理、以及一些前沿计算机科学，如计算机视觉处理、自然语言处理等等开发模型的设计方向，此类策略目前占比在逐年提升。

最后说一下策略类型选择方向的问题，

现在量化交易的策略种类构建选择，首先考量所属市场规则特性，在国内应该首先考量政策意志，其次是市场容量特性，还有开发团队自身知识结构等特性综合考量下，和谐之后的结果。

我自身是因为多个市场都做，除AI方向的量化策略未曾涉及之外，其它策略类型都或多或少有所涉及，因此拥有一定程度的发言权，任何的策略类型都不能单一视角的进行好坏的评判，应该根据自己所选市场所处的环境、监管规则等进行实际选用。

(风险提示：以上信息全部来自网络公开资料，不构成投资建议）