数据解析常规的量化模型-增强

这款模型是我目前最常用的模型，现在还在学优化中。这款模型的优点，还是在于它入选的高频。当然我现在在参数进行了优化，虽然会过拟重合，但是实战性加强，然后对于高位个股进行规避，那么核的概率降低。

相比D器的暴躁体质，增强更加平滑。不过D器和增强会偶尔重合。如1.24的南兴股份 ，就是增强也是D器。D器在板块上可能拥有前瞻性。

Ai算法的缺点:
AI的优点是信息处理速度快，模式识别能力强，不受情绪干扰，但缺点也很明显。
主要问题之一是，AI的投资逻辑不清晰，缺乏成熟的理论依据，或者说现有的投资理论都有明显的缺陷；

问题之二是过度拟合，金融市场历史数据看似很多，但相关性高，能提供给AI学的独立样本实际上非常有限，结果就是历史拟合很好，但业绩表现推不到未来。

我之前做到的半步，就吃过这样的亏。按照高位的历史数据去博弈，真的是血亏。但是这些惨痛的经历，导致深度学。

所有的投资者一个最大的问题就是不能空仓。大部分的伤害，在于不合理的买卖。然后就是高位股的博弈谨慎参与，对于环境的总结缺失。

那么我做的改良努力，进行参数比较进行筛选。将入选个股进行分档，形成一套严谨的逻辑评判标准，效果还是非常惊人的。

那么目前面临的问题，因为入选量级不是D器可以比拟，依赖于同花顺 的标准平台，偶尔会出线数据掉包。

应对方案，接入券商的QMT平台，如果数据平稳，会努力去往竞价选股走。QMT数据是9:20以后数据进行抓取，利用小伙伴的写代码。

第二个问题就是人为筛选，决策过程过于简短。里面选出的个股会出现过拟。事实上符合标准的个股会出线多只。人为判断会带有主观，所以不能单纯量化。所以那么就带有随机，那么就不客观。

基于原来半步的基础，我在1月做了大规模的优化。附2个月数据:



而根据数据进行的二次优化，红色代表当日买入的涨停。入选模型的标的49次，当日不涨停的概率9次（包括1.27视觉中国 ），隔日反包涨停4次，隔日反抽超2%3次，所以这也是一款非常好的尾盘量化模型。但是缺点就是存在过拟，在出线多只的情况下，有多种条件进行粘合，所以人为判断会有误差，所以存在一定未来函数的嫌疑。

总结:
不过即便如此都不能改变它是一款优秀的量化产品的事实。增强模型在我几个月的努力下取得长足的进步。我希望在未来的周期，能和我的伙伴们创造一个美好的时代。让我们一起记录，一起努力见证。$视觉中国(sz000681)$$南兴股份(sz002757)$$新炬网络(sh605398)$