量化专题报告：如何利用AI模型寻找日内最佳买卖点？

核心观点

• 对于高换手率组合，选择合适的交易时点可以显著提升收益，VWAP成交优于收盘价成交。
• 传统线性因子和事件型策略在日内交易时点选择上效果不明显，原因可能包括信号拥挤、遗漏集合竞价信息、数据粒度不够细等。
• 深度学习模型可以显著提升交易时点选择的准确性，ALSTM模型预测未来收益并单独建模，效果优于线性因子。
• 加入集合竞价信息和弱有效技术因子可以进一步提升ALSTM模型的预测效果。
• SAC强化学习模型可以进一步提升组合收益，其在14:00-15:00时段胜率最高，中午至14:00间收益最高。
• 将强化学习信号应用于投资组合和指数中效果显著，例如，沪深300股指日内择时累计收益年均可达14.3%。

关键数据

• 高换手率组合VWAP成交年化超额收益率为19.1%，收盘价成交为16.5%。
• 日内最低价到收盘价平均涨幅为1.86%，日内最高价到收盘价平均跌幅为1.96%。
• ALSTM模型信号平均多空收益为0.23%，改进后为0.26%。
• SAC强化学习模型信号平均多空收益为0.34%。
• SAC强化学习因子多头组合年化超额收益率提升至24.1%，较收盘价提升7.6%，较VWAP成交提升5%。
• 沪深300股指日内择时累计收益年均可达14.3%，胜率53.8%。

研究结论

• 深度学习和强化学习模型可以有效提升日内交易时点选择的准确性，为投资者带来显著的收益增厚。
• 在实际应用中，需要考虑更多因素，例如冲击成本、滑点等，以进一步提升策略效果。