民生证券：量化专题报告：如何利用AI模型寻找日内最佳买卖点？

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 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 取，本篇报告着重针对前两个原因进行改进。