业务分类法重塑基金风险敞口画像 - 采用业务分类法可更精准地量化基金在各行业的实际风险敞口 与传统单一行业分配方法相比 业务分类法通过为每家公司构建行业风险敞口向量并进行市值加权汇总 能更细致地展现基金真实的行业构成[3][5] - 业务分类法的应用能形成一个清晰的、可衡量的贸易格局敏感度指标 例如可量化基金收入基础中受关税冲击影响的比例 北美地区关税风险敞口最高的交易所交易产品为Simplify Volt TSLA Revolution ETF 其行业敏感度达22.1[5] 自然语言处理构建新闻情绪投资策略 - 采用自然语言处理模型为新闻标题生成情绪评分 并通过z评分识别7天周期内情绪明显强于或弱于历史常态的异常事件 该方法使用两种不同的NLP模型以获取多元化的情绪判断[7][9] - 在原油市场中 负面情绪往往意味着供应中断 历史上这类事件通常会导致价格上涨 形成情绪与价格的反向关系 基于情绪异常出现后交易CL1合约的策略回测使用逐笔成交数据 持仓周期较短[9][13] 增强版OHLC数据捕捉价格波动 - 增强版OHLC数据新增了开盘、最高、最低、收盘价格在每个时间段内出现的精确时间戳 以及包括成交量加权平均价在内的40多个额外字段 历史数据可追溯至2008年[12] - 根据高点和低点出现的时间顺序 将OHLC柱线划分为"趋势柱线"和"区间柱线" "区间柱线"指价格回报的符号与时间差的符号相反的柱线 即高低点的时间顺序与价格趋势相反[12][15]