策略介绍

美国《旧金山纪事报》曾做过大猩猩选股实验，让大猩猩独写有股票代码的纸板投标，投中一个代码就意味着选中一只股票，用此方法让大猩猩挑选出5只股票。然后，用大猩猩挑选的股票组合与《华尔街日报》8位知名分析师精心计算分析挑选的5只股票相比较，在持有一段时间之后，大猩猩随机抽取购买的股票票

策略介绍

• 在 102 中我们使用了 [仓位分配](https://bigquant.com/wiki/doc/aistudio-HVwrgP4J1A#h-%E4%BB%93%E4%BD%

策略介绍

• 在 102 中我们使用了 [仓位分配](https://bigquant.com/wiki/doc/aistudio-HVwrgP4J1A#h-%E4%BB%93%E4%BD%

策略介绍

• 在 101-简单动量策略 基础上，我们来实现一个更完整的选股策略模版
• 此策略可以作为一个选股和线性策略的常用模版使用

策略流程

1. 选股：选择基础股票池 2

策略介绍

本文将介绍经典的微盘策略，并通过编写简单的策略示例进行回测，初步感受如何在BigQuant上实现按某个指标排序并通过一系列条件过滤的量化策略开发。

盈利逻辑

微盘策略是一种投资策略，其核心思想是选择市值较小的公司进行投资。一般来说，小市值公司的股票价格相对较低，但是具有较

策略介绍

本策略是104选股策略（🌟104-选股策略）模板的具体应用，基本逻辑是剔除风险股票后，低市收率的股票通常有较高的收益

策略流程

本策略是经典的低市收率选股模型的具体实现，该模

我们为广大量化爱好者整理了120套量化策略源码，==获取全部源码方式见页尾。==

• 本合集旨在提供量化思路和常见的策略模板，从而学习和魔改，==请勿直接实盘==。

• 本合集均使用3.0开发环境，克隆策略时候==选择去AIStudio最新版运行==。

  \

**一、新手学习策

策略介绍

本策略是104选股策略（🌟104-选股策略）模板的具体应用，基本逻辑是高股息率的股票通常可以带来更多的收益

策略流程

本策略是经典的高股息率选股模型的具体实现，该模型的思想如

实盘申请

本次实盘终端支持万和证券，需要开通并申请量化实盘权限：

1. 实盘账号申请，请扫描下方二维码开通资金账号，通过二维码开户的方可使用：

   ![](/wiki/api/attachments.redirect?id=2cc15b20-9911-438d-918f-922e8

一、下载安装SDK

1. 要开始使用 bigquant 数据SDK，首先使用 pip 安装包

pip3 install daisdk

2. 获取访问凭证

第一步：点击进入以下地址，若提示无账户则申请账户即可

• <https://bigquant

请教一下：可转债特策略出现KeyError: "['gross_close', 'net_close', 'name'] not in index"这个问题，不知是何原因，麻烦老师指教一下？可转债策略如下：

[https://bigquant.com/codeshare/44135bc7-ee

import dai
date = dai.query("SELECT date FROM bitcoin_key_metrics WHERE date > '2024-04-26' ORDER BY date ").df()
last_date_dt = date["d

策略思路

始终持有沪深300银行指数成分股中市净率最低的股价制银行 每周检查一次，如果发现有新的股份制银行市净率低于原有的股票，则予以换仓

策略源码

'''
始终持有沪深300银行指数成分股中市净率最低的股价制银行
每周检查一次，如果发现有新的股份制

欢迎有相关经验的大牛来一起打拼！！！

美国湾区自营量化团队，规模小但是能量大，已经有很多成功的算法策略在运转。现在因为公司发展越来越快容量越来越大，急需一位高频执行系统工程师加入，高薪高奖。有兴趣的朋友快来联系啦！简历直接email HR 邮箱：__[kwandering1225@gmail.co

neutralize(sum(turn_0,90), total_market_cap) as hsl, 报错。

https://bigquant.com/codeshare/daae1549-813b-4fa8-a7e9-2874dad5823c

随便用了几个因子

摘要

本文介绍如何如使用Python3获取美元人民币实时汇率。

数据来源

经过查找分析多种数据渠道，我们最终选定使用和讯外汇的行情数据。其网页地址为

http://quote.forex.hexun.com/USDCNY.shtml

通过监测http，得到其ap

导语

1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的$\alpha$收益的数量化关系，这为主动组合投资管理带来一套令人信服的分析框架，这个数量化关系很好揭示了数量化技术(量化投资)可以如

https://cdn.bigquant.com/cdnuploads/bigcollege/media/aa282464f819d6bbc21c2c4d579e94b4.whl

\

我在AIStudio 3.0运行自定义Python模块是成功的。

![](/wiki/api/attachments.redirec

策略介绍：

本策略是104选股策略模板的具体应用

策略流程：

股票池过滤：剔除ST、退市、停牌股

筛选条件：根据标准化后的240日波动率的相反数、标准化后的近7日平均换手率的排名、过去21天量价相关系数，计算得分

排序条件：按得分从高到低

策略回测：持股10只等权重、持仓3天

\

策略介绍：

本策略是104选股策略模板的具体应用

策略流程：

股票池过滤：选择主板和创业板上的股票，剔除北交所

筛选条件：选取上市交易日天数大于252日、有成交量（成交量大于0）的股票

排序条件：按照相关性因子从小到大排序

策略回测：等权持股10只、持仓5天、买入卖出均为开盘