介绍

• 使用方式：M.模块id.v版本(**kwargs)

数据

输入特征(DAI SQL)

• 模块：M.i

• \
  • 指标选股
• \
  • 打分

\

• 101 +
• 选股模块
• 仓位 ..
• 可以作为模版使用

\

• 102+

• 股票池选择

• TODO

  \

\

策略介绍

本策略AI算法来预测股票的未来表现，并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

介绍

BigQuant是专业但易用的AI量化投资平台。如下知识可以帮助我们更好的开始策略开发。

编程

BigQuant平台同时支持可视化编程开发和代码编程开发，并且两种模式可以无缝切换和融合

• 可视化：无需学习复杂的编程，支持低代码/零代码开发策略。BigQuant提供策略了海

复现研报原文：

研报1：

[/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pdf](/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pd

当当当当~~大家好，很高兴认识大家。这边推荐给大家高频量化开发工程师一职，欢迎自荐或者推荐您的小伙伴，我们十分期待您的加入！

【我们是谁】：

我们是SigmaFi Trading的一员，团队成员来自Jane Street和Goldman Sachs等著名金融机构的华尔街资深人士，并拥有普林斯

BigQuant 开始使用

BigQuant 导航

快速创建一个量化策略

1. 登录 [BigQuant](https://

{{membership}}

[https://bigquant.com/codeshare/ba14d6a1-e34e-4d7c-8c69-c4359fc14821](https://bigquant.com/codeshare/ba14d6a1-e34e-4d7c-8c69-c4359fc14

{{membership}}

[https://bigquant.com/codeshare/f263aa9a-4c52-45ff-aa1f-346efa3f548e](https://bigquant.com/codeshare/f263aa9a-4c52-45ff-aa1f-346efa3f5

{{membership}}

[https://bigquant.com/codeshare/df99fe2c-c320-40ba-8b15-5030a15b1cc3](https://bigquant.com/codeshare/df99fe2c-c320-40ba-8b15-5030a15b1

{{membership}}

[https://bigquant.com/codeshare/41b38a69-8c52-4a6f-954a-50a4a31104bc](https://bigquant.com/codeshare/41b38a69-8c52-4a6f-954a-50a4a3110

{{membership}}

[https://bigquant.com/codeshare/ad6ffc3f-5d31-455b-af32-e4d613404bfc](https://bigquant.com/codeshare/ad6ffc3f-5d31-455b-af32-e4d613404

策略介绍

动量策略是一种利用历史价格趋势来预测未来价格行为的量化交易策略。这种策略基于一个假设：股票或其他资产的未来价格趋势可能会延续其近期的表现。在实际应用中，动量策略通常会购买表现好的资产并卖出表现差的资产。

策略思想

动量策略的核心是“追涨避跌”。具体来说，这种策略会：

我们为广大量化爱好者整理了120套量化策略源码，全部源码向plus会员开放，本文档预计于==5月中旬整理完毕==。

本合集旨在==提供量化思路和常见的策略模板==，学习和魔改，==请勿直接实盘==。==若您希望增加其他策略，请于页尾留言或告知小Q==。

• 注意： ==本合集均使用3.0开

20200610-华安证券-高频视角下成交额蕴藏的Alpha：市场微观结构剖析之七\n该篇研报介绍了一系列的高频因子，主要思想是探寻日内特定的一些时间段的成交量，占全天总成交量的占比，之后将这些因子在时序上进行求平均、方差、偏度、峰度等操作

研报地址：

[/wiki/static/u

20230529-招商证券-量化研究2023年中期投资策略：“持续异常交易量”选股因子PATV\n该篇研报将5分钟平均交易量与30分钟平均交易量的比值作为因子，并求出该因子的截面排名，之后将截面排名的平均、标准差、峰度，三个指标组合为非正常交易量因子

研报地址：<https://www.doc

BigQuant策略模板库旨在帮助用户快速开始并优化他们的量化投资策略。无论您是初学者还是经验丰富的投资者，我们的策略模板都能提供从简单到复杂的多种投资策略选择。这些模板涵盖了基础策略、中级策略和高级策略。

• 基础策略模板：适用于刚开始接触量化投资的用户，例如简单的移动平均线交易策略。

• 买入条件：选择过去120个交易日涨幅位于前30%的股票作为动量股。同时，选择过去30个交易日内表现最差的前10%股票作为反转股。股票必须在过去5个交易日内有超大单净流入。按照流通市值降序排列
• 卖出条件：持有期超过30个交易日或涨幅达到20%。
• 股票过滤：过滤ST，过滤北交所
• 最大持仓

策略逻辑：价格冲击偏差较小的股票表现较好，即前期容易下跌上涨困难的股票后期表现更佳,买入

\

策略源码：

请克隆策略，前往最新版本开发环境3.0中运行

{{membership}}

[https://bigquant.com/codeshare/38959187-211

买入条件： 选择过去30个交易日内，超大单净流入占比均位于所有股票的前5%。 这些股票的涨跌幅位于同期所有股票的前5%。

卖出条件： 或股票涨跌幅跌至同期所有股票的后5%。

\

策略源码：

说明：克隆下方策略请前往最新开发环境3.0中运行

{{membership}}

[

策略构建

还记得AI策略构建的几个流程吗？主要包括训练集标注、训练集特征抽取、模型训练、测试集特征抽取、模型预测、交易回测环节，如下图所示。值得注意的是，”输入特征（DAI SQL)”算子不仅支持sql，还支持直接写表达式构建特征，即写公式抽取因子。模版代码可直接在后文克隆

![](/w

BigCharts 介绍

BigCharts是专业的金融市场和量化投资数据可视化探索与分析工具，致力于为用户提供高效、易用、可定制的数据可视化解决方案，提升用户在数据探索、分析和决策过程中的效率与准确性，成为量化投资者和金融分析师的得力助手。

快速入门

什么是DAI

DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台

• 使用简单：通过统一接口访问BigQuant各类数据
• 数据丰富：提供PB级金融数据、另类投资数据和因子数据 ([数据字典](https://bigquant.com/data/ho

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

股票提取：每日判断ST摘帽的股票，买入后持有3天

买卖时间：开盘买入，收盘卖出

初始资金：100万

持仓票数：所有满足ST摘帽条件的股票

持仓周期：3天

\

**策

注：【方正金工】成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一

引言

在股票市场中，成交量的变化承载着丰富的信息，它不仅是技术分析的核心要素，更是投资者们解读市场情况的关键窗口。"量在价先"这句谚语旨在强调成交量在股票价格波动预测中的重要性，而这个观点已经被广泛验证和接

https://bigquant.com/codeshare/5cc967b1-9dd1-45ef-a021-3194dd0c1e4f

\

{{membership}}

[https://bigquant.com/codeshare/bf0976b8-c68c-474a-a9d0-9686bbaed72f](https://bigquant.com/codeshare/bf0976b8-c68c-474a-a9d0-9686bbaed

{{membership}}

[https://bigquant.com/codeshare/837517eb-68a0-411f-beb8-bc991c8f69c1](https://bigquant.com/codeshare/837517eb-68a0-411f-beb8-bc991c8f6

因子研究

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已

{{membership}}

[https://bigquant.com/codeshare/275c0eb4-7402-4978-b103-18b6f5de15d7](https://bigquant.com/codeshare/275c0eb4-7402-4978-b103-18b6f5de1

{{membership}}

[https://bigquant.com/codeshare/a7f6fb4b-fc0e-4364-a6fa-de10e828c02b](https://bigquant.com/codeshare/a7f6fb4b-fc0e-4364-a6fa-de10e828c

• 运行环境：AIStudio 3.0
• 策略说明：==本代码以教学目的为主，请自行调参==

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/e7bb60a5-a6e1-4310-9e6a-e4b742fb0f1

• 运行环境：AIStudio 3.0

• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

**

• 运行环境：AIStudio 3.0
• 策略说明：==本代码以教学目的为主，请自行调参==

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/66c560a3-335b-407c-aa2f-7053322141f

• 运行环境：AIStudio 3.0
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

**策略源码

• 运行环境：AIStudio 3.0
• 策略说明：==本代码以教学目的为主，请自行调参==

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3

• 运行环境：AIStudio 3.0
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

**策略

• 运行环境：AIStudio 3.0

• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

• 运行环境：AIStudio 3.0

• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

**策略源

• 运行环境：AIStudio 3.0

• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

**策略

• 运行环境：AIStudio 3.0

• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

**策略源码

• 运行环境：AIStudio 3.0

• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

**策略

• 运行环境：AIStudio 3.0

• 机器学习：KNN算法

• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

![](/wiki/api/attachments.redirect?id=aa129740-493a-4361-871d-1d099144d01

• 运行环境：AIStudio 3.0
• 机器学习：8-SVM
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

• 运行环境：AIStudio 3.0.0
• 机器学习：弹性网络
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

![](/wiki/api/attachments.redirect?id=2e32e3a6-d013-4a47-9152-dc60940db1ef

• 运行环境：AIStudio 3.0.0
• 机器学习：索套回归
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

![](/wiki/api/attachments.redirect?id=ee3ca159-7cf7-4c9d-8f67-95d21c2d0ff3

• 运行环境：AIStudio 3.0.0
• 机器学习：岭回归策略
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

![](/wiki/api/attachments.redirect?id=636b6556-d556-48aa-a744-7ef08b2f129

• 运行环境：AIStudio 3.0.0
• 线性回归：构建因子+单因子策略回测
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

![](/wiki/api/attachments.redirect?id=35fe3907-24a2-4771-888f-5919

• 运行环境：AIStudio 3.0.0
• 机器学习：逻辑回归策略：预测上涨概率
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

![](/wiki/api/attachments.redirect?id=6a6ce99b-4c31-41d7-83fb-bfc

• 运行环境：AIStudio 3.0.0
• 机器学习：线性回归策略：预测上涨概率
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

![](/wiki/api/attachments.redirect?id=b524674e-1dd7-4807-a2a1-506

• 运行环境：AIStudio 3.0.0
• 机器学习：线性回归策略：预测收益
• 策略说明：本代码以教学目的为主，请自行调参

回测图：

![](/wiki/api/attachments.redirect?id=7d999db6-eec5-4e3a-b613-ff21ae9ce

这一文档中我们将展示将1分钟行情降频为5分钟、10分钟、15分钟、30分钟、60分钟

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/5df10ad2-734e-41bc-83c9-0ce273f98a7e](ht

高频因子加工，本质上就是将日内的高频信息降频为日频，有些因子在降频为日频后，还要向前取移动平均，例如5日、20日

以20日移动平均为例，一个低效率的方式是，加工高频因子时，取数据就多取20天的，以一天5000只票240分钟为例，这种取数据就要取到5000 X 240 X 20 = 24,000,0

我们以加工，全天内不同时间段内的成交量占全天成交量之比，这一系列因子为例，演示加工历史数据时，表加工边存表的方式

这种方式是为了防止加工时系统崩溃后，可以从断点继续运行

\

策略源码：

{{membership}}

[https://bigquant.com/codesha

本文档，我们会总结一些典型的高频因子，加工方式为“多只票，一天”

这种因子通常是加工时有截面运算的需求，所以必须获取全市场股票的信息

提示：加工高频因子最好将资源开大，否则Kernel容易崩溃

1. 交易量截面百分比排序的方差、偏度、峰度

2. 交易量截面百分比排序方差偏度峰度的市值

本文档，我们会总结一些典型的高频因子，加工方式为“一只票，多天”

这种因子的加工时通常不需要截面运算，因此不需要获取其他股票的信息

提示：加工高频因子最好将资源开大，否则Kernel容易崩溃

\

1. 全天内不同时间段内的成交量占全天成交量之比

• 时间段01：09:30-

策略源码：

{{membership}}

[https://bigquant.com/codeshare/f3140995-dd6e-4875-a91e-a1bd0226f645](https://bigquant.com/codeshare/f3140995-dd6e-487

策略源码：

{{membership}}

[https://bigquant.com/codeshare/73febaa3-a225-4bc5-b56b-2390f3de6c9e](https://bigquant.com/codeshare/73febaa3-a225-4

策略源码：

{{membership}}

[https://bigquant.com/codeshare/a3bea22e-68a2-4dd8-9019-c2322c73caf5](https://bigquant.com/codeshare/a3bea22e-68a2

策略源码：

{{membership}}

[https://bigquant.com/codeshare/3a8cd582-e91f-4a6d-b2ce-834329993efd](https://bigquant.com/codeshare/3a8cd582-e91f-4a6

策略源码：

{{membership}}

[https://bigquant.com/codeshare/61abc533-05ce-47d1-bbbf-37de5621a1f4](https://bigquant.com/codeshare/61abc533-05ce-4

策略源码：

{{membership}}

[https://bigquant.com/codeshare/ee92a723-2ced-43c4-a90d-c3256a8c04a3](https://bigquant.com/codeshare/ee92a723-2ced-43c

策略源码：

{{membership}}

[https://bigquant.com/codeshare/4c52e2a4-bf48-4770-8553-a859659170d2](https://bigquant.com/codeshare/4c52e2a4-bf48-477

策略源码：

{{membership}}

[https://bigquant.com/codeshare/af317223-38b0-441e-b7ff-812d1f5c697e](https://bigquant.com/codeshare/af317223-38b0-441

策略源码：

{{membership}}

[https://bigquant.com/codeshare/aaaeda58-3eff-4a2d-bbf4-dd528b80e20c](https://bigquant.com/codeshare/aaaeda58-3eff-4a2

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/9bde4672-6aa5-491f-a6c7-20c316da34c8](https://bigquant.com/codeshare/9bde4672-6aa5

MFI资金流向指标

计算方式：

• 典型价格（TP）=当日最高价、最低价与收盘价的算术平均值；货币流量（MF）=典型价格（TP）*当日成交量；
• 如果当日MF＞昨日MF，则将当日的MF值视为正货币流量（PMF），将N日内的正货币流量加总代入公式5；
• 如果当日MF＜昨日M

BBI指标

计算方式：BBI=(3日均线+6日均线+12日均线+24日均线)/4

\

DMI平均线差

计算方式：10日均线-50日均线后再进行移动平均

\

DMI趋向标准ADX

计算方式：

1. 先计算上升下降指标线：ID+=(当日

K线绝对长度

K线相对长度

![](/wiki/api/attachments.redirect?id

**今日收盘价在N日内的相对价差[¶](https://bigquant.com/bigapis/codeshare/v1/shares/84ab7b83-0dd5-463e-9652-ab775b8aea09/display#%E4%BB%8A%E6%97%A5%E6%94%B6%E7%

N日量价指标的均值

N：一般取值为5、20、60、120、250

量价指标：可选为close、open、high、low、volume、amount、turn

\

N日量价指标的总和

N：一般取值为5、20、60、120、250

量价指标：可选为clos

单因子策略：尾盘前5分钟的趋势强度

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/e51545ca-a096-423c-a21c-6348c7911e87](https://bigquant.com/co

单因子策略：120日换手率之和

回测图：

\

策略源码：

{{membership}}

[http

单因子策略-60日收盘价均价比今日收盘价

回测图：

{{membership}}

策略源码：

单因子策略：涨跌幅方差

回测图：

\

策略源码：

{{membership}}

[https://bi

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开发环境）

\

\

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/144ad34b-5448-4f8f-9452-83f4eebee41c](https://bigquant.com/codeshare/144ad34b-54

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/c20cdfe8-a8bc-4ccd-a729-b5f079227002](https://bigquant.com/codeshare/c20cdfe8-a8bc-4

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/611573e3-acd8-4a5c-9bbc-502a547ff9ed](https://bigquant.com/codeshare/611573e3-ac

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/f7c0d42e-a4ee-4856-8f97-246e97cd4cdd](https://bigquant.com/codeshare/f7c0d42e-a4

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/bdb96d5c-2ca4-4e9c-b23a-7c7c7e257c8e](https://bigquant.com/codeshare/bdb96d5c-2ca4-4

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/a79dcd98-6439-4fa6-b3ce-a77d923686a7](https://bigquant.com/codeshare/a79dcd98-

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/5d803df5-0528-4dab-97d8-3db808654e71](https://bigquant.com/codeshare/5d803df5-0528

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/fa4df81a-ebb8-4ecf-8f6d-c8d0fcc157c6](https://bigquant.com/codeshare/fa4df81a-ebb8

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/d762f137-78eb-45df-9e66-ed58ce6f4059](https://bigquant.com/codeshare/d762f137-78eb

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将流通市值、换手率、收盘价做截面排序，并乘以系数，组成因子total_score
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创板和北交所），市盈率大于0，流通市值<=25亿
• 排序条件：按照日期、tota

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将总市值、流通市值、收盘价做截面排序，并乘以系数，组成因子total_score
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创板和北交所），市盈率大于0，流通市值<=25亿
• 排序条件：按照日期、tota

因为很多量化在线平台目前还不支持期货交易，且KD指标对大盘和热门大盘股有着较高的准确性，此策略选取'605588.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt>80,dt>80, jt>100时，卖出\n当kt<20,dt<20, jt<0 时，买入

\

**