策略思想

BigQuant平台提供了丰富的因子，我们直接使用因子来构建一个策略。

实现设计

• 因子
• 仓位
• 回测
• 模拟交易

代码

\

策略思想

通过机器学习/深度学习等算法在多个因子上训练模型，通过模型对股票做预测。BigQuant 平台提供 StockRanker 算法，是面向投资场景优化的排序学习算法。

实现设计

• 预测目标
  • 预测未来5天的收益：计算收益率并离散化为20组
• 因子
  • 动量因子

外汇行情API（Application Programming Interface）是外汇市场参与者获取实时外汇行情数据的关键工具之一。通过外汇行情API，交易者可以获取全球外汇市场的即时报价、交易量、买卖价差等重要数据，更好地进行交易决策。以下是排名前10的外汇行情API及其优点。

1. A

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

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

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。

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

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

\

前言

在如今全球化发展的商业环境中，汇率API成为了各个行业中不可或缺的重要因素,特别是实时汇率接口进行汇率查询。无论是外汇交易、股票投资还是贵金属市场，最好都要有K线数据，了解实时汇率数据对于决策和交易的准确性至关重要。因此，寻找一款可靠、功能强大的汇率API接口成为了商业领域中的当务之急

{{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

在进行量化回测时，实时数据接口、实时汇率API、汇率查询接口需要支持逐笔报价、批量订阅、以及获取历史日K线数据、周K线数据、月K线数据等功能，这些功能对于编写有效的交易策略和分析市场数据至关重要。

一般来说，在进行量化回测时，我们可以选择使用专业的量化交易平台或软件，这些平台通常会提供相应的实时数

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

入门介绍

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。

适合人群

快捷易上手，适合所

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

• 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

Alpha101因子第81个

计算公式： ((rank(Log(product(rank((rank(correlation(vwap, sum(adv10, 49.6054), 8.47743))^4)), 14.9655))) < rank(correlation(rank(

Alpha101因子第61个

计算公式： (rank((vwap - ts_min(vwap, 16.1219))) < rank(correlation(vwap, adv180, 17.9282)))

完成策略请克隆下方源码

\

策略源码：

\

Alpha101因子第41个

计算公式： (((high * low)^0.5) - vwap)

完整策略代码请克隆下方策略

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/8f89

Alpha101因子第21个

计算公式： ((((sum(close, 8) / 8) + stddev(close, 8)) < (sum(close, 2) / 2)) ? (-1 *1) : (((sum(close, 2) / 2) < ((sum(close, 8) /

声明：以下代码请在 AIStudio 3.0.0 环境下运行

import dai
import pandas as pd
from datetime import datetime

sd = '2022-07-01'
ed = datetime.now().date

对于股票、外汇、期货、贵金属量化人来讲，一份高频的K线数据是相当重要的， 玩过股票的几乎都知道，股票K线数据中的历史交易日的开盘价、收盘价、最高价、最低价等高频股票数据指标是选股的重要依据 。虽然仅仅依靠股票k线数据无法在股市中盆满钵满，但是运用好它确实能在较大程度上提高我们的赚钱概率。

股票K线

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

\

**

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，此策略随机选取'603896.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt-1>80,dt-2>80, jt>100时，股价创50日新高，KDJ指标未创新高,卖出\n当kt-1<20,

股票提取：当快线（短期移动平均线）上穿慢线（长期移动平均线）时，形成金叉信号，表明买入机会；当快线下穿慢线时，形成死叉信号，表明卖出机会

股票过滤：过滤ST，过滤北交所，上市天数大于270天

排序规则：按照成交量从大到小

买卖时间：开盘买入，收盘卖出

初始资金：100万

持仓票数：10

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将流通市值、收盘价、每股收益率做截面排序，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，过滤北交所，市盈率大于0小于25，资产负债率<0.3，主营业务比率>0.8，营业利润/利润总额

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将流通市值和每股收益率做截面排序，组成因子total_rank
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创版和北交所），市盈率大于0
• 排序条件：按照日期、total_rank（从小到大）排序
• 数据

• 运行环境：AiStudio 3.0.0
• 策略描述：我们选择一定条件下小市值的股票，来研究策略的历史表现
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创版和北交所）
• 排序条件：按照日期、流通市值（从小到大）排序
• 数据表名：cn_stock_factors_

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：股票提取：最近15天内，连续涨停数大于7，且已经断板，断板后3天内平均涨跌幅大于1%

股票过滤：过滤北交所，过滤科创版，过滤创业板、上市天数大于270天

股票排序：按照成

• 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：筛选出全市场股息率最高的前 25%的股票，并且只选择股价低于 10 元的票
• 股票过滤：过滤科创板、过滤北交所、过滤 ST、过滤停牌、过滤涨停、过滤跌停，上市天数大

• 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
• 股票提取：昨日涨跌幅在2%~8%，换手率在3%~8%
• 股票过滤：过滤ST，主要主板，上市天数大于270天，过滤停牌
• 股票排序：按照主力流入金额从大到小排序
• 买卖时间：开盘买入，收盘卖出，
• 初始资金：

• 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
• 交易逻辑：每隔30个交易日，以开盘价买入当日0<PB<1.5且0<PE<15且有成交量较前一日放大1.5~2.5倍的股票；
• 每隔30个交易日，将不符合上述标准的持仓股票在第二天以收盘价卖出。
• 股票过滤：换手率