110-低波高活跃策略
策略介绍
本策略旨在选取波动率低但活跃度高作为选股因子,观察了等权持股20只,持仓20天的策略表现。
策略流程
- 股票池过滤:剔除ST股、停牌股、北交所
- 筛选条件:选取前240个交易日波动率最低的前30%、前7天股票的换手率最高的前30%股票
- 排序条件:根据60天
由bqbcl5zr创建,最终由small_q更新于
本策略旨在选取波动率低但活跃度高作为选股因子,观察了等权持股20只,持仓20天的策略表现。
由bqbcl5zr创建,最终由small_q更新于
由jliang创建,最终由small_q更新于
由jliang创建,最终由small_q更新于
本策略是104选股策略(🌟104-选股策略)模板的具体应用。基本逻辑是股息率较高的公司能够持续支付较高的现金股息,这通常意味着这些公司拥有较为稳定和可预测的现金流。投资者通过持
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
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。
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,但是具有较高的成长性和投资价
由jliang创建,最终由small_q更新于
建议出一个模块
由bq30zy4n创建,最终由bq30zy4n更新于
\
[https://bigquant.com/codesharev2/789addea-8b1
由jliang创建,最终由jliang更新于
\
由jliang创建,最终由jliang更新于
本策略选取60日量价相关性作为因子,观察了进行股票筛选之后等权持股10只,持仓5天的策略表现。
1.选股:选择基础股票池,剔除掉ST股票
2.打分:对股票按照构造的60日量价相关性因子打分
3.仓位:根据打分和持股数量来分配仓位,设定等权持股10只
由small_q创建,最终由small_q更新于
由jliang创建,最终由small_q更新于
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。
由jliang创建,最终由qxiao更新于
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。
动量策略的核心是“追涨避跌”。具体来说,这种策略会:
由jliang创建,最终由qxiao更新于
由small_q创建,最终由small_q更新于
大类资产配置策略(Asset Allocation Strategy)是投资管理中一种基于投资组合理论的策略,其主要目的是通过在不同类型的资产之间分配投资来优化风险与回报的比例。这些资产类别通常包括股票、债券、现金及现金等价物、不动产、大宗商品以及其他替代投资品种。资产配置的目标
由qxiao创建,最终由qxiao更新于
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:
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
由small_q创建,最终由bq7zuymm更新于
上世纪90年代,经济学家Eugene Fama和Kenneth French提出了著名的Fama-French三因子模型,在经典的CAPM模型上进行了拓展。
Fama-French三因子模型使用三个因素来解释股票收益
由bq2qbou2创建,最终由small_q更新于
该策略是一个典型的事件驱动策略
事件驱动策略的典型特征是,交易信号的出现并像每日调仓的日频策略那样连续,而是断断续续的
当满足条件后出现交易信号则交易,否则就空仓,从回测曲线也可以看出,这样的策略有很多的空仓期
由small_q创建,最终由small_q更新于
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
由qxiao创建,最终由small_q更新于
pip3 install daisdk
第一步:点击进入以下地址,若提示无账户则申请账户即可
由qxiao创建,最终由qxiao更新于
由xyz142创建,最终由xyz142更新于
由small_q创建,最终由small_q更新于
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==。
\
由small_q创建,最终由small_q更新于
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
由bq8gjg98创建,最终由bq8gjg98更新于
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
由franklili创建,最终由franklili更新于
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
'''
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
由qxiao创建,最终由bq53koxg更新于
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
由bqaqqhri创建,最终由bqaqqhri更新于
neutralize(sum(turn_0,90), total_market_cap) as hsl, 报错。
由bq30zy4n创建,最终由bq30zy4n更新于
由bq8ispcb创建,最终由bq8ispcb更新于
本文介绍如何如使用Python3获取美元人民币实时汇率。
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
由small_q创建,最终由bqewhzw6更新于
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
由ypyu创建,最终由small_q更新于
我在AIStudio 3.0运行自定义Python模块是成功的。
![](/wiki/api/attachments.redirec
由franklili创建,最终由franklili更新于
\
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
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。
如果没有特别说明,请在 AIStuido 3.0使用。
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
由jliang创建,最终由jliang更新于
R-Breaker策略是一种著名的交易策略,由美国交易员和编程专家Richard Saidenberg开发,并在1990年代初期公之于众。这种策略主要用于期货市场,尤其是在标准普尔500指数期货中表现出色,但也可以应用于其他金融市场。R-Breaker策略结合了趋势跟踪和反转交易的元素,旨在识别并利
由arlifence创建,最终由small_q更新于
在上一篇文章中,大家对新建一个AI可视化模板策略有了初步的认识,但看到策略中众多的模块与看似复杂的连线心中不免存在疑惑,没关系,本篇文章中,我们就来为大家完整介绍一个AI量化策略的组成结构以及涉及的基本概念,希望可以帮助大家对AI量化策略建立一个全面初步的认识。
由clearyf创建,最终由small_q更新于
构建策略
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)”算子可直接写表达式构建特征,即写公式抽取因子,不要编写任何代码。模版代码可直接在下文直接克隆。
![](/wi
由qxiao创建,最终由qxiao更新于
了解量化投资是成为宽客道路上的一块重要的敲门砖。本文从量化投资定义、量化投资特点、量化投资优势及量化投资实践流程四方面简要为大家介绍量化投资相关知识。
量化投资是指通过数量化模型建立科学投资体系,以获取稳定收益。 在海外的发展已有30多年的历史,其投
由ypyu创建,最终由small_q更新于
“人工智能”概念日益兴起,“谷歌围棋程序AlphaGo全面碾压专业选手”类似新闻逐渐增多,人工智能时代已经来临。通过短文快速了解什么是人工智能。
人工智能(英语:Artificial Intelligence, AI)亦称机器智能,是指由人工制造出来的系统所表现出来的智能,可以概括为
由ypyu创建,最终由small_q更新于
由small_q创建,最终由stephen1231234更新于
量化投资是指通过数量化模型建立科学投资体系,以获取稳定收益。 在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。在国内,量化投资不再是一个陌生的词汇,近几年得到了迅猛的发展。
提起量化投资,就不得不提量化投资的标杆—
由qxiao创建,最终由small_q更新于
\
由jliang创建,最终由jliang更新于
使用方式:M.模块id.v版本(**kwargs)
如何升级模块版本:刷新模块列表,进入代码模式,修改模块版本,返
由jliang创建,最终由jliang更新于
我们今天分享的四种模型,包括上次分享的逻辑回归,都是一些轻量级的分类模型,适用于数据量少,特征量少的分类任务
\
支持向量机(Support Vector Machine)是在神经网络流行之前最强大的机器学习算法
SVM在二
由dontbelazy创建,最终由dontbelazy更新于
分类问题的标签是离散型的变量,我们的目的是用特征,来预测标签归属于几个类别当中的某一种
由dontbelazy创建,最终由dontbelazy更新于
上次分享我们提到过,模型的好坏评价标准,是模型在测试集上的预测是否准确,好比一个学生在期末考试当中拿高分才是学的好
模型在测试集上的预测误差(Error),可以分为三种来源
由dontbelazy创建,最终由dontbelazy更新于
人工智能(Artificial Intelligence,AI)是一门研究如何使计算机系统具备类似于人类智能的能力的领域
人工智能的子领域示例:
由dontbelazy创建,最终由dontbelazy更新于
复现研报原文:
[/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pdf](/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pd
由small_q创建,最终由small_q更新于
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
由bqbfwnuq创建,最终由bqbfwnuq更新于
BigQuant 导航
由jliang创建,最终由jliang更新于
{{membership}}
[https://bigquant.com/codeshare/ba14d6a1-e34e-4d7c-8c69-c4359fc14821](https://bigquant.com/codeshare/ba14d6a1-e34e-4d7c-8c69-c4359fc14
由small_q创建,最终由small_q更新于
{{membership}}
[https://bigquant.com/codeshare/f263aa9a-4c52-45ff-aa1f-346efa3f548e](https://bigquant.com/codeshare/f263aa9a-4c52-45ff-aa1f-346efa3f5
由small_q创建,最终由small_q更新于
{{membership}}
[https://bigquant.com/codeshare/df99fe2c-c320-40ba-8b15-5030a15b1cc3](https://bigquant.com/codeshare/df99fe2c-c320-40ba-8b15-5030a15b1
由small_q创建,最终由small_q更新于
{{membership}}
[https://bigquant.com/codeshare/41b38a69-8c52-4a6f-954a-50a4a31104bc](https://bigquant.com/codeshare/41b38a69-8c52-4a6f-954a-50a4a3110
由small_q创建,最终由small_q更新于
{{membership}}
[https://bigquant.com/codeshare/ad6ffc3f-5d31-455b-af32-e4d613404bfc](https://bigquant.com/codeshare/ad6ffc3f-5d31-455b-af32-e4d613404
由small_q创建,最终由small_q更新于
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
由small_q创建,最终由small_q更新于
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
由small_q创建,最终由small_q更新于
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。
由jliang创建,最终由jliang更新于
由small_q创建,最终由small_q更新于
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
\
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
由small_q创建,最终由small_q更新于
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%。
\
说明:克隆下方策略请前往最新开发环境3.0中运行
{{membership}}
[
由small_q创建,最终由small_q更新于
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。
由jliang创建,最终由jliang更新于
DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台
由jliang创建,最终由qxiao更新于
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
\
由small_q创建,最终由small_q更新于
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
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
由qxiao创建,最终由lym757924546更新于
由anthony_wan创建,最终由lym757924546更新于
{{membership}}
[https://bigquant.com/codeshare/bf0976b8-c68c-474a-a9d0-9686bbaed72f](https://bigquant.com/codeshare/bf0976b8-c68c-474a-a9d0-9686bbaed
由small_q创建,最终由small_q更新于
{{membership}}
[https://bigquant.com/codeshare/837517eb-68a0-411f-beb8-bc991c8f69c1](https://bigquant.com/codeshare/837517eb-68a0-411f-beb8-bc991c8f6
由small_q创建,最终由small_q更新于
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
由jliang创建,最终由small_q更新于
{{membership}}
[https://bigquant.com/codeshare/275c0eb4-7402-4978-b103-18b6f5de15d7](https://bigquant.com/codeshare/275c0eb4-7402-4978-b103-18b6f5de1
由small_q创建,最终由small_q更新于
{{membership}}
[https://bigquant.com/codeshare/a7f6fb4b-fc0e-4364-a6fa-de10e828c02b](https://bigquant.com/codeshare/a7f6fb4b-fc0e-4364-a6fa-de10e828c
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
\
{{membership}}
[https://bigquant.com/codeshare/e7bb60a5-a6e1-4310-9e6a-e4b742fb0f1
由small_q创建,最终由small_q更新于
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:
\
由small_q创建,最终由small_q更新于
\
{{membership}}
[https://bigquant.com/codeshare/66c560a3-335b-407c-aa2f-7053322141f
由small_q创建,最终由small_q更新于
回测图:
\
由small_q创建,最终由small_q更新于
\
{{membership}}
[https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3
由small_q创建,最终由small_q更新于
回测图:
\
由small_q创建,最终由small_q更新于
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:
\
由small_q创建,最终由small_q更新于
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
由small_q创建,最终由small_q更新于
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:
\
由small_q创建,最终由small_q更新于
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:
\
由small_q创建,最终由small_q更新于
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:
\
由small_q创建,最终由small_q更新于
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
由small_q创建,最终由small_q更新于
回测图:
由small_q创建,最终由small_q更新于
回测图:
![](/wiki/api/attachments.redirect?id=2e32e3a6-d013-4a47-9152-dc60940db1ef
由small_q创建,最终由small_q更新于
回测图:
![](/wiki/api/attachments.redirect?id=ee3ca159-7cf7-4c9d-8f67-95d21c2d0ff3
由small_q创建,最终由small_q更新于
回测图:
![](/wiki/api/attachments.redirect?id=636b6556-d556-48aa-a744-7ef08b2f129
由small_q创建,最终由small_q更新于
回测图:
![](/wiki/api/attachments.redirect?id=35fe3907-24a2-4771-888f-5919
由small_q创建,最终由small_q更新于
回测图:
![](/wiki/api/attachments.redirect?id=6a6ce99b-4c31-41d7-83fb-bfc
由small_q创建,最终由small_q更新于
回测图:
![](/wiki/api/attachments.redirect?id=b524674e-1dd7-4807-a2a1-506
由small_q创建,最终由small_q更新于
回测图:
![](/wiki/api/attachments.redirect?id=7d999db6-eec5-4e3a-b613-ff21ae9ce
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
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
\
{{membership}}
[https://bigquant.com/codeshare/5df10ad2-734e-41bc-83c9-0ce273f98a7e](ht
由small_q创建,最终由small_q更新于
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
由small_q创建,最终由small_q更新于