Bigquant AI量化策略

市值成长精选策略 | 年化收益率: 15.53% | 累计收益率: 51.56% | 最大回撤低于: 39% | BigQuant AI量化策略

本策略基于A股市场,选取非科创板且正常交易状态的主板和创业板股票,结合成长和估值因子构建选股体系。选股逻辑通过筛选市值大于5亿元、净利润和营业收入同比增长均超过30%、市盈率介于0至50倍、且市净率小于5的优质股票,排除停牌和新股,确保流动性和基本面稳定。随后按照总市值由小到大排序,优先配置小市值成长股,持仓数量固定为10只,采用等权重分配仓位。交易频率为每5个交易日调仓一次,使用日频数据在开盘价执行买卖操作。策略设定了合理的交易手续费,支持动态调整仓位以严格跟踪目标组合。适用...

跨资产回撤优化ETF策略 | 年化收益率: 15.34% | 累计收益率: 554.83% | 最大回撤低于: 16.29% | BigQuant AI量化策略

本策略以多资产 ETF 为标的,通过动量、波动率、回撤及流动性等因子综合打分,结合跨品类相关性控制,筛选出具备相对优势的 ETF 标的。策略采用风险平价与回撤约束进行组合优化,并辅以个基止损与组合止损机制,力求在不同市场环境中实现收益的稳健增长与风险的有效控制。

Z-score风险平价动态止损ETF策略 | 年化收益率: 18.18% | 累计收益率: 799.14% | 最大回撤低于: 21.98% | BigQuant AI量化策略

该策略基于Z-score方法对防御性ETF进行横截面选基,通过计算ETF的波动率倒数及成交额等因子,对候选ETF进行评分与排序;在持仓分配上采用风险平价权重,以降低组合整体波动风险;同时结合动态波动率止损机制,及时剔除异常波动的ETF,从而兼顾收益与风险,实现稳健的ETF组合投资管理。

指数择时策略轮动 | 年化收益率: 12.72% | 累计收益率: 107.18% | 最大回撤低于: -11.17% | BigQuant AI量化策略

现在我要针对指数择时信号来配置策略轮动,具体策略思想: 1. 低频macd金叉表示牛市到来,此时配置指数增强或者沪深300etf; 2. 低频macd死叉表示熊市到来,此时配置大类资产。 这里配置了两个策略做轮动: 1. 买入并持有沪深300etf; 2. 买入并持有黄金etf.

鹰式价差策略 (做多波动率版) | 年化收益率: 0.41% | 累计收益率: 0.16% | 最大回撤低于: 15.26% | BigQuant AI量化策略

鹰式价差策略:通过组合4个不同行权价的期权来构建反向铁鹰结构。做多波动率版本(反向铁鹰策略)适合预期市场波动率较高、价格会突破较宽范围的情况。\n\n策略构成:\n- 卖出K1看跌期权(最低行权价)\n- 买入K2看跌期权(中低行权价)\n- 买入K3看涨期权(中高行权价)\n- 卖出K4看涨期权(最高行权价)\n\n每隔5天调仓一次。

熊市看涨价差策略 (Bear Call Spread) | 年化收益率: -21.66% | 累计收益率: -8.97% | 最大回撤低于: 19.13% | BigQuant AI量化策略

熊市看涨价差策略:通过卖出较低行权价的看涨期权并买入较高行权价的看涨期权来构建看跌头寸。这是一种贷方价差策略,通过时间价值衰减获利,适合温和看跌的市场预期。\n\n策略构成:\n- 卖出1个较低行权价的看涨期权(平值或轻度价内)\n- 买入1个较高行权价的看涨期权(价外)\n\n每隔5天调仓一次。

牛市看涨价差策略 (Bull Call Spread) | 年化收益率: 26.26% | 累计收益率: 9.39% | 最大回撤低于: 7.31% | BigQuant AI量化策略

牛市看涨价差策略:通过买入较低行权价的看涨期权并卖出较高行权价的看涨期权来构建看涨头寸。这是一种借方价差策略,适合温和看涨的市场预期。\n\n策略构成:\n- 买入1个较低行权价的看涨期权(平值或轻度价内)\n- 卖出1个较高行权价的看涨期权(价外)\n\n每隔5天调仓一次。

卖出宽跨式期权策略 (卖出方向) | 年化收益率: 7.94% | 累计收益率: 19.26% | 最大回撤低于: 58.82% | BigQuant AI量化策略

卖出宽跨式策略:同时卖出相同到期日、不同行权价的看涨期权和看跌期权。看涨期权选择价外期权,看跌期权也选择价外期权,赚取时间价值,适合预期市场波动较小的情况。每隔5天调仓一次。

卖出跨式期权策略 (卖出方向) | 年化收益率: 1.2% | 累计收益率: 2.78% | 最大回撤低于: 63.39% | BigQuant AI量化策略

卖出跨式策略:同时卖出相同到期日、相同行权价的看涨期权和看跌期权。行权价选择最接近标的价格的50整价格(平值期权),收取权利金赚取时间价值,适合预期市场波动较小的震荡行情。每隔5天调仓一次。

高频止损-多周期风险加权 Dual Momentum ETF 策略 | 年化收益率: 18.24% | 累计收益率: 800.86% | 最大回撤低于: 40.48% | BigQuant AI量化策略

根据直播要求--多周期风险加权 Dual Momentum ETF 策略 改动: 1. 止损逻辑:原来的每7次handle data 执行1次的止损逻辑改为 每次handle data都会执行1次止损 2. 固定止损阈值:由0.5% 改为 10%,高频止损但低频调仓需 提高止损阈值, 不然 会增加无效交易 3. 7次handle data 调一次仓,但交易日不是7次调一次--原因: 7 天到了,但筛选结果和现有持仓完全一样,就不会有交易 4. 总结:这个策略更适合低频止损,而非高频止损;回撤 ≠ 止损阈值,若需最小回撤,应优化 组合层面的止损阈值,而不是单票止损

多周期风险加权 Dual Momentum ETF 策略 | 年化收益率: 20.4% | 累计收益率: 1042.5% | 最大回撤低于: 28.96% | BigQuant AI量化策略

本策略基于Dual Momentum理念,通过多周期动量和风险调整,从白名单ETF中挑选上涨趋势明确、风险可控的标的进行投资。只买入价格高于长期均线的ETF,以确保长期上涨趋势。根据短中长期动量加权评分选择最佳ETF,对动量评分进行波动率调整,并设置止损机制。定期调仓,并均衡分配资金于优选ETF,旨在在控制回撤的同时实现稳健收益。

光伏ETF日内ATR突破tick策略 | 年化收益率: 39.79% | 累计收益率: 22.39% | 最大回撤低于: 5.32% | BigQuant AI量化策略

核心在于利用价格的波动性来进行交易,ATR通过计算一定周期内的TR的均值,来确定突破区间的上下轨。TR的计算公式为MAX(H-L, ABS(H-C_l), ABS(L-C_1)),其中H为当日最高价,L为当日最低价,C_1为昨日收盘价。用ATR确定突破区间的上下轨公式为:上轨=Open+k\ATR, 下轨=Open-k\ATR,其中Open为当日开盘价,k为固定系数。当价格突破上轨时选择做多。

单股分仓波段策略 | 年化收益率: 32.46% | 累计收益率: 62.46% | 最大回撤低于: 9% | BigQuant AI量化策略

该策略以单一股票为交易标的,结合 KDJ 指标构建交易逻辑。初始建仓时先以 80% 仓位买入,之后根据 KDJ 指标的 K 值信号调整仓位:当 K 值小于 20 时触发买入信号,在原有仓位基础上增加 20% 波段仓位;当 K 值大于 80 时触发卖出信号,将仓位回落至 80% 基础仓位。