Bigquant AI量化策略

OU 均值回复 SDE 选股 + 布林+ADX 双择时策略 | 年化收益率: 34.26% | 累计收益率: 98.15% | 最大回撤低于: 15.95% | BigQuant AI量化策略

本策略基于 OU 均值回复随机过程模型，结合沪深 300 指数 ADX + 布林带双择时控风险，通过 OU 超跌因子 + 个股趋势因子综合打分选股，叠加五层量化风控筛选优质标的，实现震荡市超跌修复、弱市空仓避险的稳健型日频量化选股策略。

基于研报因子的5日调仓选股策略 | 年化收益率: 17.5% | 累计收益率: 267.75% | 最大回撤低于: 28.24% | BigQuant AI量化策略

基于研报因子进行5日调仓的选股策略

线性多因子选股策略 | 年化收益率: 44.97% | 累计收益率: 65.77% | 最大回撤低于: 14.66% | BigQuant AI量化策略

本策略基于多因子打分模型进行股票分类与筛选，选取估值(PE倒数)、质量(ROE)、动量(20日收益率)、规模(总市值)四大核心因子，对每个因子进行截面标准化及百分位排名处理后，按3:3:2:2权重进行线性加权打分，每20个交易日调仓一次，选取得分最高的10只股票等权配置

基于250日均线逃逸与股债轮动的ETF配置策略 | 年化收益率: 11.33% | 累计收益率: 67.95% | 最大回撤低于: 18.12% | BigQuant AI量化策略

本策略采用"核心-卫星"配置框架，核心仓位（70%）由沪深300和创业板50各半组成，半年再平衡；当沪深300跌破250日均线时触发极端逃逸信号，清仓核心仓位转入债券ETF；卫星仓位（30%）基于股债相对强度动态配置，每月选取20日涨幅最强的ETF进行轮动，根据市场强弱状态（机会区/中性区/风险区）灵活调整股债比例

小市值三股策略 | 年化收益率: 27.24% | 累计收益率: 100.19% | 最大回撤低于: 45.13% | BigQuant AI量化策略

核心思想：在A股市场以流通市值为得分，小市值优先，集中持仓以放大选股alpha。选股逻辑：覆盖上交所、深交所、北交所，限定主板/科创板/创业板，剔除ST和停牌标的，筛选上市>365天且PE>0的股票，按流通市值升序排序，取得分最小的3只。交易规则：等权持有3只（每只约33.3%，总仓位100%），每5个交易日调仓一次；先卖出非目标持仓，再按目标仓位以开盘价下单建仓。风控机制：通过剔除停牌/ST、上市天数与PE筛选进行基本面过滤，交易手续费按单最低成本计入；策略为高度集中的小盘风格，未内置止损或最大单票/行业限�...

小市值双股策略 | 年化收益率: 19.89% | 累计收益率: 68.66% | 最大回撤低于: 26.85% | BigQuant AI量化策略

策略核心在于以流通市值最小为打分依据，挑选合规且盈利的成熟小市值个股构建超短中频、双股集中组合。选股规则：沪深三板（上交所/深交所/北交所）主板/科创板/创业板样本，剔除停牌/ST，上市>365天且PE(TTM)>0，按流通市值升序排名取分数。仓位与交易：每次持仓数量固定为2只，每只目标仓位25%（合计50%仓位），不做归一化；每5个交易日调仓一次，使用当日开盘价下单，先卖出非目标股再按目标仓位建仓。交易设定与风控：逐笔佣金（买0.0003/卖0.0013，最低5元），剔除停牌股票以保证可交易性；通过固定持股数与单只2...

小市值轮换 | 年化收益率: 32.75% | 累计收益率: 2552.02% | 最大回撤低于: 45.44% | BigQuant AI量化策略

核心思想：以流通市值为打分因子，择取流通市值最小的3只股票，利用规模因子（Size）寻求超额收益。选股逻辑：在上、深、北三市主板/创业板范围内，剔除ST与停牌股票，要求上市>365天、PE_TTM>0，并仅限指定申万行业与主要指数成分股。持仓与调仓：每次调仓选取得分最小的3只，等权分配全天总仓位（总仓位100%），每只约33.3%；调仓频率为5个交易日一次（以开盘价发出买卖委托），不在目标列表的持仓全部清仓。风险控制：通过基本面过滤（PE>0、上市时长、非ST、剔除停牌）和固定持仓数量控制组合集中度；注意策略高...

高息股筛选策略 | 年化收益率: 9.15% | 累计收益率: 132.64% | 最大回撤低于: 33.7% | BigQuant AI量化策略

策略以高股息率为核心选股信号，在沪深300成分股中通过股息率截面Z-score排序并结合阈值进行交易。具体规则：每月调仓，开盘价成交；当日股息率≥6%且未持有或有目标仓位时纳入买入池，按score映射的基准权重在买入池内归一化后等额/比例建仓（总仓位为1）；股息率跌破4%则清仓；股息率在4%–6%之间的持仓维持不动以降低换手。实现细节包含交易手续费/最低费用设置、遇缺失数据时保持原位不盲动。该策略为多头、收益导向的价值/红利策略，适合追求现金回报率的中长期组合，但需关注股息可持续性与行业集中风险。

裸卖看涨上证50ETF期权策略1 | 年化收益率: -5.16% | 累计收益率: -2.84% | 最大回撤低于: 11.88% | BigQuant AI量化策略

每隔五天换仓,卖出虚值一档上证50ETF期权

裸卖看跌上证50ETF期权策略1 | 年化收益率: 37.13% | 累计收益率: 18.73% | 最大回撤低于: 29.86% | BigQuant AI量化策略

每隔五天换仓,卖出虚值一档上证50ETF看跌期权

牛市看涨价差策略1 | 年化收益率: 14.68% | 累计收益率: 20.5% | 最大回撤低于: 11.93% | 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。

熊市看涨价差策略 | 年化收益率: 73.37% | 累计收益率: 24.4% | 最大回撤低于: 3.74% | 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。

卖出宽跨式期权策略 | 年化收益率: 19.7% | 累计收益率: 27.73% | 最大回撤低于: 16.97% | 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 | 年化收益率: 37.09% | 累计收益率: 53.63% | 最大回撤低于: 18.51% | 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。

基于LightGBM排序算法的多因子选股策略 | 年化收益率: 36.03% | 累计收益率: 46.37% | 最大回撤低于: 7.51% | BigQuant AI量化策略

本策略的核心思路是“多因子特征提取+LightGBM排序建模+系统化交易执行”,选取估值、市值、动量、反转、波动、换手等多维度核心因子，同时加入过滤因子剔除无效样本，构建全面的股票特征矩阵

基于财务指标一致性的沪深主板破净股选股策略 | 年化收益率: 19.82% | 累计收益率: 631.75% | 最大回撤低于: 28.93% | BigQuant AI量化策略

在破净股中寻找财务相对稳健的可能被低估的股票

五股等权年调仓 | 年化收益率: 17.8% | 累计收益率: 385.73% | 最大回撤低于: 42.91% | BigQuant AI量化策略

策略核心为对固定的五只A股（在代码中明确指定五个标的）进行等权持有、年度再平衡的被动型组合策略。选股逻辑并不基于因子排序，而是直接从股票池中筛选出指定的五只标的；持仓数量固定为5只、总仓位归一为100%，单只目标仓位约为20%。调仓规则为每年第1个交易日按目标仓位下单（先卖出非目标持仓，再按目标仓位建仓），使用当日开盘价成交（order_target_percent），日频交易但仅在再平衡日交易。回测区间可配置（示例为2015‑01‑01至2024‑12‑31），交易成本设置为买入0.03%、卖出0.13%且最低每笔5元。风险控制较少（�...