基于概率模型的蓝筹与小盘轮动策略 | 年化收益率: 42.87% | 累计收益率: 94.26% | 最大回撤低于: 21.72% | BigQuant AI量化策略
该策略基于正态分布概率模型量化风格趋势信号，筛选合规且财务达标的标的后，按趋势精选蓝筹或小盘标的，等额持仓十只，月度调仓。
Bigquant AI量化策略
超跌动量日频选股 | 年化收益率: 60.74% | 累计收益率: 53.06% | 最大回撤低于: 9.71% | BigQuant AI量化策略
本策略基于超跌因子构建选股模型，核心思想是选取股价相较于250日均线大幅下跌且基本面良好的股票，捕捉潜在反弹机会。首先通过基本面筛选剔除停牌、风险警示及盈利能力较差的股票，进一步限制市值排名靠前的标的进入候选池。计算“收盘价/250日均线 - 1”的得分指标，按照得分升序排序，选取排名前5的股票构建等权仓位。每日开盘时进行调仓，完全按照信号调整持仓，确保仓位集中且动态更新。交易采用买入成本0.03%、卖出成本0.13%且最低5元的佣金模型，交易价格使用开盘价，基准为沪深300指数。策略适用于A股市...
沪深300动量轮动月调仓 | 年化收益率: 14.72% | 累计收益率: 46.76% | 最大回撤低于: 23.29% | BigQuant AI量化策略
本策略基于沪深300指数的多均线趋势判断，结合个股20日动量得分进行选股和配置。在每月最后一个交易日调仓，首先判断沪深300指数的5日、10日、20日均线是否均处于上升趋势，作为整体市场环境的多头信号。仅当市场趋势向上时，策略才买入股票；否则仅执行卖出操作。选股逻辑基于剔除停牌和ST股票的A股池，筛选近一年以上有交易记录、PE合理、市值处于前10%且日涨幅小于5%的股票，计算其20日动量得分（近20日收盘价涨幅），并选取得分最高的前三只股票等权配置，仓位总和归一化为1。买入时排除开盘即涨停的股票以避...
ZUFE_海龟突破趋势策略 | 年化收益率: -11.66% | 累计收益率: -13% | 最大回撤低于: 41.63% | BigQuant AI量化策略
本策略基于经典海龟交易法则，通过20日最高价突破产生买入信号，10日最低价跌破产生卖出信号，结合10日ATR计算波动率，实现动态止损与仓位调整。股票池经过流通市值及流动性过滤，剔除ST股、停牌股及上市不足200天的股票，确保标的质量。每日最多持仓10只股票，买入时根据账户总资产的1%风险限额和2倍ATR止损距离动态计算持仓权重，单只股票最大仓位不超过20%。卖出规则包括信号卖出和平仓止损，后者触发条件为股价跌破开仓价减2倍ATR。策略以日频调仓，采用次日开盘价买入，收盘价卖出，注重趋势突破与风控管理...
RF小市值增强策略 | 年化收益率: 49.45% | 累计收益率: 44.3% | 最大回撤低于: 15.24% | BigQuant AI量化策略
这是一个基于随机森林分类模型的小市值增强策略，通过量价及衍生特征预测个股跑赢全市场中位数，优先选取预测为 1 的小市值标的，每隔5日调仓，等权持仓五只。
周线布林突破策略 | 年化收益率: 8.48% | 累计收益率: 16.92% | 最大回撤低于: 18.43% | BigQuant AI量化策略
本策略基于周线布林带指标设计，利用100日收盘价数据计算移动平均线及上下轨（±1倍标准差），实现对伊利股份（600887.SH）的趋势捕捉。选股逻辑通过判断前一日收盘价是否突破布林带下轨作为入场信号，突破上轨则作为出场信号。策略每周最后一个交易日进行调仓，采用满仓买入或全部卖出操作，持仓集中于单只标的。风险控制方面，设置了基础手续费模型，考虑买卖手续费和最小费用，保证交易成本合理。该策略适用于股票市场，尤其适合捕捉中长期趋势反转机会，操作简洁且依赖明确的技术指标信号，有助于降低频...
CCI趋势选股策略 | 年化收益率: -19.16% | 累计收益率: -16.95% | 最大回撤低于: 19.42% | BigQuant AI量化策略
该策略基于CCI（商品通道指标）及其20日趋势回归线进行选股，结合股价与30日、60日均线的多头排列条件，筛选出具备超越趋势的强势股票。首先通过基本面筛选剔除风险警示和非目标行业股票，保证标的质量。选股逻辑中，要求当日CCI指标高于其20日线性趋势且前一日未超越趋势线，同时收盘价高于30日和60日均线，体现动能和趋势确认。策略持股数量可调，默认持有5只股票，仓位分配均匀。调仓周期灵活，默认为每5个交易日调仓一次。交易执行采用开盘价买卖，手续费按每笔订单固定比例计收，控制交易成本。整体策略...
可视化AI经典策略 | 年化收益率: 157.09% | 累计收益率: 316.87% | 最大回撤低于: 26.54% | BigQuant AI量化策略
WR指标多因子选股 | 年化收益率: 12.58% | 累计收益率: 149.22% | 最大回撤低于: 35.79% | BigQuant AI量化策略
本策略基于威廉指标（WR21）与成交量的多因子选股方法，结合技术指标和基本面过滤，构建股票池。选股逻辑包括WR21指标的跌破90及放量拐点（连续5日WR21高位且WR21从90上方回落且成交量放大），同时剔除ST股、风险警示股及部分创业板和科创板股票。交易规则为每日盘中执行止盈（25%）止损（-15%）以及基于WR指标第二次上穿50的卖出信号，持仓股票最多15%仓位，组合等权分配。策略每交易日调仓，加入新符合买入条件的股票并剔除不再满足条件的持仓。风控方面，沪深300指数跌破20日均线时，全部清仓以避免系统性风险。该...
基金重仓增持下的低估值选股策略 | 年化收益率: 22.61% | 累计收益率: 76% | 最大回撤低于: 19.55% | BigQuant AI量化策略
这是一个锚定基金重仓增持信号、追踪机构优选方向的低估值选股策略 —— 以基金季度增持的股票为初选池，每月首个交易日通过非 ST、上市满一年等基本面条件过滤后，选取基金增持幅度 TOP20 的核心加仓标的，再以close/bps_lf （市净率）比值最小为标准精选 10 只标的进行调仓，通过追踪基金重仓增持动作，筛选出高潜力的优质低估值股票。
沪深300多因子择时选股 | 年化收益率: -9.36% | 累计收益率: -17.24% | 最大回撤低于: 24.72% | BigQuant AI量化策略
本策略基于沪深300指数的择时机制和多因子选股模型，结合基本面与技术面指标进行股票筛选与动态调仓。核心思想是通过指数相对于20日均线的趋势判断市场环境，只有当沪深300指数收盘价高于其20日均线时，才执行买入操作，避免市场下跌风险。选股逻辑涵盖市值、盈利能力（ROE）、营收增长、PEG估值、净利润同比增长及技术指标如RS排名、均线多头排列、成交量放大和股价突破20日高点等多维筛选条件，保证选取基本面优良且趋势向上的股票。调仓频率为每日交易日，持仓最多10只股票，且采用等权分配仓位。风险控制通...
神经网络算法下的风格轮动策略 | 年化收益率: 122.65% | 累计收益率: 97.33% | 最大回撤低于: 10.28% | BigQuant AI量化策略
本策略依托神经网络算法的强拟合能力，精准捕捉市场风格切换信号，动态切换小盘股进攻与低波动股防守模式，在把握收益机会的同时控制下行风险，实现长期稳健增值。
基于行业轮动的分时择优策略 | 年化收益率: 62.51% | 累计收益率: 863.99% | 最大回撤低于: 27.8% | BigQuant AI量化策略
这是一个聚焦中间行业的分时段择优策略，在 1 月和 4 月以股息率为初选因子，其他月份以小市值为初选因子，结合财务估值多维度筛选与近 20 日换手率波动率二次风控，最终精选 5 只标的进行每五日调仓。
基于趋势过滤的股息率策略-v2 | 年化收益率: 17.2% | 累计收益率: 110.43% | 最大回撤低于: 17.95% | BigQuant AI量化策略
小市值低PE轮动策略 | 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
本策略聚焦中国A股市场中的小市值股票，选取在上交所、深交所及北交所主板、科创板和创业板上市且非ST、未停牌、上市时间超过一年的股票作为候选池。通过流通市值升序筛选，即优先选择市值较小的股票，且要求市盈率（PE）大于零，确保基本面合理。策略每5个交易日调仓一次，持仓数量固定为3只，采用等权重配置以分散个股风险。买卖均以当日开盘价执行，交易手续费按照固定比例和最低成本标准计费。策略通过定期调仓实现对目标股票的动态调整，避免长期持仓带来的风险积累。适用于希望捕捉小市值价值低估机...
时间序列分析风格判断 | 年化收益率: 45.4% | 累计收益率: 176.22% | 最大回撤低于: 12.51% | BigQuant AI量化策略
策略通过 MA、EMA、ARIMA 模型融合预测沪深 300 指数未来 20 天收益，以 5% 为阈值区分进攻（选小盘股 + 5 天动量股）与防守（选低换手率波动股）风格，每 20 天调仓一次，等权持有 10 只股，捕捉中期市场风格切换收益。
分时段择优小市值策略 | 年化收益率: 82.1% | 累计收益率: 1531.98% | 最大回撤低于: 23.92% | BigQuant AI量化策略
这是一个分时段择优的优质小市值策略,在1月和4月选取股息率作为选股因子，其他月份使用小市值因子，结合近20日换手率波动率控制波动。
渤海红利价值低估选股 | 年化收益率: 12.62% | 累计收益率: 457.08% | 最大回撤低于: 46.57% | BigQuant AI量化策略
本策略基于价值投资理念，聚焦高股息率且估值合理的股票，旨在捕捉稳定分红与低估值的优质标的。首先通过基础股票池筛除ST股及停牌股，确保标的质量。随后，利用因子表达式选取市场价值处于前20%且市盈率（TTM）低于40%分位且大于0，且股价不超过30元的股票，结合股息率作为评分依据。策略每5个交易日调仓一次，持仓股票数固定为3只，持仓比例平均分配。交易执行以开盘价进行买卖，设定买卖手续费为万分之三和万分之一点三，且每笔交易最低手续费5元。通过定期调仓和严格的仓位控制，实现风险分散和收益稳定...
攻守平衡的风格轮转策略 | 年化收益率: 100.82% | 累计收益率: 563.6% | 最大回撤低于: 31.77% | BigQuant AI量化策略
策略以“市场风格具有周期性与可预测性”为前提，借助机器学习模型捕捉市场状态信号，通过攻防策略切换，在强市选择成长性，弱市选择低波动。
换手率对冲市值 | 年化收益率: 29.9% | 累计收益率: 235.77% | 最大回撤低于: -19.04% | BigQuant AI量化策略
对冲核心概念是通过采取相反方向的投资或交易行为，来降低或抵消潜在的风险。换句话说，就是用一种资产或交易的损失，去对冲另一种资产或交易的潜在亏损，从而实现整体风险的最小化。 策略1: 换手率单因子策略 策略2: 市值单因子策略 前者低换手、后者高换手, 高低换手风格作对冲, 对冲前提: 你的策略本身就有很高的alpha。 原理 我们知道因子模型是线性模型, 表示如下: $$r = a + b_1x_1 + ... + b_nx_n + \epsilon$$ 现在我们将问题极端化, 假设市场只有两种因素——规模(市值)$x_1$、流动性(换手)$x_2$: $$r=a+b_1x_1+b_2x_2+\epsilon$$ ...
