五日换手波动率良性期货策略 | 年化收益率: 50.33% | 累计收益率: 147.02% | 最大回撤低于: 48.23% | BigQuant AI量化策略
五日换手波动率期货策略是一种基于换手率进行波动率分析的策略，该策略的核心在于利用换手率的波动来捕捉市场的短期动向，三日卖出换手波动率稳定的期货，且在价格低位买入。
Bigquant AI量化策略
黄金白银期货双均线择时 | 年化收益率: -24.19% | 累计收益率: -67.04% | 最大回撤低于: 109.97% | BigQuant AI量化策略
本策略聚焦于黄金和白银期货，基于双均线策略对两类期货进行择时买卖
小市值价格优势策略 | 年化收益率: 20.15% | 累计收益率: 114.11% | 最大回撤低于: 39.05% | BigQuant AI量化策略
本策略是一种结合动量和基本面指标的多因子选股策略，旨在找出在不同时间周期内表现优良的股票以获得优异的市场表现。通过每天调仓的方式持续优化持仓组合，主要关注公司的增长动能和市场表现力。
净利润增长驱动的动态选股策略(止盈止损与大盘风控逻辑) | 年化收益率: 8.03% | 累计收益率: 10.24% | 最大回撤低于: 23.12% | BigQuant AI量化策略
该策略通过动态选股机制，专注于选择净利润持续增长的股票，以此实现稳健的资本增值。策略结合市场风控手段和止盈机制，力求在市场波动中保护投资收益。
灵活应对市场风险的ETF轮动策略 | 年化收益率: 5.84% | 累计收益率: 118.88% | 最大回撤低于: 22.97% | BigQuant AI量化策略
这是一种灵活应对市场风险的ETF轮动策略。 旨在通过对多只ETF的动态调整来优化组合表现。该策略通过分析市场风险指标，进行不同ETF之间的轮动，以实现稳健的收益和风险控制。 当出现市场风险信号，空仓持有的ETF，全仓购买国债ETF。
动量因子的ETF策略 | 年化收益率: 49.24% | 累计收益率: 28.13% | 最大回撤低于: 12.16% | BigQuant AI量化策略
该策略主要是基于基金日行情数据构建的动量策略，旨在选择一定数量的表现较好且市场活跃度较高的基金进行持仓，因子包括动量因子和收盘价格差分。
量价相关性策略 | 年化收益率: 1.85% | 累计收益率: 2.35% | 最大回撤低于: 32.61% | BigQuant AI量化策略
本策略选取60日成交量与收盘价相关性作为因子，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。量价因子是投资中常见的一种因子，结合了交易量（量）和价格行为（价）的信息来预测股票的未来表现
基于财报发布的事件驱动策略 | 年化收益率: 22.23% | 累计收益率: 13.23% | 最大回撤低于: 27.68% | BigQuant AI量化策略
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，交易信号的出现并不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或非全仓期
羊驼策略 | 年化收益率: 49.47% | 累计收益率: 28.25% | 最大回撤低于: 23.46% | BigQuant AI量化策略
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面价值超过操盘手的股票。2014年，甘肃卫视的《马上知道》节目也向观众展示了用羊驼来选股，即每天卖掉持有的股票中收益率最差的一只，然后让羊驼随机选入一只股票来买。结果得到了很可观的收益率。 根据这...
低波高活跃策略 | 年化收益率: -10.24% | 累计收益率: -12.75% | 最大回撤低于: 27.07% | BigQuant AI量化策略
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。该策略的盈利逻辑基于对低波动率和高活跃度股票的选择。低波动率通常意味着股价波动较小，相对稳定，有助于降低投资风险。同时，高活跃度的股票通常具有较高的流动性和交易活跃度，有利于投资者在短期内快速买卖。通过在波动率低但活跃度高的股票中进行筛选和排序，该策略旨在捕捉这些潜在的优质投资标的。
市收率价值投资策略 | 年化收益率: 6.24% | 累计收益率: 28.54% | 最大回撤低于: 30.33% | BigQuant AI量化策略
本策略精选低市销率、高营收增长和利润同比增长的股票，并剔除特定行业和市场板块，构建价值与成长兼具的投资组合，力求在中长期获取稳健收益。
螺纹钢期货海龟交易策略 | 年化收益率: 7.05% | 累计收益率: 32.67% | 最大回撤低于: 17.6% | BigQuant AI量化策略
以螺纹钢期货的主力合约进行因子计算，产生交易信号。然后具体交易在当期主力合约品种上。价格上穿近期上轨做多，价格下穿近期下轨做空。无止盈止损。
橡胶期货均线突破策略 | 年化收益率: 14.5% | 累计收益率: 75.3% | 最大回撤低于: 20.57% | BigQuant AI量化策略
以橡胶期货的主力合约进行因子计算，产生交易信号。然后具体交易在当期主力合约品种上。均线金叉做多，均线死叉做空。无止盈止损。
动量因子截面多空期货对冲策略 | 年化收益率: 167.93% | 累计收益率: 246.84% | 最大回撤低于: 85.12% | BigQuant AI量化策略
在全市场所有期货标的里按动量因子（44日收益率）选标的，不要成交额小于50万的不活跃品种，不要中金所的金融期货品种。做多因子值最大的15个期货，做空因子值最小的15个期货，5天再平衡，各品种之间等权重建仓。
期货rsi技术面择时策略 | 年化收益率: 14.54% | 累计收益率: 35.22% | 最大回撤低于: 24.67% | BigQuant AI量化策略
本策略焦煤产业的期货，旨在通过观测焦煤产业的价格变动和rsi取值，捕捉rsi变动中蕴含的买入信号和卖出信号，对焦煤产业的期货进行择时
月度动量期货轮动策略 | 年化收益率: 524.5% | 累计收益率: 908.98% | 最大回撤低于: 47.71% | BigQuant AI量化策略
本策略每五日（一周）选取动量最大的5只股票，次日开盘买入并持有，旨在捕捉日内价格上涨的动能。
双低因子可转债策略 | 年化收益率: 16.31% | 累计收益率: 84.91% | 最大回撤低于: 25.33% | BigQuant AI量化策略
一个经典的双低可转债策略，具体两个因子为可转债价格和转股溢价率。 可转债价格低：根据转债强赎条款，正股在连续30个交易日中，至少有15个交易日收盘价超过转股价130%，上市公司有权对发行的转债提前赎回。因此，130元以上属于中高价转债，115以下属于低价，但要结合正股溢价率高低来考虑。 转股溢价率低：转股溢价率是转股价格相对其转股价值的溢价率，溢价率低的转债与正股的关联系越强，即正股涨则转债涨。一般来说，转股溢价率在10%以内算比较低。 本策略持有15只标的，按双低因子升序排序，过滤掉剩...
转股溢价率买低策略 | 年化收益率: 23.91% | 累计收益率: 139.18% | 最大回撤低于: 25.09% | BigQuant AI量化策略
转股溢价率低可以让可转债具有股性和进攻性，这样攻守兼备就是我们所追求的。因此我们构建一个可转债的组合，持有5只标的，按可转债升序排序，过滤掉剩余余额不足1.5亿和剩余时间不足120天的可转债。然后持有5天进行轮仓。
基于场内ETF预期低风险配置（动态调仓）策略 | 年化收益率: 4.7% | 累计收益率: 96.99% | 最大回撤低于: 15.3% | BigQuant AI量化策略
本策略是大类资产配置八大ETF基金交易策略的改进版，每60个交易日进行动态调仓，通过分散化买入各种类别的金融资产，按照严格的比例持仓，希望在各种经济环境下都能带来稳定的收益。
大类资产配置八大ETF基金交易策略 | 年化收益率: 4.62% | 累计收益率: 94.8% | 最大回撤低于: 16.74% | BigQuant AI量化策略
大类资产配置八大 ETF 基金交易策略通过分散投资于股票（含国内、香港、国外）、商品、黄金、债券等 8 类低相关性资产（如沪深 300ETF、恒生 ETF、纳斯达克 ETF、黄金 ETF、国债 ETF 等），利用固定权重（国债 ETF 占 0.3，其余各 0.1）长期持有，以降低组合波动性，平衡风险与回报，同时借助 ETF 的低成本优势，实现散户便捷高效的跨市场资产配置，追求长期财富稳健增长。
