Bigquant AI量化策略

基于相似度的因子研究 | 年化收益率: 21.92% | 累计收益率: 29.42% | 最大回撤低于: 19.7% | BigQuant AI量化策略

研究背景与理论基础 市场存在羊群行为,投资者对相似特征股票的收益存在溢出效应,导致一定程度的领先滞后关系。 传统有效市场假说难以解释此现象,行为金融学视角更能捕捉市场非理性因素。 相似度构建方法及指标选取 股票的相似度从财务报表指标(盈利、成长、债务比例等)和市场交易特征(价格、市值、成交额等)两个维度刻画。 最终确定价格、市值、估值、盈利、投资五个方面指标,以欧几里得距离计算特征间相似性。

螺纹钢初始交易范围突破期货策略 | 年化收益率: -6.15% | 累计收益率: -19.7% | 最大回撤低于: 62.98% | BigQuant AI量化策略

该策略基于趋势交易原理,通过特定时间周期内的价格波动范围来判断市场的波动性质,从而进行交易。策略以7个周期的交易区间作为观察窗口,判断市场的波动性和方向。当7周期内价格空隙之和超过区间高度的两倍时,表明市场可能出现大幅波动。这时,若当前K线的高于交易范围的最高值且其中间价格超过前一根K线的最高值,则策略做多。反之,若当前K线低于交易范围的最低值且中间价格低于前一根K线的最低值,则策略做空。风险控制通过初始止损和跟踪止损进行,确保每笔交易在合理范围内的损失。一旦价格创下新...

螺纹钢基于均线和形态的高低点突破 | 年化收益率: 0.26% | 累计收益率: 0.7% | 最大回撤低于: 24.8% | BigQuant AI量化策略

运用布林带和指数移动平均线等技术指标来判断市场趋势、价格形态及突破信号。当市场条件满足某些特定信号(如价格突破或趋势形成)时,策略将进行开仓或平仓操作,同时设置止盈和止损点,以有效管理风险和潜在收益

螺纹钢基于价格区间突破的期货策略 | 年化收益率: -20.1% | 累计收益率: -70.14% | 最大回撤低于: 93.79% | BigQuant AI量化策略

该策略通过利用较长时间窗口内的最高价和最低价形成的通道,结合平均真实范围(ATR)指标来进行期货交易。策略的基本思路是捕捉市场价格突破这些历史高低点所形成的上轨和下轨通道,当价格突破上轨时产生买入信号,突破下轨则产生卖出信号。ATR乘以特定系数用于确定止损位,从而帮助控制风险。

螺纹钢基于均线交叉的通道突破系统多头空头 | 年化收益率: -3.3% | 累计收益率: -9.78% | 最大回撤低于: 50.9% | BigQuant AI量化策略

该交易策略将均线交叉与通道突破相结合,以 9 周期快速均线与 18 周期慢速均线的交叉初步判断趋势,均线交叉后依据最近 12 根 K 线的高低点加上 3% 幅度设定突破通道,当价格向上突破通道时做多,向下突破通道时做空;出场方面,在趋势反转突破或触及基于 8 周期高低点的跟踪止损时平仓;再入场条件为未发生趋势反转,且跟踪止损后 15 根 K 线内突破止损时 10 根 K 线的高低点 。

期货螺纹钢市场强弱指标和动量的通道突破系统 | 年化收益率: 31.63% | 累计收益率: 338.86% | 最大回撤低于: 46.21% | BigQuant AI量化策略

这是一种基于市场强度和动量变化的通道突破交易策略。策略核心在于通过分析特定时间窗口内市场的强弱指标和动量趋势来判断市场的趋势方向,并结合价格通道实现精准的入场和出场。在入场方面,该策略在市场强势且动量逆转上行时选择突破通道高点做多;在市场弱势且动量逆转下行时选择突破通道低点做空。在出场方面,策略结合了止损和止盈机制,止损是开多时设定在最近K线低点,开空时设定在高点,而止盈设置为超过止损额的一定倍数。当市场信号出现反转时,策略将及时止损以控制风险。

基于布林带通道的期货突破量化策略 | 年化收益率: 96.72% | 累计收益率: 47.2% | 最大回撤低于: 16.32% | BigQuant AI量化策略

该策略是一种基于技术指标的期货量化交易策略。主要利用布林带上下轨,以及EMA和ADX指标,借助超短期趋势的突破和动量信号进行交易。策略通过判断期货合约价格与30日EMA的相对位置,并结合ADX动向指数的变化趋势生成交易信号。系统使用历史数据构建信号并判断相应的买入或卖出条件,随后根据生成的交易信号决定市场的进出。在实际交易过程中,策略同时会根据主力合约的变化进行移仓换月操作,以确保交易的准确性和效率。通过该策略,旨在捕捉期货市场的短期波动潜在收益,并严格控制风险。

基于分钟线的高频选股因子 | 年化收益率: 16.04% | 累计收益率: 1.49% | 最大回撤低于: 4.53% | BigQuant AI量化策略

报告的核心论点是:通过利用日内分钟线数据挖掘高信息增益的选股因子,可以显著提高股票未来收益率的预测能力。作者提出了多种改进型高频因子,包括收益反转因子、动量因子、波动率因子以及尾盘成交额占比因子,并系统地对它们在不同频率(30分钟和日度)的预测效果进行了深入回测和分析。报告最后构建了基于这些因子的多因子组合,并在扣除交易成本后表现出超额收益,验证因子预测的有效性。同时,报告指出高频因子的超额收益对手续费率较为敏感,且强调了历史回测模型存在市场环境变化带来的失效风险。

基本面选股——相对市盈率估值选股模型 | 年化收益率: 27.26% | 累计收益率: 44.67% | 最大回撤低于: 22.15% | BigQuant AI量化策略

本策略复现研报——《【华泰金工】基本面选股3:华泰价值选股系列之相对市盈率》,构建相对市盈率指标编写策略。 市盈率是最常用来评估股价水平是否合理的指标之一,是股价与每股盈利的比率,它把公司的股价与每股盈利结合在一起,能够直观的反应投入产出比例。但却是一个绝对指标,无法看出公司当下和未来的估值是否合理以及它在市场中的估值水平到底是怎样的。相对市盈率是公司市盈率与市场市盈率的比值,它将一只股票的市盈率和市场的市盈率结合起来考察,相对市盈率的变化能够在一定程度上反映公司...

股民权益成长轮动策略 | 年化收益率: 26.52% | 累计收益率: 182.58% | 最大回撤低于: 43.26% | BigQuant AI量化策略

本策略通过综合筛选财务稳健(非ST、非停牌、高ROE、高每股未分配利润)、小市值(总股本小、流通市值相对小)且已充分上市(上市天数>252)的股票。在满足条件的股票中,进一步筛选流通市值最小的N只股票进行等权重持有,并每3个交易日进行一次轮动,捕捉具有潜在增长价值的小盘股机会。买卖交易均在开盘价撮合。

优秀股MACD乖离回弹策略 | 年化收益率: 13.63% | 累计收益率: 75.81% | 最大回撤低于: 50.53% | BigQuant AI量化策略

本策略筛选非ST、非科创北交所、非停牌且上市天数大于252天、流通市值大于5亿的股票。在此基础上,选取MACD的DEA线大于DIF线且DIF大于0的股票,并按流通市值升序排序选取前5只股票,每3个交易日进行等权重调仓,买卖均以开盘价撮合。

每股收益稳定策略 | 年化收益率: 14.73% | 累计收益率: 83.51% | 最大回撤低于: 51.95% | BigQuant AI量化策略

本策略筛选非ST、非科创板、非北交所、非停牌、上市满一年且每股收益大于2元的股票,并在其中选择流通市值最小的5只进行等权重投资。策略每3个交易日进行一次调仓,买卖均使用开盘价撮合。旨在通过基本面过滤和市值因子,捕捉中小市值股票的潜在机会。注意:机构持股比例条件因数据限制暂未实现。