一、引言

在 A 股市场中，小盘股往往具备高成长潜力但波动较大，蓝筹股则以稳定分红和低波动为特征。如何平衡两类资产的风险与收益，是许多投资者关注的核心问题。本文分享一套量化策略 —— 通过混合小盘股与蓝筹股的股票池，结合组合优化动态调整权重，在控制不确定性风险的同时，捕捉不同市场环境下

0. 策略名词解释：

（1） Sharpe Ratio（夏普比率）

定义：夏普比率是衡量投资回报与风险的比值，反映单位风险所获得的超额收益。\n公式为：

![](/wiki/api/attachments.redirect?id=b90426d0-635d-4b2b-b48a-59c87

0.策略名词解释

（1）LightGBM模型

LightGBM（Light Gradient Boosting Machine）是微软开源的一种基于梯度提升框架的高效实现。它主要用于机器学习中的监督学习任务，如分类、回归和排序等问题。本策略中使用的是回归。

githu

一 什么是一致性风险度量

风险度量:是金融领域中量化资产或组合潜在损失的工具,核心是用数值描述未来可能发生的损失大小或概率,帮助投资者判断风险高低

普通风险度量是指未经过严格公里约束,仅从直观或经验出发设计的风险指标,常见的有:波动率(标准差),风险价值(VaR)

0. 策略名词解释

（1）CatBoost模型

CatBoost 是由 Yandex（俄罗斯的一家互联网公司） 开发的一个 基于梯度提升（Gradient Boosting） 的机器学习库，主要用于 分类、回归、排序任务，以处理结构化数据为主。它的名字来自 “*

1. 趋势增强因子

在原来趋势得分因子的基础上，加入了时间的二次项和时间的三角函数项，分别代表趋势强度和趋势波动，并通过岭回归算法计算预测值，算出加强后的拟合优度，从而计算趋势增强因子。

1.1 原来的趋势得分因子

![](/wiki/api/attachments.redirec

0. 策略名词解释

（1）XGBoost模型

XGBoost 是一种基于梯度提升树（Gradient Boosted Trees）的高效机器学习算法，常用于排序、分类、回归等任务，在bigquant平台上只用于排序任务，主要有三种：排序学习（NDCG）; 排序学习（Rankne

==--具有行业风格特征的策略应该如何系统构建？==

0. 电子行业概览

电子行业是一个以电子元器件、电子设备及其相关材料和制造工艺为核心的综合性产业体系，覆盖从基础元器件制造到整机装配、系统集成等多个环节。该行业技术密集度高、更新迭代快，具有强烈的全球分工特征。

在 **申万行业

一、引言

在量化投资中，组合优化的鲁棒性直接影响策略的实战表现。近期我们对基于 Wasserstein 距离的分布式鲁棒优化（DRO）策略进行了迭代，看似细微的调整背后，其实藏着对组合稳定性和资产适配性的深度考量。下面就来详细说说第二个版本（代码 2）到底改了什么、为什么改以及如何实现的。

1. 核心指标介绍

1.1 阻力位和支撑位

阻力位是指在标的资产价格上涨时可能遇到的压力水平，是交易者认为卖方力量开始反超买方，使得价格==难以继续上涨或开始回调下跌的价位==。当价格接近阻力位时，投资者预期会有更多的卖家介入，增加供给，这可能导致价格下跌或至少暂停上涨。

支撑位是指

0. 策略名词解释

（1）StockRanker模型 (LightGBM Ranker模型)

StockRanker 在bigquant平台支持排序、回归、二分类、log loss四种算法。而在排序算法中: 使用 LightGBM 提供的排序模型（LightGBM Ranker

一.策略原理

本策略主要面向A股市场,结合了价值投资,动量效应和风险控制三类因子,通过合理配置多因子进行优选股票池，最终实现中长期稳健超额收益。具体逻辑与每个核心指标/因子的原理、有效性分析如下：

\

(1)动量效应

动量现象已被国内外大量实证研究证明有效：历史上涨较多的股票短中期仍

在金融市场的不确定性面前，传统基于历史数据的组合优化常因 “未来与历史相似” 的假设失效而受挫。分布式鲁棒优化（DRO）通过主动纳入 “分布不确定性”，为极端行情下的组合稳健性提供了新解法。本文结合实践案例，详解 DRO 组合的构建流程与核心注意事项。

**一、DRO 组合优化的核心逻辑：在

一、基金池

标普500

纳指ETF

300ETF

创业板

嘉实原油

豆粕ETF

黄金ETF

恒生科技

优点

1. 地域分散：覆盖中美市场（标普 500、纳指、300ETF、恒生科技），对冲单一国家风险。
2. 资产多元：股票（权益）+ 原油 / 黄金

0. 策略核心指标

0.1 EMA

指数移动平均线，是一种常用的技术分析工具，用于平滑价格数据并识别市场趋势。与简单移动平均线（SMA）不同，EMA更注重近期价格，赋予其更高权重，因此对价格变动的反应更灵敏。

![](/wiki/api/attachments.redirect?i

1. 市场观察和机会发现

1.1 四大类资产ETF持有表现

1.2 加入动量后的轮动

每五日轮动

一、引言

1.1 全天候策略来源

花开花落，四季有轮回；潮涨潮退，江海有节律；牛熊交替，金融有周期。你是否曾憧憬，能有一套投资策略

1.市场观察和机会发现

主力资金流向策略以捕捉市场资金动态和短期趋势为核心，在量化交易中展现出独特的实战价值。从逻辑层面来看，主力资金作为市场中的 “聪明钱”，其流向往往反映了机构投资者对股票的价值判断与预期。当主力资金持续流入某只股票时，通常意味着企业基本面得到认可、潜在利好预期或存在价值低

因子原理

当我们发现股票市盈率较低时，是持仓买入的好机会。但是，有些周期股，比如煤炭、钢铁等，当经济增长时，这些行业的需求上升，企业盈利能力改善，从而推高它们的股价；而在经济放缓时期，这些行业的需求减少，盈利能力下降，股价下跌。

$$ 市盈率=企业股价/每股收益 $$

周期性行业的盈

1.市场观察和机会发现

近年来，A 股市场呈现出显著的结构性分化特征。这种分化不仅体现在行业间的轮动差异，更体现在不同市值规模股票的表现背离上。

对于大盘蓝筹股：北向资金、保险资金等长期资金更倾向于配置流动性好、业绩稳定的大盘蓝筹股，导致中小市值股票群体资金关注度相对较低。在

0. 名词解释

0.1. 主力

主力指的是大单和超大单之和，股票大小单主要是指买卖股票的单笔成交数量或金额，大单指的是股票市场中成交量为10-50万股，或者成交金额在20-100万元之间的交易；超大单指的是成交量大于等于50万股，或者成交金额大于等于100万元。这类交易通常由大型机构或

一、市场观察

可转债作为一种嵌入转股权的混合证券，其定价逻辑始终游走于债性与股性之间，这种双重属性使其在不同市场环境下呈现出复杂的收益特征。当前市场中，若干结构性特征为量化筛选策略提供了潜在的发力空间，这些特征并非基于特定数据验证，而是源于对市场运行机制的规律性观察：

**1.1债性与

1.市场观察和机会发现

当前 A 股市场呈现出明显的结构化特征，部分板块和个股波动剧烈，而高风险股票（如 ST 股）因财务状况不稳定、退市风险高等因素，容易出现价格大幅波动；科创板和北交所虽具备高成长潜力，但存在流动性不足、信息不对称等问题，增加了投资风险与不确定性。同时，市场中部分低估值、业

0.策略名词解释

0.1 随机森林

随机森林是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，更令人惊奇的是它在分类和回归上表现出了十分惊人的性能。

1、用有抽样放回的方法（bugging）从样本集中选取n个样本作为一个训练集

2、用抽样得到的样本集生

CTA策略主要是一类量化期货策略，适用于专业投资者，本文介绍一款经典的布林带趋势跟踪策略如何在平台实现，授人以鱼不如授人以渔，抛砖引玉，以便小伙伴能在此基础上迭代研发出自己的策略。

本文主要通过代码讲解以下内容：

• 如何过滤标的
• 如何在取数的时候传入参数
• 如何主力合约产生信号，如何