AI因子挖掘项目培训

大模型驱动的量化投资策略开发

主讲人: 徐啸寅

\

视频1：

[https://bigquant.com/bigapis/college/v1/files/b63b7904-189a-4199-9fe5-f73625c31ccd](https://bi

1. 策略概述

本策略属于多因子选股 + 动态因子权重框架。核心思想是：

• 同一时间，不同因子对未来收益的预测能力会变化；
• 用历史“因子-未来收益”的相关性（IC）衡量因子有效性；
• 用 IC 的稳定性（ICIR = IC均值 / IC标准差）决定因子权重；
• 将多个因子

在 AI 量化圈子里，有一个大家心照不宣的秘密：如果你问一个 Quant 他哪怕一天的时间花在哪，他大概率会告诉你他在“洗数据”。

设计一个 LSTM 或者 Transformer 模型来预测股价走势，听起来很高大上。但当你真正动手时，你会发现最崩溃的不是调参，而是数据的缺失和异常。尤其是

量化交易的神秘光环，往往始于其复杂的算法，终于其简单的赚钱本质。看似深不可测的“黑箱”，实则遵循着几条清晰的“第一性原理”。

本文旨在揭开这层神秘面纱。我们将深入探讨九种主流的量化策略，剖析它们各自最核心的盈利来源，清晰地告诉你，每一种策略究竟赚的是哪一种“钱”。

九大量化策略的核心原理

引言：一句被误读的投资箴言

“别人贪婪我恐惧，别人恐惧我贪婪”——这句投资箴言几乎是每个进入股市的人都听过的金科玉律。它倡导一种与大众情绪逆向而行的独立思考精神。然而，一个可能反直觉的事实是，在大多数日常股票交易场景中，盲目遵循这一“逆向思维”，不仅可能毫无效果，甚至会让你面临巨大的风险。

Original

Remove indicators

expr="""

--open

""",

ex

from bigmodule import M

# <aistudiograph>

# @param(id="m5", name="initialize")
# 交易引擎：初始化函数，只执行一次
def m5_initialize_bigquant_run(context):

Alpha191因子是国泰君安证券研究者，于2017年6月，在《数量化专题: 基于短周期价量特征的多因子选股体系》研报中提出的191个因子，具体的因子表达式如下

\

Alpha1:   (-1 * CORR(RANK(DELTA(LOG(VOLUME), 1)), RANK((

引言：一句古老的股市谚语正在误导你

你是否也曾陷入这样的困境：手中持有的股票连续大涨，形势一片大好，但突然在某一天，成交量急剧放大，形成一根“天量”K线。此时，你的内心是否充满了恐惧与纠结？是该获利了结，还是继续持有？

“天量见天价”，这句股市谚语几乎是所有投资者的第一反应。它在很多情况

引言：十字路口的A股市场

近期，A股市场成功冲上4000点整数关口，迅速成为所有投资者关注的焦点。市场情绪也随之来到一个十字路口，分歧日益加剧。当前最核心的矛盾在于：4000点究竟是本轮反弹行情的“天花板”，还是一个全新牛市阶段的坚实“起点”？

在众说纷纭之际，一位分析师提出了一个与主流

• BigQuant 比赛
  • 群英荟萃因子大赛

\

请问下为什么print的内容 日志中没有体现呀

[https://bigquant.com/codesharev3/826d8e13-d735-43ab-afae-8d2c8f1b2485](https://bigquant.com/codesharev3/826d8e13-d735-43ab-

想做中证800指增策略，系统卡着不能进行下去了，心烦意乱，有没有大神救一救~~~~

1、多次出现score，系统无法识别该用哪个score

**思路是从中证800股票池，通过约10各因子得分加总AS score,按照score排名，降序取前200只，再在这200只按照score降

平台的vscode好像无法设置断点进行调试。

1. 市场观察和机会发现

很多“纯小盘”或“纯价值”策略容易遇到两类问题：\n1）价值陷阱：估值便宜但基本面变差，股价继续下跌；\n2）行业偏置：长期收益其实来自行业押注（例如价值偏金融/周期），一旦行业风格切换，策略波动放大。

因此更实用的思路是：

用**质量因

基于LangChain + LangGraph的多智能体辩论系统

[https://bigquant.com/bigapis/college/v1/files/f068f43a-926c-4ce2-88f1-2b2c936ffbd3](https://bigquant.com/biga

略微出手就是一个做空无敌，稍作修改就感觉比一些研报的多空收益要好。但是可笑的是我完全是用的日频数据。感觉研报都在水工作内容。

以下两张图都不包含涨停或者跌停板。

![](/wiki/api/attachments.redirect?id=84c912c5-0b4d-4373-9654-3

债市小市值策略

1. 回测结果

2. 策略简介

以“低价格、低溢价率、低余额”为核心筛选可转债标的，通过15只均等分散持仓

{{pro}}

[https://bigquant.com/codesharev3/f2067f57-5788-4bae-b0f2-acd3f613c0ff](https://bigquant.com/codesharev3/f2067f57-5788-4bae-b0f2-

在外汇量化研究与交易落地过程中，数据质量引发的策略失效是高频痛点。某量化团队的实战案例具有典型性：其耗时 6 个月构建的趋势跟踪策略，回测阶段夏普比率稳定在 1.8，风控指标完全达标，但实盘上线首月即出现超预期亏损。经全链路排查确认，问题根源在于所使用的 API 存在数据链路割裂 —— 历史回测数据

引言：当今市场的无形之手

你是否曾感到困惑，为何数千只股票会毫无征兆地集体上涨或下跌？你是否曾觉得，市场的波动背后似乎有一只无形的手在精准地操控着节奏？

这种行为并非随机，在很大程度上，它是由“量化交易”的内在逻辑所驱动的。这些高速运行的算法模型，已经成为影响市场最深刻的力量。

本文旨

AI智群协同，量化交易新纪元——LangChain × LangGraph 驱动的高效决策引擎

告别传统单一模型策略，迎接多智能体协同作战的交易时代！我们基于 LangChain + LangGraph 架构，打造下一代AI智能体交易系统，通过分工、协作与博弈，实现全流程量化决策升

https://bigquant.com/codesharev3/79b17590-c17d-4522-b900-a833a1882768

\

\

回測

夏普值（Sharpe Ratio）

夏普值= (R_p - R_f ) / sigma_p

回測: 2020-

from bigmodule import M

# <aistudiograph>

# @param(id="m5", name="initialize")
# 交易引擎：初始化函数，只执行一次
def m5_initialize_bigquant_run(context):