• 买入条件：选择过去120个交易日涨幅位于前30%的股票作为动量股。同时，选择过去30个交易日内表现最差的前10%股票作为反转股。股票必须在过去5个交易日内有超大单净流入。按照流通市值降序排列
• 卖出条件：持有期超过30个交易日或涨幅达到20%。
• 股票过滤：过滤ST，过滤北交所
• 最大持仓

策略逻辑：价格冲击偏差较小的股票表现较好，即前期容易下跌上涨困难的股票后期表现更佳,买入

\

策略源码：

请克隆策略，前往最新版本开发环境3.0中运行

{{pro}}

[https://bigquant.com/codeshare/38959187-2110-4d94-98

我们为广大量化爱好者整理了120套量化策略源码，==获取全部源码方式见页尾。==

• 本合集旨在提供量化思路和常见的策略模板，从而学习和魔改，==请勿直接实盘==。

• 本合集均使用3.0开发环境，克隆策略时候==选择去AIStudio最新版运行==。

  \

*一、新手学习策略

在量化研究中，很多人都遇到过类似的情况：

同一套策略逻辑，参数完全一致，只是换了一个行情数据源，回测结果却出现了明显差异。有时是收益曲线变得更平滑，有时是胜率下降，有时甚至连交易次数都对不上。

这类问题经常会被简单地归因为“数据质量不一样”。但在实际研究中，真正展开对比之后会发现，差异并不总是来

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）.。

“涨停倍量阴”，当日下跌，前一日涨停，当日成交量是前一日两倍，入股票池观察，再次创涨停以来的新高买入，MA5下穿MA10卖出。

2、在看完从0-1开发量化策略之后，请

遗传规划挖掘因子\n——AI驱动的量化投资研发

遗传规划在因子挖掘中的应用是一种基于进化思想的自动化因子生成方法。该方法通过模拟自然选择与遗传机制，从基础数据和运算符中迭代演化出具备预测能力的量化因子。

[https://bigquant.com/bigapis/college/v1/fil

https://bigquant.com/codesharev3/82e170a8-688c-4ffa-90f7-3f360938e40f

\

多因子模型的理论基础

![](/wiki/api/attachments.redirect?id=5912caba-c31a-4155

{{pro}}

https://bigquant.com/codeshare/013e4881-edcc-42b0-8944-60b97980eb5a

\

球队硬币因子：

核心思路：

股票分成球队型股票和硬币型股票，

球队型股票：当股票上涨的时候，市场往往预期会继续上涨，出现超买。进而出现回落。

硬币型股票：当股票上涨的时候，市场往往预期会下跌，出现超卖。进而出现补涨

基于此构建反转因子

具体构造：

球队型股票：

1、请用自己的话解释什么是量化投资

主观投资，其实也依赖于数据的简单量化，但往往都是浅层的直接数据为主，同时受到主观情绪影响。\n量化投资，有极强的高维度数据获取、清洗、因子计算、策略买卖逻辑，还能依赖新的AI技术提取数据更多维度的特征，从而得到更有效参考，再做出程序化买卖策略。执行力强，不易受到

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。

答：我自己主要做技术分析，一般是看MACD和布林线，再结合均线。 如果我的投资思路用量化的方式表达，那就是：

股票池：过滤（北交所，科创版，ST， 市值5亿以下和500亿以

请教一下颜建民老师，在金叉赢家ETF策略中（https://bigquant.com/square/ai/32679ef7-5fe7-34b2-3d52-c19193c42297），

\n1.为什么DEA设置为DIF的EMA26，而不是选用经典理论中的EMA9

\n2.代码中有两处round(2

请学习 魔改经典量化策略课程

https://bigquant.com/college/808f565d-c165-4c7c-a10c-016b28fc8f79/8b006fc3-873f-4825-a699-8a76d8618683

作业：

魔改经典策略，加入一个指标。\n进行超参

为何A股投资者总慢人一步？

你是否经历过这样的场景：在A股市场，当天上午满怀信心地买入一只股票，下午却眼看它风云突变，股价一路下跌，而你心急如焚，却只能被交易规则牢牢锁住，无法立即卖出止损，必须苦等到第二天开盘？这个让无数投资者“慢人一步”的规则，正是A股市场的核心交易制度——T+

本文介绍平台的因子使用教程利用布林带因子为例子

因子分析原理：

因子分析是基于降维的思想，在尽可能不损失或者少损失原始数据信息的情况下，将错综复杂的众多变量聚合成少数几个独立的公共因子，这几个公共因子可以反映原来众多变量的主要信息，在减少变量个数的同时，又反映了变量之间的内在联系。

因子篇

因子构建

另类标签推荐

追涨策略的关键因子如何选择

[基于财务数据构建策略](/wiki/doc/

20210624的Meetup直播策略案例：

[https://bigquant.com/experimentshare/ed4764a8a2314233b6e53238b55e5732](https://bigquant.com/experimentshare/ed4764a8a2314233b

20210624 Meetup策略模板

[https://bigquant.com/codesharev2/b67ebb2c-6812-44be-9dd9-0b06b3d3dfe2](https://bigquant.com/codesharev2/b67ebb2c-6812-44be-9dd9-

\

\

https://bigquant.com/experimentshare/0ae931c88b704bdb9e094dc4370c7748

\

MeetUP直播答疑 时间：6月6日（周四）19:00 视频回放地址：[点击此处查看](https://bigquant.com/college/courses/course-v1:public+CS06+2024-06/courseware/2e1e6d1826f944c2b