策略介绍

• 在 101-简单动量策略 基础上，我们来实现一个更完整的选股策略模版
• 此策略可以作为一个选股和线性策略的常用模版使用

策略流程

1. 选股：选择基础股票池

策略介绍

本策略主要讲解如何在策略中加入止盈止损与大盘风控逻辑

本策略就是在平台的默认可视化线性模板策略的基础上进行修改的，就是一个简单的小市值策略

• 剔除上市小于1年的新股、剔除ST股票、按照市值排序
• 等权持股30只、持仓5个交易日

策略实现

1. 止盈止损

策略介绍

• 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

策略介绍

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

策略介绍

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，盈利逻辑主要基于以下几点：

1. 交易量的信号作用：交易量是市场活跃度的

策略介绍

本策略是104选股策略（🌟104-选股策略）模板的具体应用。

由于公司利润变化较大，而且依赖于会计准则、研发投入、设备更新投入等因素，难以正确反映公司的经营状况，而销售收入更加稳定，

策略介绍

本策略是104选股策略（🌟104-选股策略）模板的具体应用。基本逻辑是股息率较高的公司能够持续支付较高的现金股息，这通常意味着这些公司拥有较为稳定和可预测的现金流。投资者通过持

策略介绍

• 在 101-简单动量策略 基础上，我们来实现一个更完整的选股策略模版
• 此策略可以作为一个选股和线性策略的常用模版使用

策略流程

1. 选股：选择基础股票池 2

策略介绍

本策略是根据新国九条进行改良的新版微盘策略从而更好筛选需要的股票。

自从2024年新国九条出来后，小市值策略逐渐失效，部分小票退市概率变大，我们先看看国九条中关于股票ST的内容：

可能影响股票被ST或退市的关键因子，这些因子可以作为投资者避免潜在风险的参考：

1、分红情况：如

这里都没有业绩预告和业绩快报的数据么？

麻烦老师帮我看看，谢谢

[https://bigquant.com/codesharev3/6952c039-1003-4f9c-add9-142db725b03c](https://bigquant.com/codesharev3/6952c039-1003-4f9c-add9-142db725

https://bigquant.com/codesharev3/d5a7027b-7234-437a-80d0-246e49f51e37

\

老的版本取macd的表达式是ta_macd_macd_12_26_9_0

新版本不知道怎么写，看了下面的介绍还是不会取，求指导\n

仅仅获取两年的分钟数据，且用的是K2资源，一上午跑了6,7遍都提示内存不足，帮忙看下是代码问题还是什么原因？

https://bigquant.com/codesharev3/6761777e-21ea-40e6-b8c3-ef4c473b8223

https://bigquant.com/codesharev3/94ac240b-7e1a-4e37-bea0-325a5c665e85

\

https://bigquant.com/codesharev3/5985ed02-6982-4879-a09e-f488d3501a11

因为在正常运

取2019-至今的分钟数据并进行一些加工，开的是K2资源，报以下错误，什么原因？怎么解决

报错：Out of Memory Error: failed to pin block of size 192.0 MiB (12.3 GiB/12.0 GiB used)

https://bigquant.com/codesharev3/2aa972b3-34e0-4ee2-b8ca-78bef322382f

\

免费1G容量超过了，需要怎么样才可以删除？另外什么情况下会增加这个容量。只是读取了数据而已，为什么会瞬间多出5,6个G

谢谢。

https://bigquant.com/wiki/doc/44ck5py65zmo5a2m5lmg5rua5yqo6k6t57ud44cl562w55wl5qgg5p625lia6zsu6yoo572y-slckX9dFmY

import dai

df = dai.query("""

SELECT

    date, instrument,

    IF(price_limit_status = 3,1,0) AS _zt,

    If(m_sum(_zt,10) = 1,1,

前言

M.tune可调节的参数仅限于模块中的参数, 具体用法可参考**尝试用M.tune写一个滚动训练.**

使用方法

我们创建一个机器学习算法策略, 将可视化画布转化为代码形式:

前言

为了进一步加深对M.tune的使用理解，这里我给大家写一篇M.tune的实际应用。我们可以使用它来调参，当然也可以用它来做滚动训练，值得注意的是，M.tune只能调节模块的参数：

![](/wiki/api/attachments.redirect?id=9edd75fa-2

反馈个问题，任选一个时间区间，新老版本基准收益率的计算都不太一样，我想知道为什么？

比如我选择2021年1月1号到2024年8月16日，新版基准收益率是-36.49%，老版本基准收益率是-35.8%，不清楚为啥

![](/wiki/api/attachments.redirect?id=7a1