https://bigquant.com/experimentshare/fd3d5958d8d840e3b8897aaa971443d1

\

问题

关于昨日涨停因子，为什么么有部分特征

[https://bigquant.com/experimentshare/d0437f9701b34e1aacd2d7a4746a013b](https://bigquant.com/experimentshare/d0437f9701

GBDT多因子选股策略

[https://bigquant.com/experimentshare/a32f2916279240079d116f5bf76c0822](https://bigquant.com/experimentshare/a32f2916279240079d116f5bf76c

布林带策略的交易规则

相关定义如下：

中轨 = N时间段的close价格简单移动平均线

上轨 = 中轨 + K × N时间段的标准差

下轨 = 中轨 − K × N时间段的标准差

当前价格相对位置 percent_b = (close - lower)/(upper - lower)

可视化策略-AI选股

[https://bigquant.com/experimentshare/b08f437e5ee94168b0bc856f6f650ad2](https://bigquant.com/experimentshare/b08f437e5ee94168b0bc856f6f650

事件驱动策略的交易规则

由于财务公告通常在晚上发布，在财务报表公告的第二日开盘买入归属母公司股东的净利润同比增长率百分比大于30%的且降序排名靠前股票(总持仓量不超过50只); 买入并持有40个交易日后，以第二日开盘价卖出；

策略构建步骤

1. 确定股票池和回测时间

多条件选股策略的交易规则

买入条件：满足

1. 今日开盘价大于昨日收盘价；
2. 5日收盘价均线大于10日收盘价均线的股票按PE升序排名取前十名,次日以开盘价买入； 买入后，如果5日收盘价均线小于10日收盘价均线，则次日以开盘价卖出。

策略构建步骤

1. 确定股票池和回测时

新建一个可视化AI选股策略，如下图所示：

在训练集流程中的缺失数据处理模块m13前加入模块“过滤市场”m25(从“用户模块”——“共享模块”中找到并拖入画布)并在参数窗口中填入3，即可实现在训练集中去除创业板股票

在测试集流程中的缺失数据处理模块m14前加入模块“过滤市场”m26(从“用户模

本例使用GBDT算法进行模型训练和数据预测

1. 新建可视化AI模板策略
2. 在左侧模块导航栏“机器学习”中拖出“GBDT训练”和“GBDT预测”模块替换原有的 StockRanker 训练模块和 StockRanker 预测模块

本例设置“GBDT训练”中的参数：

损失函数类型：'reg:

请问如何修改下面的卖出订单的代码，实现判断当股票总仓位大于总市值金额的60%时，卖出大于60%的那部分排序末位的仓位？

if not is_staging and cash_for_sell > 0:
        equities = {e.symbol: e for e

\

有偿分享天梯hot榜策略源码，也提供基于bigquant平台量化开发快速入门及技能提升，有需要请留下联系方式

![{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=a0d6ae08-0aeb-445a-9c1e-3879b74e

\

https://bigquant.com/live/shared/strategy?id=60243

需要的留下联系方式

为表诚意，我对模型预测部分做了开源. 方便下载，特意开源在国内平台。模型采用机器学习算法，不需特征处理 https://gitee.com/fsmyi/policy-infer.git 为了除去使用未来函数和 使用训练集数据过拟合模型嫌疑，在此张贴，对未来一个月（以12.17为起点）排名前10股

https://bigquant.com/live/shared/strategy?id=62677

https://bigquant.com/live/shared/strategy?id=60243

需要的留下联系方式

https://bigquant.com/live/shared/strategy?id=63844

需要策略源码进行量化开发交流的

Overview

说到量化投资和研究，很多人有一个基本认知，就是通过数据观察和分析，提出假设，然后通过回测来验证假设。通过验证之后，再上实盘验证。当然，其中有一些深入的细节。比如回测可以是样本内+样本外。这里有篇学术论文，其中一个观点就是大部分人跑的回测都没什么意义。论文的作者是前AQR的机

2017年初，我们开发了RSRS指标与择时模型用以预测宽基指数的未来涨跌方向。本文回顾与总结了RSRS择时模型样本外跟踪的近3年时间里在不同指数上的择时表现与暴露出来的不足之处，并通过对指标算法进行优化尝试改进RSRS指标及其择时策略。

样本外RSRS择时策略整体表现较好

RSRS择时策

摘要

另类标签和集成学习有助于提升人工智能选股模型的超额收

对于量化选股模型来说，另类标签指有别于收益率的标签，也可视为一种“另类数据”。本文通过设置多种测试情形，对比了另类标签(信息比率和Calmar比率)与传统收益率标签在构建人工智能选股模型的优劣。相比收益率标签，另类标签在全

导语

当用户训练出具有一定意义的深度学习模型的时候，把训练得到的模型固化到本地可以方便以后的调用，关于如何固化深度学习模型，请移步这里，一般来说，固化深度学习模型是为了节省下一

导语

当用户训练出具有一定意义的深度学习模型的时候，把训练得到的模型固化到本地可以方便以后的调用，关于如何固化深度学习模型，请移步这里，一般来说，固化深度学习模型是为了节省下一

![{w:100}](https://mmbiz.qpic.cn/mmbiz_jpg/eY68OjJvXODRpNM7qpKL5gCEaSnHhibic8qOctF3ibqIkd2vn0ONklQbicQ3sSlicmq4GiaBaTVRXZJVwg0IlfBl3cTA/640?wx_fmt=jp