低频因子构建:Alpha191因子构建(6)

策略源码:


{{membership}}


[https://bigquant.com/codeshare/61abc533-05ce-47d1-bbbf-37de5621a1f4](https://bigquant.com/codeshare/61abc533-05ce-4

由small_q创建,最终由small_q更新于

低频因子构建:Alpha191因子构建(5)

策略源码:

{{membership}}


[https://bigquant.com/codeshare/ee92a723-2ced-43c4-a90d-c3256a8c04a3](https://bigquant.com/codeshare/ee92a723-2ced-43c

由small_q创建,最终由small_q更新于

低频因子构建:Alpha191因子构建(4)

策略源码:

{{membership}}


[https://bigquant.com/codeshare/4c52e2a4-bf48-4770-8553-a859659170d2](https://bigquant.com/codeshare/4c52e2a4-bf48-477

由small_q创建,最终由small_q更新于

低频因子构建:Alpha191因子构建(3)

策略源码:


{{membership}}

[https://bigquant.com/codeshare/af317223-38b0-441e-b7ff-812d1f5c697e](https://bigquant.com/codeshare/af317223-38b0-441

由small_q创建,最终由small_q更新于

低频因子构建:Alpha191因子构建(2)

策略源码:


{{membership}}

[https://bigquant.com/codeshare/aaaeda58-3eff-4a2d-bbf4-dd528b80e20c](https://bigquant.com/codeshare/aaaeda58-3eff-4a2

由small_q创建,最终由small_q更新于

低频因子构建:Alpha191因子构建(1)

\

策略源码:

{{membership}}



[https://bigquant.com/codeshare/9bde4672-6aa5-491f-a6c7-20c316da34c8](https://bigquant.com/codeshare/9bde4672-6aa5

由small_q创建,最终由small_q更新于

低频因子构建:Alpha101因子构建(5)

Alpha101因子第81个

计算公式: ((rank(Log(product(rank((rank(correlation(vwap, sum(adv10, 49.6054), 8.47743))^4)), 14.9655))) < rank(correlation(rank(

由small_q创建,最终由small_q更新于

低频因子构建:Alpha101因子构建(4)

Alpha101因子第61个

计算公式: (rank((vwap - ts_min(vwap, 16.1219))) < rank(correlation(vwap, adv180, 17.9282)))



完成策略请克隆下方源码


\

策略源码:

\

由small_q创建,最终由small_q更新于

低频因子构建:Alpha101因子构建(3)

Alpha101因子第41个

计算公式: (((high * low)^0.5) - vwap)


完整策略代码请克隆下方策略


\

策略源码:


{{membership}}

[https://bigquant.com/codeshare/8f89

由small_q创建,最终由small_q更新于

低频因子构建:Alpha101因子构建(2)

Alpha101因子第21个

计算公式: ((((sum(close, 8) / 8) + stddev(close, 8)) < (sum(close, 2) / 2)) ? (-1 *1) : (((sum(close, 2) / 2) < ((sum(close, 8) /

由small_q创建,最终由small_q更新于

低频因子构建:Alpha101因子构建(1)

声明:以下代码请在 AIStudio 3.0.0 环境下运行

import dai
import pandas as pd
from datetime import datetime

sd = '2022-07-01'
ed = datetime.now().date

由small_q创建,最终由small_q更新于

K线数据获取方法(也可以获取外汇、黄金、贵金属k线数据)

对于股票、外汇、期货、贵金属量化人来讲,一份高频的K线数据是相当重要的, 玩过股票的几乎都知道,股票K线数据中的历史交易日的开盘价、收盘价、最高价、最低价等高频股票数据指标是选股的重要依据 。虽然仅仅依靠股票k线数据无法在股市中盆满钵满,但是运用好它确实能在较大程度上提高我们的赚钱概率。

股票K线

由bqey5d84创建,最终由bqey5d84更新于

低频因子构建:量价技术因子构建(5)

MFI资金流向指标

计算方式:

  • 典型价格(TP)=当日最高价、最低价与收盘价的算术平均值;货币流量(MF)=典型价格(TP)*当日成交量;
  • 如果当日MF>昨日MF,则将当日的MF值视为正货币流量(PMF),将N日内的正货币流量加总代入公式5;
  • 如果当日MF<昨日M

由small_q创建,最终由small_q更新于

低频因子构建:量价技术因子构建(4)

BBI指标

计算方式:BBI=(3日均线+6日均线+12日均线+24日均线)/4

\

DMI平均线差

计算方式:10日均线-50日均线后再进行移动平均

\

DMI趋向标准ADX

计算方式:

  1. 先计算上升下降指标线:ID+=(当日

由small_q创建,最终由small_q更新于

低频因子构建:量价技术因子构建(2)

**今日收盘价在N日内的相对价差[¶](https://bigquant.com/bigapis/codeshare/v1/shares/84ab7b83-0dd5-463e-9652-ab775b8aea09/display#%E4%BB%8A%E6%97%A5%E6%94%B6%E7%

由small_q创建,最终由small_q更新于

低频因子构建:量价技术因子构建(1)

N日量价指标的均值

N:一般取值为5、20、60、120、250

量价指标:可选为close、open、high、low、volume、amount、turn

\

N日量价指标的总和

N:一般取值为5、20、60、120、250

量价指标:可选为clos

由small_q创建,最终由small_q更新于

单因子策略:尾盘前5分钟的趋势强度

单因子策略:尾盘前5分钟的趋势强度


\

策略源码:

{{membership}}

[https://bigquant.com/codeshare/e51545ca-a096-423c-a21c-6348c7911e87](https://bigquant.com/co

由small_q创建,最终由small_q更新于

单因子策略:涨跌幅方差

单因子策略:涨跌幅方差


回测图:

\

策略源码:

{{membership}}

[https://bi

由small_q创建,最终由small_q更新于

分页:第1页第2页第3页第4页第5页第327页