---

**东吴宏观量化双时钟模型 × 小市值策略增强对比研究**

**研报来源：东吴证券金融工程 高子剑、刘静恒，2024年2月**

---

**一、研报核心原理**

本研究复现了东吴证券金融工程团队提出的宏观量化双时钟体系，核心思路来源于 Black

引言：一个关于“抄作业”的普遍误区

在金融圈，最昂贵的错觉就是认为“专业研报=财富密码”。很多投资者盯着“新财富”排名第一的研究员报告盲目建仓，结果却在大跌中满仓套牢。你是否有过这样的困惑：既然研究员是行业顶尖专家，为何他们的推荐往往在实战中失效？

真相往往是残酷的：卖方研究员负责“科普

因子研究

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已

作为一名专注于高频量化交易的个人专业交易者，在BigQuant平台开发和回测策略的这几年里，我最深的感悟就是：行情数据的实时性，就是高频量化策略的生命线。很多个人量化交易者和我一样，最开始都被免费股票行情API的延迟问题困住过，今天我就结合自己的实盘经验，分享一套能彻底解决延迟问题的完整落地方案。

作为长期在 BigQuant 平台做外汇量化策略开发、回测与实盘落地的从业者，秒级实时行情数据是外汇量化策略的核心基础，不管是高频套利策略建模、实时行情监控，还是跨市场策略数据融合，都离不开精准、低延迟的外汇行情数据支撑。但传统数据获取方式不仅与 BigQuant 的 Python 开发生态适配性低

在量化策略开发与跨境投资研究中，数据API是整个回测、仿真与实盘体系的基础底座。很多宽客与开发者在初期选择数据接口时，往往只关注成本与免费额度，却忽略了数据完整性、低延迟、接口稳定性、字段规范性等直接影响策略效果的关键因素，导致后期出现数据缺失、推送延迟、调试困难等问题，严重拖慢策略研发与实

https://bigquant.com/codesharev3/6ba2c8f2-8b5a-4972-87bc-61f36a73b405

\

[https://bigquant.com/bigapis/college/v1/files/b89ed27f-5053-4fa0-bce9-0de821783129](https://bigquant.com/bigapis/college/v1/files/b89ed27f-5053-4fa0-

一、策略总览

从当期持有存续可转债的 A 股正股中，筛选出盈利能力达标（ROE > 5%）的股票，再按20日均换手率从低到高排序，结合行业分散约束，最终等权持有换手率最低的10只股票，每 15 个交易日调仓一次。

策略逻辑图

全市场 A 股

最近运行可转债三低策略时，发现策略有时候会选中刚刚发布了强赎公告的可转债，这种可转债刚开始下跌，一般跌的比较狠，但正好符合三低策略，会被选中，买入后大概率亏损。所以我想在策略里加入筛选发布了强赎公告的代码，但是看了数据平台中关于可转债的所有表，似乎只有[\n可转债信息](https://bigqua

引言：为什么你总是“一买就跌，一卖就涨”？

看着屏幕上的AI、电力板块全线冲高，你是不是又按捺不住那颗躁动的心，急着“上车”分一杯羹？结果往往不出所料：你刚满仓杀入，行情就戛然而止，随后便是无尽的回调。

作为资深投资者，我必须犀利地提醒你：这种挫败感并非运气不好，而是你完全掉进了“接盘侠”

不用打开行情软件，不用敲代码，微信对话框里问一句“黄金多少钱”，AI 把实时价格推给你。甚至还能让它每隔 3 分钟报一次价。\n这套方案，十分钟就能搭好。

一、开篇：从“人找数据”到“数据找人”

我最近做了一件很爽的事：把 AI 接进了微信，让它帮我盯行情。

小市值量价共振策略（带大盘择时）

一、策略核心逻辑

本策略聚焦小市值风格，通过「量价共振+基本面筛选+大盘择时」三层过滤，捕捉短期强势且估值合理的小市值标的，同时规避极端市场风险。

二、股票池筛选

• 范围：主板、创业板，排除科创板、北交所
• 过滤：剔除ST

湘财证券开通账户

==没有湘财证券账号的，请扫下方二维码开户==

湘财证券实盘权限开通

1. **湘财

在交易市场，最令散户崩溃的逻辑悖论莫过于：明明我买入后上涨的概率高达 90%，为什么复盘时的总资产却在不断缩水？你眼看着一个个账面浮盈变成了惨烈的套牢，甚至在连续盈利九次后，仅靠一次暴跌就回到了解放前。

事实上，你对“胜率”近乎偏执的追求，正是你亏钱的根源。在职业交易员眼中，赚钱的关键从不在于你“

作为在BigQuant上做量化策略研究的个人交易者，我深知高质量历史数据是策略回测的基础。早些年做因子回测时，我试过自己爬数据、导入CSV，结果踩了无数坑：数据不全导致回测样本不足，复权错误让因子表现完全失真，对齐多股票数据时效率极低，一个简单的多因子回测要折腾好几天。

那时候我在BigQuant

简介

BigTrader 是 BigQuant 推出的专业级量化交易引擎，主要用于策略在历史数据中回测撮合。BigTrader采用 C++ 核心实现，并提供 Python API 接口和回调函数。它为量化投资者提供了一个全面的交易解决方案，无论您是初学者还是专业投资者，都能轻松上手使用。

在量化策略开发过程中，行情数据的稳定性、时效性与标准化是策略回测、实盘运行的核心基础。此前在开发美股、外汇相关量化策略时，曾长期受困于爬虫取数掉线、数据格式混乱、更新滞后等问题，即便策略逻辑再完善，也会因数据问题导致回测失真、实盘执行受阻。而__[AllTick API](https://allti

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 年度旗舰版 专有。

插件下

直播回放地址：https://bigquant.com/college/83307ef1-cff1-4ead-a9d5-51c6fd28522a

{{pro}}

https://bigquant.com/codesharev3/06506366-a86d-482f-a04d-20

视频回放：https://bigquant.com/college/4419ca89-a5ac-4e20-b6a8-9f4d9c45755b?activeTab=strategy

{{pro}}

[https://bigquant.com/codesharev3/e7bd5fdd

引言：当“大而美”涨不动了，我们的机会在哪里？

各位投资者朋友，如果你觉得最近的市场有些乏味，甚至感到某种“滞重感”，这很正常。指数在4000点大关附近已经横盘震荡了半年之久，这种久盘不动的局面让许多习惯了单边行情的投资者感到无所适从。

最让大家焦虑的困惑莫过于：为什么第一波行情中那些涨

作为深耕量化交易的你，在搭建外汇自动交易策略或实盘监控面板时，数据的实时性与准确性直接决定策略盈亏。你需要为高频交易提供稳定的行情数据源，既要快速加载历史回测数据，又要保证实盘Tick数据无延迟推送。

你的核心需求：为个人量化体系搭建低延迟、高稳定的外汇数据通道，适配多币种并发监控，同时降低数据接

回测的目的是模拟真实交易环境，验证策略在历史数据上的表现是否具有统计意义，而不是通过优化历史数据找到"完美曲线"。一个好的回测应当：正确处理时间顺序（避免未来函数）、覆盖完整的市场环境（包含退市股票）、设置合理的成本假设、并通过样本外数据最终验证。

**本文将从四个维度帮助你构建可靠的回测

![](/wiki/api/attachments.redirect?id=4c913689-3af4-47af-aec0-f8a2bd830