70th Meetup

由small_q创建，最终由qxiao更新于2024-06-07 10:55 被浏览 115 用户

量化因子

有哪些构造反转因子的思路？

"反转因子"通常指的是一种预测证券价格短期内可能发生逆转的因子，即预测那些最近表现较差的股票在未来会表现得较好，而最近表现较好的股票在未来会表现得较差。

量价反转：5日收益率
技术反转：RSI，布林带
基本面反转：估值水平，扭亏为盈

如果最快速的判断一个因子是不是反转因子

因子构建思想
统计检验：如计算该因子与未来收益的相关系数，或者使用回归分析来评估该因子在控制了其他因素后对未来收益的解释能力。
极端行情下的表现

量化模型

量化策略与实盘

怎么打板买入股票？已经涨停的股票如何排进去？

以下是打板买入股票的一般步骤：

选择目标股票：选择有强烈上涨动能和潜力的股票，通常会关注近期强势股、热点题材股、或者有重大利好消息的股票。
分析技术指标：通过K线图、成交量、MACD、RSI等技术指标来分析股票是否具备继续上涨的条件。
监控涨停板：在交易日内密切关注目标股票的价格和成交情况，尤其是在接近涨停的时候。
买入时机：在股票价格接近涨停板时分析盘口情况，决定是否买入。一般来说，投资者会在股票价格即将触及涨停板时下单。
排队等待成交：因为涨停股票的买单远超卖单，需要排队等待成交。投资者需要耐心等待，并且要有可能无法买入的心理准备。
风险管理：打板策略涉及高风险，一定要预先设定好止损点，以控制可能的亏损。

对于已经涨停的股票，想要买入的话，一般只能排队等待有卖单挂出。反向思考：监控大量撤单，接近开板或已经开板后再决定是否排单还是打板。

程序员散户如何将策略对接券商程序化交易？

https://bigquant.com/wiki/doc/5a6e55uy5pon5l2c5pah5qgj-tfTr6gaSw2

量化工程师

策略工程师主要工作内容有哪些？

数据处理与分析：
- 数据获取：爬虫，第三方数据源。
- 数据清洗：处理丢失数据、异常值和重复记录，确保数据的质量和一致性。
- 数据转换：对数据进行规范化、归一化等操作，使其适用于后续分析。
- 数据探索：通过描述性统计分析、可视化等手段，对数据进行初步的探索，发现数据的基本特征和潜在的模式。
因子挖掘：
- 基本面因子
- 高频因子
- 另类因子
单因子分析：
- 回归分析：利用线性回归或其他回归模型来评估因子对股票收益率的解释能力。
- IC分析：计算信息系数（Information Coefficient, IC）来衡量因子排名和未来收益之间的相关性。
- 分层回测：将股票池分为多个基于因子值的组，分别回测每个组的性能。
策略研发：
- 策略构建：结合多个因子构建量化交易策略。
- 回测：通过历史数据对策略进行模拟交易，评估其历史表现。
- 参数优化：优化策略参数以提高其性能和适应市场的能力。
- 组合优化器
- AI非线形模型
实盘交易：
- 执行算法：开发和使用执行算法，以最小的市场冲击和交易成本执行交易。
- 订单管理：监控订单的执行情况，处理未成交订单和部分成交的订单。
- 资金管理：合理分配资金，控制交易规模和频率。
风险管理：
- 风险模型：构建风险模型来评估策略的市场风险、流动性风险等。
- 风险控制：根据风险模型的评估结果，制定相应的风险控制措施。
- 压力测试：对策略进行压力测试，评估极端市场情况下的表现。
持续优化与研究：
- 模型更新：定期更新模型和策略，适应市场的变化。
- 新策略研发：不断研究和开发新的交易策略。
- 学习与反馈：从策略执行和市场表现中学习，不断调整和优化策略。

PLUS优惠

谢豪老师专属邀请码：3a4vy6

使用此邀请码开通plus会员立减100元，添加小Q再领取300元优惠券，二者可叠加使用哦～

打开微信扫描下方二维码添加小Q👇👇