“订单簿的温度”系列研究(一):反转因子的精细结构-东吴证券

摘要

观点

A股市场是订单驱动型市场。从动力学的角度讲,股票行情的所有演化过程,都能由订单簿(order book)自下而上精确决定。逐笔成交与逐笔委托数据的信息量非常丰富。本系列研究取名为“订单簿的温度”,旨在分享我们在逐笔数据层面的研究心得。

作为“订单簿的温度”系列研究的第

由small_q创建,最终由bqv93dy2更新于

ETF核心资产动量轮动

这个策略的核心是通过动量效应和资产轮动实现收益,同时加入了风险控制机制降低波动,我将从基础投资原理开始为大家拆解我在设计该策略时的逻辑.

一 基础投资原理:策略设计逻辑

1.动量效应

定义:资产的价格趋势具有持续性 —— 过去一段时间表现好的资产,未来一段时间往往继续表现好;过去表现

由bqy4a9le创建,最终由bqv93dy2更新于

BigQuantsdk应用场景

获取数据

获取数据平台的数据到本地:

from bigquant.api import strategy, user, run, dai

# 用户登录(所有业务都需要进行登录)
user.login(username='xxxxxxx', password='xxxxx

由bq7zuymm创建,最终由bq7zuymm更新于

策略分享-牛市高盈利小市值策略

一、引言

在 A 股市场里,小盘成长股凭借灵活的经营模式、对新兴机遇的敏锐捕捉,往往蕴含着爆发性的增长潜力,但也因抗风险能力相对弱、业绩波动大,给投资决策带来挑战。本次分享的量化策略,聚焦通过多维度财务与市值指标筛选优质小盘成长股,结合定期调仓机制,力求在控制风险基础上,挖掘小盘股的

由bq9e696k创建,最终由bq9e696k更新于

BigQuant终端本地SDK使用文档

本文件提供 BigQuant Python API 的使用说明,包括用户管理、策略运行、策略查询等功能。

安装包

首先需要手动下载并安装如下的 wheel 包

[bigquant-0.1.0.post102+g48d7956-py3-none-any.whl 62998](/wiki/a

由qxiao创建,最终由bq7zuymm更新于

筹码集中度

在股市的波澜壮阔中,筹码集中度宛如一座神秘的灯塔,照亮着投资者前行的道路。它不仅是一个冰冷的数据指标,更是市场情绪与资金流向的细腻诠释者。当我们深入探索筹码集中度时,仿佛是在解读一本关于市场智慧与人性博弈的厚重书籍。每一个百分点的变化,都承载着无数投资者的希望与梦想,每一次波动的背后,都隐藏着市场脉

由qxiao创建,最终由bqv93dy2更新于

优秀策略分享——数据标准化策略

影响策略效果的因子有很多,每个人所选择的因子也各有不同,选取因子后,如何分析数据,找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分,本文介绍,如何简化数据分析的工作:数据标准化处理


举例说明:

当天收益因子:5000支票,可能会有1000+个不同的值,如:1

由bqpguj9o创建,最终由bqpguj9o更新于

c_neutralize使用问题


你好,请问一下, 为什么第一个c_neutralize有对数第二个c_neutralize_resid没有对数。是因为第一个会在函数内实现对数计算吗? \n并且好像c_neutralize_resid对残差结果进行了标准化\n这两个方法的描述不够清楚 ![](/wiki/

由william_gan创建,最终由william_gan更新于

【数据建议】【集合竞价表】

1. 可以增加未匹配的金额吗(9点25分的tick)?2. 这个数据需要早盘更新,不能是下午17点

%%sql
select
    date,
    instrument,
    open_auction_order_volume	as	竞价总委托量,

由bqv93dy2创建,最终由bqv93dy2更新于

量价背离因子

因子逻辑

量价背离是指股价与成交量的变化出现了“分歧”。当股价或指数在上升时,成交量减少,通常表示市场可能在隐约传递不好的信号。可以用“成交量加权价格”(VWAP)与成交量(VOLUME)的负相关性表示这种股市“冷场”现象。

![](/wiki/api/attachments.redire

由bq6xpbvc创建,最终由bqv93dy2更新于

建议完善回测结果接口API

如下图,目前平台的回测可视化做的非常好, 但是暂不提供简单的获取策略收益概况的API。举例来说,请BigQuant考虑实现以下接口

def get_performance_metrics(metrics: str, start_date: str|datetime, end_date:str|da

由bqh4b3bk创建,最终由bqv93dy2更新于

0826问题答疑

本文档为2025训练营问题答疑


{{plus}}


问题1:在做万老师机器滚动训练的时候有一些确证的因子(市值、动量等近期显著表现因子)不管是在线性还是xgboost上学习都学不出结果,R方为负,拉长周期亦然,有点不知所措。



问题2:因子分析的各个参数IC,IR等关键指标的解读,

由small_q创建,最终由small_q更新于

策略分享-基于Z-score的风险平价动态止损ETF 选基策略

0. 策略名词解释:

(1)风险平价(Risk Parity)

风险平价是一种资产配置方法,其核心思想是根据各标的的风险水平来分配权重,而不是简单按照资金比例分配。

  • 基本原则:波动率高的标的在组合中的权重较低,波动率低的标的权重较高,从而实现整体组合的风险均衡。

由bq0m8rec创建,最终由bq0m8rec更新于

kyle_作业

存档_1:学习老韵作业\n1️⃣ 这段代码在做什么

用横截面“分位数因子”训练一个轻量 XGBoost 回归器,每 60 个交易日重训,毎 5 日调仓,按预测分数等权买入 Top10。\n同时在每次训练后记录 MSE/MAE/R²/IC 与特征重要性,回测结束把训练历史与绩效打包保存

由bqmu1wjw创建,最终由bqmu1wjw更新于

陈雨的作业8月8日

/【1】因子更重要?还是模型更重要?

答:结论是因子稍微重要一点。

可以把“因子”和“模型”想象成做菜时的“食材”和“厨艺”:

食材(因子)决定上限

厨艺(模型)决定能否发挥因子的正常性能。

二者缺一不可,但在不同阶段权重不同

• 早期探索:先找好食材(因子)> 追求高级厨艺(好的模型)

由bqtzejx8创建,最终由bqtzejx8更新于

2025年最好用的A股实时行情数据API推荐

在金融科技高速发展的 2025 年,随着量化交易、智能投顾等应用场景的爆发式增长,A 股实时行情数据 API 的选择成为开发者与金融机构的核心竞争力。面对市场上参差不齐的解决方案,iTick凭借其免费、实时、易用、易对接、品类丰富的独特优势,成为 2025 年 A 股实时行情数据 A

由bq3b8uvh创建,最终由bqv93dy2更新于

大类资产择时策略_0822直播



{{pro}}



[https://bigquant.com/codesharev3/ea5fd712-0f5c-4cbc-a535-731af4289368](https://bigquant.com/codesharev3/ea5fd712-0f5c-4cbc-a535-731a

由small_q创建,最终由small_q更新于

什么是自动交易

自动化交易是一种利用自动化系统执行交易订单的方法,速度更快。凭借你在交易领域的专业知识,你可以将交易方法自动化,而不是手动执行交易。在这篇博客中,你将了解有关自动化交易方法的一切,并开始学习如何入门。

内容大纲

  • 什么是自动化交易?
  • 自动化交易的历史
  • 自动化交易的工作原理

由bqopniu创建,最终由bqqhrlj9更新于

BigTrader 量化交易引擎(回测)

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。

由qxiao创建,最终由qxiao更新于

分页:第1页第2页第3页第4页第5页第6页第7页第8页第9页第316页
{link}