“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
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
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.
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
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
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
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。
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
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
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
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 与成交量(VOLUME)的负相关性表示这种股市“冷场”现象。
这个是三级行业的,正好缺一个二级行业的日频数据。虽然能自己合成,但是不想自己合成哈哈
由bqv93dy2创建,最终由bqv93dy2更新于
由ccy9291创建,最终由bqv93dy2更新于
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
由bqv93dy2创建,最终由bqv93dy2更新于
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。
由bq0m8rec创建,最终由bq0m8rec更新于
\
由bqv93dy2创建,最终由hxgre更新于
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
/【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
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
{{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
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。
由bqopniu创建,最终由bqqhrlj9更新于
![](/wiki/api/attachments.redirect?id=294ccdd2-08ab-4
由bq0m8rec创建,最终由bq0m8rec更新于
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