惊喜彩蛋

RSI因子也能做指数增强策略。

因子原理

RSI是一个用来判断股票或其他资产是否被过度买入或过度卖出的指标。想象一下，如果你在商场里看到一件衣服，大家都在抢购，价格已经涨到天上去了，那这件衣服就“过度买入”了。同样的道理，如果没人关注某个打折的衣服，甚至都没人想买，那它就“过度卖出”了。

RSI的计算方式有点复杂，它是根据一定时间内的平均涨幅和平均跌幅来计算的。具体来说，我们通常用14天的时间框架来做计算。

1. 计算平均涨幅：在14天内，所有上涨的日子，取它们的涨幅的平均值。
2. 计算平均跌幅：同样，在这14天内，所有下跌的日子，取它们的跌

数据定义

以下涉及到的流数据暂未开放，后期我们会为大家提供流数据获取服务。

构造这个因子需要用到的数据的表格形式如下:

首先我们求出截面净委买比例：

最后将分钟内的截面净委买比例求平均即可得到时间加权的净委买比例，所以这

问题

每日涨停/跌停数，每日上涨股票数等情绪指标如何构建和使用？

视频

[https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240

策略案例

https://bigquant.com/experimentshare/44df09d365584c4b9874df99f5f69c4f

\

问题

有筹码分布指标吗

视频

https://www.bilibili.com/video/BV1Yu411X7C2/

策略源码

筹码理论的探索-筹码分布计算的实现

量化交易是利用数学模型和算法交易的方法，依赖于精确的数学模型和计算机算法来分析市场数据，并在合适的时机进行买卖。

对于散户来说可以通过自动化量化分析及交易减少人为情绪对交易决策的影响。

通过BigQuant量化平台系统可以分析大量历史市场数据，提升投资抉择效率，还可以使用多种组合量化因子降低投资风险。

散户在选择量化交易平台时，需要考虑选择知名度高、安全性好的平台，以确保平台的声誉和可靠性。

同时，平台

**概念定义：**一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法。

**应用范围：**一般包括股票、期货、外汇和衍生品等金融市场；

**主要原理：**依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据，用以识别市场趋势、估值、波动性等关键因素；使用复杂的数学（包括统计学、概率论、机器学）模型来分析数据和预测市场行为，并通过计算机算法预设的规则和模型自动执行交易。（文末含量化核心资源）

核心工具

数据分析

历史数据分析：通过分析历史价格、成交量等数据来预测市场趋势。

实时市场数据：收集实时交易数据，对市场

基本概念

量化金融数据是量化投资的基石，它包括各种类型的数据，用于支持交易决策、风险管理和投资策略的开发。

量化金融数据类别

1. 市场数据

   1. 价格数据：包括股票、债券、期货、期权、外汇等各类金融资产的历史和实时价格。
   2. 交易量数据：显示特定资产在特定时间内的交易量。
   3. 成交数据：包含成交价和成交量的详细信息。

2. **基本

量化交易软件是一种专门设计用于执行量化交易策略的软件工具，广泛应用于金融市场。这种软件使投资者能够运用数学和统计方法，自动化地进行交易决策和执行。（tips：文末含所有量化交易软件平台入口及核心工具）

概念

量化交易软件基于预设的算法和模型，进行市场分析、决策制定和交易执行。它通常包括数据分析、模型构建、回测、风险管理和自动化交易等功能。量化交易的核心是将投资策略数学化，使交易过程标准化和

不会代码也可以使用量化工具提升投资效率和收益概率的。

今天简单介绍下量化交易如何快速入门。

量化交易是什么意思

量化交易是一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法，应用范围一般包括股票、期货、外汇和衍生品等金融市场。它主要依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据，用以识别市场趋势、估值、波动性等关键因素。

量化交易者可以通过使用复杂的数学（包括统计学、概率论、机器学）模型来分析数据和预测市场行为，并通过计算机算法预设的规则和模型自动执行交易。

![量化交易平台](/wiki/api/attachments.redirect?id=05

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/kdj-G3FwA503g3

https://bigquant.com/experimentshare/5da939bdc60c45e8879e03b3e71c654e

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

摘要

我们从Carry收益的分解以及相关Carry收益的理论研究出发，通过Carry收益公式、持仓成本理论以及对冲压力假说等方面，阐述了投资者在不同期限结构下应做的交易决策︰当主力合约价格低于次主力合约，做多主力合约，反之，当主力合约价格高于次主力合约，此时应做空主力合约。我们将Carry收益由高到低排序分为5档进行测试，发现Carry收益与策略夏普率呈现单调的负相关性。Carry收益越高策珞夏普率越低，反之Carry收益越低策略夏普率越高。因此我们使用Carry收益最低一组作为多头组合，Carry收益最高一组作为空头组合，并以此形成Carry基础策略。Carry基础策略年化收益率11

摘要

维基百科与股价变动

金融危机源于一系列灾难性行为的综合作用，而庞大的股市数据能为理解促成这些危机的某些行为提供新的视角。是否可以基于投资者做出股票交易决策前从网上搜集的信息，预测其交易行为。文献中提供的证据支持了这个猜想，即Wikipedia中金融相关页面被浏览的频率变化数据，可能可以预示股市的波动。结果表明，网络流量数据可能为文献中探究投资者决策初期如何进行信息收集提供新的视角。

正文

[/wiki/static/upload/bd/bdc5d07f-dd2c-4299-a982-f41ddde1b487.pdf](/wiki/static/upload/b

我通达信里面有买入条件筛选，有买入条件筛选。请问如何讲这些条件放到bigquant呢？具体放在那里呢？

一、关于FinRL

目前，深度强化学习（DRL）技术在游戏等领域已经取得了巨大的成功，同时在量化投资中的也取得了突破性进展，为了训练一个实用的DRL 交易agent，决定在哪里交易，以什么价格交易以及交易的数量，这是一个具有挑战性的问题，那么强化学习到底如何与量化交易进行结合呢？下图是一张强化学习在量化交易中的建模图：

![Image{w:100}{w:100}](https://mmbiz.qpic.cn/mmbiz_png/7QjhbM6s2ZEJsmKULk0WMwzY5RBd1DX0dQntUdHhObZjBias4ic9QZIBqxWGrWQyesc4C18MU6