选股策略

从金融角度看,选股策略是投资者在复杂多变的市场环境中,为追求收益最大化并降低风险而精心构建的一套指导原则。成功的策略首先要求投资者对宏观市场有深刻的把握,了解政策、经济周期以及国际形势对市场的影响。其次,对行业趋势的洞察也至关重要,包括技术进步、消费者需求转变以及竞争格局等因素。在个股层面,投资者需关注公司的基本面,如财务状况、盈利能力和成长潜力,同时也要考虑股票的估值水平和市场情绪。综合运用这些信息,投资者可以制定符合自身风险承受能力和投资目标的选股策略,进而在动态的市场中抓住机遇、规避风险,实现资产的长期稳健增长。

强有效因子下的线性模型选股策略

备注:本策略含有未开放的数据,故克隆之后无法运行。

{{membership}}

https://bigquant.com/codeshare/b6e80d6b-f5e0-4778-97cf-77fcadb7b488

\

更新时间:2024-06-07 10:55

多因子选股如何筛选有效因子

问题

多因子选股如何筛选有效因子

回答

参考研报:

  1. 多因子系列之一:华泰多因子模型体系初探-华泰证券-20160921
  2. 多因子系列之二:华泰单因子测试之估值类因子-华泰证券-20160929

因子分析参考:

  1. [因子分析](https://bigquant.com/wiki/doc/yinz

更新时间:2024-06-07 10:55

108-市收率策略

策略介绍

本策略是104选股策略(🌟104-选股策略)模板的具体应用。

由于公司利润变化较大,而且依赖于会计准则、研发投入、设备更新投入等因素,难以正确反映公司的经营状况,而销售收入更加稳定,在不同的行业之中也有更好的可比性。在1984年。费雪提出了市收率因子(PS)选股方法,在费雪看来,低市收率公司存在被低估的可能。因为低市值和高销售收入都会导致这个指标的值比较小,而两者分别表示了市场还没有意识到股票的价值,以及企业的运营情况好于大家的预期情况,这一指标被广泛任务是选股的核心方

更新时间:2024-05-29 09:34

107-股息率策略

策略介绍

本策略是104选股策略(🌟104-选股策略)模板的具体应用。基本逻辑是股息率较高的公司能够持续支付较高的现金股息,这通常意味着这些公司拥有较为稳定和可预测的现金流。投资者通过持有这些股票,可以获得相对稳定的股息收入,这在市场不确定性较高时尤其有吸引力;此外,从价值投资角度来看,高股息率股票往往被视为被市场低估的价值股。价值投资者认为,这些股票的市场价格低于其内在价值,因此具有上升潜力。随着市场对这些股票估值的修正,除了股息收入外,投资者还可能获得资本增值;当然,股息率高可

更新时间:2024-05-29 09:10

某个模块查看结果时执行的m.data.read()函数可以输出完整的表格吗?

在知识库/策略模板/Demos中的104选股策略项目中M4模块输出的结果只有显示前5行和后5行。 有什么方法可以输出完整的表格12910 rows × 5 columns

\n吗?



https://bigquant.com/codesharev2/92fa19f0-1722-492f-a08b-a634738ea5e0

更新时间:2024-05-28 16:20

Stockranker评分的另类用法

策略逻辑

Stockranker是专为选股量化而设计的机器学习算法,其选股思路是根据训练得到的模型,计算股票池中股票的当日评分,根据评分对股票池中的股票进行排序,排序靠前的股票就是当日选出的股票。

这种选股逻辑意味着不论股票的评分是多少,只要排序靠前就能被选中。实际上排序靠前股票的评分有不小差距。而评分反应的是股票的投资价值,评分高表明该股票的投资价值高,评分低表明该股票的投资价值低。因此排序算法仅能反应当天的相对投资价值,也就是矬子里面拔将军,不能反映股票的绝对投资价值。

而评分则不一样,他反应的是股票的绝对投资价值,也就是把股票的投资价值量化了。 本策略的逻辑就是根据评分来选股。

更新时间:2024-05-24 10:57

124-行业轮动的基本面选股策略

策略原理

行业轮动策略是一种量化交易策略,它依赖于在不同行业之间进行资金分配,以期捕捉市场趋势和行业表现的周期性变化。 从名字即可看出,经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业,因此我们如果能布局这些行业并定期轮动调整,那会取得还不错的投资效果。

本策略是曾经在社区里的一个策略复现而来,策略链接为:

https://bigquant.com/wiki/doc/v10-uKB4qr0ITq

本文在之前的基础上有一些优化,从后文的回测结果上看出,优化后的版本效果更好,

更新时间:2024-05-23 07:30

122-潜力股策略

策略介绍

  • 101-简单动量策略 基础上,我们来实现一个更完整的选股策略模版
  • 此策略可以作为一个选股和线性策略的常用模版使用

策略流程

  1. 选股:选择基础股票池

  2. 打分:对股票打分

  3. 仓位:根据打分和持股数量分配仓位

  4. 回测:设置调仓周期和买卖点等,回测查看效果

    \

策略实现

A股-基础选股模块

  • m1 选股,使用 A股-基础选股 模块,剔除创业板,科创板和北交所,下拉还可以按照申万行业、融资融券等基本条件进行筛选。

更新时间:2024-05-23 07:30

🌟104-选股策略

策略介绍

  • 101-简单动量策略 基础上,我们来实现一个更完整的选股策略模版
  • 此策略可以作为一个选股和线性策略的常用模版使用

策略流程

  1. 选股:选择基础股票池
  2. 打分:对股票打分
  3. 仓位:根据打分和持股数量分配仓位
  4. 回测:设置调仓周期和买卖点等,回测查看效果

策略实现

A股-基础选股模块

  • m1 选股,使用 A股-基础选股 模块,剔除掉北交所以及ST的股票,下拉还可以按照申万行业、融资融券等基本条件进行筛选。

![

更新时间:2024-05-23 03:28

多因子选股策略-股票日频

https://bigquant.com/codesharev2/38796752-ff42-45ed-a9c9-1fcf0649c04e

\

更新时间:2024-05-20 10:04

多因子选股策略-股票日频

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

更新时间:2024-05-20 10:04

用线性-回归算法实现A股股票选股

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

更新时间:2024-05-20 07:17

lightgbm多因子选股

旧版声明

本文为旧版实现,仅供学习参考。

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


预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

更新时间:2024-05-20 06:21

用线性随机梯度下降-分类算法实现A股股票选股

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

更新时间:2024-05-20 02:15

基于SVM支持向量机模型的选股策略

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

更新时间:2024-05-20 02:09

基于LSTM模型的智能选股策略

旧版声明

本文为旧版实现,供学习参考。

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

\

导语

这是本系列专题研究的第五篇:基于长短期记忆网络LSTM的深度学习因子选股模型。LSTM作为改进的RNN(循环神经网络),是一种非常成熟的能够处理变化的序列数据的神

更新时间:2024-05-20 02:09

用StockRanker算法实现A股股票选股

旧版声明

本文为旧版实现,仅供学习参考。

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

策略案例

https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec

\

更新时间:2024-05-20 00:50

用梯度提升树-分类算法实现A股股票选股

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

更新时间:2024-05-17 10:35

StockRanker多因子选股策略

StockRanker多因子选股策略

https://bigquant.com/experimentshare/1b8882bded4c4127a6c6edc792af662d

\

更新时间:2024-05-17 02:33

TALIB指标选股策略

TALIB指标选股策略的交易规则

买入条件:满足

  1. 今日开盘价大于昨日收盘价;
  2. 5日收盘价均线大于10日收盘价均线的股票按PE升序排名取前十名,次日以开盘价买入; 买入后,如果5日收盘价均线小于10日收盘价均线,则次日以开盘价卖出。

策略构建步骤

  1. 确定股票池和回测时间 通过证券代码列表输入要回测的单只/多只股票,以及回测的起止日期
  2. 确定买卖条件信号 在输入特征列表m1中通过表达式引擎定义 close_0 因子,并通过基础特征抽取模块m7获取数据; 在自定义模块m10中利用talib库计算macd相关技术指标,通过前移1天macd指标来实现当日收

更新时间:2024-05-16 09:59

TALIB指标选股策略

TALIB指标选股策略的交易规则

买入条件:满足

  1. 今日开盘价大于昨日收盘价;
  2. 5日收盘价均线大于10日收盘价均线的股票按PE升序排名取前十名,次日以开盘价买入; 买入后,如果5日收盘价均线小于10日收盘价均线,则次日以开盘价卖出。

策略流程

  1. 股票过滤:剔除ST、停牌股、北交所
  2. 筛选条件:上市天数大于270,收盘价小于30
  3. 信号设定:对符合买入条件(今日开盘价大于昨日收盘价;5日收盘价均线大于10日收盘价均线的股票)的股票设定买入信号,对5日收盘价均线小于10日收盘价均线的股票设定卖出信号,并按照总市值升序排列
  4. 交易设定:开盘买入,开

更新时间:2024-05-16 09:28

【历史文档】策略示例-用梯度提升树回归算法实现A股股票选股

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

更新时间:2024-05-16 02:00

【历史文档】策略示例-用随机森林回归算法实现A股股票选股

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

更新时间:2024-05-16 02:00

【历史文档】策略示例-价值投资选股策略 v1.0

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

更新时间:2024-05-15 10:36

5条线连出一个价值选股策略

导语

本文简单介绍如何通过可视化的方式开发出一个价值选股策略。

标题也许看着有点蒙,什么意思呢?其实就是通过5条线连接的几个模块就能开发出一个简单的价值选股策略。我们先来看看策略截图。

策略思想介绍

该策略一共包括:证券代码列表、输入特征列表、基础特征抽取、数据过滤、Trade(回测/模拟)共5个模块。首先我们先介绍下策略的思想。

  • 开始日期:2013-01-01
  • 结束日期:2017-11-07
  • 选股依据:根

更新时间:2024-05-15 02:10

分页第1页第2页第3页第4页
{link}