1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）.。

连续3日收盘价高于5日均线，且当前价格比过去20日最低点高出不超过10%

当日成交量需超过过去10日平均成交量的1.2倍。

15%止盈；高点回撤超过8%止损。

2、在看完从0-1开发量化策略之后，请自己总结一下量化策略开发的主流程。

观察因子，对因子进行ICIR分析，挑选有效因子进行相关性筛选，挑选剩余的因子进行线性回测，对不错的组合进行大盘风控优化，尝试模拟实盘，实盘

策略案例

https://bigquant.com/experimentshare/0b04060b41be4c89b38adc02d2bd73a4

\

https://bigquant.com/codesharev2/015fed49-2b7a-46e0-b20a-a1b15e739164

\

MeetUP直播答疑 时间：3月28日（周四）19:00 直播地址：B站（https://live.bilibili.com/21929948）

以下问题解答，对应源码请访问子目录， 本次MeetUP 直播答疑大纲如下：

\

一、因子分析中的行业因素

1. 如何构造板块因子或行业因子？
2. 行业间涨跌的相关性，对于行业的划分颗粒度和行业

因子组合

• 为什么因子IC、IR好，SR表现变差？
• 为什么SR好的因子组合后SR变差？如何提升因子组合表现？

SMA计算

• 如何以同花顺、通达信的计算方式在bigquant计算SMA指标？

文寅斐老师专属邀请码：o9ipry

使用此邀请码开通plus会员立减100元，赠送10000宽币

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👇👇

![](/wiki/api/attachments.redirect?id=151a5956-b72c-4b0b-ba0c-9a0d9ea9f8b4

此为0527Meetup直播策略讲解，视频详见2021-AI量化Meetup导览

https://bigquant.com/experimentshare/edab29d0ffad4e039a9c1f5fed1fa870

\

在因子分析中加入行业、板块、或者其他类型的对股票分组的方式，有两种思考方式：

• 一种是直接将这种因素当作一种分组方式
• 一种是在因子分析中，不按照因子值进行分组，而是按照行业或板块进行分组，看因子值在这些组内的IC

\

1. 使用行业或板块将全市场股票分组

第一种研究方式就是将全市场股票，按照行业或者板块分组，研究每组的累计收益率，本质上来讲就是把行业或板块当作了因子

[https://bigquant.com/codeshare/2381cb8d-362e-425a-a24b-620c46555bf8](https://bigquant.com/codeshare/238

选取了IC较高的因子后，如何合成一个策略，一般步骤是什么

在因子开发研究完之后，选取了|IC|较高的几个因子后，一般如何合成一个策略，即在工程方法论上的一般步骤是什么？比如应该如何选择哪些模型进行合成（树模型or深度学习模型，是否有规律），分别是否都必须在训练前进行特征工程的处理再训练（去极值、中性化去除相关性），比如是否需要探查各个因子的相关性（如果多个因子存在一定的相关性，一般相关度大于多少需要进行处理，是否需要逐对特征两两取残差）

\

“水中行舟”研报如何用dai的SQL方式来实现？

方正的==“水中行舟”研报==中提到“取市场上所有股票在当日“不分化时刻”的成交额序列

2021年4月22日Q1&Q2问题：

策略案例

https://bigquant.com/experimentshare/d50c07db9f7f45168dd745027c04b6d8

\

问题

如何提取除了主成分分析以外比较重要的因素？

视频

https://www.bilibili.com/video/BV16L411u7sw?share_source=copy_web

\

目前平台提供新版的因子分析模块, 请移至bigalpha

7月30日Meetup 模板案例：

策略案例

https://bigquant.com/experimentshare/b83f6a9c950a43a595d41f1d911dcaca

\

旧版声明

本文为旧版实现，仅供学习参考。

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

新版因子分析代码：

https://bigquant.com/wiki/doc/5zug5a2q5yig5p6q5luj56cb-Od7rjBTNDQ

策略案例

[https://bigquant

【此文档为旧版】 相关新版文档参考：

https://bigquant.com/wiki/doc/ai-rq8QOC2fDb

策略案例

https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883

\

策略案例

https://bigquant.com/experimentshare/fd15bfc0f9d94a11b060f13685aa5591

\

https://bigquant.com/codesharev3/b035814c-2276-4fdd-b7b5-9265d1011133

\

导语

平台已经整理好新旧因子对比，可以在基础特征抽取里面直接抽取。

A股

量价因子

大家在提交之前务必要在cpt_jyc_2025_stock_csi1000_bar1m上使用因子分析工具来查看。 如果在该数据集上无法展示因子分析绩效, 那么提交后也不会产生分数!

机器学习模型训练失败

经过这几天的跟踪, 有一部分的比例是因为使用了机器学习模型导致无法出得分, 此时需要各位检查一下机器学习是否预测成功。可能存在以下原因导致无法出结果:

1. 训练数据中存在缺失值导致损失为NaN:

针对这种情况，请大家

核心逻辑:

捕捉日内价格动量方向性与成交集中度的结合,衡量资金推动价格的有效性。

计算步骤:

1. 动量分解:

- 正向动量 = 上涨分钟的成交量加权收益

- 负向动量 = 下跌分钟的成交量加权收益

2. 动量偏度: (正向动量占比 - 0.5) 表示多空力量不对称性

3. 成交特征:

- 成交量集中度 = 最大分钟成交量 / 平均成交量

- 平均成交规模 = 总成交量 / 总成交笔数

4. 波动率归一化: 用加权波动率和VWAP标准差归一化,剔除高波动噪音

因子含义:

• 高值: 上涨时成交集中、大单

我们可以使用现有模块M.factorlens._latest来评估我们的因子:

https://bigquant.com/codesharev3/3aac6e7b-74ec-4d51-b659-8b61cedb7f15

\