交易成本

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/57ue5zci5lyy5yyw5qac6lw-LvaK2l8nla

[https://bigquant.com/experimentshare/a65ee754dc984929afffd7614437348c](https://bigquant.com/experimentshare/a65ee754dc9

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

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

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

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

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

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

\

https://bigquant.com/experimentshare/674ea5c045844e0fa032173cbc230f4e

\

\

https://bigquant.com/experimentshare/665da325d93a48c397f0fe70abdca825

\

https://bigquant.com/codeshare/c60cd6a5-e600-4bd6-b9aa-1b2759e0d18d

\

如标题

上图为买入twap1 卖出为twap8时候的持仓比率

下图为买入open 卖出close时候的持仓比率 请问这是哪里的问题？

![{w:100}](/wiki/api/attachments.redirect?id=9b51f825-7d67-4158-a063

分钟周期股票策略，为什么不能成功运行？

https://bigquant.com/experimentshare/741036f7177146a496561a04f8b40872

\

回测如何设置一次全仓买入一只股票

研报：

{{membership}}

LLT低延迟趋势线择时交易模型研究

https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5

LLT低延迟趋势线择时交易

[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/

\

Generative Adversarial Networks for Financial Trading Strategies Fine-tuning and Combination

作者：Adriano Koshiyama, et al.

出处：Quantitative Finance, 2020-09-01

摘要

系统交易策略是分配资产以优化特定绩效的算法程序。为了在竞争激烈的环境中获得优势，分析师需要适当地微调策略，或者发掘如何通过创造新的alpha以组合弱信号。已经有多种方法对微调和组合这两个方面进行了广泛研究，但是新兴技术，例如生成对抗网络，也会对这些方面产生

摘要

传统多因子选股

在国内A股市场，传统的多因子量化选股模型得到了广泛的应用，在实际表现中，传统的多因子模型在过去几年中也表现出较为稳定的超额收益率。但随着传统多因子模型应用越来越广泛，历史长期有效的因子逐渐失效，对新因子的挖掘提出了迫切的需求。

新因子挖掘

传统的因子指标挖掘主要集中于财务报表、个股中低频率的价量等相关的数据维度，而这部分数据维度的增量价值的挖掘已逐渐饱和，需从其他新的数据维度中挖掘新的因子指标，本篇报告从个股日内高频数据出发尝试挖掘出新的因子指标

基于高频数据因子的策略构建

基于个股日内高频数据，构建了已实现波动（Realized

摘要

国内外发展情况

起源于1975年，美国股票市场推出了股票组合的自动化交易二十世纪90年代，计算机的快速发展使电子化交易取得了突破性进展二十一世纪以来，一些大型金融软件服务机构开发的交易平台使得中小型投资者也开始进入算法交易领域国内尚处于萌芽阶段，主要是一些公募基金在使用，集中在传统的套利交易和投机交易上，但未来有广阔的提升空间

为什么选择算法交易

优点

减小市场摩擦，有效降低交易中的冲击成本

提高交易执行的效率，降低人力成本

避免由于人的不理性而出现的一些非正常交易

对于大规模的交易而言，可以隐藏自己的交易行为为什么选择算法交易

**主流策略

报告摘要

研究背景

被动管理基金通常密切复制跟踪指数的投资组合。完全复制指数策略在很多情况下由于指数权重变化产生的股票交易成本，以及较小权重股票的流动性成本，导致成本高昂。部分指数复制的方法能够极大降低交易和流动性成本，因此在实践中被普遍使用。

部分复制指数方法介绍

简单选择：根据特定选择标准对成分股排名，选择排名最高固定数量的成分股构建组合，缺点是可能无法完全复制指数。优化选择：通过解决具有条件约束的优化问题来选择跟踪投资组合中的资产，缺点是模型复杂并且计算量很大，可能包含冗余资产。覆盖指数结构：通过分层抽样和分层聚类等方法选择资产来模拟指数结构，缺点是

摘要

不同因子类型的逻辑与特性有很大差异，适合的调仓周期也未必一致。本文运用数据挖掘的方式从量价类数据中挖掘短周期因子，并测试不同交易成本与调仓周期对短周期因子收益能力的影响。最终构建短周期因子选股组合。

多维数据特征下，利用遗传规划原理批量生成因子。底层数据上除了基本的量价数据特征以外，运用高频数据构造了买卖交易标值、买卖成交量比值等更多数据特征。并利用遗传规划原理挖掘有效日频量价技术因子。

通过相关性检验筛选因子池并进行单因子测试。通过相关性测试剔除相关性过高的因子，将最终通过相关性测试的17个因子定为短周期因子池，简称短周期Alpha17。短周期Alpha17因子池内因子平均

摘要

文献来源：Dopfel, Frederick E., and Ashley Lester. "Optimal blending of smart beta and multifactor portfolios." The Journal of Portfolio Management 44.4 (2018): 93-105.

推荐原因：随着机构投资者增加对smart beta基金的配置，以及多因子投资方法带来的复杂性提升，投资者们需要一个smart beta产品组合的配置指引。在设计一个多样化和高效的投资组合时，需考虑到因子的偶发性敞口和特殊敞口。因此，本文开发了一个标

因子分析完后，有多空组合，这个怎么套用来选股呢？