一、策略目标

本策略面向多只交易型基金（含跨市场品种），通过短期均线与中期均线的交叉信号实现择时交易：\n当出现趋势走强信号时进入持仓，当趋势走弱信号出现时退出持仓。策略目标是：

• 捕捉趋势行情：在上涨趋势中参与收益，在趋势转弱时及时离场；
• 降低回撤与震荡损耗：通过出场规则减少下跌阶段的持仓暴露；
• 多标的分散配置：对多只交易型基金同时执行择时，降低单一标的风险；
• 执行规则清晰：按交易日逐日判断信号并调整仓位，便于复现与实盘落地。

二、策略核心流程

1. 标的范围设定（多只交易型基金）

策略在固定的交易型基

债市小市值策略

1. 回测结果

2. 策略简介

以“低价格、低溢价率、低余额”为核心筛选可转债标的，通过15只均等分散持仓、每5个交易日纪律性调仓，在依托转债“债底保护”控制下行风险的同时，兼顾正股跟涨弹性与小规模标的的资金炒作活性，适合追求稳健收益的投资者，规避高价格、高溢价、大规模转债的常见亏损风险（如溢价压缩、弹性不足、债底失效）。

转股溢价率（Conversion Premium Rate）衡量的是可转债当前

策略介绍

该策略是一个质量投资策略，即基于公司质量指标选择股票

在这里，我们将质量因子（score）定义为盈利能力（Profitability） + 成长性（Growth） + 安全性（Safety）

• 盈利能力指标由资产毛利率GPOA，ROE，ROA，资产流动资金比CFOA，毛利率GMAR，应计项目情况ACC组成
• 成长性指标包含ROE同比增长、每股收益同比增长、毛利润同比增长、经营活动产生的现金流同比增长
• 安全性由中证1000指数的22日BETA系数、杠杆组成

策略流程

1.股票池过滤：剔除ST、退市、停牌股、北交所股票

2.筛选条件：上市天数大于270

{{membership}}

https://bigquant.com/codeshare/9a29b13f-6ebe-46a4-a131-c356aed54a36

\

问题

假设同样的label下，IC从0.04提高到0.06但是策略收益却没有明显提升，怎么看待这个现象，怎么处理能让Ic与收益强相关呢？

视频

[https://www.bilibili.com/video/BV1JV4y1J7cU?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1JV4y1J7cU?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086

{{membership}}

https://bigquant.com/codesharev3/7d0c2298-10d8-41cc-a929-9764193eeb68

\

1. 计算持仓成本：持仓成本可以认为是投资者买入股票的平均价格。可以通过每笔交易的成交价和成交量，加权求和计算每日的持仓成本。
2. 计算筹码分布：筹码分布是指在不同持仓成本下，投资者持有的股票数量。可以通过每日的持仓成本和成交量，计算出在不同价格下的筹码分布。
3. 构建筹码分布因子：基于筹码分布，可以构建各种筹码分布因子，如筹码集中度（即筹码分布的离散程度）、筹码稳定度（即筹码分布的变动速度）等。

策略源码：筹码分布

{{membership}}

[https://bigquant.com/codeshare/64d5f511-6e7a-4d7d-9c66-ddac

小白学习

小白如何学习？出现错误提示后，有没有好的解决方案，有没有专门对接的群？

机器学习/深度学习

1. 机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？
2. 目前股票策略中使用最广泛的机器学习和深度学习的模型有哪些？
3. 机器学习或深度学习策略回撤过高，该结合什么风险控制或择时策略比较好？
4. 如果使用深度学习或机器学习自动挖掘因子？
5. 使用深度学习模型时，总觉得泛化性能很差。加上一些提升泛化能力的手段， 比如正则、dropout等，好像没什么用。请问有没有什么较好的方法？

\

策略调优

1. 如何判断策略失效以及失效后的处理

7月30日Meetup 策略模板：

策略案例

https://bigquant.com/experimentshare/062a0182231e49f7996b0543e7acad48

\

问题

最近发现已有持仓里有时会出现同一行业板块股票过多的情况，比如持仓里60%都是医药股票。请问下怎么能做下同板块股票数量限制，比如设置同一行业板块的股票不超过总仓位的20%这样。

视频

https://www.bilibili.com/video/BV1Ug411M7iz?p=2&share_source=copy_web

策略源码

板块最大仓位20%

本文内容已经过期，不再适合平台最新版本，请查看以下最新内容，作为参考资料学习。

\

旧版声明

本文为旧版实现，仅供学习参考。

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

\

问题

风控和择时：情绪周期如何用于追涨策略

视频

[https://www.bilibili.com/video/BV1ui4y1m7Nx?spm%5Fid%5Ffrom=333.999.0.0](https://www.bilibili

问题

有哪些合理的大盘风控方案？

视频

https://www.bilibili.com/video/BV1TF41167ph?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/07791ba8fc354d4e9793ce963a735263](https://bigquant.com/experimentshare/07791ba8fc354d4e9

https://bigquant.com/codesharev2/0b4b68b6-b64d-4fdd-ae59-949bd87d3803

\

9月24日Meetup 模板案例：

策略案例

https://bigquant.com/experimentshare/2ddd6666ca164cf6b1f79b4a85cf8dae

\

【旧版说明】此文档为旧版，相关新版文档可参考：🌟102-第一个AI策略

https://bigquant.com/experimentshare/1c44e0bf56db424d8f2a5e617759a300

\

策略源码

A：《提升实盘收益的仓位管理策略》

\

{{membership}}

https://bigquant.com/codeshare/9ac7cfd7-5bcf-41a5-9577-f84f671d5cd3

\

{{pro}}

https://bigquant.com/codesharev3/52b0ae31-7e97-4e07-87e3-556fc77aec43

\

为什么我们总是坚持不了自己的投资计划？

你是否也曾制定过一个看似完美的投资计划，详细规划了资产配置与风险控制，却在市场的几番震荡后，因为心态变化或环境改变而悄然放弃？这是一个普遍且令人沮丧的难题。我们常常将其归咎于意志力薄弱，但真相远比这复杂。

这背后，其实是一个深刻的金融和心理学现象——“时间不一致性”（time inconsistency）。它指的是，一个在今天看来最优的决策，到了未来的某个时间点，你可能就不想再坚持了。本文将为你深度拆解一份前沿学术研究，它精准地切中了这个难题——如何在瞬息万变的不完美市场中，找到风险与回报的理性平衡点，并最终帮助你制定一个真正能“坚持

“小身材大能量”——债券小市值策略的量化掘金术

💡 本次直播带你探索：\n1️⃣ 为什么“小市值”债券可能藏着高性价比机会？\n2️⃣ 量化模型如何捕捉可转债债市场的独特信号？\n3️⃣ 当前震荡市中，这类策略如何控制风险？\n4️⃣ 当所有人涌向大白马，聪明资金正在布局什么？

20251204150915-【私享会直播】债券小市值策略-视频-2-共享屏幕.mp4 119866652

策略链接：[“债市”小市值策略](https://

\

桥水全天候策略探析：穿越经济周期的资产配置范式重构

一、投资的本质：资本跨期配置的风险与价值平衡

从金融史维度审视，投资的核心并非短期市场波动的博弈，而是基于经济规律与资产属性的资本跨期配置。其本质是在不确定性环境中，通过对资产内在价值与风险收益特征的判断，构建能够抵御周期冲击、实现财富保值增值的系统性方案。无论是1929年大萧条时期的资产价格崩塌，还是2008年全球金融危机后的流动性枯竭，亦或是2020年疫情冲击下的市场恐慌，历史反复证明：脱离风险控制的收益追求终将陷入困境，而忽视价值本质的短期投机也难以持续。

投资的底层逻辑始终围绕两大核心命题展开：一是如何识别资产的长

ETF是场内基金，近年来越来越受到交易员的青睐，主要是因为其是一篮子股票的基金，所以大众理解其风险可控。本策略是基于金融理论体系进行仓位优化和强势ETF基金的挑选。从2021年初回测到2025年10月，年化收益为27.15%，最大回撤接近-11%，夏普比率1.41，总体波动和回撤是低于股票策略的。

\

回测截图

\

策略简介

具体来说：

1. 资产池固定：从预设的11只不同大类资产ETF（如原油、黄金、纳指、A

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.

一 基础投资原理:策略设计逻辑

1.动量效应

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；过去表现差的资产，未来往往继续表现差。

为什么存在动量效应?

• 市场参与者的 “惯性思维”：投资者看到资产上涨会跟风买入，推动价格继续上涨；
• 信息传播延迟：利好消息不会瞬间被所有人消化，价格会逐步反映信息，形成持续趋势。

策略的核心就是捕捉这种持续性趋势，买入有正动量的资产，避开

一、引言

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，挖掘小盘股的成长红利，为追求高收益弹性的投资者提供思路 。

二、策略构建

（一）股票筛选逻辑：锁定小盘成长标的

从多维度财务与上市属性等指标，筛选出符合条件的股票，构建投资标的池：

\n

1. 基础属性：剔除 ST 股票（

   st

一 策略核心原理

1.1 价值投资核心理念

本策略深度植根于价值投资的经典理论体系，融合了本杰明・格雷厄姆的 "安全边际" 理念与现代多因子模型的量化方法：

• 市场非完全有效假说：认为市场价格会系统性偏离企业内在价值，这种偏离为理性投资者提供了获利机会
• 基本面决定论：企业股价的长期表现最终由其经营业绩和财务状况决定，而非短期市场情绪
• 风险与收益匹配原则：通过严格的筛选条件构建安全边际，在控制风险的前提下追求合理收益

\

1.2 多因子选股框架构建逻辑

策略采用 "五维选股框架"，从不同维度全方位评估股票质量，各维度既相互独立又相互印证