背景：量化在于总结规律，并给予这些规律去做投资，量化策略需要不断更新迭代以应对新的挑战。

量化策略研发助理

公司：Zonff Partners（专注于风险投资、量化对冲和采矿与计算投资的基金。） 地点：北京朝阳区凤凰置地广场

薪资：8k-15k 可面谈

职责描述： 1.协助处理各维度市场数据，利用量化的方法分析和预测相关品种的未来变动； 2.协助完善策略研究平台； 3.协助完成量化交易平台及维护交易系统。 4.对二级市场投资交易有浓厚兴趣，具有良好的学习能力，工作认真仔细，责任心强。

招聘要求： 1.本科、硕士或者博士，数学、物理、统计、计算机、电子或其他相关理工科专业在校生或应届生； 2.熟悉python/c++ 编程语言，熟练运用PPT、Excel、word

https://bigquant.com/codeshare/4515d40b-c2f4-4439-a2c9-92931adb0c6d

\

前沿

今天整个大市表现不好，可能是昨天任总的讲话，将寒气从制造业传导到了资本市场，咱也要居安思危，探索进取，在量化交易领域存活下去。

裹着被子爬(f)梯(q)子，看看大洋彼岸的宽客们，都在鼓捣些什么，有啥新奇的玩意儿。

你还别说，这次瞎逛还是蛮有收获的，最大的感慨就是，大神们的想法总是那么相通，开发的指标/策略总也是那么相似。

之前给大伙儿介绍过一个另类的量化策略：*[K线面积交易法](https://mp.weixin.qq.com/s?__biz=MzkyODI5ODcyMA==&mid=2247484161&idx=1&sn=85b980eb19f4d016b7f1a42f

摘要

目录CONTENTS

1.趋势配置模型的基本原理

2.中信一级行业指数历史表现及动量效应

3.传统截面动量模型在行业配置组合上的应用及改进方向

4.“时序动量+截面动量+止损机制”构建行业趋势配置组合

5.主要结论

正文

/wiki/static/upload/ca/ca5796d5-887d-4986-b0b2-a968e35b08b9.pdf

\

摘要

小市值与低估值的溢价现象长期存在，但短期内溢价效应存在强弱变化

长期来看小盘溢价与价值溢价在 A 股是存在的，历史上的小盘溢价与价值溢价也为量化策略贡献了许多收益。但在短期内溢价效应存在强弱变化，强弱变化会给我们风格投资带来风险。

估值理论认为，股票价格受到未来现金流与折现率两方面的影响

估值理论认为，资产的价值源自于持有它的投资者能够获得的现金流，通过对资产未来现金流的折现来对资产进行估值，是资产定价领域最常使用的方式。因此，股票价格受到未来现金流与折现率两方面的影响。市场收益率可以拆解成为现金流影响部分与折现率影响部分，个股的现金流 beta 与折现率

摘要

一致预期形成后新信息已被股价充分反映，基于一致预期指标很难获取超额收益，而寻找前瞻观点是批量筛选海量研报的更优路径。本文从覆盖度和盈利预测两个维度寻找边际增量信息，发现长期未覆盖后重新覆盖、以及首发的差异化盈利预测信息价值更高，基于以上两类行为构建的量化策略回溯表现相对中证500的年化超额收益分别为12%、20%。

投资聚焦：寻找分析师前瞻观点的Alpha。卖方分析师为市场提供大量有效信息，辅助投资者进行投资机会判断。海量研报中提高分析师成果的利用效率极为重要，一致预期作为常用指标但选股效果较弱，主要原因在于一致预期形成后信息已被股价充分反映，寻找前瞻观点显然是更优路径。

同花顺选股平台最牛收益策略分析

​ 近年来，量化交易被越来越多的投资者认可，国内也出现了很多支持量化策略和量化交易的平台。其中同花顺旗下的量化策略平台BackTest（http://backt est.10jqka.com.cn/)因为支持自然语言创建策略而受到很多投资者的欢迎。在BackTest平台上有大量用户自编的量化交易策略，其中很多策略收益都非常可观，年化收益率甚至长期超过100%。

​ 这些策略是否可信呢？经过我们的分析，其中有一类包含“中证1000指数成份股"条件的高收益策略使用了错误的数据，相当于包含了未来

AIStudio

AIStudio 是BigQuant的AI模型和量化策略开发环境，可以使用独立的GPU研究环境，也可以使用FAI分布式算力集群。

ChatGLM

ChatGLM是清华开源的模型，在中文上有不错的表现。其中ChatGLM-6B是一个开源的、支持中英双语问答的对话语言模型，并针对中文进行了优化。该模型基于GLM架构，具有62亿参数。

为了学习方便，我们这里使用其中的int4版本 chatglm-6b-int4，这个版本占用资源很少，速度快。

使用AIStudio GPU

BigQuan

作者简介

作者：shen1

简介：鼠、虎、主升浪等三个系列策略作者，已实现1+量化策略实盘

策略简介

今年8月份，市场整体行情较差，沪指跌了1.77%，深证指数跌了4.82%，创业板指跌了3.75%，虽然沪指跌幅较低，但市场上的个股跌幅较大。于是提出猜想：是否能找到比较抗跌的策略，使其在市场下行的时候，回撤较小？

策略的特点：在大盘下跌时，策略相对大盘比较抗跌，策略回撤相对小。

构建步骤

确定策略目标市场

策略的目标市场：中小板（波动率高，活跃度高，流动率高，做出alpha可能性高；且在反转时，上涨的幅度较大）

构建策略核心因子

2个技术指

本文是行业轮动策略的源码。

策略案例

https://bigquant.com/experimentshare/73f9656a0f5645c8909423df662357ff

\

神乐（shen1，colol）

量化选股+人工选股比单种选股方式的表现要差；

人工择时+量化选股这个角度有一定的空间，取决与个人对择时的把握；量化策略的表现和大盘走势息息相关，个人择时能力强，结合量化能有一定的提升；但量化策略研究员的择时能力一般都不是很强，个人择时能力不强。

前几周和某创业小公司交流，对方用的是第一种，实盘表现不好，量化投资和主观投资是两个方向，真要在选股角度进行融合，是一个难的课题；

问题

参数调优要怎么写呢。。。
def bigquant_run():
    param_grid = {}

    # 在这里设置需要调优的参数备选
    # param_grid['m3.features'] = ['close_1/close_0', 'close_2/close_0\nclose_3/close_0']
    # param_grid['m6.number_of_trees'] = [5, 10, 20]
    param_grid["m29.alpha"] = [0.01,0.03,0.1, 0.3]
    return par

​ 国内量化交易起步较晚，大约15年开始，20年开始爆发，21年量化私募规模飙升。由于容量过大，出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说，量化交易仍然是一种相对较新的投资方式。自20年以来，监管已经关闭了证券公司的外部接口。因此，如果你想进行定量交易，你必须使用证券公司的level2行情数据接口和交易接口。今天，我将与大家分享如何一站式解决不同的定量交易需求。

自编程AI量化交易https://gitee.com/l2gogogo

解决方案：AI量化交易策略终端

简介：

极速交易策略终端是一款基于python语言C#，PHP的策略交易平台，是活跃交易者策略研究

摘要

量化策略都在捕捉市场规律，低频策略应当重视收益来源和逻辑支撑

所有量化模型都在试图捕捉市场的规律，在训练模型的过程中，不可避免需要去拟合样本内的一些场景。规律是金融市场客观存在的，还是从样本数据挖掘所得到的，是所有量化模型都需要直面的问题。高频策略和低频策略的不同特征使得策略评价层面存在差异，低频策略的有效性评判所需时间更长、难度也更大，甚至每一次投资决策的结果都可能是胜负的关键。因此低频策略的收益来源和逻辑支撑显得尤为重要。常见的低频择时策略可能在匹配资产背后的特定频谱，或存在大级别行情贡献了短期收益。

高频与低频策略的天然差异导致策略有效性评判层面有不同的考量

作者：神乐（shen1，colol）

去量化基金公司面试，和从事量化的朋友，同事之间交流等经常会被问到一个问题，因子重要or模型重要？量化策略中最重要的是什么？有些人会认为因子比较重要，有些会认为策略的猜想比较重要。当然，关于这些问题没有标准答案，给出合理的解释，讲述对量化开发的个人观点是问题的本质。鄙人认为，一个稳健的量化策略的核心是一个合理的工业化量化策略开发体系，这也比较好的解释了某些量化公司部分核心策略工程师的离开，对公司的业绩产生影响不是特别大。工业化的量化策略开发体系包括但不限于以下流程。

5.1提出猜想：猜想的提出往往是在交易市场中对交易策略的深刻理解，从而提出相关想法，并

作者：神乐（shen1，colol）

去量化基金公司面试，和从事量化的朋友，同事之间交流等经常会被问到一个问题，因子重要or模型重要？量化策略中最重要的是什么？有些人会认为因子比较重要，有些会认为策略的猜想比较重要。当然，关于这些问题没有标准答案，给出合理的解释，讲述对量化开发的个人观点是问题的本质。鄙人认为，一个稳健的量化策略的核心是一个合理的工业化量化策略开发体系，这也比较好的解释了某些量化公司部分核心策略工程师的离开，对公司的业绩产生影响不是特别大。工业化的量化策略开发体系包括但不限于以下流程。

5.1提出猜想：猜想的提出往往是在交易市场中对交易策略的深刻理解，从而提出相关想法，并

/wiki/static/upload/74/7464d5e3-c643-485a-bdef-793d0ba69cca.pdf

\

报告要点

公募对冲型中规中矩，私募事件驱动业绩惨淡。

1）2018年前四个月，公募量化对冲型基金、股票型基金、偏股混合型、量化纯多型基金净值涨跌中位数分别为0.1%、-5.01%、-5.25%、-5.69%，但业绩分布顺序主要由产品类型及其约束下的仓位水平所决定。

2）2018年Q1，3500多只私募基金中，事件驱动型策略表现最差，对冲型策略也低于预期。

市场环境解析：

方向上谨慎乐观，风格倾向成长。

1）权益类资产性价比中性偏乐观，幅度上较为谨慎。权益类资产的估值水平会相对稳定，业绩成长性好的股票预期表现或将会更好。

2）未来建议增配的行业为有色金属、医药、计算机、

报告要点

投资聚焦：十年洗练，格局初现。

国内量化策略经历了十年以上的发展，行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下，投资者对量化策略的关注度与日俱增。本文从基金研究的视角，勾勒国内量化策略的历史发展和当前现状、并初步探讨了未来可能的发展方向。

国内量化策略演化的三个阶段。

量化策略的发展依托于衍生工具发展和投研积累。从策略演化的进程看，总体包括2010年之前、2010年至2015年、以及2016年以来三个阶段，不同阶段的策略类型和风险收益特征发生了显著变化。

当前全市场量化基金规模合计约 4000 亿（不包含被动指数型产

摘要

机器学习波动率预测

大多数量化策略的盈利与波动率高度相关。预知波动率对于分配每个策略的仓位至关重要。使用机器学习进行波动率预测较传统方法的预测效果有所提升。

机器学习策略判断失效的方法

判断机器学习策略失效有独特的方法，可以在击穿最大回撤前提前下线策略。

机器学习在量化投资中应用的杂谈

我们在这一章节中致力于打通实盘的各个环节，以及展开对机器学习对冲基金运营方式的探讨。

正文

[/wiki/static/upload/3a/3af7bff5-f4fe-4eef-96df-74530303b737.pdf](/wiki/static/up

摘要

2017年以来，随着市场上量化策略的增多，许多以前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时

Rust如何助力量化高频交易？第二届中国Rust开发者大会-分论坛【Rust商业实践】将为你带来干货分享！敬请期待～

分享人：非凸科技量化策略负责人 陆一洲

免费报名参会：http://rustcon.bagevent.com

还有周边礼免费送哦～

近期A市场交易活跃，指数持续反攻，中小市值个股表现突出，量化私募的Alpha收益得到恢复。量化私募尤为关注1000股指期货对Alpha的影响，白鹭资管认为，期指品种的多样性对于量化策略来说是个利好。

百亿量化多头私募基金上半年收益TOP20的平均收益为4.71%，来自灵均投资、思勰投资的4只量化多头产品上半年收益超过10%。

股票市场中性策略依靠选股能力赚钱，其核心是考验机构的选股能力。目前国内市场中，使用较为普遍的股票市场中性策略是Alpha策略，即在持有股票多头的同时，利用金融衍生工具（主要为股指期货）对冲市场风险，从而获得Alpha收益。

与其他策略相比，股票市场中性策略在牛市的表

导语

以下为平台优秀开发者持续分享的策略思路和源码，帮助每一位平台上的quant开拓思路，开发出超额收益越来越高的策略。

策略分享

提升实盘的仓位管理策略

Stockranker评分的另类用法

6个步骤从零构建优质量化选股规则

[《天蝎座0.6》BQ天梯NO.2策略源码讲解](/wiki/doc/06-tianti-NO-celve-yuanma-