StockRanker多因子选股策略

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

\

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

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

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

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

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，

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

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

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

策略介绍

• 在 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。

策略介绍

• 在 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。

策略介绍

• 在 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。

![

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

• \
  • 指标选股
• \
  • 打分

\

策略逻辑：价格冲击偏差较小的股票表现较好，即前期容易下跌上涨困难的股票后期表现更佳,买入

\

策略源码：

请克隆策略，前往最新版本开发环境3.0中运行

{{membership}}

https://bigquant.com/codeshare/38959187-2110-4d94-9853-de5ab21e357d

\

买入条件： 选择过去30个交易日内，超大单净流入占比均位于所有股票的前5%。 这些股票的涨跌幅位于同期所有股票的前5%。

卖出条件： 或股票涨跌幅跌至同期所有股票的后5%。

\

策略源码：

说明：克隆下方策略请前往最新开发环境3.0中运行

{{membership}}

https://bigquant.com/codeshare/2c867588-95a7-4e47-afeb-a377cbe13776

\

• 声        明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 交易逻辑：每隔30个交易日，以开盘价买入当日0<PB<1.5且0<PE<15且有成交量较前一日放大1.5~2.5倍的股票；
• 每隔30个交易日，将不符合上述标准的持仓股票在第二天以收盘价卖出。
• 股票过滤：换手率小于20%，过滤ST，过滤北交所，过滤科创版，上市天数大于270天，市盈率小于50
• 排序规则：按照换手率从大到小
• 买卖时间：开盘买入，收盘卖出
• 初始资金：100万
• 持仓票数：5
• 持仓周期：1天

回测图：

![](/wiki/api/attachments.red

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

交易逻辑：

• 当收盘价5日均线大于10日均线时，以第二日开盘价买入；
• 买入后，当收盘价的5日均线小于10日均线时，以第二日开盘价卖出；

https://bigquant.com/codeshare/65912162-7c7b-4493-b5ee-43d3b92123c7

\

买入条件：

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
3. 按PE升序排名取前十名,次日以开盘价买入；
4. 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。
5. 股票过滤：过滤ST，过滤北交所，上市天数大于270天
6. 初始资金：100万
7. 持仓票数：10只

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/77a6ec54-de06-49b2-a46d-fdc750de5299](https://bigquant.com/codesha

• 声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 声明：本策略需要在AIStudio 3.0环境下运行
• 买入条件：
• 5日均线大于10日均线，10日均线大于20日均线，20日均线大于40日均线，40日均线大于120日均线；
• 今日最低价小于10日收盘价均线 的股票，次日以开盘价买入；
• 买入后，如果5日均线小于40日均线，则次日以开盘价卖出
• 允许最多同时持有20只股票

\

策略源码：

[https://bigquant.com/codeshare/5051711d-1470-49f0-b448-e0cacfcf477b](https://bi

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

股票提取：在财报公告日当天，筛选出净利润同比增长小于1的，并按照净利润同比增长排序

股票过滤：剔除ST、退市、非主板、上市时间小于365天的

买卖时间：开盘买入，收盘卖出

初始资金：100万

持仓票数：3

持仓周期：30天

回测图：

\

策略源码：

{{membership}}

由于财务公告通常在晚上发布，在财务报表公告的第二日开盘买入归属母公司股东的净利润同比增长率百分比大于30%的且降序排名靠前股票(总持仓量不超过50只);\n\n买入并持有40个交易日后，以第二日开盘价卖出；

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/afed1970-8cc9-4e6f-95cb-8424092b3537

\

如何把我的因子中创建的因子，引入输入特征列表模块中

假设我们采用新的模版代替原来输入特征列表的部分？直接用“输入特征（DAI SQL）”代替，貌似报错了。或者有相关用新模版建立线性-回归算法策略的文档吗，这样就可以用自己的数据进行策略分析了。

![](/wiki/api/attac