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

neutralize(sum(turn_0,90), total_market_cap) as hsl, 报错。

单因子策略：120日换手率之和

回测图：

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/54d502d3-8cd7-45f4-97a5-55b912da0ef3

\

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆之后-选择最新环境）

{{membership}}

[https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01f4](https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01

策略源码：

{{membership}}

https://bigquant.com/codeshare/5957e3fb-08b4-4e16-9b9a-7d0de13c2a4d

\

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/a6dc6c90-4f42-4c8e-92ec-dfa1a2f13fc0

\

%%sql
SELECT
    log(total_market_cap) as f_market_cap,
    m_avg(turn,20) as f_trun,
    date,
    instrument,
    industry_level1_code,
    c_neutralize(f_trun,industry_level1_code,f_market_cap) as NEW_TURN

FROM cn_stock_factors 
JOIN cn_stock_industry_component 
USING(date,i

换手率（Turnover）通常用于描述股票或其他证券在特定时间内的交易活跃程度。金融市场中，换手率可用于衡量股票的流动性，即股票在市场上买卖的频率和容易程度。

BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），验证换手率因子组成的AI量化交易策略。

![](/wiki/api/attachments.redirect?id=83ec82a2-6c14-4425-8bae-05b216f7

不然提取基础数据就得join几张表，效率太低了

想请问一下 平台，我看BBS上说是计算换手率，但是我看因子分析模块里面算出来的 ，那个因子拥挤度，都超过100了，感觉不像是 换手率(因为单个股票换手率一天最高才100%)。那请问因子分析模块 的 因子拥挤度到底是怎么去计算的呢？

为了保证讨论在相似的知识水平上进行，我们可以先做以下假设：

1.买私募产品就是为了获得绝对收益的，公募基金的排名才看相对收益；

2.不同交易频率、换手率的策略难以进行比较哪个更好；

3.换手率越高的策略一般收益风险比越高。

我发现有些人很喜欢绕来绕去，对付这种人最好的方法就是自己先认准几个底线、公理，不管他绕来绕去中间过程多么复杂，反正最后如果他违反了这些公理，那么他就是在忽悠，没什么好说的。

比如最简单的常识，考察私募基金的水平，当然就是看绝对收益或相关指标，比如最大回撤、收益/最大回撤、夏普比等等，反正我买私募产品就是为了赚钱，赚钱的稳定性当然就是看这些指标，至于你

摘要

行业量价因子筛选

我们从行业层面的量价数据入手，根据量价因子的本质含义对其进行归类，将量价因子分为动量、交易波动、换手率、多空对比、量价背离、量幅同向六大类。

我们对这六大类中的量价因子进行单因子测试，包括因子分组测试和因子IC值分析，最终得到了11个较为有效、逻辑性强的月频行业因子。

量价行业轮动组合回测表现较好

我们根据11个量价因子构建量价行业轮动组合，每月末选取中信一级行业（剔除综合和综合金融）中复合因子值最高的五个行业，行业间等权加权。

2010年至2022年7月，量价行业轮动组合的累计收益为580.00%，相对于全部行业等权组合的累计超额为

报告摘要

（一） 主要内容

本篇报告首先对基础动量因子进行细致分析，发现基础动量存在较多不足并提出改进思路的二维矩阵，之后对每个改进维度的切入点、逻辑链条和改进方法进行详细阐述，最后测试了各个改进因子的提升效果。

（二 ） 基础动量刨析

• 1月动量头尾组合的信息比率最突出但换手率也更高；而3月动量各组合的区分度更明显。
• 基础动量的多空收益更多来源于空头部分的贡献。
• 将1月动量与3月动量做等权合成后，复合因子的有效性能得到明显提升。

（三 ） 改进动量的思路框架

• 从动量因子的特性出发，可将动量改进的整体思路归

摘要

常见选股因子在医药行业内存在显著选股效果。其中，风格类因子平均收益水平高，但稳定性差，在近两年出现了持续性的大幅回撤。技术类因子与股票收益呈现显著负相关性，前期涨跌幅越大，换手率越高，波动率越大，流动性越强，次月股票收益表现越差。在这几个因子中，综合表现最好的是波动率，综合表现相对较差的是换手率。盈利能力在医药行业内也存在显著的选股效果，高盈利公司具有更高的收益。

医药行业其他有效的选股因子。除常见的ROE及其同比增长因子外，其余基本面因子在医药行业内也存在显著的选股效果。企业盈利能力越高，资产增长越快，利润增长越快，盈利质量越好，偿债能力越强，股票收益表现越优。从一致预期数据

摘要

本报告使用深度学习方法对基本面模型进行增强，增强模型首先使用基本面模型选出初筛股票池，然后使用深度学习模型对初筛股票池进行二次筛选，该策略较低的换手率水平下可以获得更好的超额收益

基本面模型和深度学习模型具备组合基础

以中证800指数为基础的增强模型表现

以沪深300指数维基准的增强模型表现

正文

[/wiki/static/upload/2e/2ef7bcaa-8432-4f07-8d61-270c5f5967b0.pdf](/wiki/static/upload/2e/2ef7bcaa-8432-4f07-8d61-270c5f5967

光大金工因子测试框架：多指标全面测试

通过分期截面RLM回归计算因子收益，计算因子暴露与下期收益率的相关度IC值，同时结合分层回测法检验因子单调性，构建较为综合全面的因子测试体系。

因子测试中使用了包括因子收益序列t值，因子累计收益率，因子测试t值，IC，IR，多空组合收益率、最大回撤、换手率等等指标

更为全面的因子库

涵盖了估值因子，规模因子，成长因子，质量因子，杠杆因子，动量因子，波动因子，技术因子，流动性因子，分析师因子等共10大类100多个细分因子。

多重指标筛选因子

针对五大指标给因子表现打分，筛选出预测能力强，显著性高，单调性好

研究结论

Smart Beta 产品近些年在海外市场规模增长迅速，它和主动量化、指数增强等alpha产品一样，收益来源于资产定价因子的风险溢价，不同之处在于获取因子暴露的方式，往往换手率较低。

我们把A股常用的指数增强策略用到了标普500指数上。用到的alpha因子中只有估值因子在标普500成分股内总体效果显著，但最近三年也有明显衰减。在不扣费情况下，年化超额收益仅0.16%，由此可见标普500指数的市场有效性。

对比看规模最大的20只Smart Beta ETF产品，有十支过去十年相对标普500的年化超额收益为正，Invesco S&P 500 Equal Weigh

因子分析完后，有多空组合，这个怎么套用来选股呢？

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

问题

请教各位,

一个策略的换手率是如何计算的?

{{membership}}

https://bigquant.com/experimentshare/5edc72bb7b8d48e88612c2922b9469bb

\

投资要点：

❑新技术因子

在多因子量化选股系列报告中，我们已经撰写了一系列基础技术因子并对其进行有效性检验，本篇报告从换手率、非流动性和量价信息结合这几个方面继续挖掘新的技术因子。

❑换手率因子

换手率是指在一定的时间内市场中股票转手买卖的频率，是反映股票流通性强弱的一个指标。本篇报告研究了换手率稳定性因子、换手率变异系数因子、异常换手率因子。在中证500股票池内，换手率稳定性_12个月、换手率变异系数_12个月因子的表现较好。

❑非流动性因子

非流动性指标通过成交额对绝对收益的影响，来衡量股票交易对市场的冲击，用于刻画股票的非流动性。本篇报告研究了非流动性因

问题

回测模块的返回可以用

read_raw_perf()来读取，但是读取之后每个列的值的含义可以去哪里查呢，虽然这个链接已经写了一部分，但是列名和使用read_raw_perf()读取后的结果是对不上的，比如读取后的列名有 returns，

starting_exposure，pnl，

excess_return max_drawdown max_leverage

等等这些列的具体含义有说明文档可以查吗？

解答

目前还没有对raw_perf进行字段文档的输出，这个我们下来整理一下近期会放到知识库中

摘要

基金共同持仓行为是股票关联关系的重要来源

学术界对于股票关联网络的研究由来已久，用于构建关联网络的市场信息主要集中于涨跌幅、成交额、换手率等维度。本报告尝试从基金持仓维度出发，探索基金共同持仓股票间的关联网络及应用。本文分别从“基金管理人认知”和“股东协同行为”两个角度理解“基金共同持仓行为是股票关联关系的重要来源”。 基金管理人认知的角度：基金持仓反映管理人在个股层面用脚投票，基金共同持仓两只股票，反映两只股票对管理人而言具有某一方面共性；股东协同行为的角度：被基金共同持有的股票，其股东成分有交集，从而导致其市场表现存在一定程度关联。

关联度指标统计分析：