交易规则

• 1分钟频率回测，如果分钟K线的短期均线上穿长期均线平空开多，短期均线下穿长期均线平多。

每个交易日尾盘需要清仓。

策略构建步骤

确定股票池和回测时间

• 通过证券代码列表输入回测的起止日期

确定买卖条件信号

• 计算短期短期均线与长期均线，短

回测绩效

\

策略简介

本策略是日内回转交易可转债策略，其实和日内股票交易类似，毕竟可转债和股票非常接

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

策略介绍

本策略选取60日成交量与收盘价相关性作为因子，观察了进行股票筛选之后等权持股10只，持仓5天的策略表现。量价因子是投资中常见的一种因子，结合了交易量（量）和价格行为（价）的信息来预测股票的未来表现，盈利逻辑主要基于以下几点：

1. 交易量的信号作用：交易量是市场活跃度的

策略介绍

本策略主要讲解如何在策略中加入止盈止损与大盘风控逻辑

本策略就是在平台的默认可视化线性模板策略的基础上进行修改的，就是一个简单的小市值策略

• 剔除上市小于1年的新股、剔除ST股票、按照市值排序
• 等权持股30只、持仓5个交易日

策略实现

1. 止盈止损

什么是均线？

金融市场上每个人都有一套自己的分析方法，无论你是一个技术派、基本面派、消息派还是量化投资派，对于“均线”这个名词一定不会陌生。虽说这个概念诞生于市场技术分析领域，但由于它的通俗易用，均线一直受到投资者和市场分析人士的青睐。

均线的全称是移动平均线（MA）。移动平均线是个什么

本系列文章列举了AIStudio3.0环境中可视化模式下的常用数据处理方式

小伙伴们可以在评论区发你们想了解的其他数据处理方式，我们会在本文持续更新

策略介绍

上世纪90年代，经济学家Eugene Fama和Kenneth French提出了著名的Fama-French三因子模型，在经典的CAPM模型上进行了拓展。

Fama-French三因子模型使用三个因素来解释股票收益

• 市场因子（MKT）：体现为整个市场的收益
• 规模因子（

介绍

• 构建和管理自己的数据与因子
• 分享到策略社区并保护核心逻辑
• 支持数据付费订阅
• 支持他人克隆策略，每日获取信号

技术方案

![](/wiki/api/attachments.redirect?id=be72745b-dff3-4d11-918a-0dec5f5

本例是对 127-期货布林带通道突破策略-日频 的扩展和细化，在此基础上讲解分钟频率的期货布林带策略。

本例除了回测时间频率是分钟，其他交易思想完全和[127-期货布林带通道突破策略-日频](https

策略介绍

小市值稳健增长策略是一种专注于挖掘市值较小但具有稳健增长潜力的股票的投资策略。该策略通过深入分析这些公司的基本面、财务状况、行业前景以及市场情绪，筛选出具备长期成长潜力的优质小市值公司，以期在未来获得超额回报。通过该策略选择的股票的优势包括有

• 高增长潜力：小市值公司通

策略介绍

双均线策略是一种简单而又广泛使用的技术分析工具，主要用于识别市场趋势的变化和生成交易信号。这种策略涉及两条移动平均线——一条短期（快速）和一条长期（慢速）——并通过观察这两条线的交叉点来决定买入或卖出的时机。

策略流程

1. 筛选条件：将5日平均收盘价作为短线，40日平

策略介绍

该策略是一个典型的事件策略，事件策略和选股策略是有本质上的区别的，事件策略的基本思想是，对于特定的股票，什么时候该买，什么时候该卖，本文介绍了一种基于MACD指标的事件策略

具体来说，MACD包括三个指标：

• MACD（平滑异同移动平均线）：MACD线是短期指数移动平均线（通

策略介绍

动量策略是一种利用历史价格趋势来预测未来价格行为的量化交易策略。这种策略基于一个假设：股票或其他资产的未来价格趋势可能会延续其近期的表现。在实际应用中，动量策略通常会购买表现好的资产并卖出表现差的资产。

策略思想

动量策略的核心是“追涨避跌”。具体来说，这种策略会：

策略介绍

该策略是一个典型的事件驱动策略

事件驱动策略的典型特征是，交易信号的出现并不像每日调仓的日频策略那样连续，而是断断续续的

当满足条件后出现交易信号则交易，否则就空仓，从回测曲线也可以看出，这样的策略有很多的空仓期

策略流程

1. 股票过滤：剔除ST、退市、非主板、上

绩效截图

我们先来看一个策略回测曲线，年化12.4%，最大回撤18个点，交易不是特别频繁，但总体是一个正收益系统的策略

这就是一个配对

策略介绍

本策略通过选择多维度的因子，使用AI算法来预测股票的未来表现并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

基于价格因子通过StockRanker进行基金的轮动选择。

本策略中使用数据过滤模块对成交量较小的基金进行了过滤。

交易频率

日线。

策略详情

在输入特征模块，进行特征的选取和数据的过滤。

表达式特征输入：

• `m_avg(volume, 5) AS v

介绍

• 本地上传csv文件并读取
• 和其他数据联合使用

实现

dai处理文件

• 生成一个csv文件作为测试，包括日期、股票代码、当日涨跌幅。
• 使用dai直接操作csv，如果是本地csv文件则直接拖拽至资源管理器。

![](/wiki/api/attachme

简介

由于深度学习中牵扯到Dropout和随机种子等多处随机项，因此如果无法固化模型，当缓存丢失后会模拟交易/回测会触发重新训练，导致模型变化，本文主要讲究如何使用XGBoost模型开发AI策略的过程中的相关技术。

保存模型的好处：

1. 模型固化，每次模型的预测结果一

在使用“输入特征（DAI SQL）”提取数据的时候，可能会遇到缺失值的问题，缺失值的出现可能是因为原始数据表中有缺失值，也有可能是表达式计算的过程中产生了缺失值

对于缺失值，我们主要有两种处理方式，缺失值删除，或者缺失值填充

1. 缺失值删除

要想将缺失值剔除，只需要在“

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

策略介绍

• 在 102 中我们使用了 [仓位分配](https://bigquant.com/wiki/doc/aistudio-HVwrgP4J1A#h-%E4%BB%93%E4%BD%

策略介绍

该策略是一个TALIB指标选股策略

买入条件是（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

买入后，如果5日收盘价均线小于10日收盘价均线，则次日卖出。

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

介绍

BigQuant是专业但易用的AI量化投资平台。如下知识可以帮助我们更好的开始策略开发。

如果没有特别说明，请在 AIStuido 3.0使用。

编程

BigQuant平台同时支持可视化编程开发和代码编程开发，并且两种模式可以无缝切换和融合

• 可视化：无需学习复杂的编程