请老师帮忙拼一个行业涨速的因子

我是想把这个短期动量策略先选出5个票，

再用行业张涨速进行排序（就用一级行业或者二级行业就行），选排名第1 的股票—— 这一步不会实现，请老师帮忙

https://bigquant.com/codesharev3/35f004fc-fd28-4f82-b459-2e741fa95780

\

\

一、策略思想

本策略是在老师给的策略模板之上做了简单调整的，

1. 股票池过滤：剔除ST股、停牌股、北交所、科创板（这一模块我会用了，可以直接勾选）
2. 筛选条件：m1和m2输入特征这个模块还不会使用，要是也能弄成下拉选项似的就更好了。
3. 排序条件：还不会用
4. 策略回测：持股1只等权重、持仓5天、回测时间为2023-01-01至2024-07-03

5.老师我想用macd指标先选出股票池，在剔除st，北交所，科业板，停牌股，市盈率ttm大于0，股价在5-20元之间，等等这些想法需要怎么实现啊。

二、策略链接

[https://bigquant.com/c

策略介绍

小市值策略是一种经典的量化投资策略，旨在通过筛选市值较小的股票，并根据市值对股票进行排序，选取市值最小的一部分股票进行投资。这种策略基于小市值股票在某些市场条件下可能具有较高的增长潜力和投资回报率。

策略背景

小市值策略的理论基础可以追溯到Fama-French三因素模型。该模型指出，除了市场风险外，股票的收益还与市值和账面市值比有关。具体来说，小市值股票通常具有更高的预期回报，因为小市值公司相对于大市值公司在市场上更容易被低估，从而在未来具有更大的增长潜力。此外，小市值公司通常具有较高的灵活性和创新能力，能够迅速适应市场变化和抓住新的商业机会，这进一步增强了其投

https://bigquant.com/codesharev2/cb0ea5ea-594e-4d3f-8386-24c3aac5f8bd

在表达式过滤条件里写了

st_status = 0

suspended = 0

list_sector = 1 or list_sector = 2

K线处理函数对df也做了处理，但还是会交易退市股和st，求助\n

导语

主要思想：对已有的持仓和要买入的股票名称每天判断是否含有ST或退，并及时卖出/阻止买入

步骤

• 增加M9、M10提取股票名称传入回测引擎；
• K线处理函数把当日持仓数据连接上传入的股票名称；
• 在调仓时先判断卖出ST、退市股；
• 正常处理调仓，判断是否重复卖出；

策略源码

[https://bigquant.com/codesharev2/a4e5d08b-183d-4e4b-9acc-e4f44eb1605b](https://bigquant.com/codesharev2/a4e5d08b-183d-4e4b-9acc-e4f44eb160

问题

多因子选股如何筛选有效因子

回答

参考研报:

1. 多因子系列之一：华泰多因子模型体系初探-华泰证券-20160921
2. 多因子系列之二：华泰单因子测试之估值类因子-华泰证券-20160929

因子分析参考：

1. [因子分析](https://bigquant.com/wiki/doc/yinz

{{membership}}

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

\

7月30日Meetup 策略模板：

策略案例

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

\

问题

freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?

视频回放

https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co

https://bigquant.com/experimentshare/116fdc30e1944051ba43f73e74837776

\

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

如何只使用涨停股票数据做训练

• [x] 就是为了减少噪音，减少算力压力，所以只对每天特定的股票进行学习判断

https://bigquant.com/codeshare/a9b5d501-78ac-45e2-a22e-f9eacf4e01c6

过滤出涨停数据用于训练

使用DAI读取和计算因子，很容易实现这个功能

-- 使用DAI SQL获取数据，构建因子等，如下是一个例子作为参考
-- DAI SQL 语法: 

\n.\n.\n首先说一下因子分析，因子分析其实就是因子看板那一套，把因子从大到小排序，然后qcut分组。（一般都用qcut等频分箱），然后看一看每一组的收益。简单来说，就是用因子去做排序，把全部股票放到不同的篮子里，然后看看每个篮子的净值变化。也就是所谓的分层回测，这个很好理解。\n.\n.\n在分层回测中，就引入了下一个概念--样本空间。\n不同的因子在不同的样本空间下表现是不同的，举个最简单的例子，财务因子。财务因子通常更新频率非常低，所以时效性非常差。同时财务因子又和公司的前景息息相关，毕竟你一个公司财报炸了总归算是利空。所以我们会发现一个有意思的事情，一些财务指标在沪深300

想做一个很简单的股票筛选，但不知道哪个模块可以实现筛选后的股票代码输出list。

报错如下：

应该加入哪个模块作为输出，之前用了代码列表v2也不行。感谢大神指点。

\

摘要

前情回顾：传统上，研究人员需要以劳动密集型的方法去研究因子，因子组合和规则组合。这样的方法是低效的，非常像工业化之前的手工作坊。

本方法针对现有技术存在的不足，依靠当今强大的计算力，提供一种能满足用户预期收益风险需求的、高效的自动批量产生交易策略的方法。

去伪存真：自动产生出来的策略并不能直接用，而是需要策略研究员的进一步筛选。我们给策略研究员提供了一系列能够避免未来函数、过度拟合和贴合实际交易环境的方法

具体实践：

避免未来函数——推进分析+模拟盘

过拟合——参数敏感性分析+主观归因

策略周期——最大回撤失效+预测值和实际值IC判别法

摘要

本文主要介绍超预期幅度因子的定义、分析师超预期股票收益特征分析和分析师超预期选股策略的构建。首先我们介绍精确到单季度的净利润超预期幅度ESP因子算法，然后我们对超预期股票的收益特征进行分析，发现EP_TTM和过去一个月收益率两个风格因子可以很好地解释超预期股票的收益来源。最后每月底根据EP_TTM和过去一个月收益率两个风格因子限定样本池，然后选取净利润超预期幅度最大的20只股票构建超预期20组合。组合基本上每年稳定战胜中证500指数，可以作为中证500增强的补充组合。

分析师超预期幅度因子定义

分析师超预期幅度ESP因子可以定义如下：ESP =（单季度实际净利润

ta_sma_5_0==10 #5日均线价格是10元

jiage_5=ta_sma_5_0==10 #5日均线价格是10元

XG=jiage_5±20% #选5日均线价格是10元±20%的股票

\

A股分两种：“漂亮50”和“要命3000” http://stock.qq.com/a/20170428/006821.htm 证券时报记者以三个指标筛选出A股的“漂亮50”，这三个指标分别是净利润增长率长大于15%，连续3年净资产收益率大于15%，市盈率低于35。

参照这个指标，我在bigquant平台下写了个策略尝试了下。市盈率用的年终财报当天的数据，如果不存在就用的财报日期前最近一天的数据。用 2013，2014，2015三年财报数据找出来符合条件的股票，符合指标的股票一共43只，详见策略结果。从2016.6.1开始每只股票买入1万元，以沪深300为基准持仓到2017.6.1的回测

计划将策略只应用于中证500里面的股票。用股票池初选功能，不成功！请问如何实现这个目标？我现在是像下面这样构造的，但是报错了。

如题

摘要

本文构建主被动管理型医药主题基金样本，前者在全持股分析模式的基础上，建立多维产品线遴选体系。通过建立主被动医药主题基金备选池，构建并对比主动管理与被动管理两类基金组合。

考虑到基金市场存在主题行业投资不聚焦的情况，对于主动管理型医药主题基金的筛选须建立在实际持仓的基础上。符合全持股标准的主动型医药主题基金共55只，合计规模626亿元。机构资金约占22%，多数基金的机构持有比例不高于2/3，新疆前海联合国民健康产业、汇添富创新医药主题、国投瑞银医疗保健、华泰柏瑞医疗健康的机构占比均高于六成。

2019年四季度末，医疗服务、化学制剂、生物医药等细分板块配置金额较多。中信三

摘要

文献来源：Christiansen, Charlotte and Groenborg, Niels and Nielsen, Ole Linnemann, Mutual Fund Selection for Realistically Short Samples (July 1, 2019).

SSRN: https://ssrn.com/abstract=3300715

推荐原因：作者基于历史经验对主动管理基金的业绩能力分布进行了模拟研究，并给出了7种热门基金选择方法的效果。首先，作者记录了在短期和长期样本下采用不同方法所得到的结果在最终表现上存在显著差异。这表

报告摘要

本文对单因子测试下的多个指标进行了主观权衡与分析，先初步筛选出16个比较有影响力的因子。然后以最大化模型整体解释力为原则，进一步精选因子，在已有的数据和全A股的样本空间下，暂定选定4个因子进入模型。通过逐层增量信息解释方式，统计了各因子的增量信息对于超额收益的解释能力。最后提了三种适合本框架的投资组合构建方法，并且着重介绍了其中的纯因子法和二次规划方法，并以中证500成分股作为股票池进行算例演示。

在实际数据的测算中发现波动量能、最高累计收益和最高趋势收益、夏普值等各项收益指标关系密切，相互影响，这些指标有“此消彼长”的关系。

**因子不同特性之间要做出权衡