市净率（Price-to-Book Ratio，简称 P/B Ratio）是衡量公司股票价格相对于其账面价值的一个指标。这个比率通常用于评估公司股票的价值，尤其是在资产重要的行业（如金融业）中。

BigQuant的金融市场历史数据因子平台以及AI量化策略平台（PC端），可以验证PB市净率因子组成的AI量化策略有效性。

![](/wiki/api/attachments.redirect?id=9e1

\

本期提问者：bq22fw19、bq61ym2n、1855680***、bqhz06vb

因子挖掘

如何利用市场信息？

利用市场信息进行量化投资主要涉及以下步骤：

1. 数据收集：首先，需要收集和整理市场数据，包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
2. 数据预处理：对收集到的数据进行清洗和预处理，处理缺失值、异常值、重复值等，保证数据的准确性和完整性。
3. 特征工程：根据投资策略和模型需求，进行特征工程，提取有价值的特征和信号。
4. 模型构建：选择合适的模型（如回归模型、机器学习模型、深度学习模型

摘要

资产定价理论保证了多因子模型和随机折现因子的等价性。实证研究应该在理论指引下展开。

1900 年，法国小伙 Louis Bachelier 在他的博士论文《投机理论》（Théorie de la spéculation）中首次使用布朗运动分析股票和期权的价格（Bachelier 1900）。然而由于他的观点在当时太前卫，并没有受到足够的重视。最终，Bachelier 没有获得优秀论文，而金融学的发端也没能提前半个世纪。这不禁让人感慨，Bachelier 的小失落，金融学的大遗憾。直到半个世纪之后，Bachelier 的成果才被 Paul Samuelson 发现。

时间终

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

策略中需要封单比公式，请大佬帮忙写一个，万分感谢

摘要

传统移动平均线(MA)的缺点

移动平均线(MA)是技术分析中常用的一类趋势跟踪指标，其可以在 一定程度上刻画股票价格或指数的变动方向。MA 的计算天数越多，平滑 性越好，但时滞带来的延迟影响也越严重。因此，在使用 MA 指标进行趋 势跟踪时，容易出现“跟不紧”甚至“跟不上”的情况。平滑性和延迟性 在 MA 指标中成为了不可避免的矛盾，这就促使我们去寻找化解这一矛盾 的工具和方法。

低延迟趋势线(LLT)的构造

与 MA 类似的均线指标还有 EMA，其本质是在计算中对靠近计算日的 价格赋予更大的权重。EMA 指标的计算方式在信号处理理论中恰好对应着 一类一阶低

行为金融学表明市场的投机情绪会导致股票价格偏离基本面，许多投资者情绪指数已通过实证研究证明能够预测市场收益率。公司管理层与投资者一样也无法避免行为偏差，对公司产生偏离基本面的过度乐观或悲观情绪，进而导致市场出现非理性的反应，并且相较于投资者来说还拥有信息优势，然而管理层情绪对股票收益率的影响却鲜有研究。本期我们给大家推荐的文献《Manager Sentiment and Stock Returns》将补充情绪指数方面的研究，针对经理人情绪对股票收益率的预测能力进行探究。

本篇文章使用文本数据挖掘方法从公司财报和电话会议纪要中采集数据，提取其中隐含的经理人乐观或悲观的情绪信息，由此构建经理人情

https://bigquant.com/experimentshare/5277de40609d4fffa7bbe6df2e5b1231

\

\

问题

在可视化的自动标注（股票）里哪些字段可以使用呢？从哪个表获取呢？

注释中的可用数据字段地址已经打不开了，有更新的地址吗？

在第一行输入shift(return,-2)-shift(return,-1)，报错了

解答

如果你使用自动标注（股票）这个模块，那么只有高开低收这几个行情字段 。

注释部分我们修改下。

如果你想使用更多字段，你可以用自定义python模块，或者特征抽取模块来

问题

不知道为何我的买入逻辑只有一个，而且明显买入amount应该是100的整数，但是最后一笔买入数量不知为何就不是100整数。有人可以帮忙解答一下吗？谢谢

我买入逻辑如下：

amount = math.floor(cash / current_price / 100) * 100

context.order(context.symbol(instrument), amount)

下载的交易详情数据：

![{w:100}{w:100}](/wiki/api/attachments.redirect?id=97eff0cd-098b-4d09-b7e5-9e4f3ba

报告摘要

主要观点

本篇是“学海拾珠”系列第九十九篇，文献研究了由共同基金评级所驱动的需求与股票系统性价格波动之间的关系。共同基金投资者通过晨星（Morningstar）评级来追逐基金业绩，使得资金被投入到过去成功的风格中。风格层面的评级失衡导致了在该层面上的价格压力，并增加了不同风格之间的回报差异。晨星公司2002年6月实施的一项改革使得不同风格的评级趋于平等，资金流动在不同风格之间更加平衡。研究发现，系统性的价格波动不仅反映基本面的风险，还可能由非基本面的需求决定。回到A股市场，通过基金持仓构建的选股因子大多效果不理想，由基金评级变化带来的价格波动是一个新颖的切入视角，值

报告摘要

主要观点

本篇是“学海拾珠”系列第三十五篇。作者研究了分析师对股票的重新覆盖对市场的影响。作者指出发布重新覆盖和常规上调评级都会引起市场反应，但对股票价格的影响不一样的。发布常规上调评级报告后，股票价格会迅速调整。而发布重新覆盖报告后，股票价格会持续上涨六个月。

回到A股市场，目前在alpha日益稀缺的背景下，如何从细节入手挖掘分析师数据中的增量信息仍有价值，我们可以从研究分析师的重新覆盖、首次覆盖、评级变化对股票价格的不同影响出发，脱离传统的多因子选股框架，以事件驱动的思维构建分析师重新覆盖组合，例如，借鉴本文做法，排除了合规影响、业绩公

摘要

债务周期是一种具有领先性的经济周期：

债务周期在上升过程中，往往伴随着宽松的货币政策，带动债券价格上涨。随着信贷放松，企业生产与投资意愿加强，预期盈利上升，股票价格上涨；另一方面企业现金流上升，传导至库存周期上升，补库存过程中大宗商品价格上涨。随着通胀逐渐上升，利率水平出现反弹，债务周期进入下降通道，债券价格下跌。进而信贷收紧，企业盈利能力下降，股票下跌；另一方面企业进入去库存过程，大宗商品需求下降，价格下跌，通胀下行。

细分债务周期与资产价格的关系：

经济中的主要参与部门包括政府部门、居民部门、非金融企业部门和金融部门。我们统计了国内上述经济部门细分债务周

摘要

基于新闻数量的选股策略根据新闻数量和股票价格之间存在联动关系构造投资者关注度指标，并通过投资者关注度指标构建策略。实证结果表明，在中证500成分股中，利用个股新闻数量可以取得超额收益。策略要点主要有：

1.通过网络爬虫抓取中证500从2010年至今的新闻量数据，以该数据构造投资者关注度指标。 2.策略基于投资者关注度的高低，对中证500成分股进行分档，在每个月第一个交易日做多关注度低的股票，策略表现优异。

正文

[/wiki/static/upload/c9/c9c5402e-232a-4a72-9312-3e2026b7ce1f.pdf](/wiki/stati

摘要

很难预测首次公开募股 (IPO) 的未来收益，因为用于确定 IPO 价格的多重估值方法通过反映特定市场环境中的当前情绪来提供估计。 由于我们的模型反映了会计信息和股票价格，我们发现验证 IPO 股票估值准确性的平均绝对百分比误差将投资回报率提高了 15% 到 20%。 这可以帮助股东和投资者准确估计股价并进行高效的投资决策，同时通过将机器学习应用于传统技术来分析投资机会和优化交易策略，为金融科技做出贡献。

It is difficult to predict future payoffs for initial public offerings (IPOs),since the

摘要

文献来源：Park, Sangkyun. The P-E Ratio, the Business Cycle, and Timing the Stock Market. The Journal of Portfolio Management, forthcoming November 2021.

推荐原因：本文利用1871-2020年的月度股市数据，分析了市盈率与未来股票市场表现之间的关系，以及错误定价是否为股市择时提供了机会。研究发现，市盈率与已实现的股权溢价成反比；而与公允市盈率这一基本面指标成正比。这些发现表明，市盈率可能同时反映了被误导的市场情绪和理性的投资者预

摘要

文献来源：Aboody, D., Even-Tov, O., Lehavy, R., & Trueman, B. (2018). Overnight Returns and Firm-Specific Investor Sentiment. Journal of Financial and Quantitative Analysis, 53(2), 485-505.

推荐原因：投资者情绪对于股票收益的横截面（或时间序列）属性的影响是一个具有重要研究意义的课题。个人投资者容易受市场情绪所影响，并且他们倾向于在盘后挂单进而在交易日开盘进行成交，因此股票隔夜收益可以作为度量个

摘要

文献来源：Bradley, Daniel & Clarke, Jonathan & Zeng,Linghang. (2019). The Speed of Information and the Sell-Side Research Industry. Journal of Financial and Quantitative Analysis. 55. 1-48. 10.1017/S0022109019000577.

推荐原因：卖方研究行业通过向客户推荐股票以赚取佣金，而FLY（the Fly on the Wall，第三方信息平台）等金融科技机构对于分析师推荐信息的

摘要

文献来源：Campbell, John Y., and Tuomo Vuolteenaho. 2004. Inflation illusion and stock prices. American Economic Review 94, no. 2: 19-23.

推荐原因：本文将标普500的股利收益分解为

1. 对长期股利实际增长的合理预期;
2. 市场对于风险溢价的主观预期；
3. 由于市场对于股利增长的预测偏离合理的预测值所导致的错误定价。

Modigliani和Cohn’s（1979）的假设和华尔街对“美联储模型”的持续使用表明，股票市场错误地对过去的名义增

报告摘要

指数成分股调整事件概述每年的6月和12月，中证指数公司会对重要A股指数的成分股进行调整。而随着指数成分股的调入调出，跟踪该指数的基金包括ETF基金、LOF基金等也会对基金的持仓做出相应的调整，从而有可能会对新调入或新调出的股票价格造成重大影响。本文以沪深300指数的成分股调整为例，来看新调入（或新调出）的股票是否存在着明显的正（或负）超额收益。

新调入的成分股超额收益分析新调入的成分股在每次调整前20个交易日到调整日这个区间，无论相对于市值基准还是沪深300，都具有稳定的正超额收益，平均每次超额收益为1.99%，胜率为64%。但是需要注意的是，近几期超额收益率开始出现下滑。

https://bigquant.com/experimentshare/46cf815bdc7f4158a22aa05ccb45c98a

\

\

简介

本教程旨在介绍如何使用TensorFlow以及LSTM神经网络进行深度学习（了解更多机器学习请参见教程

@ML@ML

）。本教程的演示方法为：以实数序列的预测模型为例进行论述，并对股票价格或股指指数进行实测。

序列数据

本教程将使用神经网络作为序列数据的预测模型。接下来我们介绍什么是序列数据。

数学上的实数序列

vv为一有限实数序列，即v=(v1,...,vM)v=(v1,...,vM)，其中∀i=1,...,M∀i=1,...,M，vi∈Rvi∈R为实数，MM为一非负整数，亦即vv是一包含MM个元素的实向量（若M=0M=0

摘要

分析师的重新覆盖与市场反应不足

分析师重新覆盖指在中断了六个月或更长时间后，券商重新开始覆盖某只股票。重新覆盖在短期内伴随着显著的市场反应，尤其是当同一个分析师重新覆盖该股票时。市场对于分析师常规地向上修正评级与重新覆盖向上修正评级表现出截然不同的反应。当分析师常规地向上调整评级时，股票价格会迅速反应；然而当分析师重新覆盖时，股票价格会在之后6个月内持续向上，并且在两年内没有出现反转。此外，不同分析师的重新覆盖的影响与初始覆盖相类似。

正文

[/wiki/static/upload/15/1588fbf8-f277-4604-8447-a715642ab845.p