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

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5ase55cg5oyb5lut5lit55qeiumbtylogqe-fEyQrrHIjR

\

导语

通过数据过滤我们可以在预测的时候避开ST股和退市股，但如果很不幸我们的买入持仓中有股票变成了ST股或者退市股时，我们应该如何快速卖出逃脱呢？本节我们就聊聊如何处理持仓中的“雷”股

常见对象

交易账户相关

TradingAccount(StockTradingAccount/FutureTradingAccount)交易账户资金相关,可访问如下属性：

• trading_day: 交易日 YYYYmmdd
• portfolio_value: 总资产，主要是资金+持仓市值
• positions_value: 总持仓市值
• available: 可用资金，主要是账户资金-冻结资金
• pre_balance: 昨日账户结算净值
• balance: 账户资金
• frozen_cash: 冻结资金

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

https://bigquant.com/experimentshare/a3b69879c8a64567825df6d006b45da2

\

问题

如何设置交易逻辑改成策略交易的第一天买满仓然后逐步轮仓

视频

（2：50开始）

https://www.bilibili.com/video/BV1Ug411M7iz?share_source=copy_web

策略源码

20210624 Meetup策略模板

[https://bigquant.com/experimentshare/fe5b36317a3a4149862680619c10f5ad](https://b

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

\

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/10-WptofJfpcQ

20210624 Meetup策略模板

[https://bigquant.com/experimentshare/fe5b36317a3a4149862680619c10f5ad](https://bigquant.com/experimentshare/fe5b36317a3a4149862680619c10f5ad

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

以双均线策略为例，采用新的DataSource接口实现基金数据的读取及策略回测

[https://bigquant.com/experimentshare/ac13b3c580cd4f06ad2cce26dd718ecc](https://bigquant.com/experimentshare/ac13b3c580cd4f06ad2cce2

本贴最早于2022年1月份创建，因平台升级之前分享的源码不能正常运行，分享个新的源码共大家借鉴

基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，附带的源码策略年化收益81%，基于此策略打开你的量化入门之路。

策略介绍： 平台策略主要分成二种，AI策略、自定义编码策略。\n AI策略：AI主要定义因子及过滤条件，由AI算法自动进行训练，根据训练出来的模型输出交易计划。优点：入门简单，利用AI能力自动形成选股算法；缺点：选股逻辑非完全自主控制，存在选出来的票，不清楚它的逻辑情况。

\n自定义编码策略：选股规则可根据自己的设想实现，便于验证自己的想法有

个股信号开仓前多指标风控。

大盘多指标择时。

最大回撤出现在22年行情急速下跌时，在这之前回撤10左右。

个股初始止损8% 动态止损5%（涨了以后 下跌5个点卖出）

个股止盈40%。

持仓为动态持仓，每支票风控独立运行

交易方式：

涨7个点不卖

盘中低开5%不买

盘中交易

该策略不通过机器学习构建，不存在训练集测试集，过拟合欠拟合问题。

该策略没有进行特别调参，基本上都是采用非常普通的参数

报告摘要

主要观点

本篇是学海拾珠系列第七十九篇，本期推荐的海外文献提出了一个新颖的基金业绩归因模型。该模型主要基于投资组合的持仓数据，衡量了基金来自不同业绩来源的增值，如动量策略、选股、择时，并且可以分离出被动择时对业绩的影响。回到国内基金市场，投资者常常会用回归法对基金的择时能力进行分析，鲜有基于持仓的视角，本文为我们深入探究基金择时能力提供新颖的思路。

选股能力是基金业绩的主要贡献来源

关于个股选择能力，本文考虑了两个组成部分。第一个部分，衡量基金经理的动量策略所增加的价值，这些策略包括对具有特异性回报的证券进行增持或减持。结果表明，这部分的

报告摘要

主要观点

本篇是“学海拾珠”系列第五十三篇，本期推荐的海外文献研究了共同基金持仓拥挤度对股票收益的影响。作者通过构建一种新的表征基金持仓拥挤度的指标来研究拥挤交易对股票回报的影响。

回到A股市场，拥挤度通常指的是策略的拥挤程度，用以解释某些alpha策略为何失效，而主动基金的持仓信息目前仍是一个尚待挖掘的领域，从基金持仓拥挤度视角构建选股因子是一个较为新颖的视角，可以通过观察其选股效果以及与流动性、分析师覆盖度等常用因子的相关系数来综合评价该因子的实用性。

• 金融危机可部分归因于交易空间的拥挤

拥挤行为会扭曲股票价格并

报告摘要

主要观点

本篇是“学海拾珠”系列第六十九篇，本期推荐的海外文献研究了基金经理主动增加持仓的技术相似性与基金未来业绩之间的关系。作者提出了主动技术相似性（ATS）的指标，并发现该指标与基金正收益有显著的关系。该指标可以被用来衡量基金经理的信息获取能力。回到国内基金市场，技术相似性是一个较为崭新的视角，可通过专利数据计算基金持仓技术相似性因子，观察其与未来业绩之间的关系，为丰富选基因子库开拓了思路。

• 主动技术相似性（ATS）指标反映基金经理对技术创新的认识

作者认为优秀基金经理的业绩来源与他们对技术创新的深刻认识有关，并假

摘要

20210428-海通证券-高频数据应用系列研究（一）：使用高频数据跟踪核心资产的公募基金持仓变化

可使用微观数据协助预估个股的公募基金持仓占比

全市场模型在样本外具有一定的预估能力

可通过划分股票范围进一步提升模型的预测能力

通过宽基指数划分股票范围，模型在沪深300指数内具有相对较好的样本外预测能力

通过行业板块划分股票范围，模型在科技、消费以及工业板块中的样本外预测能力相对较好

在实际应用中，可高频跟踪特定个股、行业以及风格的机构持仓占比变化

正文

[/wiki/static/upload/c2/

摘要

延续四象限仓位测算方法论的优势，我们定位出样本基金所属行业及风格，通过测算具有特定属性的样本基金来监测这一板块或者风格上的仓位变动。测算结果表明，产业维度上，科技、医药及必选消费主题的基金数量较多，仓位测算方向准确率在70%左右；风格维度上，大盘、价值风格的基金仓位测算方向准确率分别达72%和84%，季度平均样本胜率也均超过65%

投资聚焦

1. 四象限仓位测算方法论旨在为市场提供连续、准确、及时的仓位测算值，尽管模型的测算效果较为可观，但基金总体的权益仓位难以反映专业投资者在细分板块或风格上的持仓变化。
2. 延续构建个性化比较基准及兼顾多阶信息的优势，我们

摘要

本文主要基于陆股通持股明细数据和路孚特Ownership数据库分析外资持股偏好

外资持仓数据介绍。在我国，QFII/RQFII和陆股通是目前外资进入A股市场的主要渠道。此外，我们也可以从境外机构定期披露的持仓报告中获取其持有A股的信息，例如本文介绍的路孚特（Refinitiv）Ownership数据库。从数据情况来看

1. QFII数据主要是季报、半年报、年报披露的持仓信息，滞后期通常较长。同时QFII/RQFII在陆股通开通后逐渐被分流，2019年三季度末QFII持仓市值仅为1563亿元，远低于同期陆股通的持仓市值（1.12万亿元），并不能非常好地代表外资的

摘要

第三方基金销售平台机构与常规持牌资管机构在基金投顾业务领域目前处于什么业务模式，未来又会朝向怎样的趋势发展？

近两年时间，基金投顾试点机构规模逐步壮大，买方投顾业务也成为整个财富管理行业的大风口。目前已有56家机构获得基金投顾业务批文，包括23家公募基金，27家证券公司，3家银行，3家第三方独立销售机构。

三方平台机构与传统资管机构在基金投顾业务领域目前维持合作为主，竞争为辅的模式。目前三方平台主要起到策略方案展示平台的作用，合作模式仍处于业务发展相对初级阶段，未来将会具有“千人千面千时”特征。

投顾可分为“投”与“顾”，后续想做出差异化，很大程度在于各机构对于“顾

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：

报告摘要

基金特异度与未来业绩表现

对于传统的对冲基金（公募基金）而言，一只基金产品的持仓、净值越不“从众”，其未来表现越强，一个特异性程度较高的基金往往意味着基金经理人拥有更独特的投资技巧。

CTA的“从众”属性

本文聚焦于CTA类型策略，通过实证发现CTA策略的特异性与未来业绩表现显著负相关，与对对冲基金的发现完全相反。当根据SDI（策略特异度指数）将CTA策略5组分档时，低SDI的CTA产生的平均年回报比高SDI的CTA高出5%，具有较少特色策略的基金表现显著更好。

“从众”的CTA本质在交易什么

SDI较低的CTA策略在动量因子上的暴露

报告摘要

基金经理投资能力刻画

本文提出了一种新的度量基金经理投资能力的指标，通过判断投资行为相似的基金经理的表现（持仓相似或者持仓调整相似）来预测基金收益。一个是基于基金经理的静态持仓，一个是基于基金经理对于股票的交易与那些成功基金经理的重合程度。

通过使用过去一段时间的历史收益与持仓来计算指标去评估基金经理的投资能力，相比于传统的基于收益的指标更具预测能力。

本文的基本假设为投资决策相近的基金经理投资业绩相似。因此在设计指标时都遵循这一逻辑。实证表明这一设计相比于传统基于收益构建的指标对基金未来收益率具有更强的预测性，同时预测效果也更稳定。

实证结果

报告摘要

持仓变化隐含资金流向信息期货市场中的持仓量是预测未来商品价格走势一个重要的观测维度，分析持仓量的变化可推测资金在期货市场的流向。目前全球市场上最著名、最完整的持仓信息报告来自于美国商品期货交易委员会（CFTC）提供的美国期货市场上各类商品期货及期权的持仓报告。在国内期货品种的持仓信息中，最值得关注的是期货公司持仓信息。

高成交持仓比下持仓信息的显著变化更具指引效果单纯使用交易量或持仓量指标来对期货品种走势进行预判，效果往往不佳。成交持仓比是另一个值得关注的指标，目前全市场排名前十商品期货品种日均成交持仓比均高于1.5，它不仅可用以判断期货市场的投资者结构，也对市场具有指示作用

内容提要

系列前期报告《高频数据应用系列研究（一）——使用高频数据跟踪核心资产的公募基金持仓变化》讨论了使用高频数据对于基金披露的持仓进行持续修正，并得到个股上公募基金持仓占比预期的方法。本文在前期研究的基础之上，探讨了公募基金持仓占比预期（后文简称公募持仓预期）在选股以及行业轮动策略中的应用。

模型跟踪表现良好。对于公募持仓占比较高的股票，个股公募持仓预期具有相对较好的拟合效果。此外，基于个股公募持仓预期，可向上合成特定行业的公募持仓预期。行业公募持仓预期样本外拟合效果同样较好。

基于个股公募持仓预期构建选股因子。在构建选股因子时，可考虑从以下两个角度出发：1）刻画个股当前预期持仓

我们一方面可以在交易详情的表格里查看交易细节数据，另一方面其实这个数据有接口，用户是可以直接可以查看并使用的，这里是一个简单例子，查询某几天的持仓、交易、成交详情。

https://bigquant.com/experimentshare/f74fe642a0514746b17cc5439f676dd1

\