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

问题

35th Meetup提到的情绪周期中最高板数，涨停家数，跌停家数，昨日涨停今日表现(赚钱效应)等具体代码的编写。

\

视频

https://www.bilibili.com/video/BV1nT4y1q7Ut/

策略源码

[https://bigquant.com/experimentshare/224aa4076333436ea5a570694376631a](https://bigquant.com/experimentshare/224aa40763334

问题

有什么方法或因子可以描述股价在高位或低位？

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/9fa4d332095143b598308c57de203788](https://bigquant.com/experimentshare/9fa4d33

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

MeetUP直播答疑 时间：6月6日（周四）19:00 视频回放地址：点击此处查看

1、如何通过盘口数据做量化？

• 答：盘口数据需要用到L2高频数据，目前我们平台该数据暂未向个人用户开放。之前万笑宇老师有一场直播：《[基于基于咸亨国际的盘口数据，做量化分析》](h

为什么要构建一个明日涨跌停状态因子？

构建明日涨跌停状态因子的目的是为了提升投资决策的效率和准确性，帮助投资者优化交易策略、管理风险、识别套利机会。此外，通过对涨跌停现象的研究，可以深入了解市场行为，为政策制定和市场监管提供有价值的参考。

如何构建？

要成功构建一个明日涨跌停状态因子，我们需要使用BigQuant数据平台中量化因子分类内股票因子中的cn_stock_prefactors（预计算因子的数据表)。根据需要构建因子的要求，我们需要使用收盘涨跌停状态: 1-跌停, 2-非涨跌停, 3-涨停, SQL 算子: cn_stock_status.price_limit_

8月19日Meetup问题模板：

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

问题

知识库的策略分析里面有个“标记买卖点”的代码，能不能请老师把这个代码讲解一下，方面以后分析其它策略的时候使用。链接在这里：标记买卖点

\

视频

https://www.bilibili.com/video/BV1554y1f7Rf/

策略源码

[https://bigquant.com/experimentshare/1f66fd8421044f2a9884c9f1d3614ce1](ht

\

在这个数据驱动的时代，量化交易不仅是金融领域的革命，更是智慧投资的未来。

通过精确的数学模型和强大的算法，洞察市场动态，捕捉那些传统交易方法难以觉察的盈利机会。

量化交易赚钱的核心包括以下要点：

1 市场分析与策略开发

量化交易的核心在于市场分析和策略开发。这包括使用历史数据来测试和验证交易策略的有效性。

例如，通过回溯测试（backtesting），交易员可以评估一个策略在过去市场条件下的表现。

这种方

导语

公司的基本面因素一直具备滞后性，令基本面的量化出现巨大困难。而从上市公司的基本面因素来看，一般只有每个季度的公布期才会有财务指标的更新，而这种财务指标的滞后性对股票表现是否有影响呢？如何去规避基本面滞后产生的风险呢？下面我们将重点介绍量化交易在公司基本面分析上的应用，即平时常说的 基本面量化（Quantamental）

反映公司经营优劣的指标

首先我们简单介绍下可能运用在量化策略上的基本面指标，相信大部分投资者都对上市公司的基本面有一定的了解，上市公司的基本面情况总是同公司业绩相关，而衡量业绩的主要基本面指标有每股收益、净资产收益率、主营业务收入等等。

而上市

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

策略思路

始终持有沪深300银行指数成分股中市净率最低的股价制银行 每周检查一次，如果发现有新的股份制银行市净率低于原有的股票，则予以换仓

策略源码

'''
始终持有沪深300银行指数成分股中市净率最低的股价制银行
每周检查一次，如果发现有新的股份制银行市净率低于原有的股票，则予以换仓
'''

import jqdata

def initialize(context):
    """初始化函数，设定要操作的股票、基准等"""
    # 设定沪深300银行指数作为基准
    set_benchmark('399951.XSHE')

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，相关策略请参考以下链接：

https://bigquant.com/wiki/doc/124-exuI9VGX1a

https://bigquant.com/wiki/doc/5z66yer5ym5z2h57q562w55wl-F6yoWKprOq

本策略主要分享如何以指定

一个十五年前开始研究量化模型的人，在A股量化择时的研究上有了一些看起来还不错的成果，发个简介出来大家围观下，有兴趣的朋友可以讨论、交流下。

模型所使用的都是万得日线级别数据，没有未来数据，根据前一日收盘的各种数据使用在EXCEL表格中数百列既定公式（模型）得出当日看多/看空（择时）及交易对象。

模型详细介绍放在附件里，里面的图都是EXCEL基于万得数据的回测效果图。模型做出来有几年了，22年前主体有些小优化，之后在研究应用。论坛里不要问有没实践。谢谢！

[/wiki/static/upload/52/52303662-927c-4aa0-96d5-af90cc49af8b.pdf](

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

问题

如何结合欧奈尔的RPS指标,开发AI量化策略?

讲解

1988年，欧奈尔将他的投资理念写成了《笑傲股市How to Make Money in Stocks》。书中总结了选股模式CANSLIM模型，每一个字母都代表一种尚未发动大涨势的潜在优质股的特征。

https://bigquant.com/codeshare/0ffb5755-3b0a-4e5f-95d8-4d37e9d5fac0

https://bigquant.com/codeshare/77aeff8a-3028-44b5-93ec-68867a08466d

\

作者：chenao1106

导语

本次分享内容：拿⼀个策略案例，介绍盘中买卖量化如何实现，收益变化如何？

我们平时看到的策略，买卖时间点基本上是开盘、收盘这两个时间点，但经数据分析按年维度看，⼤盘即使在上涨情况，开盘买第⼆天收盘卖，胜率达不到50%，通过近5年数据分析，⼤盘如果全年持平情况，胜率约48%。全年按250个交易⽇计算，持仓2天的超短线，会有125轮交易。按48%的胜率，即胜率60次，亏损65次，做短线的朋友⼀般会选择波动相对⼤点的股票去做，持仓2天平均盈亏的幅度按4%计算，按开盘买、第⼆天收盘卖，这个买卖时机的因素会导致全年亏损预计为（65-60）*4%=20%。我们

摘要

量化择时交易策略

机器学习量化交易策略的制定，是通过从海量历史数据中，利用计算机强大的处理能力，挖掘并分析出那些能够为投资者带来收益的各种大概率可行的投资方式来实现的。通过数学模型对这些策略进行分析并加以验证，以期望让投资者获得更高更稳定的收益，或更合理地规避风险。

长短期记忆模型具有明显优势

长短期记忆模型通过记忆单元有效地学习长期依赖关系，在金融市场预测中具有明显优势长短期记忆网络是人工神经网络的一种，具有负责计算时间序列中各个观测值之间依赖性的能力，同时具有快速适应趋势中急剧变化的固有能力。所以，长短期记忆模型可以在波动的时间序列中很好地工作。在处理股

前沿

今天整个大市表现不好，可能是昨天任总的讲话，将寒气从制造业传导到了资本市场，咱也要居安思危，探索进取，在量化交易领域存活下去。

裹着被子爬(f)梯(q)子，看看大洋彼岸的宽客们，都在鼓捣些什么，有啥新奇的玩意儿。

你还别说，这次瞎逛还是蛮有收获的，最大的感慨就是，大神们的想法总是那么相通，开发的指标/策略总也是那么相似。

之前给大伙儿介绍过一个另类的量化策略：*[K线面积交易法](https://mp.weixin.qq.com/s?__biz=MzkyODI5ODcyMA==&mid=2247484161&idx=1&sn=85b980eb19f4d016b7f1a42f

利用算法进行股票量化交易是当今金融市场的一个重要趋势。在国际象棋和围棋等诸多复杂的游戏中，深度强化学习（DRL）智能体都取得了惊人的成绩。深度强化学习的理论同样适用于股票市场的量化决策。本文介绍了同济大学计算机科学与技术系的上海市大学生创新创业训练计划优秀项目：「基于深度强化学习的金融量化策略研究」，解读了如何训练一个 A 股市场的深度强化学习模型，以及回测的绩效表现。

在该项目中，研究者把股票市场的历史价格走势看作一个复杂的不完全信息环境，而智能体需要在这个环境中最大化回报和最小化风险。相比于其他传统机器学习算法，深度强化学习的优势在于对股票交易任务进行马尔可夫决策过程建模，没有将

同花顺选股平台最牛收益策略分析

​ 近年来，量化交易被越来越多的投资者认可，国内也出现了很多支持量化策略和量化交易的平台。其中同花顺旗下的量化策略平台BackTest（http://backt est.10jqka.com.cn/)因为支持自然语言创建策略而受到很多投资者的欢迎。在BackTest平台上有大量用户自编的量化交易策略，其中很多策略收益都非常可观，年化收益率甚至长期超过100%。

​ 这些策略是否可信呢？经过我们的分析，其中有一类包含“中证1000指数成份股"条件的高收益策略使用了错误的数据，相当于包含了未来

高频交易经常被提起，却始终蒙着一层神秘面纱，仿佛那只是金字塔尖那一小撮人的玩物。今天我们就从期货高频数据下手，去揭开神秘面纱的一角，并尝试搭建神经网络模型对高频数据进行预测，抛砖引玉，希望能让对金融数据分析，量化交易，人工智能感兴趣的朋友有所收获。我们已经将本文的全部源数据+源代码+python环境打包好，做到开箱即用， 文末有获取方式，欢迎大家下载自己动手继续学习和研究。

先看我们最终的模型结果，在训练集和测试集上的表现：

下面开始探索数据。

交易时间

以本文要研究的螺纹钢（RB）为例， 与股票不同，期货不仅在工作日白天交易，很多品种还有夜盘， 每个交易日就是从夜盘开始计算的。

行

​ 国内量化交易起步较晚，大约15年开始，20年开始爆发，21年量化私募规模飙升。由于容量过大，出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说，量化交易仍然是一种相对较新的投资方式。自20年以来，监管已经关闭了证券公司的外部接口。因此，如果你想进行定量交易，你必须使用证券公司的level2行情数据接口和交易接口。今天，我将与大家分享如何一站式解决不同的定量交易需求。

自编程AI量化交易https://gitee.com/l2gogogo

解决方案：AI量化交易策略终端

简介：

极速交易策略终端是一款基于python语言C#，PHP的策略交易平台，是活跃交易者策略研究