如何在AIStudio3.0环境中写出以下因子

-- 统计30天内主力流入占比大于12%的天数

-- 总资产报酬率roa要大于5

-- 5天的收益率/20天的收益率

-- 最近5日的成交额排名

-- 平均10天的换手率

-- 统计30天内主力流入占比大于12%的天数

-- 现金流量

-- 当日收盘价破 56天最高价（创新高）

-- 10天的sma线/30天的sma线

-- SAR抛物线指标

-- 10天的波动率/60天的波动率

-- CCI14天的指标

-- 3天收益率的 排名

-- 判断 当日的资金流入净额>昨日资金流入净额

-

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')

Python是互联网、数据科学、量化交易等领域使用最广泛的编程语言之一，是AI量化策略研究平台主要使用的策略开发语言。

本文简短而全面，用十分钟的时间带你走入Python的大门。建议一边学习，一边在 AI量化平台-编写策略 里实践。

语法

Python中没有强制的语句终止字符，代码块是通过缩进来指示的。缩进表示一个代码块的开始，逆缩进则表示一个代码块的结束。一般用4个空格来表示缩进。

• 声明以冒号(:)字符结束，并且开启一个缩进级别。
• 单行注释以井号字符(#)开头，多行注释则以多行字符串的形式出现。
• 赋值（事实上是将对象绑定到名字）通过等号(“=”)实现
• 双等号(“

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。

更新

本文策略代码部分已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5z65pys6z2i6yep5yyw-vbxmD0RsJV

也可参考新版类似策略：

https://bigquant.com/wiki/doc/116-mcfVsYFPFP

\

导语

公司的基本面

导语

简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法，利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

量化投资模型只是一种工具、一种方法、一种手段，能实现成熟而有效的投资理念，需要不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化，换而言之，有效的模型建立在适应

https://bigquant.com/experimentshare/665da325d93a48c397f0fe70abdca825

\

{{membership}}

https://bigquant.com/codeshare/ba14d6a1-e34e-4d7c-8c69-c4359fc14821

\

{{membership}}

https://bigquant.com/codeshare/f263aa9a-4c52-45ff-aa1f-346efa3f548e

\

{{membership}}

https://bigquant.com/codeshare/df99fe2c-c320-40ba-8b15-5030a15b1cc3

\

{{membership}}

https://bigquant.com/codeshare/41b38a69-8c52-4a6f-954a-50a4a31104bc

\

因为很多量化在线平台目前还不支持期货交易，且KD指标对大盘和热门大盘股有着较高的准确性，此策略选取'605588.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt>80,dt>80, jt>100时，卖出\n当kt<20,dt<20, jt<0 时，买入

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/c4d61821-4048-4560-9ce4-372b28202ccb](https://bigquant.com/codeshare/c4d61821-4048-4560-9ce

因为很多量化在线平台目前还不支持期货交易，且KD指标对大盘和热门大盘股有着较高的准确性，此策略随机选取'603896.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt-1>80,dt-2>80, jt>100时，股价创50日新高，KDJ指标未创新高,卖出\n当kt-1<20,dt-2<20, jt<0时，股价创50日新低，KDJ指标未创新低,买入

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/823169b0-157a-41a9-b919-d727febb55c2](https:

安装并登录

1、下载BigTrader AI量化交易终端，解压缩，双击目录下的bigtraderterminal.exe运行。

2、输入交易账户、登陆密码，选择节点并登录。

3、终端界面布局

• 左侧为账户列表
• 右侧为账户详情
• 账户详情上方为通知栏
• 账户详情中部为实时行情与手动交易工具
• 账户详情下方为功能栏
• 

查看当前持仓、今日成交、今日委托

1、点击当前持仓分页，即可查看当前持仓的标的。

2、点击

最近读到中金量化多因子系列中提到一些高频因子，比如50分钟K线最高与最低价相关系数平方的均值、成交量最高50根K线成交量收益率动量等等，那么根据分钟行情数据构建出来的话，应该是计算出多行的数据，那么对于我们量化爱好者来说，做因子测试的话是利用这些日内多行的数据吗？还是需要做降频处理到每日只取一行数据？之前听万老师讲课听过一般会对高频因子做降频处理，这样处理数据算力负担不会太大。所以有些疑惑，一、想确认下刚才所讲的这两个高频因子是需要取多行数据还是可以降频处理？二、如果可以做降频处理，那么采用什么方式处理比较好？比如取它们均值还是什么？

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

Bigquant平台提供了较丰富的基础数据以及量化能力的封装，大大简化的量化研究的门槛，但对于较多新手来说，看平台文档学会量化策略研究依旧会耗时耗力，我这边针对新手从了解量化→量化策略研究→量化在实操中的应用角度，整理了一些视频+配套源码，有兴趣的朋友，可详见链接观看，https://note.youdao.com/s/RlfuJuCB

资料内容主要包括：AI策略编写、非AI策略编写、大盘数据分析等

如：下面这个策略就是非AI策略编写，接合大盘、板块、个股当前的市场特性，自定义选股逻辑。

![{w:100}{w:100}{w:100}](/wiki/api/attachments

最好更细粒度的， 比如分钟级别。

好像没找到。 求例子。

请问这个卖出是否哪里设置不对，用这个trade去跑回测是可以正常运行的 也会买入卖出，但是放到模拟里面 他只买入 不卖出

回测引擎：每日数据处理函数，每天执行一次

def bigquant_run(context, data): # 按日期过滤得到今日的预测数据 ranker_prediction = context.ranker_prediction[ context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')] #----------------------------------

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