StockRanker多因子选股策略

https://bigquant.com/experimentshare/1b8882bded4c4127a6c6edc792af662d

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/5957e3fb-08b4-4e16-9b9a-7d0de13c2a4d

\

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/a6dc6c90-4f42-4c8e-92ec-dfa1a2f13fc0

\

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆之后-选择最新环境）

{{membership}}

[https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01f4](https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01

单因子策略：120日换手率之和

回测图：

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/54d502d3-8cd7-45f4-97a5-55b912da0ef3

\

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

因子简介

今天了解一个基础的因子——股票换手率，又称“周转率”，是反映股票流通性强弱的一个重要指标，它是指在一定时间范围内 市场中 股票转手买卖 的频率，其计算公式为：

其中：

1. period_volume 是指一段时间的股票交易数量
2. total_share 是指可以在市场上自由交易的股票总数

换手率越高，说明股票的交易越活跃，可以反应市场的情绪变化；换手率越低，说明股票的交易越冷清。

因子构建与分

问题

如何更方便地提取平台已整理好的因子，我想获取比如某个申万一级行业的波动率指标，数据源返回了价格交易量换手率等信息，波动率需要自己写函数计算了。有没有更方便的方法，像普通标的一样在特征列表里面写想要的因子，再连连线就能搞定

视频

https://www.bilibili.com/video/BV1Pr4y1g79W?share_source=copy_web

策略源码

[https://bigquant.com/experim

https://bigquant.com/experimentshare/f5061810f6e34b71ad59641c2f54e290

\

换手率（Turnover）通常用于描述股票或其他证券在特定时间内的交易活跃程度。金融市场中，换手率可用于衡量股票的流动性，即股票在市场上买卖的频率和容易程度。

BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），验证换手率因子组成的AI量化交易策略。

![](/wiki/api/attachments.redirect?id=83ec82a2-6c14-4425-8bae-05b216f7

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

https://bigquant.com/experimentshare/3e9b0e7623284f01b7e206d1a3df4b92

\

投资要点：

❑新技术因子

在多因子量化选股系列报告中，我们已经撰写了一系列基础技术因子并对其进行有效性检验，本篇报告从换手率、非流动性和量价信息结合这几个方面继续挖掘新的技术因子。

❑换手率因子

换手率是指在一定的时间内市场中股票转手买卖的频率，是反映股票流通性强弱的一个指标。本篇报告研究了换手率稳定性因子、换手率变异系数因子、异常换手率因子。在中证500股票池内，换手率稳定性_12个月、换手率变异系数_12个月因子的表现较好。

❑非流动性因子

非流动性指标通过成交额对绝对收益的影响，来衡量股票交易对市场的冲击，用于刻画股票的非流动性。本篇报告研究了非流动性因

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：

摘要

目的多因子模型体系包括alpha模型、风险模型、成本控制模型、组合优化模型 。 组合优化模型是最终将前三个模型整合为一体，得到最优结果。本期报告的主要目的是对组合优化模型进行详细的探讨，对不同的限制条件影响组合表现的规律性进行一定程度的揭示。

lamda系数lamda系数对组合表现的影响因个股权重偏离限制的不同而不同。当个股权重偏离幅度限制较严格的情况下，lamda系数对组合表现影响几乎可以忽略，而当个股权重偏离幅度限制较宽松时，lamda系数对组合表现的影响较大。

非成份股权重非成份股权重比例的提高，在沪深300上能较明显的提高组合表现，而在中证500上的结果有待进

\

/wiki/static/upload/b2/b2ee2101-bb57-4a2b-92e6-a192c81aa6be.pdf

\

结论与建议

1）持续推荐策略资金容量大、换手率低，可以作为基础股票池；

2）上调目标价和评级策略属于短期博弈策略，时效性要求较高，可以作为战术性调整的依据，且在震荡市场中可以加大配置权重。

报告摘要

巧用研报观点，方能事半功倍。卖方分析师作为二级市场的信息传播者、公司价值的独立思考者、投资者决策的外部咨询者，为市场提供了大量有效信息。但粗放、孤立、片面地使用，并不能有效发挥研报中的信息价值。利用分析师观点，应当考虑到分析师的行为动机，从个体到群体，从静态到动态，深层次地解读分析师的研报观点，破译海量研报中隐藏的信息密码，投资者才能更好地享受到“分析师信息红利”。研报概览：发布有

研究结论

过去几年A股alpha空间较大，一些经验的简单组合构建策略就可以获得稳健组合，组合优化方法在提高策略收益和稳健性上并无明显优势。它的作用更多是提供一个平台，让投资者同时精确控制组合风险暴露、个股数量和权重、换手率、冲击成本等，同时还可以把投资者的主观信息融合同一个模型框架下来，包容性和扩展性强。

风险厌恶系数的设定取决于要做什么策略组合，报告正文给出了估算方法。当组合优化问题的约束条件较多时，约束条件对组合风险的控制作用更大，风险厌恶系数的变动只能实现微调。

实际使用中，绝大多数组合优化问题都要通过数值方法求解。没有适用所有问题的数值算法；同一个问题，不同算法的求

研究结论

量化策略回溯测试得到的“纸面收益”与实际交易“账面收益”最大差别在于交易成本控制，特别是对资金量大、换手率高的产品。在成交价格上加减一个固定比例的冲击成本的传统做法并不可行，它无法反应不同时点、不同股票、不同资金量造成冲击的差异。本报告基于A股主动买卖单数据，提供了一个可行的股票冲击成本模型，辅助投资者控制资金冲击，提升账面收益。

我们构建了幂指数模型来解释股票的冲击成本。一般来说股票的流通市值、波动率、市场的活跃程度都会影响冲击成的大小。通过对历史数据做拟合我们得到了冲击成本函数的参数在不同月份的数值，并可据此计算股票的冲击成本与主动交易金额的关系。

我们将冲击

摘要

本周市值、反转、波动率、换手率、技术等价量相关因子表现较好本周价量相关因子表现较好，基本面相关因子表现一般。市值、反转、波动率、换手率、技术因子的表现整体相差不多，其中反转、波动率、换手率因子在全A股票池中表现比较突出；beta因子在沪深300成份股票池表现较好，在其余股票池表现一般；估值、成长、盈利、财务质量因子表现较弱，其中盈利和财务质量因子在全A股票池发生较大幅度回撤。从本月初至今的表现来看，主要是市值、反转、技术因子表现优秀，beta因子回撤，其余因子整体表现一般。 主动型量化基金本周表现与非量化基金持平我们基于Wind量化基金分类，通过自主筛选，构建量化公募基金池，定期

摘要

本周价量型因子均表现较好，beta因子效果突出，基本面型因子表现一般本周价量型因子均表现较好，其中beta因子效果最突出，在各种类别的股票池内IC值都很高且稳定；价量型因子中的反转、波动率、换手率、技术因子表现也不错，在各类股票池效果稳定，其中换手率、波动率因子在全A股票池中效果比较突出；市值因子主要是在沪深300和中证500成份股票池内效果较好，在中证1000成份股票池内略回撤；估值、成长、盈利、财务质量这四个基本面型因子整体表现一般，其中成长因子在沪深300成份股票池略回撤，以及财务质量因子在中证1000成份股票池、全A股票池中略回撤。 年以来波动率、换手率、估值因子相对表现

报告摘要

因子多空收益整体表现

以因子等权配置的多空组合作为基准，该基准2018年1月多空收益差为1.40%，自2016年以来的多空累计收益为17.75%，月最大回撤为-0.23%。

最近三月因子IC系数表现

最近3个月成长因子和换手率因子表现最为稳定，盈利因子在11月出现回撤，反转类因子中的细分因子表现不一，估值因子中PB稳定性好于PE。综合来看，ROA增长率、ROE增长率、毛利率增长率、净利率增长率、每股收益增长率、主营业务收入增长率、每股净资产、PB、一个月换手率、三个月换手率、一个月股价反转、DIF的表现最为突出。

当月因子IC系数表现

成长因子

报告结论

港股市值分布更极端，成交不及A股活跃

港股市值分布较A股而言更极端，大量‘壳股’的存在使得港股总市值小于10亿港币的公司数量约占38%（A股最小市值超过10亿人民币），但是超千亿市值的港股也占4.9%（A股为2.3%）；港股成交活跃性较差，2010年以来恒生综指的换手率平均仅为上证综指的37%，深成指数的19%；2010年以来，港股市场平均月总成交额也仅为A股的13.6%；

市值因子在港股中不显著

港股市值效应不显著，市值因子单调性也很差；最小20%流通市值分组内股票有超额收益，但是胜率不高，回撤较大，超额收益来自于部分极端值（主要来自07年上半年和15年

https://bigquant.com/experimentshare/b6bb3c84df0c4da5bb0b495bc52feb06

\