策略介绍

A股分两种：“漂亮50”和“要命3000” http://stock.qq.com/a/20170428/006821.htm 证券时报记者以三个指标筛选出A股的“漂亮50”，这三个指标分别是净利润增长率长大于15%，连续3年净资产收益率大于15%，市盈率低于35。

策略流程

1. 筛选条件：净利润增长率长大于15%，连续3年净资产收益率大于15%，市盈率低于35。
2. 策略回测：开盘买入，收盘卖出，回测时间为2017-05-01至2017-06-15

策略实现

输入特征模块

• 将净利润增长率，净资产收益率，市盈率作为作为输入特征

本系列文章列举了AIStudio3.0环境中可视化模式下的常用数据处理方式

小伙伴们可以在评论区发你们想了解的其他数据处理方式，我们会在本文持续更新

Numpy（Numerical Python）和Pandas两个库是Python编程语言中两个极其重要的库，尤其在数据科学、金融分析和量化投资领域。尽管它们在处理数据方面有所重叠，但各自设计的初衷和优势领域有所不同。

Numpy简介

• 核心功能：Numpy是一个开源的Python库，用于科学计算。它提供了一个高性能的多维数组对象和这些数组的操作工具。
• 设计初衷：为数学运算、尤

https://bigquant.com/experimentshare/1e185519774149e6803c36f1e6ecb1e6

\

\

\

介绍

BigQuant是专业但易用的AI量化投资平台。如下知识可以帮助我们更好的开始策略开发。

如果没有特别说明，请在 AIStuido 3.0使用。

编程

BigQuant平台同时支持可视化编程开发和代码编程开发，并且两种模式可以无缝切换和融合

• 可视化：无需学习复杂的编程，支持低代码/零代码开发策略。BigQuant提供策略了海量模块、模版、学院、策略社区、知识库

m7 = M.derived_feature_extractor.v3(
        input_data=m1.data,
        features=m15.data,
        date_col='date',
        instrument_col='instrument',
        drop_na=False,
        remove_extra_columns=False,
        m_cached=False, # 去掉缓存
        user_functions={}
    )

https://bigquant.com/experimentshare/3399e83df2ea49e4ae1378ed0c9378db

\

摘要

我们梳理了铁矿石的产业链逻辑，将影响铁矿石价格的因子分为两大类四子类，基本面因子包括供应因子、需求因子、库存因子，而情绪因子是并列于基本面因子的一大类因子。

基本面因子相对于行情数据有更新频率更低、更新不够及时、统计口径时有变化等特点，所以数据处理方面有其特殊之处，本文从数据频率的统一、数据及时性、季节性调整以及奇异值的处理等方面进行了深入探讨。

对于单个因子来说，为了衡量其预测效果，我们采用三分位法作为信号生成机制，确定未来的交易头寸，从中发现三分位法的t统计量的值与我们通常追求的夏普比率（不考虑手续费和交易摩擦）相关性非常高，可达到98%以上，这一点与螺纹钢的结果一致。从

单纯的定性分析方法将不足以应对数据处理带来的挑战，投资者需要一种效率更高、覆盖度更广的工具去进行定量分析，以便于获得更多的时间用于定性分析与研究，从而最终做出更优的投资决策。

量化投资方法正是这样一种高效的工具，通过局部替代主观投资方法中基础工作内容来提高投资效率。

同样，对于目前仅以量价数据为主要投资依据的机构而言，在量化投资行业大发展过程中，随着同类型管理人越来越多，策略同质化愈发严重，超额收益也更难获取。

挖掘多元化、差异化收益来源成为破局思路之一，未来量化投资也必然会更加注重基本面的底层逻辑。

总体而言，这两种方法各有利弊，两者的结合，才是通往长期投资成功的最可靠途径，也是必然