我们为广大量化爱好者整理了120套量化策略源码，==获取全部源码方式见页尾。==

• 本合集旨在提供量化思路和常见的策略模板，从而学习和魔改，==请勿直接实盘==。

• 本合集均使用3.0开发环境，克隆策略时候==选择去AIStudio最新版运行==。

  \

一、新手学习策略

• 指数研究：指数择时策略（点击查看）
• 机器学习：[反转策略（点击查看）](https://bi

因子是量化策略的关键，量价因子被大家使用的最多，但是随着多越多的人不断的挖掘因子，因子失效成为我们关注的问题了，那么因子多久会失效呢？看到一篇来自量化藏经阁的文章，分享给大家：

报告摘要

美国市场的因子发布后失效现象 因子的样本外失效问题一直成为近年来学界研究热点。McLean和Pontiff（2016）率先研究了美国股票市场中的97种收益预测指标，他们发现美国市场中因子的多空收益在论文发布后大幅缩水。这种现象可能是源于套利者押注学术出版物上的错误定价，这导致因子在发布后的收益表现比发布前要低。 全球市场的因子异象检验 在本研究中，我们探讨了美国和38个国际股票市场上

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

因子研究

• 因子加工的时候，如何判断加工结果是否准确

两步：1）检查原始数据 2）检查计算加工逻辑

测试数据的覆盖度、准确性。

• 因子挖掘方面的问题，如何去挖掘因子，没有形成一套逻辑

参考研究报告：

着重推荐第一篇：《国盛证券多因子系列之八：日间量价模型研究》

\

\

量化策略

1. 关于行业轮动模型的研究和设计，没有办法寻找一个好的方向与切入点

行业轮动的策略代码：

策略社区是BigQuant推出的量化策略交流社区，为平台用户提供一个自由分享、交流学习的互动平台，在这里可以获取到他人分享的优质策略模型。

平台提供【运行策略】功能，开通 ‘BigQuant Pro-旗舰版’ 服务，即可获取数据调用权限并部署模拟交易。

***免责声明：社区版块信息由平台用户自由分享发布, 本平台不对内容真实性做担保或核验, 风险自担.

下文是具体操作使用说明。

一、访问策略社区

1、访问 [策略社区](https://b

BigTrader是宽邦科技推出的致力于为用户提供便捷、功能强大的交易引擎。

在量化研究的过程中，量化研究员（宽客）需要在历史数据里回放模拟，验证策略效果，这就是BigTrader交易引擎的应用场景。

首先，构建简单但能运行的策略

BigQuant平台回测主要使用bigtrader中initialize函数和handle_data函数，initialize为策略初始化函数，只触发一次。可以在该函数中初始化一些变量，如读取配置等；handle_data函数为行情通知函数，频率支持日线和分钟。

# 初始化函数，只执行一次
def initialize(co

MeetUP直播答疑 时间：8月24日（周四）19:00 回放视频请访问宽客学院-双周答疑-79thMeetup

\

问题列表

**问题1：我主要使用价格K线形态来进行买入卖出依据，但是仅使用数学公式来描述形态（三角形，W，茶杯，头肩顶等）感觉比较局限，和难抓住我用眼睛能看到的内容（同样也表示这个东西比较主观）。能否我进行人工挑选，例如将我看到的：3月10日到5月7日XX股票是一个头肩底，将不同的形态打上不同的标签，找出成百上千个这样的形态作为训练集喂给AI，然后反过来让AI识别出过去历史上所有这些形态然后进行回测，不知这种做法是否可行，以及在代码模型

导语

在AI量化策略开发第六步：回测教程中，我们介绍了Trade回测/模拟交易模块的重要函数和策略构建的基本流程，本文主要介绍如何在Trade模块中设置手续费和滑点。

在评估策略的时候，我们设置一定的交易手续费和滑点以模拟真实交易。在策略编写中，我们通常在回测模块的初始化函数中进行设置。

设置手续费

通过调用set_commission方法，在初始化函数中加入如下代码块实现相应的功能： 股票，按成交金额百分比设置手续费，手续费不足5元按5元收取

# 示例代码1
# 交易引擎：初始化函数，只执行一

本篇报告详尽地介绍了基于人工智能的阿尔法策略框架，包括基于AI技术在策略研究上的阶段性的工作和成果，并提供完整代码，读者可克隆策略，复现效果和继续改进。 希望本文能帮助读者拓展研究思路，应用AI来做更好的量化策略研发，把人工智能的能力赋予更多的投资者 (Democratize AI to empower investors)。

\

摘要

本篇报告构建了一个完整的可复用的 人工智能阿尔法策略框架。

本篇报告用AI对基本面、财务、交易型等 282个因子 做了单因子策略研究和多个维度上的绩效分析，并 **发掘了在短、中、长周期上多个夏普比率超过1.5 、年化收益超过 30

导语

机器学习已经成为量化策略设计中的一大利器，了解各种机器学习算法的原理、特点、优劣，对于量化建模有着极大的帮助。因此，本系列【专题研究】介绍几种在资本市场中非常流行的机器学习算法及其在选股方面的相应应用，希望能对大家有所帮助。

随机森林是当前使用最广泛的机器学习集成算法之一。由于其简单灵活、不容易过拟合、准确率高的特性，随机森林在很多应用中都体现了较好的效果。

本文从单棵决策树讲起，逐步解释了随机森林的工作原理，然后将随机森林预测应用于二级市场，介绍了基于随机森林模型的智能选股策略。

什么是随机森林

随机森林是一种集成算法（Ensemble

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

此为0527Meetup直播策略讲解，视频详见2021-AI量化Meetup导览

https://bigquant.com/experimentshare/edab29d0ffad4e039a9c1f5fed1fa870

\

（包含移动平均线公式及Python代码）

移动平均线（Moving Averages）是一种分析金融时间序列数据的基本工具，用于平滑价格数据以识别趋势。移动平均线主要有两种类型：简单移动平均线（SMA）和指数移动平均线（EMA）。

BigQuant也提供全面的金融市场历史数据因子平台以及AI量化策略编写平台（PC端），帮助大家快速验证不同指标因子组成的量化策略。

![](/wiki/api/att

波动率（Volatility）是金融市场中用于衡量资产价格随时间变化的程度。波动率越高，表示资产价格的变动幅度越大，风险也越高。在股票市场中，波动率通常以历史波动率（基于过去的价格变动）或隐含波动率（基于期权定价）来衡量。

BigQuant的金融市场历史数据因子平台以及AI量化策略编写平台（PC端），可以验证波动率指标因子组成的量化策略。

![](/wiki/api/attachments.redirect

在量化交易中，我们常听到和看到因子是量化研究中关键的一环。一个量化策略是5个因子的效果好，还是50个因子的效果好？因子之间有什么样的关联和差异？对量化交易策略收益的影响如何？那么因子投资是什么？为什么量化交易要用因子？

我们可以将投资决策因素看作是营养对食物的影响。根据营养成分，您可以决定食用哪种食物以及食用多少。因素对于了解特定投资方法的风险和回报是不可或缺的。

因此，每个交易者都会根据自身对回报的风险承受能力来投资风险和回报因素相似的股票。在本文中，我们将详细了解因子投资。

什

策略案例

https://bigquant.com/experimentshare/5cfd9186208047518a995e4394ba1099

\

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

作者：woshisilvio

导语

在以往的认知中我们认为一个量化策略的选股>择时>风控，但经过多次的实盘交易发现风控处理不当会导致我们牛市赚的少、熊市亏更多。因此提出一种次优解的风控思路：风控>择时>选股。根据人工择时的经验，设计执行的固定量化风控准则（交易纪律），可以决定我们收益的下限，以及回撤的上限。

在本次分享中，将从以下四个方面展开：

1.仓位管理的策略。同时，优化上期分享的超跌反弹策略。

2.常用来做优化的工具和方法

3.对抗过拟合的方法

4.彩蛋策略：资金流大单追涨策略。预告下一期meetup

仓位管理策略

一个完整的AI-量化模型由三部

什么是BigTrader

BigTrader是宽邦科技推出的致力于为用户提供便捷、功能强大的量化策略编写、回测分析、仿真模拟和实盘交易的工具。在量化研究的过程中，量化研究员（宽客）需要在历史数据里回放模拟，验证策略效果，这就是BigTrader交易引擎的应用场景。

交易引擎有哪些优势

• 回测研究贴近真实 交易，最大程度保证回测的准确性
• 回测研究、模拟交易、实盘交易为同一套代码，无需做任务修改
• 交易引擎是一个有体系、结构化的工程框架，能大幅提升策略开发的效率

支持的品种

股票、基金、期货、可转债、指数，未来会支持期权、债券、两融

交易频率

https://bigquant.com/codeshare/4515d40b-c2f4-4439-a2c9-92931adb0c6d

\

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

摘要

目录CONTENTS

1.趋势配置模型的基本原理

2.中信一级行业指数历史表现及动量效应

3.传统截面动量模型在行业配置组合上的应用及改进方向

4.“时序动量+截面动量+止损机制”构建行业趋势配置组合

5.主要结论

正文

/wiki/static/upload/ca/ca5796d5-887d-4986-b0b2-a968e35b08b9.pdf

\

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