作者简介

作者：shen1

简介：鼠、虎、主升浪等三个系列策略作者，已实现1+量化策略实盘

策略简介

今年8月份，市场整体行情较差，沪指跌了1.77%，深证指数跌了4.82%，创业板指跌了3.75%，虽然沪指跌幅较低，但市场上的个股跌幅较大。于是提出猜想：是否能找到比较抗跌的策略，使其在市场下行的时候，回撤较小？

策略的特点：在大盘下跌时，策略相对大盘比较抗跌，策略回撤相对小。

构建步骤

确定策略目标市场

策略的目标市场：中小板（波动率高，活跃度高，流动率高，做出alpha可能性高；且在反转时，上涨的幅度较大）

构建策略核心因子

2个技术指

本文是行业轮动策略的源码。

策略案例

https://bigquant.com/experimentshare/73f9656a0f5645c8909423df662357ff

\

​ 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

摘要

量化策略都在捕捉市场规律，低频策略应当重视收益来源和逻辑支撑

所有量化模型都在试图捕捉市场的规律，在训练模型的过程中，不可避免需要去拟合样本内的一些场景。规律是金融市场客观存在的，还是从样本数据挖掘所得到的，是所有量化模型都需要直面的问题。高频策略和低频策略的不同特征使得策略评价层面存在差异，低频策略的有效性评判所需时间更长、难度也更大，甚至每一次投资决策的结果都可能是胜负的关键。因此低频策略的收益来源和逻辑支撑显得尤为重要。常见的低频择时策略可能在匹配资产背后的特定频谱，或存在大级别行情贡献了短期收益。

高频与低频策略的天然差异导致策略有效性评判层面有不同的考量

作者：神乐（shen1，colol）

去量化基金公司面试，和从事量化的朋友，同事之间交流等经常会被问到一个问题，因子重要or模型重要？量化策略中最重要的是什么？有些人会认为因子比较重要，有些会认为策略的猜想比较重要。当然，关于这些问题没有标准答案，给出合理的解释，讲述对量化开发的个人观点是问题的本质。鄙人认为，一个稳健的量化策略的核心是一个合理的工业化量化策略开发体系，这也比较好的解释了某些量化公司部分核心策略工程师的离开，对公司的业绩产生影响不是特别大。工业化的量化策略开发体系包括但不限于以下流程。

5.1提出猜想：猜想的提出往往是在交易市场中对交易策略的深刻理解，从而提出相关想法，并

作者：神乐（shen1，colol）

去量化基金公司面试，和从事量化的朋友，同事之间交流等经常会被问到一个问题，因子重要or模型重要？量化策略中最重要的是什么？有些人会认为因子比较重要，有些会认为策略的猜想比较重要。当然，关于这些问题没有标准答案，给出合理的解释，讲述对量化开发的个人观点是问题的本质。鄙人认为，一个稳健的量化策略的核心是一个合理的工业化量化策略开发体系，这也比较好的解释了某些量化公司部分核心策略工程师的离开，对公司的业绩产生影响不是特别大。工业化的量化策略开发体系包括但不限于以下流程。

5.1提出猜想：猜想的提出往往是在交易市场中对交易策略的深刻理解，从而提出相关想法，并

/wiki/static/upload/74/7464d5e3-c643-485a-bdef-793d0ba69cca.pdf

\

报告要点

公募对冲型中规中矩，私募事件驱动业绩惨淡。

1）2018年前四个月，公募量化对冲型基金、股票型基金、偏股混合型、量化纯多型基金净值涨跌中位数分别为0.1%、-5.01%、-5.25%、-5.69%，但业绩分布顺序主要由产品类型及其约束下的仓位水平所决定。

2）2018年Q1，3500多只私募基金中，事件驱动型策略表现最差，对冲型策略也低于预期。

市场环境解析：

方向上谨慎乐观，风格倾向成长。

1）权益类资产性价比中性偏乐观，幅度上较为谨慎。权益类资产的估值水平会相对稳定，业绩成长性好的股票预期表现或将会更好。

2）未来建议增配的行业为有色金属、医药、计算机、

报告要点

投资聚焦：十年洗练，格局初现。

国内量化策略经历了十年以上的发展，行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下，投资者对量化策略的关注度与日俱增。本文从基金研究的视角，勾勒国内量化策略的历史发展和当前现状、并初步探讨了未来可能的发展方向。

国内量化策略演化的三个阶段。

量化策略的发展依托于衍生工具发展和投研积累。从策略演化的进程看，总体包括2010年之前、2010年至2015年、以及2016年以来三个阶段，不同阶段的策略类型和风险收益特征发生了显著变化。

当前全市场量化基金规模合计约 4000 亿（不包含被动指数型产

摘要

机器学习波动率预测

大多数量化策略的盈利与波动率高度相关。预知波动率对于分配每个策略的仓位至关重要。使用机器学习进行波动率预测较传统方法的预测效果有所提升。

机器学习策略判断失效的方法

判断机器学习策略失效有独特的方法，可以在击穿最大回撤前提前下线策略。

机器学习在量化投资中应用的杂谈

我们在这一章节中致力于打通实盘的各个环节，以及展开对机器学习对冲基金运营方式的探讨。

正文

[/wiki/static/upload/3a/3af7bff5-f4fe-4eef-96df-74530303b737.pdf](/wiki/static/up

摘要

2017年以来，随着市场上量化策略的增多，许多以前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时

Rust如何助力量化高频交易？第二届中国Rust开发者大会-分论坛【Rust商业实践】将为你带来干货分享！敬请期待～

分享人：非凸科技量化策略负责人 陆一洲

免费报名参会：http://rustcon.bagevent.com

还有周边礼免费送哦～

近期A市场交易活跃，指数持续反攻，中小市值个股表现突出，量化私募的Alpha收益得到恢复。量化私募尤为关注1000股指期货对Alpha的影响，白鹭资管认为，期指品种的多样性对于量化策略来说是个利好。

百亿量化多头私募基金上半年收益TOP20的平均收益为4.71%，来自灵均投资、思勰投资的4只量化多头产品上半年收益超过10%。

股票市场中性策略依靠选股能力赚钱，其核心是考验机构的选股能力。目前国内市场中，使用较为普遍的股票市场中性策略是Alpha策略，即在持有股票多头的同时，利用金融衍生工具（主要为股指期货）对冲市场风险，从而获得Alpha收益。

与其他策略相比，股票市场中性策略在牛市的表

导语

以下为平台优秀开发者持续分享的策略思路和源码，帮助每一位平台上的quant开拓思路，开发出超额收益越来越高的策略。

策略分享

提升实盘的仓位管理策略

Stockranker评分的另类用法

6个步骤从零构建优质量化选股规则

[《天蝎座0.6》BQ天梯NO.2策略源码讲解](/wiki/doc/06-tianti-NO-celve-yuanma-

摘要

小市值与低估值的溢价现象长期存在，但短期内溢价效应存在强弱变化

长期来看小盘溢价与价值溢价在 A 股是存在的，历史上的小盘溢价与价值溢价也为量化策略贡献了许多收益。但在短期内溢价效应存在强弱变化，强弱变化会给我们风格投资带来风险。

估值理论认为，股票价格受到未来现金流与折现率两方面的影响

估值理论认为，资产的价值源自于持有它的投资者能够获得的现金流，通过对资产未来现金流的折现来对资产进行估值，是资产定价领域最常使用的方式。因此，股票价格受到未来现金流与折现率两方面的影响。市场收益率可以拆解成为现金流影响部分与折现率影响部分，个股的现金流 beta 与折现率 beta 反映了个

单因子分析是量化投资中重要的一步，是对因子进行有效性、单调性相关的检验。因子通过一系列检验后才有机会进入因子池并据此构建量化策略进行投资。单因子分析一般分三步：因子构建、因子处理、因子分析，本文将基于平台对上述步骤进行详细讲解。

1. 因子构建

投资者根据已有的经验来构建因子，比如传统的量价因子和财务因子。本文将构建一个动量因子进行分析，具体公式如下：

                        factor = ( close_0  / mean( close_0, 44 )) - 1

该因子的意思是比较过去44日的股价均值和当期的股价，如果该值越大，则说

量化策略从角度上分为高频策略和低频侧率。高频策略基于分钟、快照等行情数据开发策略，持仓周期同样相对较短。低频策略一般基于基本面财务因子等低频，因为数据更新较长，调仓周期一般在月度或季度，甚至年度。

目前BigQuant平台上的模板策略一般是根据持仓周期进行调仓回测的，比如5日持仓、30日持仓等。这里，我们举一个简单的逻辑代码说明如何判断调仓周期为22个交易日：

1.在回测模块初始化中，设定调仓周期 rebalance_days = 22；并创建一个extension[‘index’]用于保存记录K线运行数量。

2.在handle_data模块中，每当新的一个K线即交易日来临后，e

作者：陈奥（chenao1106)

导语

量化的目的之一是把通过对历史数据的规律研究，转化成投资决策。本次分享从具体的案例出发，如何快速把历史数据的经验，转化成自己的经验，进行投资交易决策。例如，2022年2月24日，大盘大跌，下跌股票数：3900+，上涨股票数600+，大跌行情下，如何操作? 经量化研究，找出了一种操作方案，共回测2年，选出2000支股票，平均每支收益5%。

策略思路

1. 找出历史大盘大跌数据，作为回测的股票池
2. 大盘大跌情况下，逆势涨停股票，是否依旧强势，是否可精选逆势涨停票第二天进行实操
3. 大盘大跌情况下，受大盘影响顺势跌停的票，是否能精选出

Smart Buzz Sentiment for Asia

• J.P. 摩根，亚太地区，量化策略
• 用于自动检测、追踪和股票分析主题评级的NLP技术
• NLP technology for automated detection, tracking and ranking of topics within analyst stock reports

研报

[/wiki/static/upload/d7/d73ad104-c9c4-44f2-bba7-48cf479d077c.pdf](/wiki/static/upload/d7/d73ad104-c9c4-44f2-b

摘要

2017年以来，随着市场上量化策略的增多，许多之前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时模型可以在一定程

如果用因子打分分组后的多空组合收益衡量一个月收益反转因子的表现，我们发现反转因子在经历了2015年强势后，从2016.04开始衰弱，但多空组合收益整体保持为正，还未到失效阶段。不过如果把多空组合拆开，分别看多头组合和空头组合相对市场的超额收益，会发现空头组合一直持续跑输市场，而多头组合已经有一年时间左右和市场基本跑平。我们量化策略的alpha收益主要来自于多头组合，因此从这个角度讲，反转因子已进入失效期

特异度因子和反转因子类似，最近半年也未能跑赢市场，这些因子由于历史表现优异而在多因子打分中占了大幅权重，如果多头组合长期无法带来超额收益，那么技术类alpha因子的高额换手率导致的交易成本将

导语

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

以StockRanker为例

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。假设我们要去预测某个连续变量Y未来的取值,并找到了影响变量Y取值的K个变量，这些变量也称为特征变量（Feature Variable）。机器学习 即是要找到一个拟合函数 ![](/wi