加载中...
AI 原生量化投研平台AI-native quantitative research platform
正在加载…Loading…
页面仍在加载，可以继续等待，或重新加载。The page is still loading. You can keep waiting or reload.
部分页面资源未能加载，请重新加载。Some page resources could not load. Please reload.
设备当前处于离线状态，恢复连接后可以继续等待或重新加载。Your device is offline. Once connected, you can keep waiting or reload.
因子逻辑
CERM1 风险模型的残差波动率风格暴露，为个股在该风格维度上的日频暴露值。网页未公开完整计算公式、标准化及正交化细节。
来源：BigQuant CERM1-因子暴露；读取 cn_stock_cerm1_factor_exposure.RESVOL 原值，不取反、不改单位。
BigQuant SQL
SELECT date, instrument, RESVOL AS factorFROM cn_stock_cerm1_factor_exposureORDER BY date, instrumentbq examples new strategies/multi_factor.py bqf_10801_strategy.py --name '残差波动率 选股' \ --set 'TABLES=["cn_stock_cerm1_factor_exposure"]' --set 'FACTORS=["RESVOL"]' --set 'HOLD=30' \ --set 'EVERY=20' --set 'BENCHMARK="000300.SH"' --set 'START="2021-01-01"' \ --set 'END="2026-09-29"' \ && python bqf_10801_strategy.pySELECT date, instrument, RESVOL FROM cn_stock_cerm1_factor_exposure带入当前因子，在 Cowork 中继续研究。
from bigquant import factor
values = factor.values(["BQF_10801"], "2021-01-01", "2026-09-29")report = factor.analyze( values, start_date="2021-01-01", end_date="2026-09-29", universe=("all", "hs300"), neutralize=(None, "size+industry"), depth="deep",)report.render()