策略分享
文档目录
- 【接入教程】用 MCP/API 监测 A 股消息面热度|熔岩(Lava)
- 分享一个因子数据,统计时段是2018年6月-2025年3月
- 股指期货周度方向交易策略
- 创业板新能源指数(399266)数据中枢 —— 一个开源的数据查询与周报生成工具
- python数据分析
- 自动下单股指期货主力合约,按每周我提前给出的每日操作方向,在每日的10点和下午2点左右做出操作,尾盘平掉。
- 小市值量价共振策略(带大盘择时)
- 聪明钱因子双维度分层分析总结(2024-2026)简单因子分层分析框架
- 量化回测中,哪些“默认假设”最容易被忽略?
- 提高胜率:技术形态+相似走势匹配20日上涨概率
- 月初强十策略
- 优秀策略分享——数据标准化策略
- 网格策略
- Quant Agent:几句提示就做出年化 52% 的策略
- 数据源分享
- 手把手带你编写miniQMT实盘量化执行程序(2) | 主程序入口
- 【盘中实时数据监控的实盘自动化交易策略】
- 股指期货中证1000分钟策略研究(part 1)
- 手把手带你编写miniQMT实盘量化执行程序(1) | 完整源码结构篇
- 【3分钟教你在社区中找稳定性较高的好策略?】
- 137-配对交易策略(Pairs Trading)
- 【近1年实盘收益还能看,思路分享】
- 请教这个实时交易策略的问题
- 量化投资术语解读
- 按照指定价格撮合成交
- 小市值策略:挖掘市场潜力
- 小市值与动量结合的量化策略
- 基于中证红利的股息率与ROE选股策略
- 全A股小市值与动量因子策略
- 全A股小市值和动量因子策略:最大化年化收益
- 基于小市值因子和动量因子的全A股量化策略
- 港美股策略的stockranker的实现
- 如何设置模拟交易在自定义定时任务后触发
- 基于筹码理论-构建获利盘占比因子
- 龙头战法实盘+AI-量化大赛NO.3-中证150增强_new
- 综合风控:如何通过条件止损+补仓+精炼买入/卖出信号
- 1.0环境里的StockRanker模型如何迁移到3.0环境
- 机器学习应用于底部反转策略的表现
- “漂亮50”策略尝试_v1_new
- 分享一个计算RankIC的自定义模块(AIStudio3.0.0)
- 机器学习+择时+跟踪止损+技术分析
- 等资金权重配置
- 可视化的上证50指数增强策略(按日换仓)择时股票量化策略
- 一个脑回路清奇的低频量化研究/交易模型……
- 马科维茨做上证50指数增强探索(AIStudio3.0.0)
- 102a-AI策略-代码交易
- 102a-AI策略-代码交易
- 一个简单的R-Breaker 突破策略,带Python、Java源码
- 量化机器学习系列分享(四)更多种类的分类模型
- 量化机器学习系列分享(三)逻辑回归与优化方法
- 量化机器学习系列分享(二)模型评估与特征选择
- 量化机器学习系列分享(一)机器学习介绍与线性回归模型
- 高收益策略编写心得及源码分享
- 不懂策略?学习海龟交易交易法
- 捕捉市场脉搏:基于涨停分析的热点板块识别与投资策略调整
- 【1天3700%的策略你见过么?】见证历史了…………单日37倍的新股
- DeepAlpha-DNN应用实践报告
- HYF一个可视化stockranker策略
- Two Sigma如何用RLlib + Ray做24倍加速强化学习
- 【参赛】Deep Alpha-CNN卷积神经网络调参
- 年化81%持仓10支策略源码分享
- Stockranker策略的2021收益逆势
- StockRanker多因子选股策略
- 干货分享
- 50行代码实现股价预测
- 中美Smart beta市场概述及展望
- 关于机器学习,你必须知道的10件事情
- 在策略回测中,如何查看中间变量的值?
- 确保回测和仿真一致的方案
- 机器学习新手十大算法之旅
- 获取指数成分和行业股股票
- 因子投资实践中的六个细节
- 【精品】全网人工智能机器学习免费资源汇总清单
- 【干货】开发AI量化策略所遇到的坑
- 最具价值的50个机器学习应用[2017年]
- BigQuant策略技巧分享之参数调节
- 关于过拟合:机器学习方法 vs. 传统人工方法
- 强化学习在金融市场中的应用(上)
- 自动交易如何增加交易利润?
- StockRanker实盘交易的那些事儿
- 一个因子引发的思考:我们过去关于投资的认知可能都是错的
- 2017-2019-策略上千次的 回测 分析 等待 调优 小试 总结 迭代。
- BigQuant策略技巧分享之参数调节
- 《风从海外来 海外AI量化最新前沿》Deep Alpha 海内外最佳实践探索研讨会文字实录
- Deep Alpha 海内外最佳实践探索研讨会 互动环节内容
- 《华泰金工深度学习量化研究》alphanet GNN和GAN——Deep Alpha 海内外最佳实践探索研讨会
- BRINSON理论 - 投资组合表现的决定因素
- 人工智能和机器学习对交易和投资的影响
- BRINSON理论 - 投资组合表现的决定因素 (副本)
- BRINSON理论 - 投资组合表现的决定因素 (副本)
- GBDT多因子选股策略
- AI选股策略——去除st股票
- AI选股策略——去除创业板股票
- AI选股策略——去除退市股
- AI选股策略——指定验证集概念板块
- 使用深度学习技术预测股票价格
- StockRanker代码策略
- 大盘风控功能
- 固定止盈止损功能
- TALIB指标选股策略
- 多条件选股策略
- 多头排列回踩均线选股策略
- 海龟策略
- 价值选股策略
- 股票事件驱动策略
- 双均线策略
- 可视化策略-AI选股
- 期货日线布林带策略
- GBDT多因子选股策略
- 20220623-StockRanker多因子选股策略
- 基于BQ平台量化开发,1天轻松入门
- 策略回测正常,模拟不正常
- 优秀开发者策略分享集合
- 量化私募超额收益企稳回升
- 算法交易将成为未来市场最大影响因素
- 【如何检验过拟合?】学会这招减少你实盘踩坑的概率
- 【策略分享】6个步骤从零构建优质选股规则[含源码]
- 想问下大佬们有没有实现用沪深300的RSRS做个股风控的
- 根据隔夜涨跌因子构建stockranker模型回测
- 基于随机森林这个模型保存加载,有什么方法吗,目前按照已有的一些文档不适合random_forest_regressor这个模型使用
- lstm+cnn+A股去ST+大盘风控
- 股票及量化投资书籍分享
- [实盘经验贴] 高收益策略 vs 中等收益策略 怎么选?
- [天梯策略]分享总结一下最近自己用的表现不错的策略
- 【虎】虎系列策略
- 【7月回血就靠他】AI量化实盘-寻找alpha
- 【主升浪】策略
- 动量因子分析
- 随机森林模型优化调参的尝试
- 8月24日大跌行情下涨停分享
- StockRanker选股+随机森林大盘风控
- 同花顺选股平台最牛收益策略分析
- Two Sigma如何用RLlib + Ray做24倍加速强化学习 (副本)
- 机器学习之“深度学习”
- 商品期货策略-ATR通道突破策略
- 因子重要or模型重要
- 夏普多少是一个合格备选策略
- 量化行业有何优势?发展空间广阔!
- 非湘财证券如何实盘——利用BigQuant 平台API与同花顺实现策略实盘操作:
- 为什么要用量化投资?
- 超参数调优的时候,如何同时设置一个组件中的两个参数
- 3年回测 年化50 回撤11,极端行情回撤18. 持仓5只,带大盘择时+个股风控。
- 作为一个散户,深切明白有自己模型重要性
- 盘前数据处理未来函数问题
- 机器学习在量化领域中的应用优势
- 天梯优质策略共享交流
- 入坑量化一年总结贴
- 2023量化市场展望
- 2023量化市场展望
- 【大盘量化分析】每天给你提供量化参考
- 如何获取股票异动那天的开盘价
- 司帆:从ChatGPT看大数据的发展与未来
- 【教学贴】市值行业中性化到底是什么?
- 盘前数据处理未来函数问题
- Level2行情数据如何实战股市功能解说
- 创业板ETF天弘159977
- 创业板ETF天弘
- 用LSTM神经网络模型训练期货高频数据
- 如何高效、优雅地进行高频策略回测?
- 这个代码为什么无法设置初始资金?
- 请教下,我想用ema5>ema169来进行选股,现在的数据怎么不对,
- DAI例子
- 【实盘1年228%】反包多因子策略源码分享
- 机器学习在量化领域中的应用优势
- 【实盘1年301.72%再创新高】反包多因子策略源码分享
- 【327%收益策略源码分享 (副本)
- 本人的两个超高收益的策略
- 量化技能提升及策略交流。
- 找人帮我修改策略
- AIStudio不支持火狐浏览器吗
- 【参赛】Deep Alpha-CNN策略克隆&调参擂台赛-20211230
- Deep Alpha - CNN模型
- 【年度重磅研报】Deep Alpha-CNN 7层卷积神经网络能否穿越熊牛?
- 龙头追涨
- 反包策略-新思路-新玩法-7月实盘大赚14%
- 谁会帮忙
- Two Sigma腾胜投资中国巨量投资策略 (副本)
- 基于强势股涨停回调/情绪反包策略课程学习记录
- BUG:存储数据超时
- 关于“青山妖镍”的后续
- 2022量化岗位版图
- 基金双均线策略
- 我是怎么做妖股反包的
- 因子构建与标注——自定义标注
- 筹码理论的探索-筹码分布计算的实现
- 组合优化概述
- 利用希尔伯特变换择时
- 寻找市场中的Alpha
- WorldQuant功能在平台的实现
- 公募基金仓位模拟与优化
- AI选股中回归、分类、排序算法的构建流程
- label的技巧:对收益率打标的4种方法
- 利用 gplearn 进行特征工程
- 关于线性回归、岭回归和Lasso回归的综合入门指南
- GBDT+LR介绍
- 重要通知
- 国金证券
- 从失控到掌控:一个风控框架的养成手记
- 回测曲线美如画,实盘上路秒变渣:我的过拟合踩坑全记录
- 当因子挖掘进入“炼丹”时代:我们是在逼近真理,还是在优化对历史的记忆?
- 我们把市场的密码本给了AI,但它有时交回的,是一首词藻华丽却无法解读的诗歌。
- 策略上线前必做的六项压力测试
- 一个工具如何改变我的策略工作流:从“想到”到“回测”只需一分钟
- 【实战案例】从一条策略描述到可运行代码:我用自然语言实现了ADX趋势跟踪策略
最新文章
- 【接入教程】用 MCP/API 监测 A 股消息面热度|熔岩(Lava) · 2026-10-28
量化里消息面热度经常是独立信号。熔岩(Lava) 提供 A 股股票与概念板块的消息面热度监测:结构化只读 MCP/REST,匿名机构/大V ID,无多空、无原文、非荐股——适合当量化交易必备的热度数据源。 入口 开通:https://lava.ai-dolphin.com/subscribe 文
- 分享一个因子数据,统计时段是2018年6月-2025年3月 · 2026-10-26
1,基于2022年8月全市场为基准,随机选取3000只得分层结果。在0 group(约300只)中月收益约 1.6%。年化20%。 2,该因子完全基于行情数据合成(OHLCV),不依赖平台与券商特有数据\n3,链接中提供原始因子数据(超过100M), 方便验证。 !/wiki/api/attac
- 股指期货周度方向交易策略 · 2026-08-10
绩效截图 我们先来看一个策略回测曲线,累计收益10.7%,总体是一个正收益系统的策略,需要注意,本次回测采用全部看多,有运气成分。 / !/wiki/api/attachments.redirect?id=19e782d5-6d5d-4a8f-8824-0a257b2b790b 交易规则
- 小市值量价共振策略(带大盘择时) · 2026-08-10
小市值量价共振策略(带大盘择时) 一、策略核心逻辑 本策略聚焦小市值风格,通过「量价共振+基本面筛选+大盘择时」三层过滤,捕捉短期强势且估值合理的小市值标的,同时规避极端市场风险。 二、股票池筛选 范围:主板、创业板,排除科创板、北交所 过滤:剔除ST股、停牌股,确保标的流动性与合规性 基础要
- 【近1年实盘收益还能看,思路分享】 · 2026-08-01
策略核心思路:高抛低吸\n找股价处于有线级别相对较低的位置,采用打分排名的方式,进行买入,当股票上涨后打分就会变低,排名就会降下去,排名低于预设范围,则进行卖出换票,换的票又是打分较高的票(即换一支相对更低位的票,前一支票卖出利润到手),逻辑虽然简单,但很实用,无法在各种行情下都赚,一年内一般会有几
- 创业板新能源指数(399266)数据中枢 —— 一个开源的数据查询与周报生成工具 · 2026-07-27
论坛帖子全文: --- 一句话说清楚 一个 Python 脚本 + 一个 JSON 数据文件,帮你自动查创业板新能源指数的估值、对比同类 ETF、生成周报。Gitee 开源,数据每周自动更新。 能做什么 日常量化研究查指数数据的常见场景: 想知道 399266 现在的 PE/PB 和分位 → 跑一
- 龙头战法实盘+AI-量化大赛NO.3-中证150增强_new · 2026-05-19
前言 感谢BQ-小Q送的礼物,礼物已经收到拉,一如既往的黑盒高科技风。高端大气上档次。 \ !{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}/wiki/api/attachments.
- 策略研发的“快”与“慢”:当AI开始帮我们写策略代码时,我们该思考什么? · 2026-05-14
最近能看到一个挺明显的趋势:大家讨论的焦点,正从“如何挖掘一个更强的因子”,逐渐扩展到“如何让AI帮我生成/优化整个策略”。这背后是一个根本性的效率诱惑——如果描述一个想法,就能直接获得可回测、甚至可实盘的代码,那策略研发的迭代速度将发生质变。 这确实正在发生。无论是通过自然语言生成基础策略框架,还
- python数据分析 · 2026-05-13
代码链接: https://bigquant.com/codesharev3/cd489b9a-5140-4650-8fb3-891bdcd6b13d 密码可以找小q老师要 \ 基金绩效分析教程:用 Python 对比子基金与中证1000 一、项目概述 该帖子用 Python 对两只子基金的周频净值
- 基本面量化 · 2026-05-11
导语 公司的基本面因素一直具备滞后性,令基本面的量化出现巨大困难。而从上市公司的基本面因素来看,一般只有每个季度的公布期才会有财务指标的更新,而这种财务指标的滞后性对股票表现是否有影响呢?如何去规避基本面滞后产生的风险呢?下面我们将重点介绍量化交易在公司基本面分析上的应用,即平时常说的 基本面量化(
- Two Sigma:如何用高斯混合模型判断当前市场情况(regime)? · 2026-05-11
!{w:100}{w:100}{w:100}/wiki/api/attachments.redirect?id=7f66b057-31aa-4a2b-a6f5-07dec689c15f研报成文时间:2021年6月 金融市场的状态(Regime)通常会不定期的切换并保持一段时间,市场状态的切换会直接影
- 自动下单股指期货主力合约,按每周我提前给出的每日操作方向,在每日的10点和下午2点左右做出操作,尾盘平掉。 · 2026-05-01
python from bigmodule import M import pandas as pd from datetime import datetime, time ========================================== 1. 用户配置区域 ===
- 【实战案例】从一条策略描述到可运行代码:我用自然语言实现了ADX趋势跟踪策略 · 2026-03-04
开篇引言\n上周的深度探讨引发了很多同行对“自然语言生成代码”效率的讨论。今天,我不谈理论,直接展示一个完整案例:如何将一段清晰的策略文本,变成在QMT中真实运行的、带有回测结果的趋势跟踪策略。整个过程,就像为你的想法配备了一位精通QMT API的即时翻译。 第一步:策略构思——用自然语言写下所有交
- 一个工具如何改变我的策略工作流:从“想到”到“回测”只需一分钟 · 2026-03-04
作为有想法但写代码费劲的交易者,我的策略验证循环曾被卡在“实现”环节。 直到我用上一个工具:将交易逻辑用自然语言描述,它直接生成可运行的QMT策略代码。 输入:“交易茅台,10日线上穿60日线全仓买,下穿全仓卖,用前复权数据。” 生成:约五分钟后,获得一个完整的 代码。 !/wiki/api/at
- 策略上线前必做的六项压力测试 · 2026-03-04
我是Alex。 当策略在历史回测中表现完美,很多人会迫不及待地想把它推向实盘。但真实市场专治各种“回测完美主义”。在按下启动键前,我总会对策略进行六项压力测试,这是策略从“实验室样品”变为“工业产品”的关键质检环节。 测试一:数据健壮性检验 目标: 看策略是否只能活在“清洁数据”的温室里。 做法:
- 我们把市场的密码本给了AI,但它有时交回的,是一首词藻华丽却无法解读的诗歌。 · 2026-03-04
我们可能是对“AI+量化”这个话题最熟悉的一群人。我们熟练地调用各种预训练模型,用海量数据喂养它们,满怀期待地等着那个“神奇因子”或“圣杯预测”的出现。但不知道你们有没有和我一样的困惑时刻: 我们是不是把AI想得太“聪明”了?或者说,我们是不是在用错误的方式,期待它解决一个本质上不同的问题? 今天想
- 当因子挖掘进入“炼丹”时代:我们是在逼近真理,还是在优化对历史的记忆? · 2026-03-04
在做量化研究,最兴奋也最让人警惕的时刻,可能就是看到一个新因子在样本内展现出近乎完美的预测力——IC高,回测曲线平滑上扬。那一刻,感觉仿佛触摸到了市场的某种脉搏。 但不知道大家有没有同感,这种兴奋之后,随之而来的常常是一种更深的困惑。随着我们拥有的数据维度越来越多(另类数据、舆情数据、产业链数据),
- 回测曲线美如画,实盘上路秒变渣:我的过拟合踩坑全记录 · 2026-03-04
> 跑出一个回测年化80%的策略后,我却更慌了。 > > \ 今天想和大家聊聊我这段时间最大的一个跟头,也是我认为新手最需要警惕的一个坑:过拟合。 说出来不怕大家笑话,最近我弄了一个“像样”的策略流程大概是这样: 1. 选了一堆听起来有道理的基本面和技术面因子(PE、PB、ROE、动量、波动率啥的)
- 从失控到掌控:一个风控框架的养成手记 · 2026-03-04
做量化这些年,有个体会越来越深:策略决定你的收益曲线可以画多高,但风控决定这条线能画多久。 刚开始的时候,我和很多人一样,风控等于“设个止损位”。直到经历过几次刻骨铭心的回撤,才明白真正的风控是一套嵌入血液的系统思维,它发生在你写第一行代码之前,并持续到策略生命周期的最后一刻。 今天不谈高深理论,就
- 2022量化岗位版图 · 2026-01-12
我们花了两周时间,和所有的客户全部沟通了一遍,整理出来了量化行业2022年最新的岗位需求版图。包括量化研究员、C++、机器学习、市场、期权、交易员、数据开发、运维等……多个热门岗位,任君挑选,快来mark你中意的岗位! 核心投研开发岗 A: 量化研究员 量化研究员,不多说大家都熟悉,百奇星的100+