https://bigquant.com/codeshare/95ccec07-798d-4e66-a488-e239a0a58d79

\

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

作者：陈奥(chenao1106)

导语

前期分享过⼀个策略可以由多个选股规则组成，如何新增优质的选股规则就成为策略的重点。本次分享从以下6个步骤完成优质选股规则从⽆到有的开发全过程讲解：

**找灵感->构思逻辑->逻辑实现初次回测->调优->去拟合回测->判定是否优质，最终将优质选股规则

作者：chenao1106

导语

本次分享内容：拿⼀个策略案例，介绍盘中买卖量化如何实现，收益变化如何？

我们平时看到的策略，买卖时间点基本上是开盘、收盘这两个时间点，但经数据分析按年维度看，⼤盘即使在上涨情况，开盘买第⼆天收盘卖，胜率达不到50%，通过近5年数据分析，⼤盘如果全年持平情

https://bigquant.com/codeshare/f5671f58-aa7c-45ef-8436-83b6415fd99c

\

https://bigquant.com/codeshare/d9fc6c92-ad4a-47ea-872b-72f95c28dce4

\

https://bigquant.com/codeshare/95ccec07-798d-4e66-a488-e239a0a58d79

\

{{membership}}

[https://bigquant.com/codeshare/7fd0ea69-d032-46f3-8b0e-7e0fda50f573](https://bigquant.com/codeshare/7fd0ea69-d032-46f3-8b0e-7e0fda50f

{{membership}}

SAR抛物线模型研究

[https://bigquant.com/codeshare/25fee71f-dcef-4fe4-a8a1-75bf511d9466](https://bigquant.com/codeshare/25fee71f-dcef-

{{membership}}

[https://bigquant.com/codeshare/4b05b2aa-5dbd-49b2-b88d-331a625ccc07](https://bigquant.com/codeshare/4b05b2aa-5dbd-49b2-b88d-331a625cc

{{membership}}

[https://bigquant.com/codeshare/1ed3fa07-c733-47fd-8fbc-4e441ed37672](https://bigquant.com/codeshare/1ed3fa07-c733-47fd-8fbc-4e441ed37

Step 1 导入相关包

import pandas as pd 
import numpy as np
import warnings
import empyrical
import dai
import bigcharts
warnings.fi

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

\

注：【方正金工】推动个股价格变化的因素分解与“花隐林间”因子——多因子选股系列研究之十

引言

推动个股价格发生变化的因素，通常可以分为三大类：市场层面的推动力、个股层面的推动力、噪声。其中个股层面的推动力又可以划分为近期突然到来的信息和中长期的基本面信息。在上述4

研报：

{{membership}}

LLT低延迟趋势线择时交易模型研究

[https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5](https://bigquant.com/codeshare/38

{{membership}}

[https://bigquant.com/codeshare/55f9bca0-7139-4c13-8e61-5277d1aa2a95](https://bigquant.com/codeshare/55f9bca0-7139-4c13-8e61-5277d1aa2

{{membership}}

[https://bigquant.com/codeshare/38085c4a-2332-4ceb-ba0e-eed448c3c6e5](https://bigquant.com/codeshare/38085c4a-2332-4ceb-ba0e-eed448c3c

{{membership}}

[https://bigquant.com/codeshare/0527a8c8-9944-4c74-b845-2068dce50bd1](https://bigquant.com/codeshare/0527a8c8-9944-4c74-b845-2068dce50

引言

在BigQuant平台(www.bigquant.com)上线的第一天，我们从互联网搜索引擎领域借鉴了PageRank算法引入到金融市场，提出了StockRanker算法，5年时间悄然过去，时间证明了StockRanker算法在金

本文主要研究了量化选股场景中的数据标准化方法，分别对比了时序标准化和截面标准化方法的在量化选股模型上的效果。

主要的工作有：

一是构建DeepAlpha数据集，包含A股2011年到2022年98个量价因子的日线数据，label为股票未来5日的收益率；

二是采用基于时序的K折交叉验证方法，严格3

一、引言

DeepAlpha系列报告旨在从基础量价数据中，借鉴深度学习模型，应用于量化投资领域。学习模型包括：全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet，同时报告将引入自然语义识别NLP领域近年热门算法如BE

本文基于BigQuant平台，探索了TabNet（Google, 2020）模型在量化选股中的应用。

我们使用了A股全市场2010年到2021年的日线行情数据，抽取了98个量价因子。采用5年训练1年验证1年的方法进行了滚动回测，回测期（2015年到2021年9月）内累计收益率387.81%，年化收

\

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/attachm

作者：woshisilvio

AI量化策略的训练时间影响模型的结果，导致在调试的过程中拿不准该如何思考和选择训练时间，我们从以下三个方面探讨训练时间该如何选择？

训练时间对模型的影响

针对特定的一段回测时间作为验证集, 检验训练时间的变化是否让模型带来很大变化？

策略设