本文主要有以下几点改进： 1.特征：加入新特征，beta，macd，willr等。 2.模型：使用随机森林，其中树的个数限制为15，树的最大深度为25，防止过拟合。使用回归算法而不是分类算法。 3.标注：使用（卖出价格-买入价格）/ 买入价格作为标签。 4.回测：股票资金分配，使得排名靠前的

策略案例

[https://bigquant.com/experimentshare/5c76d204e7f146a4b2840f9b47a9d732](https://bigquant.com/experimentshare/5c76d204e7f146a4b2840f9b47a9d73

https://bigquant.com/experimentshare/a4e89b23c2de4c56b6534136169d13c1

\

策略案例

[https://bigquant.com/experimentshare/dc13d0aed4b64f48803af3f764129b44](https://bigquant.com/experimentshare/dc13d0aed4b64f48803af3f764129b4

1 本着价值投资的观点，通过深度学习模型对企业下季营业收入，净利润等财报进行预测，有利于投资者做出正确决定。同时对于普通投资者来说，可操作性较强。 2：模型为预测60个交易日（即3个月后）的营业收入同比增长率（fs_operating_revenue_yoy处理时数据做了小数和非线性处理） 3：结果

策略案例

[https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a](https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a

策略案例

[https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a](https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a

# 本代码由可视化策略环境自动生成 2021年8月25日 15:32
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。


m1 = M.input_features.v1(
    features="""
# #号开

策略案例

[https://bigquant.com/experimentshare/207001f0d7eb4b15b31875d2e205503a](https://bigquant.com/experimentshare/207001f0d7eb4b15b31875d2e205503

STOCHRSI 指标理解

• 这几天帮一个朋友解决一个关于指标的问题，这个指标就是 STOCHRSI 。在网上查了很多资料，中文的真是甚少。而且仅有的也不是讲的很清楚。对于我这样的 交易小白，简直是天书。 不过只要研究多少会有点收获的，下面分享下经验，需要用这个的朋友可以借鉴。

平时喜欢做研究，分享一个策略，希望和大家多交流！欢迎拍砖！

策略思想：

思路简介(很简单, 就三句话)

1. 将需要的数据, base64编码到仿真日志.
2. 每天抓取两次最新的仿真日志中的base64编码数据
3. 根据大宽的数据, 进行自动买卖交易. .

base64编码

由于, 大宽禁用了base64模块, 我特意实现了这个模块

于是

策略案例

[https://bigquant.com/experimentshare/44cc116a1dad4c37983b9be35da208ee](https://bigquant.com/experimentshare/44cc116a1dad4c37983b9be35da208e

A股分两种：“漂亮50”和“要命3000” http://stock.qq.com/a/20170428/006821.htm 证券时报记者以三个指标筛选出A股的“漂亮50”，这三个指标分别是净利润增长率长大于15%，连续3年净资产收益率大于15%，市盈率低于35。

参照这个指标，我在bigq

策略案例

[https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14](https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14

策略案例

[https://bigquant.com/experimentshare/5f6ffc8016fd47deb6ef696ca7286b35](https://bigquant.com/experimentshare/5f6ffc8016fd47deb6ef696ca7286b35

ps：非本人代码，来自网络开源分享 分享一篇，科赛网《〈 公开新闻预测A股行业板块动向〉〉比赛第三名的开源方案： 本次比赛使用的tushare免费数据，个人可以复现。

import datetime
import os
import sys
from multiprocessi

策略案例

[https://bigquant.com/experimentshare/8c890f23a63b46999191a95967575b5c](https://bigquant.com/experimentshare/8c890f23a63b46999191a95967575b5

在StockRanker策略的基础上增加了一个计算RankIC的自定义模块，m22输出训练集的平均RankIC, m20输出测试集的平均RankIC。分享一下，如有问题大家多多指教。

[https://bigquant.com/experimentshare/b1f45cb0a35a4a329cf

策略案例

[https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08](https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d0

策略案例

[https://bigquant.com/experimentshare/f67781e529994e2dac2562bf6e46fa74](https://bigquant.com/experimentshare/f67781e529994e2dac2562bf6e46fa7

\

1.反包多因子

经历了5-6月份一波暴利龙头之后，市场开始高低切换，最近表现的比较好的策略风格类型切换到了 反转形态

很多做情绪套利的高手，在这段时间里都是喜欢做热点股票次日回调，又或者是情绪反包的股票形态。

实盘证明，这类型的策略 确实是比较稳健的。

<https://bigquant.

现在先说说证券行情吧。

1。国外的股票行情我就不谈了，这个我不是很了解，今天我来说说国内两大证券交易所，上交所和深交所两大交易所。

上交所的L1和深交所的L1行情，狭义的说就是五档行情，还是比较好获取，渠道很多，但是质量参差不齐。我说说质量稍微好点的，野路子无限断、无限延迟行情，我就不谈了。