量化交易研究

原创 经典的期货量化交易策略大全（含源代码）

1.双均线策略(期货)双均线策略是简单移动平均线策略的加强版。移动平均线目的是过滤掉时间序列中的高频扰动，保留有用的低频趋势。它以滞后性的代价获得了平滑性，比如，在一轮牛市行情后，只有当价格出现大幅度的回撤之后才会在移动平均线上有所体现，而对于投资者而言则大大增加了交易成本。如果使用双均线策略，就可以在考虑长周期趋势的同时，兼顾比较敏感的小周期趋势，无疑是解决简单移动平均线滞后性弱点的一项有效方法。双均线策略源代码：https://www.myquant.cn/docs/python_strateg

原创 量化投研之如何获取所需的数据？

掘金提供两大类数据获取方式：订阅数据获取实时数据、接口直通获取历史数据。

原创 如何通过向量化操作提升策略回测速度？

在Python中，NumPy是一种非常流行的向量化操作库，可以加速数学计算和数据处理。不难发现，向量化后均线数据精度更高，因此在回测结果中虽微小差异，但不会对策略总体效果造成较大影响。相信很多投资者在做量化投研时都会有一种共识：量化投资领域里，成本最大的毫无疑问就是研发策略所消耗的时间成本，其中90%的时间都被消耗在因子挖掘、策略回测与优化等大型运算上。而在Python编程中，有许多方法可以提高量化交易策略的回测速度，使用向量化操作就是一种行之有效的方法。3、回测：运行回测并进行耗时比对。

原创 新接口发布、体验版权限提升......这些好消息赶紧来看！

自从4月下旬发布新版终端后，小Q每天都忙活着收集用户反馈，解答用户疑问，在公众号上着实是潜水了好一段时间，与大家的互动有所减少，不过今天我又再度浮出水面啦~这次是给大家带来了几个好消息，话不多说，赶紧一起来看看！这5天指的是交易日，遇到非交易日系统会自动顺延。stk_get_daily_valuation_pt - 查询估值指标单日截面数据。stk_get_finance_prime_pt - 查询财务主要指标截面数据。stk_get_finance_deriv_pt - 查询财务衍生指标截面数据。

原创 掘金量化—Python SDK文档—5.API 介绍（3）

以下接口在终端版本号大于 3.17.0.0 的版本不再维护，请切换到新的通用接口- 查询基本面数据获取基本面数据此函数掘金公版(体验版/专业版/机构版)不支持，请切换到stk_get_fundamentals_balance - 查询资产负债表数据等新接口参数名类型说明tablestr表名，只支持单表查询. 具体表名及 fields 字段名及 filter 可过滤的字段参考财务数据文档symbols标的代码, 多个代码可用(英文逗号)分割, 也支持这种列表格式，使用时参考symbol。

原创 掘金量化—Python SDK文档—5.API 介绍（2）

Python SDK文档5.API介绍5.6通用数据函数（免费）python 通用数据 API 包含在 gm3.0.148 版本及以上版本，不需要引入新库get_symbol_infos- 查询标的基本信息获取指定(范围)交易标的基本信息，与时间无关.此函数为掘金公版(体验版/专业版/机构版)函数，券商版以升级提示为准函数原型：get_symbol_infos(sec_type1, sec_type2=None, exchanges=None, symbols=

原创 掘金量化—Python SDK文档—5.API 介绍（1）

init - 初始化策略初始化策略, 策略启动时自动执行。可以在这里初始化策略配置参数。参数名类型说明contextcontext上下文，全局变量可存储在这里# 订阅bar# 增加对象属性，如:设置一个股票资金占用百分比回测模式下init函数里不支持交易操作，仿真模式和实盘模式支持schedule - 定时任务配置在指定时间自动执行策略算法, 通常用于选股类型策略参数名类型说明function策略定时执行算法date_rulestr。

原创 掘金量化—Python SDK文档—4.数据结构

1、tick 是分笔成交数据，股票频率为 3s, 期货为 0.5s, 指数 5s, 包含集合竞价数据，股票早盘集合竞价数为 09:15:00-09:25:00 的 tick 数据 2、涨停时， 没有卖价和卖量， ask_p 和 ask_v 用 0 填充，跌停时，没有买价和买量，bid_p 和 bid_v 用 0 填充 3、queue_volumes 委托量队列，只能获取到最优第一档的前 50 个委托量（不活跃标的可能会不足 50 个）bar 数据是指各种频率的行情数据。

原创 掘金量化—Python SDK文档—3.变量约定

通过自定义属性设置参数， 随 context 全局变量传入策略各个事件里类型说明any type自定义属性示例-输出自定义属性输出100000000。

原创 掘金量化—Python SDK文档—2.策略程序架构

用于启动策略，策略类交易类策略都需要 run 函数。在只需提取数据进行研究（即仅使用数据查询函数时）的情况下可以不调用 run 函数，在策略开始调用。每创建一个策略都会对应生成一个策略 id，创建策略时即可看到。, 实时模式和回测模式,实时模式用于仿真交易及实盘交易，回测模式用于策略研究，用户需要在运行策略时选择模式.处理实时行情网络连接成功事件 当实时行情网络连接成功时触发。处理交易通道网络连接成功事件 当交易通道网络连接成功时触发。处理交易通道网络连接断开事件 当交易通道网络连接断开时触发。

原创 掘金量化—Python SDK文档—1.快速开始

掘金量化支持python、matlab、C++、C#四种编程语言，需在安装专门的掘金SDK后方能进行回测、仿真等，以下为Python SDK的介绍内容，供初学者参考使用。

原创 投研须知！关于掘金量化的回测、仿真的撮合机制

原创 五月＆六月券商金工精选

✦研报目录✦✦简述✦按发布时间排序海通证券通往绝对收益之路（八）：“固收+”产品股票端的量化解决方案发布日期：2023-05-05 关键词：固收、股票、量化策略主要内容：本研报研究了优秀的“固收+”产品在股票端的管理模式，从择时、行业选择和选股三个维度进行分析。通过量化策略模拟，设计了不同风格的股票组合，并引入宏观动量择时和逆周期季度资产配置进行调整。在不同情景下，价值风格、小盘风格和基于龙头公司的行业轮动策略表现优异，可实现年化收益率在5-10%之间，并控制最大回撤在3-6%之间。银河证券结合价格动量和拥

原创 Barra模型因子的构建及应用系列六之Book-to-Price因子

在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子和NonLinear Size因子，并分别创建了对应的单因子策略，其中Size因子和NonLinear Siz因子具有很强的收益能力。最大因子值分组贡献正收益，最小因子值分组贡献负收益，同时在不同周期下，分组平均收益随着调仓周期的增加而下降。策略净值曲线波动较小，对比沪深300指数，在下跌阶段（2022年7月-10月）抗跌能力强，而在随后的反弹阶段，亦具备较强的进攻能力。

原创 如何构建一个可实盘的跨期套利策略?

在回测期间，跨期套利策略获得了40.87%的年化收益，7.52%的最大回撤，2.18的夏普比率。对比起高频统计套利策略，本策略交易次数相对低频，持仓周期较长，因此受滑点与手续费影响较少，可操作性强，但回撤相对较大，适用于风险偏好相对较高的低频交易者。，本次策略修改更注重于能实盘交易，可供期货实盘交易者深度参考。声明：本内容由掘金量化原创，仅供学习、交流、演示之用，不构成任何投资建议！3.价差回归到均值水平时或偏离达到止损位时，平仓；4.价差回归到均值水平时或偏离达到止损位时，平仓。焦炭主力与次主力合约。

原创 Barra模型因子的构建及应用系列十之Leverage因子

在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子、Book-to-Price因子、Liquidity因子、Earning_Yeild因子和Growth因子 ，并分别创建了对应的单因子策略，其中Size因子和NonLinear Siz因子具有很强的收益能力。基于收益分析来看，三个分组的年化alpha收益在3%~4%，beta收益为负，且调仓频率越大，beta收益越小；

原创 新版发布：投研功能再升级，回测速度更给力！

现在升级最新版本，免费领取专业版试用权限30天

原创 Barra模型因子的构建及应用系列九之Growth因子

在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子、Book-to-Price因子、Liquidity因子和Earning_Yeild因子 ，并分别创建了对应的单因子策略，其中Size因子和NonLinear Siz因子具有很强的收益能力。本节文章是该系列的第九个因子，也是倒数第二个因子，将在该系列下进一步构建Growth因子。

原创 三月券商金工精选

✦研报目录✦✦简述✦按发布时间排序东北证券因子选股系列之四：高频数据下的已实现高阶矩因子及改进发布日期：2023-03-01 关键词：股票、高频数据、高阶矩主要内容：本文作为对高频因子研究的初探。对于收益率分布类别中的高频因子进行研究，我们测试发现构造与改进的因子具有较好的选股表现。其中，我们构造并改进的subRK_5min_week因子与在2022年多头超额收益为13.03％。华西证券金融工程研究报告：行业有效分析师预期因子与行业轮动策略发布

原创 二月券商金工精选

✦研报目录✦✦简述✦按发布时间排序中信期货组合优化专题（一）：截面回归与因子正交的二重奏——【中信期货金融工程】发布日期：2023-02-01 关键词：期货、截面回归、因子正交主要内容：本报告处理“因子正交”的问题。该专题将以综述的形式讨论了市面上常见的 4 种正交化方法、阐明了正交实践中遇到的问题与解决办法、设计了 1 种针对于底层资产池为商品期货组合的品种权重配置模式、配比了 1 种因子收益率估计的优化方式并进行回测总结。该报告对应第 1 种配置模式——作用于

原创 重要！交易规则变动，掘金实盘用户请及时调整策略

请诸位关注包括：业务规则改变、交易规则改变、存在亏损未盈利、差异化上市标准、终止上市、终止发行、增发主板股票、网上初始发行比例差异化、不符合规则的无效申报、表决权差异安排、停牌核查、权益保护存在差异以及其他导致本金亏损或者超过原始本金损失事项等相关风险。请您了解和掌握可能存在的风险因素，明晰注册制交易规则，根据自身风险承受能力，审慎进行投资行为！2023年2月17日，中国证监会发布全面实行股票发行注册制相关制度规则。请使用券商版掘金终端的实盘用户仔细阅读，以便及时调整您的策略。，以配合全面注册制的实施。

原创 Barra模型因子的构建及应用系列八之Earning_Yeild因子

在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子、Book-to-Price因子和Liquidity因子，并分别创建了对应的单因子策略，其中Size因子和NonLinear Siz因子具有很强的收益能力。本节文章是该系列的第八篇，将在该系列下进一步构建Earning_Yeild因子。

原创 Barra模型因子的构建及应用系列七之Liquidity因子

在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子、Momentum因子、Residual Volatility因子、NonLinear Size因子和Book-to-Price因子，并分别创建了对应的单因子策略，其中Size因子和NonLinear Siz因子具有很强的收益能力。月度的交易天数为21天，季度的交易天数为63天，年度的交易天数为252天。策略净值曲线波动较小，对比沪深300指数，在下跌阶段（2022年7月-10月）抗跌能力强，而在随后的反弹阶段，亦具备较强的进攻能力。

原创 Barra模型因子的构建及应用系列五之NonLinear Size因子

在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子、Momentum因子和Residual Volatility因子，并分别创建了对应的单因子策略，本节文章在该系列下进一步构建NonLinear Size因子。ε为残差，即ε=NLSIZE因子*3-A-B*NLSIZE因子，当NLSIZE因子特别大或特别小的时候，ε为正；，IC均值大于0.05，表明该因子选股能力较强；那么自然地，NonLinear Size因子作为一个正向因子，正好就是做多大市值和小市值的股票，做空中市值的股票。

原创 掘金量化诚聘技术伙伴，欢迎大佬、优秀的萌新投递！

量化平台诚聘技术人员

原创 Barra模型因子的构建及应用系列四之Residual Volatility因子

从信息系数的分析来看，Residual Volatility因子在21天的调仓周期下IC均值达到最大（-0.10），且IC均值的绝对值大于0.05，表明选股能力较强；Residual Volatility因子由三个子因子组成，分别是DASTD因子（超额收益年化波动）、CMRA因子（年度超额收益率离差）和HSIGMA因子（Beta回归残差年化波动率）。在前期的Barra模型系列文章中，我们构建了Size因子、Beta因子和Momentum因子，并分别创建了对应的单因子策略。以上就是今天分享的全部内容。

原创 一月券商金工精选

5、综合性企业的复杂性越高，PEAD效应越强。主要内容：文章构建了四个维度的选基因子，分别为基金基础特征、基金业绩动量、持有人结构、交易特征，保留有效因子后合成选基综合因子，基于该因子构建的策略实现了18.80%的年化收益率，相对于偏股混合型基金指数的年化超额收益率为7.95%，信息比率达1.33。主要内容：文章对高频因子在量化选股策略中作用进行了深入研究，发现相对未引入任何高频因子的原始策略，年化超额收益的提升幅度在9.6%-16.2%之间，高频因子已经成为量化选股策略中不可或缺的一种因子类型。

原创 十二月券商金工精选

主要内容：文章基于前期系列研究，对大小单残差因子和散户羊群效应做进一步改进，并构建复合因子：大小单综合资金流因子，RankIC均值7.89%，RankICIR3.99，10分组多空对冲年化收益率35.36%，信息比率4.82，胜率89.19%，最大回撤2.09%。主要内容：本报告中，通过行业价格指数运行的趋势中的极大值极小值时序上的关系，日内上下影线结构，成分股运行的一致性等多个视角，构建了不同的动量因子，来对简单的时间区间内涨跌幅因子进行替代。全面画像下各类北向机构特征迥异。

原创 Barra模型因子的构建及应用系列三之Momentum因子

从因子分组的平均期望收益来看，Beta因子的单调性很好，但问题在于收益主要集中于弱动量端的负收益上，而强动量端虽然贡献了正收益，但第4组-第10组的正收益区分度较小，且正收益并不是很强。10日和21日的IC标准差相对较小，经计算可知21天的调仓周期下IR为1.11(>0.5)，该周期下因子稳定获取超额收益的能力较强。虽然强动量在2022年的A股市场表现一般，但弱动量能够贡献很强的负收益，虽然不能直接做空弱动量，但如果在其他策略中过滤弱动量股票，相信能够带来很大的改善。

原创 Barra模型因子的构建及应用系列二之Beta因子

在前期的Barra模型系列文章中，我们初步讲解并构建了Size因子。在Size因子基础上构建的单因子策略也获得了不错的绝对收益。而本期内容，我们在该系列下进一步构建Beta因子，其中基于Beta因子构建的策略在2022年实现了5.70%年化收益，大幅跑赢大盘指数。

原创 Barra模型因子的构建及应用（一）

更多量化策略，尽在掘金量化社区

原创 十一月券商金工精选

本文在报告《A 股市场中如何构造动量因子》中， 通过振幅切割的方式，剔除高振幅交易日的涨跌幅，从而剔除过度反应的涨跌数据，去伪存真，构建长端动量因子，有效捕捉 A 股市场中的动量效应。主要内容：本文首先从四个不同的视角探讨CTA过往的投资体验，然后从CTA基金持有周期，收益特性两方面阐述了投资CTA基金择时的必要性，接着将由表及里的给出三个CTA基金的择时思路，最后探讨如何更好地对选择CTA基金，综合为投资者提供一条CTA投资的中庸之道。主要内容：1、景气趋势投资的本质在于对景气趋势动量的投资。

原创 期权量化策略：如何利用期权捕捉期现套利机会？

如何用期权合成期货空头呢？答：买入一份看跌期权，同时卖出一份看涨期权。

原创 十月券商金工精选

7个业绩归因模型：单期Brinson模型、单期BF模型、多期BF模型、基于持仓股票的多因子模型、选股择时模型、风格配置模型、因子模型，这些模型主要从资产配置、行业配置、选股、风格等不同模块对组合收益进行分解。主要内容：文章通过划分价量四象限，利用月度IC均值有效甄别出价量相关性因子的反转效应和动量效应，在“动量因子切割”研究的基础上，以相关性的形式加入“成交量”的信息，分别为日内、隔夜的价量相关性找到最佳代表，并完成信息叠加，得到既新颖又“能打”的RPV因子。被公募调研和知名私募调研的股票表现更佳；

原创 策略分享｜复现经典K线形态：出水芙蓉

K线形态的研究是炒股中的热门话题，像空头中的“三只乌鸦”、“乌云盖顶”、“吊颈线”等，多头中的“早晨之星”、“孕线”、“曙光之星”等，都是股友中耳熟能详的经典形态。从策略整体效果来看，策略净值走势跟大盘走势很一致，波峰和波谷相比大盘来得更早一些，同时每一波趋势中，策略的进攻能力更强，也更抗跌。不过，由于本策略的出场条件设置的比较简单，所以还有很高的优化空间，同时可以搭配其他指标进一步精选股票，以此提升策略胜率。该形态中常用的参数为：S为20，M为40，LL为60，最大不超过60。初始资金：1000万。

原创 Alpha是否存在于日内股价跳跃中？

更多量化策略，尽在掘金量化社区

原创 研报复现 | Alpha是否存在于日内股价跳跃中？

更多量化策略，尽在掘金量化社区

原创 九月券商金工精选

共29篇研报

原创 免费开源！常用策略函数的复用与累积

俗话说，磨刀不误砍柴工！当你在写策略时，是否还在查询所有股票代码，剔除B股、新股、ST股，从而获取A股代码呢？是否还在重复循环获取历史前N天交易日？是否还在重复编写单因子分析？现在，我们将掘金策略小哥常用的策略函数免费开源给大家，帮助大家提高策略编写速度。

原创 量化打板，靠谱吗？

参考了网上股友分享的经验帖后，我们设计了一个简单的打板逻辑