https://bigquant.com/codesharev3/dcd94c17-1d07-48f9-ae8f-9dab0cc7f9c1
测试下来，这个算法对因子特别敏感，默认因子回测的效果非常好，我替换几个平时表现好的因子后发现效果会差很多，另外，当将股票底池设置为主板和创业板后，收益下降也很明显。
1、我现在是否理解量化投资的逻辑以及和主观投资的区别；
$在投资逻辑上应该没有本质的区别，量化投资逻辑也是主观策略的落地实现。只不过更新时间：2025-08-02 12:27
1、一个策略很难一直挣钱，穿越牛熊。
2、AI策略对捕捉风格的变化应该是一个很重要的研究方向。
3、AI策略是一个黑盒子，如果能够像线性策略一样公式描述就好了。
4、不知道应该放什么因子进去，放多少因子进去，因子和因子之间应该保持什么关系（低相关性？）
5、需要滚动学习才有意义，我提交的今天的作业是用ai策略回测2024-2025的收益，但是如果用2022-2023的特征训练，感觉方法论有问题，2024-2025市场一直在变，而模型用的是2022-2023的经验。收益可能还不如简单的线性策略。
6、2024.10之前屎一样的存在
6、持续学习，挣钱买显卡。
7.代码分享好像出了
更新时间：2025-08-01 10:43
https://bigquant.com/codesharev3/aab9f23a-14b9-437b-a597-cafee691fa5a
主要还是从技术面做了优化，没有达到1.5的夏普，主要优化思路：
构建波动性、价格、动量和流动性因子，来提升收益和降低波动率，主要是将头尾异常的股票做过滤。
也看了其他同学做的比较好的案例，要有较大提升这种过滤的方法是不够的，还是需要找到能够跟小市值媲美的因子做因子的合成。
更新时间：2025-07-30 14:18
1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）
龙回头战法：选择前期热门板块的龙头股，且上涨期间量价同步，在回调过程中，成交量缩量到支撑位买入。
量化表达：
(1)定义板块动量因子确定热门板块
(2)定义股票动量因子确定热门板块中的龙头股，并通过量价关系因子过滤出量价同步的股票
(3)通过步骤1和步骤2，形成龙头股票池
(4)定义反转因子和量价关系，验证这两个因子在步骤3的股票池，龙回头战法逻辑是否成立。如果成立，通过IC、多头收益确定因子方向和权重。
(5)通过步骤4中的因子通过因子合成或机器更新时间：2025-07-29 11:24
【今日作业】
1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。
之前是主观投资，即通过判断公司的产品对于市场的未来需求来选择的。比如说circle 的稳定币的作用，结合美国国债的压力和特朗普的做事风格；还有小米的Yu7
2、在看完从0-1开发量化策略之后，请自己总结一下量化策略开发的主要流程。
[策略假设] → [数据获取] → [因子生成] → [模型建模]
↓ ↓ ↓ ↓
[数据清洗] → [因
更新时间：2025-07-29 09:47
1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。
答:股票池筛选:当连续10日最小值大于34日均线的0.99倍时纳入初选股票池;若获利筹码高于73%，则买入；当最大值低于34日均线时卖出。
2、在看完从0-1开发量化策略之后，请自己总结一下量化策略开发的主要流程。
答:1、进行单因子分析筛选出IC和IC_IR较高的因子,积累初步的因子库;
2、对有效的因子进行单因子选股回测，看看初步效果，确定哪些因子是核心收益率因子，哪些可用于控制风险，并对这些有效因子进行相关性分析；
3、选择前面有效的收益因子进行机器学习或
更新时间：2025-07-29 09:40
导语
平台已经整理好新旧因子对比，可以在基础特征抽取里面直接抽取。
| 老版因子 | 新版因子 | 字段描述 |
|---|---|---|
| adjust_factor_* | 当期值: adjust_factor\n滞后值: m_lag(adjust_factor, i)，i为滞后期数 | 第前 * 个交易日的复权因子 \n * 取值: 0 .. 20 |
| amount_* | 当期值: amount\n滞后值: m_lag(amount, i)，i为滞后期数 | 第前 * 个交易日的交易额\n * 取值: 0 .. 120 |
更新时间：2025-06-25 10:03
2个相同的模板，参数一样，数据一样，同样的因子，换了个模板，结果天差地别，到底是哪里出现了问题，
哪个是正确的，哪个出问题了\n\n第一个是新建的模板策略
https://bigquant.com/codesharev3/e00be70e-dc29-4df0-b7b2-516258ddf9bd
第二个是周一直播分享的机器学习模板
[https://bigquant.com/codesharev3/38c7cd41-faee-4c1e-83
更新时间：2025-06-05 05:39
直播回放：点击此处查看
{{pro}}
[https://bigquant.com/codesharev3/c51a0952-fcd2-4524-8777-2869b38f78d2](https://bigquant.com/codesharev3/c51a0952-fcd2-4524-87
更新时间：2025-05-09 01:58
在因子分析中加入行业、板块、或者其他类型的对股票分组的方式，有两种思考方式：
\
第一种研究方式就是将全市场股票，按照行业或者板块分组，研究每组的累计收益率，本质上来讲就是把行业或板块当作了因子
[https://bigquant.com/codeshare/2381cb8d-362e-425a-a24b-620c46555bf8](https://bigquant.com/codeshare/238
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19
【此文档为旧版】 相关新版文档参考：
https://bigquant.com/wiki/doc/ai-rq8QOC2fDb
https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883
\
更新时间：2025-04-15 07:19
MeetUP直播答疑 时间：3月28日（周四）19:00 直播地址：B站（https://live.bilibili.com/21929948）
以下问题解答，对应源码请访问子目录， 本次MeetUP 直播答疑大纲如下：
\
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19
文寅斐老师专属邀请码：o9ipry
使用此邀请码开通plus会员立减100元，赠送10000宽币
添加小Q再领取300元优惠券，二者可叠加使用哦～
打开微信扫描下方二维码添加小Q👇👇
![](/wiki/api/attachments.redirect?id=151a5956-b72c-4b0b-ba0c-9a0d9ea9f8b4
更新时间：2025-04-15 07:19
在因子开发研究完之后，选取了|IC|较高的几个因子后，一般如何合成一个策略，即在工程方法论上的一般步骤是什么？比如应该如何选择哪些模型进行合成（树模型or深度学习模型，是否有规律），分别是否都必须在训练前进行特征工程的处理再训练（去极值、中性化去除相关性），比如是否需要探查各个因子的相关性（如果多个因子存在一定的相关性，一般相关度大于多少需要进行处理，是否需要逐对特征两两取残差）
\
方正的==“水中行舟”研报==中提到“取市场上所有股票在当日“不分化时刻”的成交额序列
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19
目前平台提供新版的因子分析模块, 请移至bigalpha
7月30日Meetup 模板案例：
https://bigquant.com/experimentshare/b83f6a9c950a43a595d41f1d911dcaca
\
更新时间：2025-04-15 07:19
此为0527Meetup直播策略讲解，视频详见2021-AI量化Meetup导览
https://bigquant.com/experimentshare/edab29d0ffad4e039a9c1f5fed1fa870
\
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版因子分析代码：
https://bigquant.com/wiki/doc/5zug5a2q5yig5p6q5luj56cb-Od7rjBTNDQ
[https://bigquant
更新时间：2025-04-15 07:19
更新时间：2025-04-15 07:19