信息比率高的股票量化策略

㈠ 【量化】各平台開源的選股策略匯總

大概收集了下各平台開源的量化選股策略。本意為供自己參考，順手分享一下，希望能對有緣人有用，哈哈。

一、 多因子模型選股

多因子模型是應用最廣泛的一種選股模型，基本原理是採用一系列的因子作為選股標准，滿足這些因子的股票則被買入，不滿足的則賣出。

1 、大師系列——價值投資法整理歸檔（一共19個經典的大師策略）

2 、多因子換檔反轉策略

3 、Foster Friess積極成長策略

4 、Fama-French三因子火鍋&五因子模型

5 、多因子模型+資產組合優化（加「社區神定律——每月25號以後不交易」）

6 、11年100倍以上的多因子策略-四因子選股策略研究

7 、光大多因子模型

《光大證券_多因子系列報告之一:因子測試框架》，

《光大證券_多因子系列報告之二：因子測試全集》，

《光大證券_多因子系列報告之三：多因子組合「光大Alpha1.0」》

https://uqer.io/community/share/5958e0bec9dd160057510df9

8 、小費雪選股法

（一）小費雪——靜態市收率PS： https://www.joinquant.com/post/6944?tag=new

（二）小費雪——相對市收率： https://www.joinquant.com/post/7027?tag=new

（三）小費雪（終）： https://www.joinquant.com/post/7029?tag=new

參考研報：《 華泰價值選股之低市收率A股模型Ⅱ 》

9 、華泰價值選股之FFScore模型

來源:【聚寬社區】https://www.joinquant.com/post/4872

參考研報： 【華泰金工林曉明團隊】華泰價值選股之FFScore模型

10、國信動態多因子演算法的實現

參考研報：國信《45數量化投資技術系列之四十五：基於A股市場選股因子邊際效用和有效分散的動態區分度動量策略》

二、風格輪動模型

1 、鬥牛蛋卷二八輪動原版策略實現（本質為擇時）

簡介：「二八輪動」就是根據A股市場中大盤股和小盤股走勢不同作為信號判斷的。（所謂二，就是指數量佔20%的大盤股、權重股；所謂的八,就是數量佔80%左右的中小盤股，非權重股；其輪動就是指在兩者之間不斷切換，輪流持有。）

三、配對交易

所謂配對交易，就是利用兩只股票（或基金、債券等其他品種）走勢非常相似，如果出現一直股票正偏離，一隻股票負偏離，那麼做空正偏離的股票，做多負偏離的股票。

1. 工農配對（偏向擇時）

2. 銀行輪動（中、農、工、商）無止損，年化77%

附：質疑帖：https://www.joinquant.com/post/5377?tag=new

四、 行業選股

1. 【羊群效應系列】--尋找行業輪動中的龍頭股：

https://www.joinquant.com/post/1038?tag=new

金融市場的羊群效應主要是指投資者在市場交易過程中的學習與模仿的現象，當市場中存在羊群效應時，投資者在做出自己的決策時更加依賴於他人的行為而忽略自己所獲取的信息。

五、資金流模型

1、 資金流模型的研究：

https://www.joinquant.com/post/973?tag=new

2、 資金流數據+支持向量機——判斷股價走勢：

（資金流可以解釋一部分股價的變化，這里的思路是不考慮基本面也不考慮時間序列，主要看大額資金是流入還是流出。因此，考慮輸入資金流數據，通過機器學習的方式來對未來股價的漲跌做分類預測。這里用的是支持向量機。）

https://www.joinquant.com/post/6744?tag=new

3 、個股資金流：

https://uqer.io/community/share/5696099e228e5b18dfba2c8b

六、事件選股：

1 、異動事件選股：

簡介：在通常情況下，股票與指數的日內走勢是隨波逐流的關系。但是，在某些特殊的交易日里，股票可能在盤中頻繁出現與指數走勢背道而馳的情況。這種個性十足的價格異動，我們稱之為「特立獨行」事件。

策略中異動事件的篩選方法如下：

（1）取交易日t、股票stk的日內分鍾收益率序列，計算其與上證綜指當日分鍾收益率序列的皮爾遜相關系數COV(stk,t)；

（2）將相關度因子COV(stk,t)低於閾值Lambda，視為發生「特立獨行」異動事件。對於Lambda的選取，本文採用的計算方法是全部股票平均相關系數減去兩倍標准差。

據此嘗試構建一個基於「特立獨行」異動事件的投資組合，在發生異動事件的樣本中，選取「逆勢漲」的部分，「逆市漲」指的是當日股票收益大於0，且市場收益率小於0。每日收盤後選出合格的股票標的，次日以開盤價等權買入，持有50個交易日後以收盤價賣出。由於事件發生的概率較低，為了防止空倉率高的情況，本文調長持有時間，這也一定程度減少了投資機會。

地址： https://uqer.io/community/share/57887bed228e5b8a099334a0

升級版： https://uqer.io/community/share/5795858d228e5ba29305f729

2 、事件驅動研究——財報對分析師評級上調事件的影響

https://uqer.io/community/share/59c9e27a0f66ae010a61be46

七、趨勢追蹤模型

（衡量股票趨勢的指標最重要的就是均線系統，因為它是應用最為廣泛的趨勢追蹤指標，

所以均線是不可或缺的，把它作為捕捉大盤主趨勢的基石。但是純粹的均線由於噪音等原因，使得經常會出現誤操作，需要進行更多的處理機制，包括極點、過濾微小波動、高低點比較策略、高低點突破策略、長波的保護機制、長均線的保護機制等概念和技術細節；卡爾曼濾波）

1、 基於勝率的趨勢交易策略：

簡介：簡單構建了一個基於勝率的趨勢交易策略。認為過去一段時間（N天）內勝率較高、信息比率較高的股票會在緊隨其後的幾天有較好的表現

地址： https://uqer.io/community/share/565aeac3f9f06c6c8a91ae31

2、 海龜模型趨勢跟隨策略

簡介：基於唐奇安突破通道，海龜模型的趨勢捕捉是基於唐奇安突破通道系統，即價格突破20日最高價的最大值為入市信號，價格突破10日最低價的最小值為離場信號。

地址： https://uqer.io/community/share/58161031228e5b43fd5c26f6

3、 多頭趨勢回踩策略

簡介：多頭趨勢回撤的思路，是根據若干條均線呈現出的形態判斷一支股票是否處於強勢狀態，並抓住回調的時機低位買入。顧名思義，這個策略的要點分為兩部分：多頭趨勢和回撤點。5、10、20、60、120五根均線為從上至下依次排序，由此判定股價處於多頭趨勢。均線呈完全相反的排列順序，是空頭趨勢。均線反復交叉的情況，則為震盪趨勢。

地址： https://www.joinquant.com/post/1901?tag=algorithm

㈡ 量化交易主要有哪些經典的策略

交易策略，量化策略，主觀策略，常見策略。

交易策略：一個完整的交易策略一般包括交易標的的選擇，進出場時機的選擇，倉位和資金管理等幾個方面。按照人的主觀決斷和計算機演算法執行在策略各方面的決策中的參與程度的不同，可以將交易策略分為主觀策略和量化策略。

主觀策略：主觀策略主要依靠投資者的主觀判斷，期貨市場的投資者通過對產業上中下游、供需、宏觀經濟預期等的調查做出自己的判斷。類似股票市場的主觀投資者通過深入研究行業的各個方面，調查行業內的上市公司，形成交易決策。

量化交易注意事項

在量化交易中，交易規則、參數和回測都要依靠歷史數據計算獲得。我們無法判斷這些從歷史數據中獲得的規律能否在未來的市場中持續有效，所構建的交易模型也無法判斷能否應用。

簡單的量化因子和策略更容易讓人理解和接受，但越是簡單的策略越容易被人們知悉，量化交易所獲得的超額收益也越低。

㈢ 量化交易主要有哪些經典的策略

經典量化交易策略(包括價值投資、技術指標、配對輪動、機器學習等)、研究型文章等

㈣ 如何量化炒股

首先，可以通過學習量化策略來進行，主要包括多因子策略、統計套利、機器學習。

量化交易是一種新興的系統化金融投資方法，它綜合多個學科的知識，用先進的數學模型代替人的主觀思維制定交易策略，利用計算機強大的運算力從龐大的股票、債券、 期貨等歷史數據中回測交易策略的盈虧「概率」，通過管理盈虧的「概率」幫助投資者做出准確的決策。

此外，我們可以通過數庫多因子量化平台進行炒股，它會呈現出影響股價走勢的相關因子，讓投資者從中選取影響力高的因子，組合成量化策略，進行收益對比分析，得出最理想的股票組合。還可以自由添加、刪除、收藏多個因子，僅需幾秒鍾就可以完成大量的數據運算，操作方便快捷。

潛在風險

量化交易一般會經過海量數據模擬測試和模擬操作等手段進行檢驗，並依據一定的風險管理演算法進行倉位和資金配置，實現風險最小化和收益最大化，但往往也會存在一定的潛在風險，具體包括：

1、歷史數據的完整性。行情數據不完整可能導致模型與行情數據不匹配。行情數據自身風格轉換，也可能導致模型失敗，如交易流動性，價格波動幅度，價格波動頻率等，而這一點是量化交易難以克服的。

2、模型設計中沒有考慮倉位和資金配置，沒有安全的風險評估和預防措施，可能導致資金、倉位和模型的不匹配，而發生爆倉現象。

3、網路中斷，硬體故障也可能對量化交易產生影響。

4、同質模型產生競爭交易現象導致的風險。

5、單一投資品種導致的不可預測風險。

為規避或減小量化交易存在的潛在風險，可採取的策略有：保證歷史數據的完整性；在線調整模型參數；在線選擇模型類型；風險在線監測和規避等。

㈤ 量化對沖策略有哪些量化對沖策略解讀

每一種基金都有其獨特的運作方式及投資策略，了解其詳細信息能夠大大提高自己對相關產品投資，那量化對沖策略有哪些？
量化對沖策略有哪些？
1. α策略：用量化選股模型確定股票組合，同時買入股票組合，做空股指期貨以對沖股票組合的市場風險(β)，獲取股票組合超越市場指數的超額預期年化預期收益，即α預期年化預期收益。
2. 套利策略：是指利用同一資產標的在不同市場或不同時間的雙重定價，低買高賣獲取差價的投資策略。可以用來套利的標的資產包括金融指數、商品、基金、期權和外匯等。套利策略常見的子策略有期現套利、跨期套利、分級基金套利和ETF基金套利等。
其中，期現套利是國內的主流套利策略。
3. 量化CTA基金：說白了就是投向期貨市場的期貨基金，只不過用量化投資方法研究期貨品種的價格變化趨勢，以程序化實現交易。以滬深300股指期貨為例，滬深300股指期貨上漲時做多，下跌時做空，漲跌都盈利。

「時進則進」的阿爾法策略
例如2009年，滬深300指數從年初的點攀升至年底的點，漲幅高達中國銀河證券研究所《中國證券投資基金2009年業績統計報告》研究結果表明，在主動管理的股票型基金中，銀華優選、新華成長、興業社會分列狀元、榜眼、探花之位，預期年化預期收益實現翻番。
進一步分析上述三隻基金季報，全年股票倉位波動范圍不大，基金經理主要通過精選行業個股戰勝滬深300指數漲幅。
反觀那些2008年的貝塔明星，基於投資理念上或多或少想做絕對預期年化預期收益，在市場上漲時，因為心態謹慎，加倉遲緩，分散持股而集體失語，牽制了諸多基金的表現。
事後想來，在2009年以來的這波牛市行情中，信心確實要比黃金和貨幣還要重要，該動則動，動如脫兔，飛蓬遇飄風而致千里，是乘勢而為。
「時退則退」的貝塔策略
例如2008年，滬深300指數從年初的點暴跌至年底的點，跌幅深達通過中國銀河證券研究所《中國證券投資基金2008年業績統計報告》同樣可以看出，在主動管理的混合型基金中，泰達成長、華夏大盤、金鷹小盤等由於對貝塔的高度關注，對風險的嚴格控制，對倉位的小心謹慎，盡管沒有實現絕對預期年化預期收益，但幾近跑贏滬深300指數50%。
對比那些基金界的「四大惡人」，熊市階段不做貝塔，不降低倉位，覆巢之下安有完卵？風險管理成了2008年基金投資管理的核心，因此一役而跌得比別人少成就了貝塔基金經理顯赫的名聲。
他們信奉好的投資者在衡量風險和挖掘機會上必須分配同樣多時間，放棄風險的管制就是放任預期年化預期收益的流逝，該靜則靜，靜如處子，伏蟄臨歲寒而息百日，是藏地而眠。
「動靜不失其時」的中性策略
例如，縱觀2008、2009兩年以來的熊牛轉換，既能在下跌階段堅決實施貝塔策略來成功規避暴跌，又能在上漲階段通過阿爾法策略來獲取超額預期年化預期收益的基金猶如鳳毛麟角。
大多數上漲時能精選行業個股的阿爾法選手，漲勢凌厲卻疏於風險管理；而大多數下跌時能控制下行風險的貝塔選手，風格上又穩健有餘進取不足。
正所謂千金易買，一將難求！對基金投資者來說，激進型的可以關注阿爾法做得好的基金經理，在上漲階段有優勢；穩健型的可以關注組合貝塔值控製得好的基金經理，在下跌階段能從容。
對那些集激進與穩健於一身的「雙面膠」投資者，要想取得能守善攻的投資績效，除了遇到阿爾法策略和貝塔策略攻防轉換靈活的基金經理之外，就得靠自己「動靜不失其時」地運用中性策略，雙手互搏，「射幸數跌，不如審發；日出而作，日落而息」和諧投資了。

㈥ 量化交易主要有哪些經典的策略

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。
量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。
量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。

㈦ 量化交易策略有哪些

一、交易策略
一個完整的交易策略一般包括交易標的的選擇，進出場時機的選擇，倉位和資金管理等幾個方面。
按照人的主觀決斷和計算機演算法執行在策略各方面的決策中的參與程度的不同，可以將交易策略分為主觀策略和量化策略。

二、主觀策略
主觀策略主要依靠投資者的主觀判斷。
期貨市場的投資者通過對產業上中下游、供需、宏觀經濟預期等的調查做出自己的判斷。
類似的，股票市場的主觀投資者通過深入研究行業的各個方面，調查行業內的上市公司，形成交易決策。
另外，無論是股票市場還是期貨市場，大量的主觀投資者是依賴技術分析做出決策的。

三、量化策略
量化策略主要依賴於計算機演算法進行交易。
投資者將初步的交易邏輯輸入計算機，並運用大量的歷史數據做統計和回測，在此基礎上做出適當的修改、揚棄，以形成可接受的交易策略。策略在形成後，往往各個決策條件就已經確定，實盤中按照既定的程序執行。
對比而言，部分主觀策略在對單個標的的研究深度上有優勢，可以通過深度研究提供專家級的意見。而量化策略由於運用計算機決策，可以處理大量的數據，因此在廣度上有優勢。另外，量化策略在執行中不會受人的狀態、情緒等不確定性的影響，因而執行更為嚴格和精確。

四、常見策略
常見的量化交易策略可以大致分為趨勢策略和市場中性策略，趨勢策略常見的有雙均線策略、布林帶策略、海歸交易法和多因子選股策略等。
常見的市場中性策略包括統計套利策略、Alpha對沖策略等，著名的網格交易法更多的是一種交易方法，可以用在不同類型的策略中。
下面我們對這幾個常見策略做一個簡單介紹，想深入了解某個策略的讀者可以藉助互聯網獲得更多資料。
(1) 雙均線策略
雙均線策略在趨勢交易中有廣泛的應用。該策略根據長短兩根不同周期的移動平均線的金叉和死叉來交易。在短周期均線上穿長周期均線(金叉)時做多，在短周期均線下穿長周期均線(死叉)時做空。雙均線系統可以進一步擴充為多均線系統。
(2) 布林帶策略
布林帶由三條線構成，其中的中線是一根移動平均線，上線是由中線加上n倍(如2倍)標准差構成，下線是中線減n倍標准差。當行情上穿上線時做多，下穿下線時做空。
(3) 海歸交易法
海歸交易法由商品投機家理查德·丹尼斯的推廣而聞名。該法則涵蓋交易的進出場，資金和倉位管理的各各方面，是一套完整的交易系統。關於該策略的具體交易模式幾個字不容易說清楚，詳細的了解大家可以參考《海歸交易法則》這本書，特別是後面的附錄。
(4) 多因子選股
多因子選股模型是股票交易中常見的策略。建立過程包括選取候選因子，在歷史數據檢驗的基礎上挑選有效因子並剔除冗餘因子等幾個過程，最後是根據因子選擇要交易的股票，確定出入場時機。
(5) 統計套利
統計套利可以用於期貨市場的跨品種和跨期套利，也可以用於相關性高的股票之間的價差套利。它是利用相關性高的標的之間的價差或者價比回歸的性質，在價差或價比偏離均衡位置時進場，在價差或價比回到均衡位置時出場。
(6) Alpha對沖策略
Alpha對沖策略同時持有方向相反的兩種頭寸對沖Beta風險。在國內市場常見的是持有股票多頭的同時，持有股指期貨空頭，該策略是否能夠獲得超額收益依賴於選取的股票是否具有高的Alpha正值。
(7) 網格交易法
網格交易法的核心是網格間距和中軸線的確定。我們以螺紋鋼期貨合約為例說明，目前螺紋價格3000，我們建立初始倉位，比如50%倉位。隨後螺紋鋼每漲50點賣出10%，每跌50點買入10%。這里的3000就是中軸，50點是網格寬度。該策略的收益波動很大

㈧ 量化交易主要有哪些經典的策略

其實要說種類其實很簡單，完全可以按照炒股的類型來對策略模型分類，從這個角度來說，認為可以分成技術分析型、價值分析型、機器學習與人工智慧。當然了，還有一大類是多因子模型，但是多因子從廣義來說其實概念很廣泛，任何的技術指標和財務因子都可以作為多因子模型的因子。

①技術分析型主要是結合各種技術指標來對動量效應或反轉效應做研判交易；

時變夏普率的擇時策略、情緒擇時-GSIS、RSRS指標擇時及大小盤輪動

②價值分析則偏重股票標的的基本面分析；

查爾斯·布蘭德斯價值投資法、邁克爾•普萊斯低估價值選股策略、阿梅特·歐卡莫斯集中投資法則

③機器學習與人工智慧可以算作是區別於前兩類一種新興的方式，主要利用一些統計機器學習演算法和神經網路做出預測而量化；

基於KMeans的指數擇時策略、利用隨機森林進行因子選擇、基於HMM的指數擇時策略

供參考！

㈨ 量化交易領域有哪些經典策略

量化交易種比較受寬客們所熟知的量化經典策略有：

alpha對沖(股票+期貨)

集合競價選股(股票)

多因子選股(股票)

網格交易(期貨)

指數增強(股票)

跨品種套利(期貨)

跨期套利(期貨)

日內回轉交易(股票)

做市商交易(期貨)

海龜交易法(期貨)

行業輪動(股票)

機器學習(股票)

以上這些經典的量化交易策略源碼都可以到掘金量化交易平台查閱。