信息比率高的股票量化策略

㈠ 【量化】各平台开源的选股策略汇总

大概收集了下各平台开源的量化选股策略。本意为供自己参考，顺手分享一下，希望能对有缘人有用，哈哈。

一、 多因子模型选股

多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。

1 、大师系列——价值投资法整理归档（一共19个经典的大师策略）

2 、多因子换档反转策略

3 、Foster Friess积极成长策略

4 、Fama-French三因子火锅&五因子模型

5 、多因子模型+资产组合优化（加“社区神定律——每月25号以后不交易”）

6 、11年100倍以上的多因子策略-四因子选股策略研究

7 、光大多因子模型

《光大证券_多因子系列报告之一:因子测试框架》，

《光大证券_多因子系列报告之二：因子测试全集》，

《光大证券_多因子系列报告之三：多因子组合“光大Alpha1.0”》

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

8 、小费雪选股法

（一）小费雪——静态市收率PS： https://www.joinquant.com/post/6944?tag=new

（二）小费雪——相对市收率： https://www.joinquant.com/post/7027?tag=new

（三）小费雪（终）： https://www.joinquant.com/post/7029?tag=new

参考研报：《 华泰价值选股之低市收率A股模型Ⅱ 》

9 、华泰价值选股之FFScore模型

来源:【聚宽社区】https://www.joinquant.com/post/4872

参考研报： 【华泰金工林晓明团队】华泰价值选股之FFScore模型

10、国信动态多因子算法的实现

参考研报：国信《45数量化投资技术系列之四十五：基于A股市场选股因子边际效用和有效分散的动态区分度动量策略》

二、风格轮动模型

1 、斗牛蛋卷二八轮动原版策略实现（本质为择时）

简介：“二八轮动”就是根据A股市场中大盘股和小盘股走势不同作为信号判断的。（所谓二，就是指数量占20%的大盘股、权重股；所谓的八,就是数量占80%左右的中小盘股，非权重股；其轮动就是指在两者之间不断切换，轮流持有。）

三、配对交易

所谓配对交易，就是利用两只股票（或基金、债券等其他品种）走势非常相似，如果出现一直股票正偏离，一只股票负偏离，那么做空正偏离的股票，做多负偏离的股票。

1. 工农配对（偏向择时）

2. 银行轮动（中、农、工、商）无止损，年化77%

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

四、 行业选股

1. 【羊群效应系列】--寻找行业轮动中的龙头股：

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

金融市场的羊群效应主要是指投资者在市场交易过程中的学习与模仿的现象，当市场中存在羊群效应时，投资者在做出自己的决策时更加依赖于他人的行为而忽略自己所获取的信息。

五、资金流模型

1、 资金流模型的研究：

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

2、 资金流数据+支持向量机——判断股价走势：

（资金流可以解释一部分股价的变化，这里的思路是不考虑基本面也不考虑时间序列，主要看大额资金是流入还是流出。因此，考虑输入资金流数据，通过机器学习的方式来对未来股价的涨跌做分类预测。这里用的是支持向量机。）

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

3 、个股资金流：

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

六、事件选股：

1 、异动事件选股：

简介：在通常情况下，股票与指数的日内走势是随波逐流的关系。但是，在某些特殊的交易日里，股票可能在盘中频繁出现与指数走势背道而驰的情况。这种个性十足的价格异动，我们称之为“特立独行”事件。

策略中异动事件的筛选方法如下：

（1）取交易日t、股票stk的日内分钟收益率序列，计算其与上证综指当日分钟收益率序列的皮尔逊相关系数COV(stk,t)；

（2）将相关度因子COV(stk,t)低于阈值Lambda，视为发生“特立独行”异动事件。对于Lambda的选取，本文采用的计算方法是全部股票平均相关系数减去两倍标准差。

据此尝试构建一个基于“特立独行”异动事件的投资组合，在发生异动事件的样本中，选取“逆势涨”的部分，“逆市涨”指的是当日股票收益大于0，且市场收益率小于0。每日收盘后选出合格的股票标的，次日以开盘价等权买入，持有50个交易日后以收盘价卖出。由于事件发生的概率较低，为了防止空仓率高的情况，本文调长持有时间，这也一定程度减少了投资机会。

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

升级版： https://uqer.io/community/share/5795858d228e5ba29305f729

2 、事件驱动研究——财报对分析师评级上调事件的影响

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

七、趋势追踪模型

（衡量股票趋势的指标最重要的就是均线系统，因为它是应用最为广泛的趋势追踪指标，

所以均线是不可或缺的，把它作为捕捉大盘主趋势的基石。但是纯粹的均线由于噪音等原因，使得经常会出现误操作，需要进行更多的处理机制，包括极点、过滤微小波动、高低点比较策略、高低点突破策略、长波的保护机制、长均线的保护机制等概念和技术细节；卡尔曼滤波）

1、 基于胜率的趋势交易策略：

简介：简单构建了一个基于胜率的趋势交易策略。认为过去一段时间（N天）内胜率较高、信息比率较高的股票会在紧随其后的几天有较好的表现

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

2、 海龟模型趋势跟随策略

简介：基于唐奇安突破通道，海龟模型的趋势捕捉是基于唐奇安突破通道系统，即价格突破20日最高价的最大值为入市信号，价格突破10日最低价的最小值为离场信号。

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

3、 多头趋势回踩策略

简介：多头趋势回撤的思路，是根据若干条均线呈现出的形态判断一支股票是否处于强势状态，并抓住回调的时机低位买入。顾名思义，这个策略的要点分为两部分：多头趋势和回撤点。5、10、20、60、120五根均线为从上至下依次排序，由此判定股价处于多头趋势。均线呈完全相反的排列顺序，是空头趋势。均线反复交叉的情况，则为震荡趋势。

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

㈡ 量化交易主要有哪些经典的策略

交易策略，量化策略，主观策略，常见策略。

交易策略：一个完整的交易策略一般包括交易标的的选择，进出场时机的选择，仓位和资金管理等几个方面。按照人的主观决断和计算机算法执行在策略各方面的决策中的参与程度的不同，可以将交易策略分为主观策略和量化策略。

主观策略：主观策略主要依靠投资者的主观判断，期货市场的投资者通过对产业上中下游、供需、宏观经济预期等的调查做出自己的判断。类似股票市场的主观投资者通过深入研究行业的各个方面，调查行业内的上市公司，形成交易决策。

量化交易注意事项

在量化交易中，交易规则、参数和回测都要依靠历史数据计算获得。我们无法判断这些从历史数据中获得的规律能否在未来的市场中持续有效，所构建的交易模型也无法判断能否应用。

简单的量化因子和策略更容易让人理解和接受，但越是简单的策略越容易被人们知悉，量化交易所获得的超额收益也越低。

㈢ 量化交易主要有哪些经典的策略

经典量化交易策略(包括价值投资、技术指标、配对轮动、机器学习等)、研究型文章等

㈣ 如何量化炒股

首先，可以通过学习量化策略来进行，主要包括多因子策略、统计套利、机器学习。

量化交易是一种新兴的系统化金融投资方法，它综合多个学科的知识，用先进的数学模型代替人的主观思维制定交易策略，利用计算机强大的运算力从庞大的股票、债券、 期货等历史数据中回测交易策略的盈亏“概率”，通过管理盈亏的“概率”帮助投资者做出准确的决策。

此外，我们可以通过数库多因子量化平台进行炒股，它会呈现出影响股价走势的相关因子，让投资者从中选取影响力高的因子，组合成量化策略，进行收益对比分析，得出最理想的股票组合。还可以自由添加、删除、收藏多个因子，仅需几秒钟就可以完成大量的数据运算，操作方便快捷。

潜在风险

量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：

1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是量化交易难以克服的。

2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。

3、网络中断，硬件故障也可能对量化交易产生影响。

4、同质模型产生竞争交易现象导致的风险。

5、单一投资品种导致的不可预测风险。

为规避或减小量化交易存在的潜在风险，可采取的策略有：保证历史数据的完整性；在线调整模型参数；在线选择模型类型；风险在线监测和规避等。

㈤ 量化对冲策略有哪些量化对冲策略解读

每一种基金都有其独特的运作方式及投资策略，了解其详细信息能够大大提高自己对相关产品投资，那量化对冲策略有哪些？
量化对冲策略有哪些？
1. α策略：用量化选股模型确定股票组合，同时买入股票组合，做空股指期货以对冲股票组合的市场风险(β)，获取股票组合超越市场指数的超额预期年化预期收益，即α预期年化预期收益。
2. 套利策略：是指利用同一资产标的在不同市场或不同时间的双重定价，低买高卖获取差价的投资策略。可以用来套利的标的资产包括金融指数、商品、基金、期权和外汇等。套利策略常见的子策略有期现套利、跨期套利、分级基金套利和ETF基金套利等。
其中，期现套利是国内的主流套利策略。
3. 量化CTA基金：说白了就是投向期货市场的期货基金，只不过用量化投资方法研究期货品种的价格变化趋势，以程序化实现交易。以沪深300股指期货为例，沪深300股指期货上涨时做多，下跌时做空，涨跌都盈利。

“时进则进”的阿尔法策略
例如2009年，沪深300指数从年初的点攀升至年底的点，涨幅高达中国银河证券研究所《中国证券投资基金2009年业绩统计报告》研究结果表明，在主动管理的股票型基金中，银华优选、新华成长、兴业社会分列状元、榜眼、探花之位，预期年化预期收益实现翻番。
进一步分析上述三只基金季报，全年股票仓位波动范围不大，基金经理主要通过精选行业个股战胜沪深300指数涨幅。
反观那些2008年的贝塔明星，基于投资理念上或多或少想做绝对预期年化预期收益，在市场上涨时，因为心态谨慎，加仓迟缓，分散持股而集体失语，牵制了诸多基金的表现。
事后想来，在2009年以来的这波牛市行情中，信心确实要比黄金和货币还要重要，该动则动，动如脱兔，飞蓬遇飘风而致千里，是乘势而为。
“时退则退”的贝塔策略
例如2008年，沪深300指数从年初的点暴跌至年底的点，跌幅深达通过中国银河证券研究所《中国证券投资基金2008年业绩统计报告》同样可以看出，在主动管理的混合型基金中，泰达成长、华夏大盘、金鹰小盘等由于对贝塔的高度关注，对风险的严格控制，对仓位的小心谨慎，尽管没有实现绝对预期年化预期收益，但几近跑赢沪深300指数50%。
对比那些基金界的“四大恶人”，熊市阶段不做贝塔，不降低仓位，覆巢之下安有完卵？风险管理成了2008年基金投资管理的核心，因此一役而跌得比别人少成就了贝塔基金经理显赫的名声。
他们信奉好的投资者在衡量风险和挖掘机会上必须分配同样多时间，放弃风险的管制就是放任预期年化预期收益的流逝，该静则静，静如处子，伏蛰临岁寒而息百日，是藏地而眠。
“动静不失其时”的中性策略
例如，纵观2008、2009两年以来的熊牛转换，既能在下跌阶段坚决实施贝塔策略来成功规避暴跌，又能在上涨阶段通过阿尔法策略来获取超额预期年化预期收益的基金犹如凤毛麟角。
大多数上涨时能精选行业个股的阿尔法选手，涨势凌厉却疏于风险管理；而大多数下跌时能控制下行风险的贝塔选手，风格上又稳健有余进取不足。
正所谓千金易买，一将难求！对基金投资者来说，激进型的可以关注阿尔法做得好的基金经理，在上涨阶段有优势；稳健型的可以关注组合贝塔值控制得好的基金经理，在下跌阶段能从容。
对那些集激进与稳健于一身的“双面胶”投资者，要想取得能守善攻的投资绩效，除了遇到阿尔法策略和贝塔策略攻防转换灵活的基金经理之外，就得靠自己“动静不失其时”地运用中性策略，双手互搏，“射幸数跌，不如审发；日出而作，日落而息”和谐投资了。

㈥ 量化交易主要有哪些经典的策略

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。
量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。

㈦ 量化交易策略有哪些

一、交易策略
一个完整的交易策略一般包括交易标的的选择，进出场时机的选择，仓位和资金管理等几个方面。
按照人的主观决断和计算机算法执行在策略各方面的决策中的参与程度的不同，可以将交易策略分为主观策略和量化策略。

二、主观策略
主观策略主要依靠投资者的主观判断。
期货市场的投资者通过对产业上中下游、供需、宏观经济预期等的调查做出自己的判断。
类似的，股票市场的主观投资者通过深入研究行业的各个方面，调查行业内的上市公司，形成交易决策。
另外，无论是股票市场还是期货市场，大量的主观投资者是依赖技术分析做出决策的。

三、量化策略
量化策略主要依赖于计算机算法进行交易。
投资者将初步的交易逻辑输入计算机，并运用大量的历史数据做统计和回测，在此基础上做出适当的修改、扬弃，以形成可接受的交易策略。策略在形成后，往往各个决策条件就已经确定，实盘中按照既定的程序执行。
对比而言，部分主观策略在对单个标的的研究深度上有优势，可以通过深度研究提供专家级的意见。而量化策略由于运用计算机决策，可以处理大量的数据，因此在广度上有优势。另外，量化策略在执行中不会受人的状态、情绪等不确定性的影响，因而执行更为严格和精确。

四、常见策略
常见的量化交易策略可以大致分为趋势策略和市场中性策略，趋势策略常见的有双均线策略、布林带策略、海归交易法和多因子选股策略等。
常见的市场中性策略包括统计套利策略、Alpha对冲策略等，着名的网格交易法更多的是一种交易方法，可以用在不同类型的策略中。
下面我们对这几个常见策略做一个简单介绍，想深入了解某个策略的读者可以借助互联网获得更多资料。
(1) 双均线策略
双均线策略在趋势交易中有广泛的应用。该策略根据长短两根不同周期的移动平均线的金叉和死叉来交易。在短周期均线上穿长周期均线(金叉)时做多，在短周期均线下穿长周期均线(死叉)时做空。双均线系统可以进一步扩充为多均线系统。
(2) 布林带策略
布林带由三条线构成，其中的中线是一根移动平均线，上线是由中线加上n倍(如2倍)标准差构成，下线是中线减n倍标准差。当行情上穿上线时做多，下穿下线时做空。
(3) 海归交易法
海归交易法由商品投机家理乍得·丹尼斯的推广而闻名。该法则涵盖交易的进出场，资金和仓位管理的各各方面，是一套完整的交易系统。关于该策略的具体交易模式几个字不容易说清楚，详细的了解大家可以参考《海归交易法则》这本书，特别是后面的附录。
(4) 多因子选股
多因子选股模型是股票交易中常见的策略。建立过程包括选取候选因子，在历史数据检验的基础上挑选有效因子并剔除冗余因子等几个过程，最后是根据因子选择要交易的股票，确定出入场时机。
(5) 统计套利
统计套利可以用于期货市场的跨品种和跨期套利，也可以用于相关性高的股票之间的价差套利。它是利用相关性高的标的之间的价差或者价比回归的性质，在价差或价比偏离均衡位置时进场，在价差或价比回到均衡位置时出场。
(6) Alpha对冲策略
Alpha对冲策略同时持有方向相反的两种头寸对冲Beta风险。在国内市场常见的是持有股票多头的同时，持有股指期货空头，该策略是否能够获得超额收益依赖于选取的股票是否具有高的Alpha正值。
(7) 网格交易法
网格交易法的核心是网格间距和中轴线的确定。我们以螺纹钢期货合约为例说明，目前螺纹价格3000，我们建立初始仓位，比如50%仓位。随后螺纹钢每涨50点卖出10%，每跌50点买入10%。这里的3000就是中轴，50点是网格宽度。该策略的收益波动很大

㈧ 量化交易主要有哪些经典的策略

其实要说种类其实很简单，完全可以按照炒股的类型来对策略模型分类，从这个角度来说，认为可以分成技术分析型、价值分析型、机器学习与人工智能。当然了，还有一大类是多因子模型，但是多因子从广义来说其实概念很广泛，任何的技术指标和财务因子都可以作为多因子模型的因子。

①技术分析型主要是结合各种技术指标来对动量效应或反转效应做研判交易；

时变夏普率的择时策略、情绪择时-GSIS、RSRS指标择时及大小盘轮动

②价值分析则偏重股票标的的基本面分析；

查尔斯·布兰德斯价值投资法、迈克尔•普莱斯低估价值选股策略、阿梅特·欧卡莫斯集中投资法则

③机器学习与人工智能可以算作是区别于前两类一种新兴的方式，主要利用一些统计机器学习算法和神经网络做出预测而量化；

基于KMeans的指数择时策略、利用随机森林进行因子选择、基于HMM的指数择时策略

供参考！

㈨ 量化交易领域有哪些经典策略

量化交易种比较受宽客们所熟知的量化经典策略有：

alpha对冲(股票+期货)

集合竞价选股(股票)

多因子选股(股票)

网格交易(期货)

指数增强(股票)

跨品种套利(期货)

跨期套利(期货)

日内回转交易(股票)

做市商交易(期货)

海龟交易法(期货)

行业轮动(股票)

机器学习(股票)

以上这些经典的量化交易策略源码都可以到掘金量化交易平台查阅。