代码分享
代码分享标签描述

开篇:什么是量化投资? 想象你是一个经验丰富的菜市场买菜高手。每次买菜时,你都有自己的一套"规则": 西红柿要挑红润饱满的 价格比平时低20%时大量采购 避开周末人多的时候去买 量化投资就是把这套"买菜经验"用代码写出来,让电脑帮你在股市里"买菜"。 传统投资靠感觉和经验,量化投资靠的是数据+规则+纪律执行。就像用GPS导航代替问路一样,虽然偶尔会绕路,但长期看更靠谱。 为什么从双均线开始? 双均线策略是量化投资的"九九乘法表",简单但包含了完整的投资逻辑: 趋势判断:短期均线长期均线...

报告原文下载链接:https://pan.baidu.com/s/1ab9uNgS2Ydhimlu1jf5raA提取码:hgei 本篇研报以趋势资金为切入点:通过日内分钟级别的成交量来识别趋势资金,再通过对应的价、量数据推测其交易行为,构建有效的选股因子。该因子主要利用了市场的无效性,根据A股市场散户占比高,定价效率较低的特征,得出主力资金行为更容易产生超额收益机会这一结论,并将将主观交易经验(如“跟庄策略”)转化为可量化的指标。 由于获取数据上的限制,我在复现研报时只采用了2024-03-...

1.概述 这篇文章我们将分享《中金公司-量化多因子系列(6):关于动量,你所希望了解的那些事》中关于动量因子的适用场景,研报中提到截面分域中,动量特征在高机构覆盖、大市值、低波动、高价值的股票池中更明显;而反转效果在低覆盖、小市值、高波动、低流动性、低价值的股票池内更为显著。本篇文章将使用PandaAI平台快速构建市值、波动性、流动性因子再叠加动量因子,验证研报中关于动量的结论。本文也算是线性多因子组合的入门教程,大家看完就明白一点都不难了。 2.市值因子 相信大家都听说过小市值策略,今天我们...

  AlphaSmith   2025年05月17日   177   2   2 新手入门学习资源代码分享

框架基本方法 基础方法说明 该策略为事件驱动性策略,需要实现框架中约定的事件回调方法,实现后回测、仿真、实盘通用。 策略头部需要默认引用内置API,代码为:frompanda_backtest.api.apiimport,后文不再重复赘述。 接下来具体介绍框架各个事件回调方法,必选代表必须在策略中实现。 策略初始化(必选) 函数:initialize 描述:策略初始化,主要用于初始化策略上下文中的变量,只在策略启动时运行一次 代码 python definitialize(context): 参数 |字段|类型|描述| |--|--|--| |context|Context...

上一篇文章中我们对高频因子的优势和类型做了简要介绍,从这篇文章开始,我们将对每一大类因子做介绍,并从中选取具体一例因子,实现从数据构建到测试评估的整个过程。 研究环境利用聚宽因子分析API,构建因子函数类;研究在日内高频分钟级数据中挖掘构建高频因子,并对该因子进行有效性检验。 一、动量反转因子 1.1动量反转因子 第一类因子为动量反转因子。动量反转因子通常由过去一段时间的特定类型的涨跌幅构造,其因子收益一方面可能来源于非理性投资者的行为偏差造成的错误定价,另一方面也可能来源于承担特定风险获得...

量化算子工具类使用文档 本文档汇总介绍了量化算子工具类(公式版)中所有函数的功能、输入/输出说明以及使用示例。所有函数均以静态方式提供,调用时直接使用函数名称,无需添加类名前缀。 示例中均采用如下调用格式,例如: python 返回收盘价序列 CLOSE python 返回CLOSE(收盘价)和VOLUME(成交量)的20日滚动相关性系数序列 CORRELATION(CLOSE,VOLUME,20) python 返回收盘价、最高价、最低价三者的均值序列 (CLOSE+HIGH+LOW)/3 --- 基础因子 |因子名|说明| |-|-| |CLOSE|收盘价| |OPE...

以下是依据两篇研报因子的文字描述,通过deepseek/pandaai解读生成的Python代码实现,保留了AI生成过程和注释。意识到很多学员用户也正在做这个工作,为节约人力算力能源,在量变学院社群分享一下。 ![image.png](1) ![1748494420354.png](2) 这里是上篇《中金价量》的部分: 通过网盘分享的文件:alpha191中金量价_dspandaai(上).docx 链接:https://pan.baidu.com/s/1O9pvVkP_C_N54kbwAN...

  Cai   2025年05月29日   132   0   0 新手入门学习资源Python代码分享

一、引言 在量化分析领域,因子库的有效构建与管理是实现精准投资决策的核心环节。为满足因子数据存储与高效分析的需求,选择合适的数据库至关重要。本文专注于本地MongoDB数据库的搭建,以及Python在该数据库配置与因子数据处理中的应用,旨在为量化分析过程中因子库的本地化配置提供系统性的解决方案。 ![imag001.JPG](1) 二、MongoDB用于多因子分析的优势 传统的关系型数据库就像一个个整齐排列的小格子房间,每个房间的大小、形状都得提前规定好,东西得规规矩矩地放进去。而Mongo...

上一篇文章我们介绍了高频因子的波动率类因子,这一篇继续介绍高阶特征因子,并在因子分析的基础上加入策略回测。 研究环境利用聚宽因子分析API,构建因子函数类;研究在日内高频分钟级数据中挖掘构建高频因子,对该因子进行有效性检验,并利用回测平台进行回测。 一高阶特征因子 1.1构建方法 第三大类因子为高阶特征因子。高阶特征利用股票高阶矩与其未来收益建立联系,刻画日内价格分布以及快速变化的特征,能够有效反映价格的除动量和波动率这样一阶和二阶特征外更高阶的特征。 ![pic1.png](1) 将分...

报告原文下载链接:https://pan.baidu.com/s/1xPDtXF138Q6bGZ4CxoTd7g提取码:dy4o 在这篇研报中,标签为每日开盘价、每日收盘价、每日换手率、指数隔夜涨跌幅等未经加工的底层市场数据。特征为传统隔夜涨跌幅、隔夜涨跌幅绝对值、超额隔夜涨跌幅、超额换手率、滚动相关性等从原始标签中提取或计算出的尚未验证预测能力的中间变量。因子为传统隔夜因子、隔夜跳空因子、新因子MIF等对收益率有显著解释力的特征。 本篇研报的核心与上一篇研报相同,都是利用A股市场的非有效性...