\

策略源码：

本文档，我们会总结一些典型的高频因子，加工方式为“多只票，一天”

这种因子通常是加工时有截面运算的需求，所以必须获取全市场股票的信息

提示：加工高频因子最好将资源开大，否则Kernel容易崩溃

1. 交易量截面百分比排序的方差、偏度、峰度

2. 交易量截面百分比排序方差偏度峰度的市值

• 运行环境：AIStudio 3.0.0
• 机器学习：线性回归策略：预测收益
• 策略说明：本代码以教学目的为主，请自行调参

回测图：

![](/wiki/api/attachments.redirect?id=7d999db6-eec5-4e3a-b613-ff21ae9ce

• 声        明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 股票提取：昨日涨跌幅在2%~8%，换手率在3%~8%
• 股票过滤：过滤ST，主要主板，上市天数大于270天，过滤停牌
• 股票排序：按照主力流入金额从大到小排序
• 买卖时间：开盘买入，收盘卖出，
• 初始资金：

• 运行环境：AiStudio 3.0.0
• 策略描述：对于一个事件策略来说，哪一只股票在此策略下收益最高，我们是可以逐个试出来的，就买入
• 数据表名：cn_stock_bar1d
• 回测时长：2020-1-1 至 今天
• 初始资金：500000
• 买卖时间：开盘买入，收盘卖出

\

因子篇

因子构建

另类标签推荐

追涨策略的关键因子如何选择

[基于财务数据构建策略](/wiki/doc/

本文主要研究了量化选股场景中的数据标准化方法，分别对比了时序标准化和截面标准化方法的在量化选股模型上的效果。

主要的工作有：

一是构建DeepAlpha数据集，包含A股2011年到2022年98个量价因子的日线数据，label为股票未来5日的收益率；

二是采用基于时序的K折交叉验证方法，严格3

\

我们为广大量化爱好者整理了120套量化策略源码，==获取全部源码方式见页尾。==

• 本合集旨在提供量化思路和常见的策略模板，从而学习和魔改，==请勿直接实盘==。

• 本合集均使用3.0开发环境，克隆策略时候==选择去AIStudio最新版运行==。

  \

*一、新手学习策略

Qlib 官方原版 Alpha158 全158因子

一、K线基础因子（9）

1. KMID = (close - open) / open
2. KLEN = (high - low) / open
3. KMID2 = (close - open) / (high - low) 4

一、策略概述

1.1 背景介绍

行业轮动策略是一种量化交易策略，旨在通过在不同行业之间进行资金分配，捕捉市场趋势和行业表现的周期性变化。 从名字即可看出，经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业，因此我们如果能布局这些行业并定期轮动调整，那会取得还不错的投资效果。

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

<https

本文档，我们会总结一些典型的高频因子，加工方式为“一只票，多天”

这种因子的加工时通常不需要截面运算，因此不需要获取其他股票的信息

提示：加工高频因子最好将资源开大，否则Kernel容易崩溃

\

1. 全天内不同时间段内的成交量占全天成交量之比

• 时间段01：09:30-

1

https://bigquant.com/codesharev2/cff38b96-bc86-42ef-8eec-24c93591eff0

\

Alpha191因子是国泰君安证券研究者，于2017年6月，在《数量化专题: 基于短周期价量特征的多因子选股体系》研报中提出的191个因子，具体的因子表达式如下

\

Alpha1:   (-1 * CORR(RANK(DELTA(LOG(VOLUME), 1)), RANK((

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将过去20日最高收盘价作为hist_high，过去10日最小收盘价作为hist_low
• 买入股票：'600519.SH'（贵州茅台）, '600941.SH'（中国移动）, '601398.SH'（工商银行）,  '601857.SH

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将过去20日最高收盘价作为hist_high，过去10日最小收盘价作为hist_low
• 买入股票：'600519.SH'（贵州茅台）
• 买卖规则：hist_high大于hist_low买入，hist_low大于hist_high卖出

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将5日平均开盘价作为短线，120日平均开盘价作为长线
• 买入股票：'600519.SH'（贵州茅台）, '600941.SH'（中国移动）, '601398.SH'（工商银行）,  '601857.SH'（中国石油）, '000001.

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将5日平均收盘价作为短线，40日平均收盘价作为长线
• 买入股票：600519.SH（贵州茅台）
• 买卖规则：短线上传长线买入，长线下穿短线卖出
• 数据表名：cn_stock_bar1d
• 回测时长：2020-1-1 至 今天

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将流通市值、换手率、收盘价做截面排序，并乘以系数，组成因子total_score
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创板和北交所），市盈率大于0，流通市值<=25亿
• 排序条件：按照日期、tota

因为很多量化在线平台目前还不支持期货交易，且KD指标对大盘和热门大盘股有着较高的准确性，此策略选取'605588.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt>80,dt>80, jt>100时，卖出\n当kt<20,dt<20, jt<0 时，买入

\

**