视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/44ce0baf-6d4c-4f9c-9b7b-90ea4b12ab19

\

问题

有筹码分布指标吗

视频

https://www.bilibili.com/video/BV1Yu411X7C2/

策略源码

筹码理论的探索-筹码分布计算的实现

https://bigquant.com/experimentshare/728eb11c745f400aba4c91a4839b253a

\

更新

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[http

看视频

https://www.bilibili.com/video/BV1jh411u7zj/?vd_source=ecd29bbd04cbefdfa426167c55241973

策略源码

[https://bigquant.com/experimentshare/d4804cb7b37b40e191de5b196897c33b](https://bigquant.com/experiment

视频回放：点击查看

\

一、问题目录

问题1：资金流相关的因子很多都失效了，请老师提供一些资金流相关新思路？

回答：

1. 简单的资金流因子可能从未生效过；
2. 资金流因子的思路：资金流因子需要Level2数据，更多从盘口角度切入分析。

**问题2：请问因子组

热点概念追踪策略是一种量化投资策略，旨在捕捉市场上热门概念或主题的股票，以获取超额收益。这个策略通常基于对市场情绪、新闻、社交媒体等信息的分析，识别出当前备受关注的概念，然后投资于相关的股票。

https://bigquant.com/codesharev2/0cb679b8-411a-450c-bd5e-076ea98ba3d3

\

问题

每日涨停/跌停数，每日上涨股票数等情绪指标如何构建和使用？

视频

[https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240

\

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://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

\

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://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/23bb6c6a-c4e3-4a7c-aed4-48c719c64dee

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75

\

视频

https://www.bilibili.com/video/BV11S4y197md?share_source=copy_web

策略源码

龙头战法实盘+AI-量化大赛NO.3-中证150增强[策略分享]

问题

如何利用60分钟K线来合成120分钟K线呢？

视频

https://www.bilibili.com/video/BV1d54y1d7tv/

策略源码

https://bigquant.com/experimentshare/4e081ef44d3246f48551c6eee74f629d

\

【旧版使用说明】此文档为旧版本，相关文档可参考：

https://bigquant.com/wiki/doc/126-KkS3pYVIAH

20210624 Meetup 策略案例

https://bigquant.com/experimentshare/f235e9ce26dc42b9ae9fb57ca6574bf1

\

1.引言

在量化投资领域，概念因子已从市场现象演变为系统性策略工具。从 2024 年 AI 芯片龙头寒武纪 387% 的涨幅，到低空经济概念板块 2300 亿元的资金净流入，概念因子正在重塑 A 股市场的盈利逻辑。我们构建策略的核心，在于将产业趋势的确定性转化为可量化的投资机会。

1.1策略介绍

本策略通过筛选出日涨跌幅最大的概念，并买入成分股市值最大的三只股票，每3日调仓

1.2数据使用

1.2.1 概念每日行情数据

概念指数行情(cn_stock_index_concept_bar1d)

<https://bigquant.com/data/d

因子研究

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影响，因此，对这些因子的深入理解和应用，对于量化投资策略的建立至关重要。

通过量化方法，如统计和数学模型，因子研究可以帮助投资者更好地理解资产的性能和风险，从而优化投资组合，实现风险和回报的平衡。因子研究的结果还可以帮助投资者一定程度上预测未来的市场趋势，从而做出更加科学和

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影响，因此，对这些因子的深入理解和应用，对于量化投资策略的建立至关重要。

通过量化方法，如统计和数学模型，因子研究可以帮助投资者更好地理解资产的性能和风险，从而优化投资组合，实现风险和回报的平衡。因子研究的结果还可以帮助投资者一定程度上预测未来的市场趋势，从而做出更加科学和理性的投资决策。

[

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影响，因此，对这些因子的深入理解和应用，对于量化投资策略的建立至关重要。

通过量化方法，如统计和数学模型，因子研究可以帮助投资者更好地理解资产的性能和风险，从而优化投资组合，实现风险和回报的平衡。因子研究的结果还可以帮助投资者一定程度上预测未来的市场趋势，从而做出更加科学和理性的投资决策。

\

70年代，随着计算机技术的快速发展，量化投资开始迅速崛起，计算机的广泛应用使得大量历史数据的存储和处理成为可能，从而促进了量化分析方法在投资决策中的应用。

此时期，许多基于统计和数学模型的量化策略被开发出来，如指数化投资、算法交易等。

进入21世纪，量化投资经历了爆炸式的增长，数据的爆炸增长和机器学习技术的进步为量化投资提供了新的工具，机器学习和人工智能技术使得量化投资策略能够从大量复杂数据中提取模式，并进行更为精细的市场预测。

[Screen-2025-11-06-225619.mp4 202738252](/wiki/static/upload/42/42f033

量化策略投资中，“参数拟合”是策略失效最大的陷阱。在回测阶段很惊艳，一到实盘就水土不服；或者把回测时间一改，绩效结果就惨不忍睹。所以如何降低“过拟合风险”尤为重要。

1.什么是WFA

WFA（Walk-Forward Analysis）即滚动前向分析，是一种动态回测方法，它模拟“真实投资决策流程”，通过“滚动训练+样本外测试”的循环，让策略参数不断适配市场变化，避免单一回测的“未来函数”和过拟合问题。

1.1 WFA的逻辑：拒绝上帝视角

传统静态回测会用全量历史数据优化参数（比如直接用2016-2024年数据找最优持股数和最优调仓时间），本质是“用未来数据指导过

做量化投资，参数优化是绕不开的关键步骤。很多人靠盲目试错调参数，要么陷入过拟合陷阱，实盘一塌糊涂；要么找不到核心规律，浪费大量时间。今天就以低估值 + 小市值双因子策略为例，带你搞懂参数平原的核心逻辑，用可视化方法高效找到既赚钱又稳健的参数组合。

一、什么是 “参数平原”？

参数平原是参数优化的可视化工具，用热力图直观呈现不同参数组合下的策略表现。它不只是展示单个最优参数，更能清晰呈现哪些参数搭配能让策略稳定盈利，帮你快速锁定靠谱的参数区间。

二、为什么要做 “参数平原” 分析？

1.避免盲目试错，不用逐个测试参数组合，大幅提升优化效率；

2.告别

策略介绍

小市值策略是一种经典的量化投资策略，旨在通过筛选市值较小的股票，并根据市值对股票进行排序，选取市值最小的一部分股票进行投资。这种策略基于小市值股票在某些市场条件下可能具有较高的增长潜力和投资回报率。

策略背景

小市值策略的理论基础可以追溯到Fama-French三因素模型。该模型指出，除了市场风险外，股票的收益还与市值和账面市值比有关。具体来说，小市值股票通常具有更高的预期回报，因为小市值公司相对于大市值公司在市场上更容易被低估，从而在未来具有更大的增长潜力。此外，小市值公司通常具有较高的灵活性和创新能力，能够迅速适应市场变化和抓住新的商业机会，这进一步增强了其投

一、引言

在量化投资中，组合优化的鲁棒性直接影响策略的实战表现。近期我们对基于 Wasserstein 距离的分布式鲁棒优化（DRO）策略进行了迭代，看似细微的调整背后，其实藏着对组合稳定性和资产适配性的深度考量。下面就来详细说说第二个版本（代码 2）到底改了什么、为什么改以及如何实现的。

开头先放回测表现

二、基于 Wasserstein 距离阈值定义 “扰动分布集合”，而非单个扰动分布

简化版的DRO 常通过固定