數量化股票投資與策略

Ⅰ 【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，基本原理是采念漏芹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仔畢。（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，考慮搜檔輸入資金流數據，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

Ⅱ 什麼是量化投資交易策略

一文看懂量化投資策略

閑話基

量化投資在近些年受到越來越多的關注，包括規模、策略、業績。量化投資，是指通過藉助統計學、數學方法，運用計算機從海量歷史數據中，尋找能夠帶來超額收益的多種「大概率」策略，按照策略構建的數量模型嚴格執行投資，力求獲得長期穩定可持續高於平均的超額回報。

跨市場策略涉及外匯兌換、國際期貨交易對沖，交易實現難度大，國內用得少。

由於期貨具有杠桿屬性，這類策略持倉的市值往往很大，有時候甚至超過產品資產總值，導致收益率的波動率是所有量化策略中最大的。在市場出現連續震盪行情時，這樣策略由於杠桿屬性會出現較大的回撤。另外一個對這類策略的一個限制是，目前市場上活躍交易的期貨品種不多，高頻交易很大程度倚重於品種成交量，開平倉時間間隔較短，使得策略容量不大。

Ⅲ 國內股票的量化投資策略有哪些，特別是基本面量化

檸檬給你問題解決的暢快感覺！主要的量化對沖策略有：1、市場中性策略 主要追求的是通過各類對沖手段消除投資組合的大部分或全部系統風險，尋找市場中的相近資產的定價偏差，利用價值回歸理性的時間差，在市場中賺取細小的差價來獲得持續的收益。2、事件驅動套利策略 利用特殊事件造成的對資產價格的錯誤定價，從錯誤定價中謀利。3、相對價值策略 主要是利用證券資產間相對的價值偏差進行獲利。感覺暢快？別忘了點擊採納哦！

Ⅳ 什麼是量化投資有哪些常見的量化投資策略

量化投資是在投資過程中運用數學、統計學、信息技術等知識。投資者會收集股票的數據，然後依靠計算機系統強大的信息處理能力，用先進的數學模型代替人工的主觀判斷，從而在控制風險的前提下實現最大回報。

量化投資流行的原因，甚至帶有主觀的投資趨勢，這必然具有量化投資的優勢。總而言之，有以下幾點：它基於數理統計，更接近一門科學，讓未來更容易預測和感知，可以全年實時監控所有市場和交易，而人類不能。它避免了人的情感，完全由機器自動化，嚴格執行紀律。過程和風險更加可控。這些優勢逐漸將量化投資帶入我們的視野，並被越來越多的投資者所接受。

Ⅳ 市場上當下比較火的股票量化投資到底是怎麼個本質嘛

量化就是通過海量數據客觀分析決策，獲得持續穩定的收益是由模型捕捉差價，從而避免人為主觀因素的干擾。也就是說套期保值利用撮合交易尋找套利空間，忽略熊牛市和市場漲跌都可以獲利，從而規避系統性風險。掘金策量化選股就是利用數量化的方法選擇股票組合，期望該股票組合能夠獲得超越基準收益率的投資行為，研究表明，板塊、行業輪動在機構投資者的交易中最為獲利的盈利模式是基於行業層面進行周期性和防禦性的輪動配置，這也是機構投資者最普遍採用的策略。此外，周期性股票在擴張性貨幣政策時期表現較好，而在緊縮環境下則支持非周期性行業。行業收益差在擴張性政策和緊縮性政策下具有顯著的差異。

Ⅵ 什麼是量化投資——數量化投資與程序化交易

2010-11-02 14:49:32 作者： 來源：永安期貨 瀏覽次數：0 量化投資，簡單地說，就是利用數學、統計學、信息技術的量化投資方法來管理投資組合。數量化投資、程序化交易、演算法交易、自動化交易以及高頻交易都是數量化交易的特定方式， 其描述內容的側重點各有不同。數量化交易應用IT技術和金融工程模型偶那個幫助投資者指定投資策略、減少執行成本、進行套利和風險對沖。數據、速度、風險管理是數量化交易系統建設中的關鍵問題。期貨市場的數量化自動交易模型正逐步由投資者編制自用，演變為有一定規模的投資咨詢顧問組成的專業團隊參與。 程序化交易，也可稱之為系統交易或演算法交易，設計人員將市場常用之技術指標，利用電腦軟體將其寫入系統中，結合市場歷史數據，分析和組合各種指標建立數學模型，將交易策略系統化。當交易策略的條件滿足時，程序化系統自動發出多空訊號，並且有效掌握價格變化的趨勢，讓投資人不論在上漲或下跌的市場行情中，都能抓住交易策略，進而賺取波段獲利。程序化交易的操作方式不求賺取誇張利潤，只求長期穩健的獲利，於市場中成長並達到財富累積的復利效果。經過長時期操作，年獲利率可保持在一定水準之上。 程序化交易又是一種個性化交易，每個投資者（或機構）都可以根據自己的投資經驗和智慧，編寫自己的交易模型，進行電腦自動交易。交易模型是交易思想的凝練和實際化，正確的交易思想在嚴格的操作紀律實行下將獲得良好、穩定的投資收益，而通過交易模型正是將正確的交易思想與嚴格的操作紀律很好地結合在一起，幫助人們獲取良好、穩定的投資收益。程序化交易在投資實戰中不僅可以提高下單速度，更可以幫助投資者避免受到情緒波動的影響，消除交易時人性的恐懼、貪婪、遲疑及賭性等情緒，實現理性投資。設計出色的程序化系統可以確保廣為流傳的交易成功三項基本原則的順利實施：順應市場趨勢、控制虧損交易、做足盈利交易。總而言之，模型策略的出色設計、資金的有效風險控制、行情交易軟體的穩定可靠、數據的及時流暢以及下單速度的快捷,組成了優秀的程序化交易系統，它是量化投資的一種具體實現途徑。上傳：錢文

Ⅶ 量化投資的投資策略

量化投資技術幾乎覆蓋了投資的全過程，包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、演算法交易，資產配置，風險控制等。 商品期貨套利盈利的邏輯原理是基於以下幾個方面：
（1）相關商品在不同地點、不同時間對應都有一個合理的價格差價。
（2）由於價格的波動性，價格差價經常出現不合理。
（3）不合理必然要回到合理。
（4）不合理回到合理的這部分價格區間就是盈利區間。 資產配置是指資產類別選擇，投資組合中各類資產的適當配置以及對這些混合資產進行實時管理。量化投資管理將傳統投資組合理論與量化分析技術的結合，極大地豐富了資產配置的內涵，形成了現代資產配置理論的基本框架。
它突破了傳統積極型投資和指數型投資的局限，將投資方法建立在對各種資產類股票公開數據的統計分析上，通過比較不同資產類的統計特徵，建立數學模型，進而確定組合資產的配置目標和分配比例。

Ⅷ 量化投資

沒有你想的書

我多年來都有關注這方面的書 可是也沒有在國內找到

數量化投資是將投資理念及策略通過具體指標、參數的設計，體現到具體的模型中，讓模型對市場進行不帶任何情緒的跟蹤；相對於傳統投資方式來說，具有快速高效、客觀理性、收益與風險平衡和個股與組合平衡等四大特點。量化投資技術幾乎覆蓋了投資的全過程，包括估值與選股、資產配置與組合優化、訂單生成與交易執行、績效評估和風險管理等，在各個環節都有不同的方法及量化模型：

一、估值與選股

估值：對上市公司進行估值是公司基本面分析的重要方法，在「價值投資」的基本邏輯下，可以通過對公司的估值判斷二級市場股票價格的扭曲程度，繼而找出價值被低估或高估的股票，作為投資決策的參考。對上市公司的估值包括相對估值法和絕對估值法，相對估值法主要採用乘數方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；絕對估值法主要採用折現的方法，如公司自由現金流模型、股權自由現金流模型和股利折現模型等。相對估值法因簡單易懂，便於計算而被廣泛使用；絕對估值法因基礎數據缺乏及不符合模型要求的全流通假設而一直處於非主流地位。隨著全流通時代的到來和國內證券市場的快速發展，絕對估值法正逐漸受到重視。

選股：在當前品種繁多的資本市場中，從浩瀚復雜的數據背後選出適合自己投資風格的股票變得越加困難。在基本面研究的基礎上結合量化分析的手段就可以構建數量化選股策略，主流的選股方法如下：

資產配置方法與模型
資產配置類別 資產配置層次 資產配置方法 資產配置模型
戰略資產配置 全球資產配置 大類資產配置 行業風格配置 收益測度 風險測度 估計方法 馬克維茨 MV 模型 均值 -LPM 模型 VaR 約束模型 Black-Litterman 模型
戰術資產配置 ( 動態資產配置 ) 周期判斷 風格判斷 時機判斷 行業輪動策略 風格輪動策略 Alpha 策略 投資組合保險策略

基本面選股：通過對上市公司財務指標的分析，找出影響股價的重要因子，如：與收益指標相關的盈利能力、與現金流指標相關的獲現能力、與負債率指標相關的償債能力、與凈資產指標相關的成長能力、與周轉率指標相關的資產管理能力等。然後通過建立股價與因子之間的關系模型得出對股票收益的預測。股價與因子的關系模型分為結構模型和統計模型兩類：結構模型給出股票的收益和因子之間的直觀表達，實用性較強，包括價值型(本傑明·格雷厄姆—防禦價值型、查爾斯·布蘭迪—價值型等)、成長型(德伍·切斯—大型成長動能、葛廉·畢克斯達夫—中大型成長股等)、價值成長型(沃倫·巴菲特—優質企業選擇法、彼得·林奇—GARP價值成長法等)三種選股方法；統計模型是用統計方法提取出近似線性無關的因子建立模型，這種建模方法因不需先驗知識且可以檢驗模型的有效性，被眾多經濟學家推崇，包括主成分法、極大似然法等。

多因素選股：通過尋找引起股價共同變動的因素，建立收益與聯動因素間線性相關關系的多因素模型。影響股價的共同因素包括宏觀因子、市場因子和統計因子(通過統計方法得到)三大類，通過逐步回歸和分層回歸的方法對三類因素進行選取，然後通過主成分分析選出解釋度較高的某幾個指標來反映原有的大部分信息。多因素模型對因子的選擇有很高的要求，因子的選擇可依賴統計方法、投資經驗或二者的結合，所選的因子要有統計意義上或市場意義上的顯著性，一般可從動量、波動性、成長性、規模、價值、活躍性及收益性等方面選擇指標來解釋股票的收益率。

動量、反向選股：動量選股策略是指分析股票在過去相對短期的表現，事先對股票收益和交易量設定條件，當條件滿足時買進或賣出股票的投資策略，該投資策略基於投資者對股票中期的反應不足和保守心理，在投資行為上表現為購買過去幾個月表現好的股票而賣出過去幾個月表現差的股票。反向選股策略則基於投資者的錨定和過度自信的心理特徵，認為投資者會對上市公司的業績狀況做出持續過度反應，形成對業績差的公司業績過分低估和業績的好公司業績過分高估的現象，這為投資者利用反向投資策略提供了套利機會，在投資行為上表現為買進過去表現差的股票而賣出過去表現好的股票。反向選股策略是行為金融學理論發展至今最為成熟，也是最受關注的策略之一。

二、資產配置

資產配置指資產類別選擇、投資組合中各類資產的配置比例以及對這些混合資產進行實時管理。資產配置一般包括兩大類別、三大層次，兩大類別為戰略資產配置和戰術/動態資產配置，三大層次為全球資產配置、大類資產配置和行業風格配置。資產配置的主要方法及模型如下：

戰略資產配置針對當前市場條件，在較長的時間周期內控制投資風險，使得長期風險調整後收益最大化。戰術資產配置通常在相對較短的時間周期內，針對某種具體的市場狀態制定最優配置策略，利用市場短期波動機會獲取超額收益。因此，戰術資產配置是在長期戰略配置的過程中針對市場變化制定的短期配置策略，二者相互補充。戰略資產配置為未來較長時間內的投資活動建立業務基準，戰術資產配置通過主動把握投資機會適當偏離戰略資產配置基準，獲取超額收益。

三、股價預測

股價的可預測性與有效市場假說密切相關。如果有效市場假說成立，股價就反映了所有相關的信息，價格變化服從隨機遊走，股價的預測就毫無意義，而我國的股市遠未達到有效市場階段，因此股價時間序列不是序列無關，而是序列相關的，即歷史數據對股價的形成起作用，因此可以通過對歷史信息的分析來預測股價。

主流的股價預測模型有灰色預測模型、神經網路預測模型和支持向量機預測模型(SVM)。灰色預測模型對股價的短期變化有很強的預測能力，近年發展起來的灰色預測模型包括GM(1, 1)模型、灰色新陳代謝模型和灰色馬爾可夫模型。人工神經網路模型具有巨量並行性、存儲分布性、結構可變性、高度非線性和自組織性等特點，且可以逼近任何連續函數，目前在金融分析和預測方面已有廣泛的應用，效果較好。支持向量機模型在解決小樣本、非線性及高維模式識別問題中有許多優勢，且結構簡單，具有全局優化性和較好的泛化能力，比神經網路有更好的擬合度。

四、績效評估

作為集合投資、風險分散、專業化管理、變現性強等特點的投資產品，基金的業績雖然受到投資者的關注，但要對基金有一個全面的評價，則需要考量基金業績變動背後的形成原因、基金回報的來源等因素，績效評估能夠在這方面提供較好的視角與方法，風險調整收益、擇時/股能力、業績歸因分析、業績持續性及Fama的業績分解等指標和方法可從不同的角度對基金的績效進行評估。

績效評估模型 / 指標

績效評估准則
擇時 / 股能力
業績歸因分析
風險調整收益
業績持續性
Fama 業績分解

模型 / 指標
T-M 模型

H-M 模型

GII 模型

C-L 模型
資產配置收益

證券選擇收益

行業選擇收益

行業內個股選擇收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
雙向表分析

時間序列相關性
總風險收益

系統風險收益

分散化投資收益

五、基於行為金融學的投資策略

上世紀50～70年代，隨著馬科維茨組合理論、CAPM模型、MM定理及有效市場假說的提出，現代金融經濟學建立了一套成熟的理論體系，並且在學術界占據了主導地位，也被國際投資機構廣泛應用和推廣，但以上傳統經濟學的理論基石是理性人假設，在理性人假設下，市場是有效率的，但進入80年代以後，關於股票市場的一系列研究和實證發現了與理性人假設不符合的異常現象，如：日歷效應、股權溢價之謎、期權微笑、封閉式基金折溢價之謎、小盤股效應等。面對這些金融市場的異常現象，諸多研究學者從傳統金融理論的基本假設入手，放鬆關於投資者是完全理性的嚴格假設，吸收心理學的研究成果，研究股市投資者行為、價格形成機制與價格表現特徵，取得了一系列有影響的研究成果，形成了具有重要影響力的學術流派－行為金融學。

行為金融學是對傳統金融學理論的革命，也是對傳統投資實踐的挑戰。隨著行為金融理論的發展，理論界和投資界對行為金融理論和相關投資策略作了廣泛的宣傳和應用，好買認為，無論機構投資者還是個人投資者，了解行為金融學的指導意義在於：可以採取針對非理性市場行為的投資策略來實現投資目標。在大多數投資者認識到自己的錯誤以前，投資那些定價錯誤的股票，並在股價正確定位之後獲利。目前國際金融市場中比較常見且相對成熟的行為金融投資策略包括動量投資策略、反向投資策略、小盤股策略和時間分散化策略等。

六、程序化交易與演算法交易策略

根據NYSE的定義，程序化交易指任何含有15隻股票以上或單值為一百萬美元以上的交易。程序化交易強調訂單是如何生成的，即通過某種策略生成交易指令，以便實現某個特定的投資目標。程序化交易主要是大機構的工具，它們同時買進或賣出整個股票組合，而買進和賣出程序可以用來實現不同的目標，目前程序化交易策略主要包括數量化程序交易策略、動態對沖策略、指數套利策略、配對交易策略和久期平均策略等。

演算法交易，也稱自動交易、黑盒交易或無人值守交易，是使用計算機來確定訂單最佳的執行路徑、執行時間、執行價格及執行數量的交易方法，主要針對經紀商。演算法交易廣泛應用於對沖基金、企業年金、共同基金以及其他一些大型的機構投資者，他們使用演算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執行價格，以降低市場的沖擊成本、提高執行效率和訂單執行的隱蔽性。任何投資策略都可以使用演算法交易進行訂單的執行，包括做市、場內價差交易、套利及趨勢跟隨交易。演算法交易在交易中的作用主要體現在智能路由、降低沖擊成本、提高執行效率、減少人力成本和增加投資組合收益等方面。主要的演算法包括：交易量加權平均價格演算法(VWAP)、保證成交量加權平均價格演算法(Guaranteed VWAP)、時間加權平均價格演算法(TWAP)、游擊戰演算法(Guerrilla)、狙擊手演算法(Sniper)、模式識別演算法(Pattern Recognition)等。

綜上所述，數量化投資技術貫穿基金的整個投資流程，從估值選股、資產配置到程序化交易與績效評估等。結合量化投資的特點及我國證券市場的現狀，好買認為量化投資技術在國內基金業中的應用將主要集中在量化選股、資產配置、績效評估與風險管理、行為金融等方面，而隨著包括基金在內的機構投資者佔比的不斷提高、衍生品工具的日漸豐富(股指期貨、融資融券等)以及量化投資技術的進步，基金管理人的投資策略將會越來越復雜，程序化交易(系統)也將有快速的發展。