《韩非子 · 五蠹》有言：“世异则事异，事异则备变”。

我们过去的策略对市场风格进行判断时，除了一些绝对化标准的方法，还介绍过用机器学习算法来学习市场风格变化的模式。但是，如果将这种风格判断应用在一些中短期策略上，可能会带来以下的问题：

（1）A 股短期波动中，突发消息（如政策微调、资

0. 名词解释

0.1. 主力

主力指的是大单和超大单之和，股票大小单主要是指买卖股票的单笔成交数量或金额，大单指的是股票市场中成交量为10-50万股，或者成交金额在20-100万元之间的交易；超大单指的是成交量大于等于50万股，或者成交金额大于等于100万元。这类交易通常由大型机构或

一、为什么股息率策略常被称为最温和、却最可靠的赚钱方式？

在股票市场里，大部分投资者都习惯盯着价格的涨跌，希望抓住下一次爆发带来的快速收益。但如果把时间尺度拉长，你会发现另一条更朴素、也更稳定的收益之路——来自企业真实赚到的钱，也就是股息。

股息率策略的逻辑并不神秘，却极其扎实：当一

一款支持港股、美股、A 股多市场的免费股票行情数据接口服务，能够提供股票基础信息、实时 Tick 数据、实时报价、历史 K 线及批量 K 线等多维度数据，数据返回格式统一为 JSON，接入便捷，满足各类金融数据应用开发需求。本文将详细介绍该 API 的接口规范、使用方法及数据字段说明。

一

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“

1.市场观察和机会发现

**策略目标：选取未来有较高稳定长期增长可能的股票，进行定期轮动，期望捕捉稳定增长，控制最大回撤。选择营业成本低、运营高效，且营业收入持续增长、发展态势良好的公司；同时要求资产负债率合理，确保财务稳健、风险可控；再结合低估值指标，挖掘被市场低估、具有价值潜力的股

一、核心逻辑

（1）交易计划生成：先通过历史数据统计 “价格突破事件”（上涨或下跌达到阈值）的频率，再根据近期事件中上涨 / 下跌的比例，生成未来一段时间的多空交易计划。

（2）马丁格尔加仓机制：持仓时若未达止盈但触发止损，在最大加仓次数内按倍数加仓以摊薄成本，若超过最大次数则止损离场。

小市值策略是 A 股市场 “收益增强” 的经典路径 —— 中小盘企业的成长弹性、估值修复空间，往往能带来远超大盘的超额收益。但传统小市值策略 “波动剧烈、踩雷风险高、持有体验差” 的痛点，也让多数投资者对其望而却步。该策略通过分时段选股与波动控制，既保留了小市值的成长红利，又能保持稳健的收益，避免踩

《孙子兵法》有云：“不可胜者，守也；可胜者，攻也。守则不足，攻则有余……故善战者，立于不败之地，而不失敌之败也。”如何在策略之中找准进攻的时机大获全胜，又能在形势不佳时也立于不败之地显得格外重要。该策略通过机器学习预测市场风格，动态切换进攻和防守股票池，实现风险与收益的平衡。

1.策

因子原理

今天我们理解一个因子——市盈率。简单来说，它是股价和每股收益的比值！比如，某家公司的股价是20元，每股收益是1元，那么它的市盈率就是20倍！这就意味着，你愿意花20元来获取公司1元的收益。

市盈率的计算公式如下：

P/E Ratio = Price_per_Share/

0. 策略名词解释

（1）XGBoost模型

XGBoost 是一种基于梯度提升树（Gradient Boosted Trees）的高效机器学习算法，常用于排序、分类、回归等任务，在bigquant平台上只用于排序任务，主要有三种：排序学习（NDCG）; 排序学习（Rankne

\

本文将介绍

1.如何封装量化策略框架

2.提供多个预先封装好的量化策略框架

\

什么是策略框架？

说到量化，自然少不了策略。可能会有很多人认为A股中有很多不同的量化策略，实际上恰恰相反。就A股而言，可用的量化策略非常少。目前A股主流的量化策略只有2种，分别为筛选策略和多因

1.策略核心目的

1.1市场过度反应假说

过度反应是由投资决策者在不确定条件下系统性心理认知偏差造成的，投资者面对突然的或未预期到的事件时，倾向于过度重视眼前的信息并轻视以往的信息，从而引起股价的超涨或者超跌，等到投资者理解了事件的实际意义，股价的超涨超跌就会反转，最终恢复到理性的

一、策略原理： 中小盘 + 多风控

过去 10 年，中小盘股的收益其实更有优势。

以中证 1000 指数（中小盘股的核心代表）和沪深 300 指数（大盘股代表）为例，2014 年到 2024 年这 10 年间，中证 1000 的年化收益率约 12%，而沪深 300 只有 7% 左右

我会从 “策略底层逻辑→风格判断原理→多因子选股逻辑→动态风控机制→风险提示与改进方向” 五个维度讲解这个策略

一、策略底层逻辑：为什么 “大小市值轮动” 能赚钱？

1.1 经济周期与企业盈利的 “差异化弹性”

大小市值企业的盈利对经济周期的敏感度完全不同：

依赖与外部资源

• 第三方平台依赖: bigquant.chat、dai、bigtrader、pandas、requests
• 外部数据源: 新浪财经 7×24 快讯信息
• 项目巧妙利用bigtrader中tick回测的机制结合大模型在每个tick上进行新闻分析

项目定位

一个面向

0. 策略名词解释：

（1）突破因子（Breakout）：

• 上突破信号：

• 下突破信号：

1. 趋势增强因子

在原来趋势得分因子的基础上，加入了时间的二次项和时间的三角函数项，分别代表趋势强度和趋势波动，并通过岭回归算法计算预测值，算出加强后的拟合优度，从而计算趋势增强因子。

1.1 原来的趋势得分因子

![](/wiki/api/attachments.redirec

一、基金池

标普500

纳指ETF

300ETF

创业板

嘉实原油

豆粕ETF

黄金ETF

恒生科技

优点

1. 地域分散：覆盖中美市场（标普 500、纳指、300ETF、恒生科技），对冲单一国家风险。
2. 资产多元：股票（权益）+ 原油 / 黄金

一 策略原理

小市值效应

首先，中小盘股（通常指总市值 50 亿以下）有一个天然优势 ——成长弹性大。从 A 股 2010-2023 年的历史数据来看：

• 中证 1000（小盘股指数）年化收益 9.5%，最大单年涨幅 46.8%（2021 年）；
• 中证 500（中盘股指

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。

特殊行业市场宽度带来的异象:

当银行、有色金属、煤炭、钢铁四大板块中任意一个进入 “市场宽度 TOP1” 时，A 股行情在 1-2 周内出现显著调整的概率高达 65% 以上

一 市场宽度核心内涵

市场宽度是衡量板块内股票整体强势程度的量化指标，一般采用 “20 日均线突破率” 作为核心计算

0. 策略名词解释：

定义：回撤是指投资组合或资产从峰值到谷底的最大亏损幅度，用来衡量投资风险。

（1）单期回撤（时点回撤）

在时间 𝑡 ，资产 𝑖 的回撤定义为：

![](/wiki/api/attachments.redirect?id=67ec38e9-30d0-43f2-9

这个策略的核心是通过动量效应和资产轮动实现收益,同时加入了风险控制机制降低波动,我将从基础投资原理开始为大家拆解我在设计该策略时的逻辑.

一 基础投资原理:策略设计逻辑

1.动量效应

定义:资产的价格趋势具有持续性 —— 过去一段时间表现好的资产，未来一段时间往往继续表现好；过去表现

本策略通过 “原始海龟的趋势内核 + ETF 的工具优势 + 多层风控的安全垫”，实现了 “风险可控下的趋势收益”。

一 本策略定位

• 核心逻辑：追随中期趋势（20 日周期），通过 “突破开仓、止损平仓” 实现 “小亏大赚”；
• 工具载体：ETF（免印花税、高流动性、分散