股票筛选

相比其他方法，通过量化进行股票筛选的方式有以下优势：系统性：量化筛选方法基于明确的规则和算法，对股票进行全面的扫描和评估，确保每只股票都按照统一的标准进行处理。客观性：通过数学模型和统计分析，量化筛选减少了人为的主观判断和情绪干扰，使选股过程更加科学和客观。效率性：量化方法能够快速处理大量数据，并在短时间内给出筛选结果，提高了投资决策的效率。可复制性：明确的筛选规则和算法使得选股过程易于复制和验证，增强了策略的一致性和可靠性。常见的量化股票筛选因子：基本面因子：包括财务比率（如市盈率、市净率）、成长性指标（如收入增长、利润增长）等，用于评估公司的财务状况和成长潜力。技术面因子：如价格动量、成交量、相对强弱指数等，用于分析股票的市场走势和交易信号。市场情绪因子：如投资者情绪指数、卖空比例等，反映了市场参与者对当前股票的看法和预期。质量因子：如盈利能力稳定性、资产质量、管理层质量等，用于评估公司的经营质量和长期竞争力。风险因子：如波动率、贝塔系数、下行风险等，用于衡量股票的风险水平。量化股票筛选的步骤：定义投资目标：明确投资策略的目标，如追求高收益、低风险或特定行业配置等。选择筛选因子：根据投资目标，选择相关的量化因子作为筛选标准。数据获取与处理：收集并清洗股票数据，确保数据的准确性和一致性。建立筛选模型：利用统计分析和机器学习等技术，建立筛选模型来评估股票。回测与验证：在历史数据上进行回测，验证筛选模型的有效性和稳定性。实时监控与调整：实时监控市场动态和公司公告，根据需要对筛选模型和条件进行调整。注意事项：数据质量：确保使用的数据准确、完整且及时更新，以避免基于错误数据做出筛选决策。过拟合风险：在建立筛选模型时，要注意避免过度拟合历史数据，以免模型在未来市场上失效。多元化考虑：在选择筛选因子时，考虑多元化因素，避免过度集中在某一类因子上，以提高策略的稳健性。动态适应性：市场环境和公司状况是不断变化的，筛选方法和模型需要具备一定的动态适应能力。通过科学、客观的量化股票筛选方法，投资者能够更准确地识别出符合自己投资目标和风险承受能力的股票，从而提高投资成功的概率。然而，投资者在使用量化筛选方法时也应认识到市场的复杂性和不确定性，保持谨慎和灵活的投资态度。

think1提交作业

一、策略思想

本策略是在老师给的策略模板之上做了简单调整的，

股票池过滤：剔除ST股、停牌股、北交所、科创板（这一模块我会用了，可以直接勾选）
筛选条件：m1和m2输入特征这个模块还不会使用，要是也能弄成下拉选项似的就更好了。
排序条件：还不会用
策略回测：持股1只等权重、持仓5天、回测时间为2023-01-01至2024-07-03

5.老师我想用macd指标先选出股票池，在剔除st，北交所，科业板，停牌股，市盈率ttm大于0，股价在5-20元之间，等等这些想法需要怎么实现啊。

二、策略链接

[https://bigquant.com/c

更新时间：2024-07-04 15:14

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

更新时间：2024-06-30 07:28

stockranker里如何不买入st和退市股

https://bigquant.com/codesharev2/cb0ea5ea-594e-4d3f-8386-24c3aac5f8bd

在表达式过滤条件里写了

st_status = 0

suspended = 0

list_sector = 1 or list_sector = 2

K线处理函数对df也做了处理，但还是会交易退市股和st，求助\n

更新时间：2024-06-19 15:03

导语

主要思想：对已有的持仓和要买入的股票名称每天判断是否含有ST或退，并及时卖出/阻止买入

步骤

增加M9、M10提取股票名称传入回测引擎；
K线处理函数把当日持仓数据连接上传入的股票名称；
在调仓时先判断卖出ST、退市股；
正常处理调仓，判断是否重复卖出；

策略源码

[https://bigquant.com/codesharev2/a4e5d08b-183d-4e4b-9acc-e4f44eb1605b](https://bigquant.com/codesharev2/a4e5d08b-183d-4e4b-9acc-e4f44eb160

更新时间：2024-06-12 02:55

问题

多因子选股如何筛选有效因子

回答

参考研报:

因子分析参考：

[因子分析](https://bigquant.com/wiki/doc/yinz

更新时间：2024-06-07 10:55

如何筛选月内涨幅大于10%，小于30%的股票？

https://bigquant.com/codeshare/9ac7cfd7-5bcf-41a5-9577-f84f671d5cd3

更新时间：2024-06-07 10:55

策略案例

https://bigquant.com/experimentshare/062a0182231e49f7996b0543e7acad48

更新时间：2024-06-07 10:55

问题

freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?

视频回放

https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co

更新时间：2024-05-21 09:10

A股股票过滤模块

https://bigquant.com/experimentshare/116fdc30e1944051ba43f73e74837776

更新时间：2024-05-20 07:21

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

更新时间：2024-05-17 07:25

如何只使用涨停股票数据做训练

[x] 就是为了减少噪音，减少算力压力，所以只对每天特定的股票进行学习判断

https://bigquant.com/codeshare/a9b5d501-78ac-45e2-a22e-f9eacf4e01c6

过滤出涨停数据用于训练

使用DAI读取和计算因子，很容易实现这个功能

-- 使用DAI SQL获取数据，构建因子等，如下是一个例子作为参考
-- DAI SQL 语法:

更新时间：2023-11-27 06:09

\n.\n.\n首先说一下因子分析，因子分析其实就是因子看板那一套，把因子从大到小排序，然后qcut分组。（一般都用qcut等频分箱），然后看一看每一组的收益。简单来说，就是用因子去做排序，把全部股票放到不同的篮子里，然后看看每个篮子的净值变化。也就是所谓的分层回测，这个很好理解。\n.\n.\n在分层回测中，就引入了下一个概念--样本空间。\n不同的因子在不同的样本空间下表现是不同的，举个最简单的例子，财务因子。财务因子通常更新频率非常低，所以时效性非常差。同时财务因子又和公司的前景息息相关，毕竟你一个公司财报炸了总归算是利空。所以我们会发现一个有意思的事情，一些财务指标在沪深300

更新时间：2023-10-09 02:41

特征抽取——新手入门

想做一个很简单的股票筛选，但不知道哪个模块可以实现筛选后的股票代码输出list。

具体功能

报错如下：

应该加入哪个模块作为输出，之前用了代码列表v2也不行。感谢大神指点。

更新时间：2023-10-09 02:37

投研小组分享区

更新时间：2023-08-16 09:10

策略自动产生之二：筛选策略

摘要

前情回顾：传统上，研究人员需要以劳动密集型的方法去研究因子，因子组合和规则组合。这样的方法是低效的，非常像工业化之前的手工作坊。

本方法针对现有技术存在的不足，依靠当今强大的计算力，提供一种能满足用户预期收益风险需求的、高效的自动批量产生交易策略的方法。

去伪存真：自动产生出来的策略并不能直接用，而是需要策略研究员的进一步筛选。我们给策略研究员提供了一系列能够避免未来函数、过度拟合和贴合实际交易环境的方法

具体实践：

避免未来函数——推进分析+模拟盘

过拟合——参数敏感性分析+主观归因

策略周期——最大回撤失效+预测值和实际值IC判别法

更新时间：2023-06-13 06:53

分析师超预期因子选股策略-中信建投-20200402

摘要

本文主要介绍超预期幅度因子的定义、分析师超预期股票收益特征分析和分析师超预期选股策略的构建。首先我们介绍精确到单季度的净利润超预期幅度ESP因子算法，然后我们对超预期股票的收益特征进行分析，发现EP_TTM和过去一个月收益率两个风格因子可以很好地解释超预期股票的收益来源。最后每月底根据EP_TTM和过去一个月收益率两个风格因子限定样本池，然后选取净利润超预期幅度最大的20只股票构建超预期20组合。组合基本上每年稳定战胜中证500指数，可以作为中证500增强的补充组合。

分析师超预期幅度因子定义

分析师超预期幅度ESP因子可以定义如下：ESP =（单季度实际净利润

更新时间：2023-06-13 06:53

因子择时指标的筛选海通证券_20180105_

摘要

自2017年以来，多因子模型中常用的选股因子皆出现了不同程度的波动。因此，因子收益的预测就变得至关重要。系列前期专题报告《选股因子系列研究(二十)——基于条件期望的因子择时模型》就对于常见选股因子收益的预测进行了初步讨论。专题报告《选股因子系列研究(三十)——因子择时模型改进与择时指标库构建》对于因子择时模型进行了改进并对于择时变量库的构建进行了讨论。本文将重点讨论择时变量的筛选以及择时模型的相关扩展应用。

可使用套索回归进行择时变量筛选以及因子收益预测。在2016年12月30日至年12月29日间，因子择时模型收益为12.3%，基准组合收益为-20.9%。在2008年12月3

更新时间：2023-06-01 14:28