策略优化
策略优化在金融领域中扮演着至关重要的角色。它是指通过深入分析市场趋势、评估风险与收益潜力，以及应用先进的算法和模型，对现有的投资策略进行精细化调整和改进。这种优化旨在提高投资组合的回报率，同时降低不必要的风险暴露，确保资金的安全性和流动性。在当今复杂多变的金融市场中，持续的策略优化对于保持竞争优势和适应不断变化的投资环境至关重要。
陈雨的作业8月8日
/【1】因子更重要？还是模型更重要？
答：结论是因子稍微重要一点。
可以把“因子”和“模型”想象成做菜时的“食材”和“厨艺”：
食材（因子）决定上限
厨艺（模型）决定能否发挥因子的正常性能。
二者缺一不可，但在不同阶段权重不同
• 早期探索：先找好食材（因子）> 追求高级厨艺（好的模型）。
• 因子同质化后：大家都有类似的食材，厨艺（模型细节）成为收益率的关键。
总结：但“好因子 + 普通模型”通常比“普通因子 + 顶级模型”更先跑出可复制的收益；当因子趋同时，模型的重要性会反超。
-----------------------------
【2】相同因子下不同模型的区别
更新时间：2025-08-24 13:46
Skelton作业提交
•因子更重要还是模型更重要？
我认为因子更重要，只有好的因子才能做出好的策略。
相同因子下不同模型的区别：
每次训练时间比较长，时间有限，只跑了线性回归的策略。而且收益也没有调的很好。
后续有时间再持续优化，并跑其他策略比较。
https://bigquant.com/codesharev3/e70d145b-3a0d-4f3b-bb4e-df2b8a905e12
\
更新时间：2025-08-10 15:07
优秀策略分享——数据标准化策略
影响策略效果的因子有很多，每个人所选择的因子也各有不同，选取因子后，如何分析数据，找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分，本文介绍，如何简化数据分析的工作：数据标准化处理
举例说明：
当天收益因子：5000支票，可能会有1000+个不同的值，如：1.01%，1.02%, -0.1%,-0.2%….，实际上收益值1.01%,1.02%对于策略数据分析来说，理论上无本质区别，固1.01%、1.02%这类数值接近的值，需要把它标准化为同一个值，就可以大大提升数据分析上的效率
数据标准化处理方法：
1、可以按天为维度，把因子的值，按数
更新时间：2025-08-09 05:02
【平台使用】如何剔除科创板、北交所，只保留主板数据
你好，我修改了这个策略的代码，想只保留主板的数据，但是运行回测数据没有变化，是什么原因呢？
策略：
https://bigquant.com/codesharev3/fc26699e-a006-4e90-8609-8ebcbee38ff6
\
更新时间：2025-08-07 06:27
张伟_作业
1.对原策略拉长回测周期校验效果，发行在24年之前该策略收益为负，经测试后发现24年后的高收益主要来源于北交所的增长。当小市值策略包括北交所时，由于北交所的票市值较小，会受北交所风格影响严重。所以修改策略去除北交所。
2.使用剔除北交所的数据做回测，年货收益30%左右，基本符合微盘股的年化收益。我对市值和换手率合成的权重，做超参优化，结果显示市值权重越高，策略效果越好，效果如下：
[https://bigquant.com/code
更新时间：2025-08-06 06:14
张伟_作业提交
https://bigquant.com/codesharev3/e0d036bb-be2e-43a9-91ce-13dc1bcf39c6
做了一点修改，回测的效果有了明显提升：
- 在计算分值的时候加入了市值因子，去掉了roe因子。
后续还要做以下完善，限于能力，现在还没法实现：
- 基本面因子做中性化，包括pb因子和净利润增长率因子
- 区分市场状态，这种轮动策略应该在牛市状态下会更有效，可以结合大盘指数情况做下策略的区分
- 适度加一些
更新时间：2025-08-04 00:31
老韵_作业提交
先随便调了两次参数，根据结果变化趋势发现应该不行。
然后尝试加了个close排序的权重，一次就将夏普提升到1.5以上了。所以，特征因子组合的底层逻辑才是策略灵魂，调参只是锦上添花的辅助手段。以下为修改后的策略：
https://bigquant.com/codesharev3/51e25514-6570-4e57-b6e6-816edb4d8e64
\
更新时间：2025-07-31 02:39
优秀策略分享——数据标准化策略
影响策略效果的因子有很多，每个人所选择的因子也各有不同，选取因子后，如何分析数据，找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分，本文介绍，如何简化数据分析的工作：数据标准化处理
举例说明：
当天收益因子：5000支票，可能会有1000+个不同的值，如：1.01%，1.02%, -0.1%,-0.2%….，实际上收益值1.01%,1.02%对于策略数据分析来说，理论上无本质区别，固1.01%、1.02%这类数值接近的值，需要把它标准化为同一个值，就可以大大提升数据分析上的效率
数据标准化处理方法：
1、可以按天为维度，把因子的值，按数
更新时间：2025-07-02 12:46
【策略构建】策略加入年线趋势因子后，无法出现交易信号，我的策略如下，请老师帮我修改一下，如何加入趋势上行的限制
更新时间：2025-05-27 11:04
【策略构建】调仓周期修改后回测正常，但模拟交易仍为原策略的调仓周期
#问题描述
策略是从策略社区克隆过来的，然后在原策略（每日调仓）的基础上修改了调仓周期的逻辑（每8天调仓）形成新的策略，回测正常后提交模拟交易。
回测已变为每8天调仓，但是模拟交易仍为每日调仓，见附图1和2。
请问如何解决此问题？谢谢。
/shift(open,-1)或-shift(open,-1)/shift(open,-2)，随机生成几百甚至上千的策略回测所取得的效果普遍没有做多好，大多数情况甚至连正收益都达不到，而做多好多都轻松取得正收益，是算法的特性还是有其他窍门？
视频
https://www.bilibili.com/video/BV1Ny4y1E7KJ
\
策略源
更新时间：2025-04-15 07:19