像一些复杂的因子合成方法怎么实现呢，有没有相关的算子模块或者代码分享呢

# 回测引擎：初始化函数，只执行一次
def m2_initialize_bigquant_run(context):
    context.myIns = ['000897.SZA', '600208.SHA', '600533.SHA', '000926.SZA', '601668.SHA', '600854.SHA', '600228.SHA', '600383.SHA', '300988.SZA', '603858.SHA', '300939.SZA']

# 交易引擎：每日盘前触发一次。
def m2_before_trading_s

https://bigquant.com/codesharev2/a73609db-6607-4078-920b-7975d79bbf15

\

https://bigquant.com/codeshare/f9260c26-9a8a-406f-bc5d-3f394ce76d73

\

{{membership}}

https://bigquant.com/codeshare/37d36e41-2184-4342-b581-9561f199eeec

\

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

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

策略案例

https://bigquant.com/codesharev2/353ca05c-8eb3-4076-8545-318fbdfbe4b2

\

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

{{membership}}

https://bigquant.com/codeshare/ad6ffc3f-5d31-455b-af32-e4d613404bfc

\

\

摘要

事件驱动投资体系

我们将A股市场常见的具有显著正面影响的事件收集起来，并构建出了一个比较合理的评估事件冲击是否有效的评估体系，以及基于这个评估体系基础上的一系列事件驱动投资策略

多因子投资体系

今年我们在构建多因子风险评价体系的同时，开发了许多具有新意和价值的新因子和策略，其中包括SmartMoney策略，筹码分布策略，网络中心度选股策略以及盈利预测增强策略

微信独家大数据

我们关注80 余个新财富上榜研究所或行业分析师的社交自媒体平台，然后利用计算机技术自动提取发布于其上的每篇研究报告（的文本内容和阅读量，并从文本内容中匹配出其中的个股，最后将

摘要

前言：东吴金工推出“波动率选股因子”系列研究，尝试在目前已被广泛使用的传统波动率因子的基础上，进行一系列新的探索。作为系列研究第一篇，本报告受到“波动率聚集现象”的启发，从波动率因子的跨期截面相关性入手，对传统的特质波动率因子，提出一种简单朴素而又效果优秀的改进方案。

传统特质波动率因子

基于Fama-French三因子模型，构建特质波动率因子。回测结果显示，传统特质波动率因子已经具备不错的选股能力，其月度IC均值为-0.059，年化ICIR为-1.78，5分组多空对冲的信息比率为1.48，月度胜率为70.65%；但它与换手率因子相关性较高，且选股能力不如换手率因子，

发布时间：2019年6月10日

研究团队：华泰金融工程

研究员：林晓明S0570516010001、陈烨S0570518080004

核心观点

本文通过原理分析和系统测试，介绍了遗传规划在选股因子挖掘中的应用 遗传规划是一种启发式的公式演化技术，通过模拟自然界中遗传进化的过程来逐渐生成契合特定目标的公式群体，适合进行特征工程。将遗传规划运用于选股因子挖掘时，可以充分利用计算机的强大算力，同时突破人类的思维局限，挖掘出某些隐藏的、难以通过人脑构建的因子。本文介绍了遗传规划应用的完整流程，对遗传规划程序包gplearn进行了深度定制改进。测试结果显示，遗传规划能从有限的量价数据中挖掘

会议：开源一席谈 日期：2023年2月24日 主办：开源证券金融工程魏建榕团队 会议主题：从ChatGPT看大数据的发展与未来 特邀嘉宾： 司帆：中国人民大学硕士，多年证券从业经验。2011年加入华夏基金，历任量化策略研究员、投资经理、负责多只量化专户的投资工作，现任华夏基金数量投资部基金经理。目前在管规模30.38亿元，在管产品数量12只。 陈宝健：开源证券计算机首席分析师。清华大学计算语言学硕士，曾先后任职于华创证券、国泰君安证券等机构，对信创/人工智能/云计算/信息安全等有深入研究。团队公众号(点击跳转)：健谈计算机。

\

对话实录（主持人：傅开波）

Q1：近

问题

https://bigquant.com/experimentshare/98c1a63396fa4a7e9b2bc1e552b124ae

\

日期：2021年11月5日

主办：开源证券金融工程魏建榕团队

主题演讲：分化行情与Alpha投资探索

特邀嘉宾：楼华锋，兴业基金多元投资团队总监

发言实录：

非常感谢开源金融工程魏博

介绍

本贴主要分享东方证券金工部在Barra多因子结构风险模型上的研究思路、方法和成果,并持续更新…

下载链接：【https://pan.baidu.com/s/1ozOhYXLDTXl1zPE5jx9ytA】

Barra多因子结构风险模型投资流程入下：

预览

![{w:100}](/

摘要

因为权重行业相对小市值行业走弱，我们转为短期谨慎态度。近期行业配置发出市值加权配置信号，从而减少小市值因子暴露。重点推荐的行业有国防军工、医药、农林牧渔、传媒和交通运输。

1. 行业月度涨跌幅排名：

   银行涨跌幅排名在处于历史 90%分位数，而食品饮料、医药和电子元器件的涨幅排名在下降。从涨跌幅排名上看市场风险高；

2. 行业波动率排名：

   银行和医药的波动率有所下降，非银处于历史 10%分位数以下，食品饮料和电子元器件行业波动率从低点回升；从波动率排名上看市场风险中等；

3. 前五名权重行业中：

   a. 没有行业符合急涨

摘要

因子多头超额收益表现本周内总市值对数、非流动性冲击、一个月日均换手、三个月日均换手因子的表现较好，而单季度ROA、单季度ROE、市盈率倒数TTM、一致预期市盈率TTM、一致预期PEG等因子的表现较差；本月内总市值对数、非流动性冲击、一个月日均换手、三个月日均换手因子的表现较好，而单季度ROA、单季度ROE、市盈率倒数TTM、一致预期市盈率TTM、一致预期PEG等因子的表现较差。 因子多空收益表现本周内一个月日均换手、三个月真实波动率、三个月日均换手、非流动性冲击、三个月反转、总市值对数因子的表现较好，而单季度ROA、一致预期PEG、单季度ROE、市盈率倒数TTM、单季度营业收入同比

摘要

单向波动差值择时模型信号准确率与成交额关系随着成交额的增加，发出看多信号时预测的准确度进一步提高。看空信号胜率并未显示与成交额的相关性。因而可以考虑将成交额信息加入看多信号的判断对原模型进行改进。

相对成交额过滤转多信号vs成交额共同确认看多信号1）方法一策略收益16.40倍，信号切换胜率0.5231，总交易次数130次。从逻辑上更加符合一次趋势较强上涨的确认过程。更能在收益及风险间取得平衡，且维持更低的交易次数。调参检测结果显示，相对成交额阈值取1.1效果最优。 2）单向波动差值及相对成交额共同确认看多信号的方法相对谨慎，适合只做多头的投资者。策略收益为9.27倍，信号切换胜

「股票及量化投资书籍分享」https://www.aliyundrive.com/s/4kajoeM7ock 点击链接保存，或者复制本段内容，打开「阿里云盘」APP 下载。

摘要

我们在本篇报告中将目光聚焦于日内价量信息和交易特征，使用分钟数据构建一系列高频因子，并对比各因子在股票和期货中的表现。

高频因子分类。高频因子可以分为收益率分布、成交量分布、量价复合、资金流和日内动量等几个主要的类别，各类因子还可以做进一步的细化，例如收益率分布因子包括已实现偏度、已实现峰度和上下行波动率等。

收益率分布因子。高频偏度和下行波动占比具有显著的选股效果，多空组合月均收益差分别为1.45%和1.87%，因子IR分别为2.61和3.31。因子在股票中均呈现出反转效应，即高频偏度小、下行波动占比高的股票未来收益表现更好，而在期货中呈现出动量效应，即高频偏度大、上行波动

摘要

因子多头绝对收益表现本周内总市值对数、一致预期EP、账面市值比因子的表现较好，而一个月日均换手、一个月反转、换手率变化因子的表现较差；本月内单季度净资产收益率、总市值对数、非流动性冲击、单季度净利润同比增速因子的表现较好，而一个月日均换手、一个月真实波动率因子的表现较差；本年内一个月反转、单季度净资产收益率因子表现较好，一个月真实波动率、滚动市盈率倒数、账面市值比、一致预期EP等因子表现较差；最近一年内单季度净资产收益率因子表现较好，总市值对数、一个月真实波动率、非流动性冲击等因子表现较差。

因子多空收益表现本周内一致预期EP、单季度净资产收益率因子的表现较好，而一个月日均换手、