摘要

小市值与低估值的溢价现象长期存在，但短期内溢价效应存在强弱变化

长期来看小盘溢价与价值溢价在 A 股是存在的，历史上的小盘溢价与价值溢价也为量化策略贡献了许多收益。但在短期内溢价效应存在强弱变化，强弱变化会给我们风格投资带来风险。

估值理论认为，股票价格受到未来现金流与折现率两方面的影响

估值理论认为，资产的价值源自于持有它的投资者能够获得的现金流，通过对资产未来现金流的折现来对资产进行估值，是资产定价领域最常使用的方式。因此，股票价格受到未来现金流与折现率两方面的影响。市场收益率可以拆解成为现金流影响部分与折现率影响部分，个股的现金流 beta 与折现率 beta 反映了个

单因子分析是量化投资中重要的一步，是对因子进行有效性、单调性相关的检验。因子通过一系列检验后才有机会进入因子池并据此构建量化策略进行投资。单因子分析一般分三步：因子构建、因子处理、因子分析，本文将基于平台对上述步骤进行详细讲解。

1. 因子构建

投资者根据已有的经验来构建因子，比如传统的量价因子和财务因子。本文将构建一个动量因子进行分析，具体公式如下：

                        factor = ( close_0  / mean( close_0, 44 )) - 1

该因子的意思是比较过去44日的股价均值和当期的股价，如果该值越大，则说

量化策略从角度上分为高频策略和低频侧率。高频策略基于分钟、快照等行情数据开发策略，持仓周期同样相对较短。低频策略一般基于基本面财务因子等低频，因为数据更新较长，调仓周期一般在月度或季度，甚至年度。

目前BigQuant平台上的模板策略一般是根据持仓周期进行调仓回测的，比如5日持仓、30日持仓等。这里，我们举一个简单的逻辑代码说明如何判断调仓周期为22个交易日：

1.在回测模块初始化中，设定调仓周期 rebalance_days = 22；并创建一个extension[‘index’]用于保存记录K线运行数量。

2.在handle_data模块中，每当新的一个K线即交易日来临后，e

作者：陈奥（chenao1106)

导语

量化的目的之一是把通过对历史数据的规律研究，转化成投资决策。本次分享从具体的案例出发，如何快速把历史数据的经验，转化成自己的经验，进行投资交易决策。例如，2022年2月24日，大盘大跌，下跌股票数：3900+，上涨股票数600+，大跌行情下，如何操作? 经量化研究，找出了一种操作方案，共回测2年，选出2000支股票，平均每支收益5%。

策略思路

1. 找出历史大盘大跌数据，作为回测的股票池
2. 大盘大跌情况下，逆势涨停股票，是否依旧强势，是否可精选逆势涨停票第二天进行实操
3. 大盘大跌情况下，受大盘影响顺势跌停的票，是否能精选出

寻加密货币量化策略开发人员，一同组建策略开发工作室，CD地区，有意者可加V。小白勿扰……

Smart Buzz Sentiment for Asia

• J.P. 摩根，亚太地区，量化策略
• 用于自动检测、追踪和股票分析主题评级的NLP技术
• NLP technology for automated detection, tracking and ranking of topics within analyst stock reports

研报

[/wiki/static/upload/d7/d73ad104-c9c4-44f2-bba7-48cf479d077c.pdf](/wiki/static/upload/d7/d73ad104-c9c4-44f2-b

摘要

2017年以来，随着市场上量化策略的增多，许多之前十分有效的因子，如市值因子、动量因子、波动率因子等，都出现了比较明显的震荡或者失效。想要靠传统多因子模型取得超越基准的稳定收益变得越来越难。对于因子择时模型的研究需求也在持续上升。

本篇报告分为三部分：

首先，我们介绍了因子择时常用的几个指标，包括因子估值差与配对相关性等，并测试了其与因子未来收益的相关性。

然后，我们使用随机森林函数，构建因子择时模型。与大多数因子择时模型不同，我们的预测目标是因子收益的历史移动平均与实际因子收益的差距。对于收益波动较大的因子，移动平均比较难抓到因子短期的趋势。而择时模型可以在一定程

如果用因子打分分组后的多空组合收益衡量一个月收益反转因子的表现，我们发现反转因子在经历了2015年强势后，从2016.04开始衰弱，但多空组合收益整体保持为正，还未到失效阶段。不过如果把多空组合拆开，分别看多头组合和空头组合相对市场的超额收益，会发现空头组合一直持续跑输市场，而多头组合已经有一年时间左右和市场基本跑平。我们量化策略的alpha收益主要来自于多头组合，因此从这个角度讲，反转因子已进入失效期

特异度因子和反转因子类似，最近半年也未能跑赢市场，这些因子由于历史表现优异而在多因子打分中占了大幅权重，如果多头组合长期无法带来超额收益，那么技术类alpha因子的高额换手率导致的交易成本将

导语

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

以StockRanker为例

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。假设我们要去预测某个连续变量Y未来的取值,并找到了影响变量Y取值的K个变量，这些变量也称为特征变量（Feature Variable）。机器学习 即是要找到一个拟合函数 ![](/wi