{{use_style:custom-style-default}}

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

• 预计算因子
• 数据API
• 数据可视化分析
• [策略源码模版与Demos](https://bigq

摘要

日内动量介绍Gao L等学者在Market intraday momentum中提到了指数日内涨跌幅的一个有趣现象，即开盘半个小时的涨跌幅可预测收盘半小时的涨跌幅，这一规律在标普500、道琼斯指数，罗素2000等指数均成立。作者给出了两点可能的解释1、基金再平衡的需求2、信息反应不足。

A股主要指数半小时涨跌幅相关性测试

1. 各指数在下午的交易时段，半小时涨跌幅之间呈现相对较强的正相关关系。
2. 上午临收盘半个小时(11:00-11:30)与下午(13:30-14:00)负相关。
3. 上午临收盘半个小时(11:00-11:30)与下午(13:00-13:

问题

mggis0or1+如何实现一个做T的策略，降低已有仓位的成本

解答

• 做T就是在日内对个股进行买入和卖出的变相T+0交易。但A股是T+1制度，如何能做到T+0呢，那就得预留好资金，不能全仓持股，才能做到滚动操作。
• 半仓滚动做T：每次半仓低位买入相同仓位，然后高点T出，或高点T出后再低位买回相同仓位(最常用和最简单操作方式)
• 日内网格策略（最经典也是市场上最主流的做T策略）

视频

[https://www.bilibili.com/video/BV1RN4y1w7gE/?spm_id_from=333.999.0.0&vd_source=ecd29b

问题

在很多文章中提到因子暴露，这里的“暴露”怎么理解？

参考

一般来说提到某种资产在某个因子的暴露，指的是资产收益相对于因子收益的敏感度

构造股票池：获得计算日当天全部A股的名单，并从中剔除掉ST股、停牌股票和上市不足1月的新股。 获取股票池中股票的最新市盈率：获取上一步构造的股票池中的全部股票的市盈率。假设有3000支股票，则此处应有3000个市盈率数据。 对全部股票按照市盈率从小到大排序。 构造多空组合：事先设定一个比例(例如10%)，选取300只低市盈率股票做多，并选取同样比例300只高市盈率股票做空，据此构造一个多空组合。 该多空组合的收益率，即代表低市盈率因子的

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

新版数据平

https://bigquant.com/codesharev2/39a8c639-92e8-48d4-a432-8cec3e21c047

\

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

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec

\

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

新版数据平

{{use_style}}

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](https://bigquant.com/wiki/doc/demos-ecd

https://bigquant.com/codeshare/d9fc6c92-ad4a-47ea-872b-72f95c28dce4

\

摘要

机构调研事件。通过上市公司的投资者调研公告，可以获知机构投资者的调研信息。统计发现，A 股的机构调研事件以特定对象调研为主；参与调研的机构投资者集中在 5 家以内；多数调研公告会在调研事件发生后的一周内公告。 机构调研的股票特征。研究发现，机构投资者倾向于调研大市值，前期具有高涨幅、高换手、高波动的活跃股票。这些因素都会对股票未来收益产生显著影响，因此在分析机构调研事件对股票收益影响时，需要加以控制。

机构调研股票的超额收益。通过截面回归模型，我们发现，在控制了常见选股因素的影响后，机构调研股票仍然具有不能被解释的超额收益。截面溢价的月胜率为 65%，月均值为 0.30%，信息

摘要

2018年2月6日，受夜间美股大跌的影响，A股早盘低开后一路下挫。截止收盘，沪深300、中证500和创业板指分别下跌2.93%、4.90%和5.34%。面对这样突如其来的风险，除了提前预判、降低仓位之外，是否还有其他可供对冲的手段，以规避股票组合的大幅回撤。 为此，本文介绍了两类非常简单的低成本策略——时间序列动量和质量因子，它们在股票市场出现大幅回撤时，表现十分突出，能够帮助投资者免受大幅的亏损。而且，这两个策略即使是在正常的市场环境中，也有着稳健的收益表现。

时间序列动量策略。时间序列动量策略主要应用于期货市场，其思想非常简单。 观察每个品种过去R个交易日的涨跌幅，若上涨则

本文主要研究了量化选股场景中的数据标准化方法，分别对比了时序标准化和截面标准化方法的在量化选股模型上的效果。

主要的工作有：

一是构建DeepAlpha数据集，包含A股2011年到2022年98个量价因子的日线数据，label为股票未来5日的收益率；

二是采用基于时序的K折交叉验证方法，严格3年训练1年预测的数据划分，使研究更贴近于实际应用；

三是对比了LightGBM模型和DNN模型在不同标准化方法下的效果，发现截面标准化在DeepAlpha数据集上的表现更好；

四是将DNN模型的预测结果从2017年1月1日到2021年12月31日进行了模拟回测，基于截面标准化的方法年化收益35%

研究结论

A股的原始收益在短期内表现出很强的反转效应，但是在中长期内并没有发现在海外市场普遍存在的动量，本篇报告尝试通过对股票原始收益进行分解找到真正驱动动量或者反转效应的收益成分

我们将原始收益拆分为隔夜收益部分和盘中交易部分，在5分钟收益率数据的基础上借鉴因子极值处理的方法将盘中交易部分拆解成温和收益部分和极端收益部分。根据统计，A股日内正向极端收益的频率和幅度都略高于负向极端收益，股票的上涨主要是由极端收益贡献的。

采用Jegadeesh and Titman（1993）的JK组合构建方法，我们发现，隔夜收益部分和温和收益部分表现出显著的“动量”特征，极端收益部分表现出极端的

摘要

行业与个股呈现出不同的动量/反转效应

学术界跟业界对动量效应进行了深入挖掘，在A股的实证发现，月频上个股表现出较强的反转效应，而行业指数层面却有趋势效应。此种背离说明行业内个股涨跌存在领涨（跌）-补涨（跌）的规律，本报告从此领涨股效应出发，尝试构建新的行业动量因子。

基于筹码浮盈率的行业动量效果显著

尝试两种方法构建动量因子：

1. 仅利用涨跌幅构建的行业动量因子（传统方法），多头组合年化收益率为13%，多空策略的信息比率0.8
2. 基于筹码浮盈率构建动量因子，借鉴《情绪择时周报》中的筹码浮盈率指标，该指标能更好的刻画个股赚钱效应，最终基于筹码浮盈率的行

摘要

本文主要考察A股市场是否存在异质动量现象。“异质动量因子（IMom）”，又称之为残差动量，是指剥离市场共同因素后，属于股票自身的收益。异质动量现象普遍存在于全球多个股市，即使在传统动量因子失效的日本股市，异质动量因子也存在显著的选股效果。

A股存在显著的异质动量现象。与海外市场保持一致，IMom因子与次月股票收益正相关，即前期剥离共同因素后的收益越高，下一个月股票收益表现越优。因子RankIC为3.98%，月胜率74.73%；月均多空收益差为0.93%，月胜率71.43%，统计显著。将IMom因子加入至已存多因子模型中，可提高模型收益，同时降低风险，因此模型整体信息比有所提升。

摘要

反转之力的微观来源

我们在2018年底提出了反转因子的独家改进方案——W式切割，因其简洁有效，受到了同行人士的肯定。由W式切割得到的理想反转因子，其收益的稳健度显著优于传统反转因子Ret20，信息比率IR达到2.51，月度胜率为74%。为了使W式切割能够得到更多的微观信息，我们用分位数代替平均值，作为新的切割标准。计算结果揭示：切割标准选用越高的分位值，W式切割的效果越好。这意味着，决定反转强度的因素，主要来源于成交金额分布的高分位区。更进一步地，本报告中我们借助假想实验的分析方法，得到了如下重要推论：反转之力的微观来源，是大单成交。

W式切割的操作步骤

1

摘要

本报告采用Grinold（2002）的方法将股票收益近视拆解为股息收益、名义利润增长率和PE估值变化率三部分，并做适当修正用于定量分析A股涨跌幅中，盈利增长和估值变化的贡献的比例。

实证发现，沪深300、中证500、中证1000这些宽基指数在2009-2017间的涨幅绝大部分来自于盈利的增长，年化收益率贡献分别为11.2%，14.8%和20.9%；估值变化的贡献很小，对沪深300的年华贡献为-1.9%。对中证500和中证1000的贡献为1.8%和2.7%。创业板指2011-2017年间，盈利增长年华贡献7.2%，估值年化贡献2.0%。

对比标普500指数，其2009年后指数涨幅

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