xingbuxing_py的博客

分享的策略有用吗？实盘也有高收益吗？策略包含未来函数？策略是否会过拟合？不会代码咋做量化？用AI炒股才是未来？用AI做回测更好吗？股票数据怎么来的？为什么持仓一个月？策略扣除手续费吗？量化打板能赚钱吗？

在发布的过程中，大家发现，由于不同的上市公司，在体量，成交量，和对市场的影响力方面差别很大，如果不增加权重影响，就没法客观体现市场的真实状态。没错，就是这么现实。任何成熟的金融市场，其中的各类规则和执行细节都有其产生的原因，只有深入探究了背后的逻辑与形成机制，才能真正做到对市场熟悉，对标的熟悉，才能从更高的层次降低策略的风险，加强策略的可靠性。换句话说，指数本身只是特定范围公司股价的客观表现，是独立于市场本身之外的表象，而不能直接影响市场（当然，指数现在因为设计得足够优秀，对市场的间接影响已经十分强烈）。

巴菲特好像说过一句话，婚姻的最重要的是互相降低预期。这种和信息中心离得很远又离得很近的距离感，可能对于投资也是很有帮助的。巴菲特的发小，1956年就投了5千美元，后来随着巴菲特赚了一笔之后（看1956年的故事），又把赚的钱7万美元投给了巴菲特。写这份信是在59年2月11日，已经开始买入桑伯恩地图，也就是巴菲特说的“大量买入机制低估的股票，自己创造套利机会”。能紧紧抱住周围牛逼的人的大腿，似乎也是一种很好的人生策略？不预测行情，这点基本上有一定经验的人都是知道的。下文中，图片是拍照的书，文字是我的随想。

大学室友是真的看好巴菲特，1956年基金刚创立的时候，已经自己投了0.5万，让母亲投了2.5万。巴菲特有5个账户，其中3个是1956年就创立的，这几个账户成绩不错，分别盈利6%，8%，25%。其实巴菲特离我们太遥远，但像这位基金经理、医生，以及很多其他NPC，就有很多值得学习的地方，并且是可望可及的。并且虽然是个i人，但在工作上，也会主动去结交认识行业里的大佬。1956年笔记中提到的物理教授，后面的故事，这位教授也是值得我们学习的对象。巴菲特当时的逻辑是：在套利类的策略，和低估类的策略之间，进行调整仓位。

交易所的发展，应该就和现在币圈的交易所差不多的过程，市场化竞争。有充分的市场经验、生意经验、工作经验，也有一套自己的成熟的投资方式，才这么做的。这个教授还很聪明的和巴菲特商议了不一样的分成机制，因为他投入的钱比较多12万美元（教授真有钱），比巴菲特之前基金的钱总和10.5万都要多，所有有资格单独谈。很难想象，26岁刚刚创立公司的时候，你的老丈人，会把他所有的钱投给你去炒股，但是巴菲特做到了。初始基金10.5万，教授投入12万，老爸的同事5.5万，自有资金算17万，加起来大约是45，多的5万可能是盈利？

那些看似炫酷迷幻的 “术”，总给人能带来财富的错觉，吸引了大部分人的目光。从3者特征可以看出，机构建仓是缓慢的，属于中长线，策略参数应该长点，跑赢同行吸引更多投资者挣管理费是目的。还是喜欢邢大，能够深入浅出的拆解问题抓住重点，这是一个人的功力，邢大YYDS！对手盘关系：价值投资者在股价低迷时买入并长期持有，而动量交易者在股价上涨时追涨，两者可能在股价拐点形成对手盘（如价值投资者卖出高估股票时，动量交易者仍在买入）。假设这是一只妖股，股票斜率非常高，打板的策略属于红色段或蓝色段，不同的打板策略风格也不同。

但问题来了：股票最低买入单位是100股（1手），如果股价高，持仓成本可能要几千块，万一股票下跌，领的礼物可能抵不上亏损。近年来，上市公司在股东回馈机制上不断创新，除了传统的现金分红外，进行实物产品分发，已成为实体行业企业的重要补充策略。答应我，当好“一股战神”，把这几十股作为传家宝传下去。步骤3：登陆两融账户，找到“担保品划转”菜单，选择刚才买入的证劵标的，方向选择为普通->信阳红，划转数量设置为99。行业分布多见于消费属性强、产品体验直观的行业，如：食品饮料，文旅服务，家电与日用品，健康与科技；

那让我们来模拟一下呗，把每天的开盘涨跌幅取个负号当作策略的涨跌幅，然后连乘起来画出。可以看到，虽然也曾经历过长达两年多的腰斩，但作为一个“宽基”指数来说已经很优秀了，至少碾压中证2000。很多人肯定觉得在牛市中隔夜高开才是常态，其实并不是，按年份来统计的话也是每年都存在低开效应的，只是近几年越来越收窄了而已。的现象，本文来具体看看在大家备受瞩目的微盘股中隔夜低开的情况怎么样。，符合大A容易低开的尿性，而且微盘股低开天数的占比更是高达。，并对曲线进行了20日的平滑，可以很清楚的看到。

0基础小白如何借助AI入门量化？DeepSeek辅助量化学习靠谱吗？如何用AI实现0代码编程和回测？DeepSeek炒股最好的用法是啥？

、兴证策略《拥挤度指标体系》，在各大研报中以及很多坊间的股票分析中，个股拥挤度总是被提及，因此想看看拥挤度对个股是否有效，于是，就有了这篇文章分析，从全A来看这个简单的拥挤度分析，确实可以找到一些见顶的逻辑，但不知道是否看得准确与否。后续，我也会持续看看这一块是否有用。2024年9-10月，其实0930为市场拥挤度最高的时候，拥挤度远远超过1接近1.5，虽然1008有一段涨幅，但是拥挤度已经在降低了，所以可以考虑在0930 放股票，也可以考虑在1008或者1009放股票，都是合适的时间段。

这里要讲的是一个量价的反转因子，也是从上期研报中扒出来自己研究的一个因子，公式为(-1 * DELTA((((CLOSE - LOW) - (HIGH - CLOSE)) / (HIGH - LOW)), 1))，表征的是收盘价在k线中的位置较前一日的变化差值，事实上我是偏向于不太信这种K线形态的玄学的，但是我用1H线去测了一下这个因子（即上一小时的收盘价位置，对比上上小时的收盘价位置的变化差值），回测出来效果非常好，这里先不放图了，图有点太多了。这也就是框架中的后置过滤。下面引入手续费的计算。

正常情况下，小白难以手搓因子，我也有时候突然灵机一动，写过一些因子，但是基本上都没啥效果，所以最好的办法还是从现有的因子库中去寻找，但是我是今年刚加的分享会，帖子没看多少，但是偶然在论坛里的其他帖子中发现了一篇证券研报，其实币圈没有太多的基本面因子，而且币圈的交易市场较A股不成熟很多，所以我认为A股中的量价因子在币圈效果应该是会有的，于是我开始翻看了这篇研报，附件会贴在后面。通常情况下A股的一些因子，同样在币圈也可能会有效，这是我们这些小白迈开自己的量化研究的第一步，复现研报中的因子，并将其搬运到币圈。

这个问题的回答网上多的是，很多看似有理，但其实似是而非，解释的例子也往往是寻找的个例，人性是相通的，作为一个正常人，很容易在其中找到符合自己操作的例子作为答案。下一节的数据构建我采取了这个表，结合我自己的感受，基本上还是靠谱的，作为行为量化嘛，有个大概就行，大行情不同倾向肯定也不同，它甚至还给了我下面这张市场状态修正表。自从加入分享会后觉着涨本事了，巴不得天天凭本事赚快钱，再加上群里每天都有大佬晒单，自己就看着什么来钱快就去追什么，结果可想而知，什么都不精，到处吃尾气。最关心的问题，账户到底是怎么归零的？

本文来源于量化小论坛策略分享会板块精华帖，作者为Mc，发布于2025年3月19日。以下为精华帖正文：本次牛马主题是可转债的多策略研究。在第一次牛马线上会议讨论时，我曾表达对今年转债市场的看好。原因在于：（1）在低利率时代，转债的票面利率会吸引类固收资产的进入。（2）股票方面，熊转牛阶段，转债向上的弹性不输于股票，且在债底保护下，转债更具性价比。从去年9月开始，可转债市场走出了一波不小的行情。用证券时报的话讲，就是转债已经进入技术性牛市，在指数累计上涨超20%的背景下，个券中妖债频现：福新转债、欧通转债区间累

中证2000指数的成分股平均市值要小于国证2000指数，更能代表小市值股票的表现，并且在彩虹提供的全息数据中直接有中证2000成分股数据字段，于是使用中证2000来验证历史表现。为验证这一观点，我尝试探究成分股成交额占比指标对小市值股票逃顶时机的指导意义。邢大在群里转发过这么一幅图，图片中博主用国证2000成分股成交额占全市场比例来判断小市值股票是否过热。，属于小市值股票狂热状态。叠加4月份年报月的腥风血雨，建议各位老板打开定风波。阈值时，往往标志着小市值股票进入狂热阶段，后续小市值股票价格会引来调整。

前日在牛马群发了大V的盘后多空指标，bigbro说更感兴趣我之前直播时演示过的指标，王老板说能被 bigbro 惦记的肯定是好东西，每日盘后复盘的一些指标被bigbro点名拿出来分析，这篇帖子除了分享我盘后用到的一些自己用到的一些指标外，也浅浅的分享一下我开发这些指标的思路，希望起到抛砖引玉的效果。但这些指标衡量的都是全市场的指标，对短线的择时有一些指导意义，但是想要更深入的理解市场，尤其理解短线游资的动向，还需要更多的一些思路和方法。代码太简单了直接放图。

GPT-4模型与自主因子生成方法相结合，通过提供数据结构信息（如开盘价、收盘价、交易量等），让GPT生成新的因子，并直接输出计算代码。所有因子值min-max标准化，每天根据每个因子的历史累计回报动态调整因子的权重，也像上面静态因子那样加正负号，然后求加权平均数。一、理解数据，向GPT明确数据结构和类型（如股票的开盘价、收盘价、交易量等），以及生成因子的需求（如投资目标、交易频率等）。所有因子值min-max标准化，根据上小节单因子测试结果确定因子正负号，反作用的因子加符号，把这些因子值求算数平均数。

从18世纪的日本蜡烛图技术到21世纪的订单流策略，交易理论在形式上不断演变，但价格走势没有变，价格走势的背后是人性，贪婪与恐惧、希望与绝望、从众与逆势，这些人性的特质在市场中反复上演。如果中间的波峰高于两侧的波峰，类似于在佛教寺庙的大殿里，中间供奉着释迦牟尼，他的塑像最高大，两边是他的弟子，他们的塑像比较小，这就构成了三尊顶部形态，这种形态构成了一种。先讲讲主力交易的特征：买卖的资金量很大，必须寻找市场中流动性充足的区域进行买卖，如果市场流动性不足，买卖会造成价格的巨大波动。

1，从数据上看，节后开盘价平均高于节前收盘价（即节后高开）（此部分数据在下文），所有研究的指数胜率均超过60%，其中表现最好的是中证500。2，节前指数行情总体一般，具有较为明显的提钱效应（尤其是节前4个交易日左右，资金离场效应比较明显），指数之间分化不明显，总体上节前持股的平均收益率和胜率均不高，如果持股意愿比较强，可考虑节前4个交易日之后再开仓，避免受到节日提钱效应的影响，提前埋伏静候节后红包行情。

这时候有两种情况，第一种是当市场在下跌过程中，小票时不时超跌反弹一下，可以参考红色点，当然这时候也可能是底部，所以红色点出现在下跌过程或者下跌底部，具体难以判断。上证是村里的遮羞布，大家也很关注，因此，尽管上证指数是根据上海证券交易所上市的股票来编制的，但是当出现危机的时候，有形的大手就会护盘，这时候上证指数就会失真。第三种情况，上涨比例大于0.5，但是指数涨跌幅向上偏离正常值。我将二者之间的关系从2009年至今绘图观察，并且作了多项式拟合，可以看到，绝大多数情况下，市场是自然的，上涨比例越高，指数越好。

所以在使用这个指标前，需要再处理下。所以先选择负相关的(即小于-0.7），代表成交额下降的同时收益率在上升，或者是收益率下降的同时，成交额在上升，隐含的逻辑就是虽然成交额下降了，但并非是资金流入债市避险导致；总结：用宏观指标择时但从回测数据看十分有效，虽然不一定能降低回撤，但大趋势已基本拿捏，而且各大指数均有明显超额收益，这逻辑也讲得通，毕竟宏观数据对整个经济都有指引意义，而并非只限于大盘或小盘。但国债收益率的变化，也会导致资金趋向的转变，如低到一定程度，又会反向压制资金继续投资债券的兴趣，反之亦然。

这个时候你成功的回本出了，免费了玩了一圈，体验了下b圈的被套的痛苦。之后看着市场的回调，你开始对这个市场失去了信心，然后就不关注这个市场了。然后再过了几个月，市场火爆的消息又传到了你的耳中，你打开市场交易软件才发现居然错过了这么一大段上涨。

统计套利的原理其实比较简单：两个相关性高的标的当走势出现背离时，做空涨得多的A，做多长得少的B，当走势回归均值时，对两者平仓。如下图，展示了两个价格走势相关性较高的标的，以及开仓点以及平仓的位置，其中灰色的区域为有持仓的时候。开仓点是由。

大师在这点上确实没骗我们，看涨信号出现后，股票未来几日的平均收益率都大于0，虽然可能并不是太高，但还是赚钱的，至少能说明这个信号稍微有一点点用处。大家对其他大师说的指标感兴趣的话，也可以在评论区留言，遇到有趣的，我们就用量化代码来测试，并做成视频公布结果。同一天中，如果KDJ指标中代表K值的橙色曲线从上往下穿过代表D值的蓝色曲线，形成一个交叉，就会被称为“单从上述案例来看，大师推荐的指标还是很靠谱的，既能抓住上涨，又能躲避下跌。视频中测试用的数据和代码我也都整理好了，需要的话，可以评论区留言。

这是邢不行第 127 期量化小讲堂的分享作者 | 邢不行你周围有没有一些交易高手，看一眼股票的K线就可以大致预测后续的走势。虽然不是完全准确，但也能说个七七八八。这源于他们在市场较久，此前或多或少见过类似图形，对后市有一定判断。是长期的经验积累所致，而非真正的预测行情。对经验不足的新手小白来说，很难在短时间内掌握这项技能。但经验不够，可以科技来凑。对面任意行情，我们都可以借助Python程序找出历史上走势相似的K线，并分析其后续表现，以此给出参照。本文我们就来做相应的研究，看这样操作。

本文主要解释和实现了开源证券的研报。

策略原先预计吃两条蓝线之间的价差（宽的那段），当价格上涨导致价差很快到了我们预先设置的平仓阈值（窄的那段）。但由于市场流动性不好，我们策略的买单直接把价格抬升到了平仓的阈值（红色框框中的K线就是我们策略的买/卖单造成的），结果导致策略在4秒后就触发平仓。也就是说，我们的买单对市场的冲击直接导致了原本计划中的价差空间消失。在我的高频策略中，策略失效的原因正是因为平仓信号由我自己的买单制造出来的。我们对红色的标的进行买卖，加入滑点之后，我们的开仓价格是在红线上方的绿点（不然理论上是在红线上）。

24年分享会相比较前几年分享会股票船队有个明显的变化，老板们越来越喜欢波动大的策略了，毕竟邢大的名言“波越大越舒服”（手动狗头），再加上各路游资加入分享会和大盘9月后的连板持续明显的连板赚钱效应，怎么做龙头和打板在群里也是不断的被讨论，2024.9.24后市场久违的热情再次被点燃每天一字板的数量同样暴增，对于已经开通QMT权限的老板们是否能够借助QMT的优势提高隔夜抢板的优势，本文就和大家一起探讨一下。

通过以上各轮牛市的比较，可以发现不同阶段市场风格与表现领先的因子以及行业其实不尽相同，这也和宏观经济所处的状态不同以及推动牛市背后的逻辑不同有关。但大致上个人认为，对于牛市三阶段的划分法，还是有比较充足的证据可以支撑的。1.牛市的初期。因市场长期超跌，在启动时市场大幅买入低估值股票，大多数股票无差别上涨。低估值以及弹性更好的规模（小市值）因子占优。2.牛市的中期。随着市场估值回升，价值因子作用减弱，行情开始出现分化。市场开始偏好财务质量好，预期高，以及市场情绪好的股票。盈利、红利和低波因子占优；

unfi爆仓的风险主要来源于空头，而空单会形成的原因主要就是来自于这根K线↓，单小时跌了26%，在当时的截面上可以说是跌的遥遥领先，对于动量策略来说，会追进去是再正常不过的事情。很多时候我们需要问问自己，来加密市场追求的是什么？上面聊的5个角度，包括其中的一些细则，其实都是对不同概率事件的探讨，而我们则需要去判断不同概率下盈利和亏损的空间如何，以此去部署应对的方法。快的老板可能在这根K线后就追进去了，稍微慢点的可能晚一点，但无论如何，从动量策略的角度而言，之后去空UNFI是一件很正常的事情。

搞量化交易离不开因子，目前分享会的因子有成百上千个。面对如此多的因子，一直有个困惑：如何读懂大佬的优秀因子？如何构造自己的优秀因子？这篇文章结合前人的经验，对因子结构进行总结，分为三个部分：因子基本结构；因子构造方法；因子拆解案例；

第一组的收益越高越好，最后一组收益越低越好，如果最终的分箱测试结果是单调的，则说明因子和收益的单调关系在测试时间段内是是稳健的。如果一个因子的IC值随着时间滞后期数的增加而迅速下降，这表明因子的预测能力具有较短的时效性。IC分为NORMAL_IC和RANK_IC两种，一般说的IC指的是NORMAL_IC。IC代表因子和收益之间的相关性，通常用于评价因子预测能力，IC绝对值越大，表示预测能力越好，即选股能力越强。IR兼顾因子选股能力（由IC代表）和因子选股能力的稳定性（由IC的标准差的倒数代表）。

这篇复盘中，我们研究了指数在发生了暴涨之后，指数在接下来发生了什么。2.【历史复盘二】策略在指数暴涨之后会发生什么？在这篇复盘中，我们研究了策略在整个牛市中的表现和指数之间的关系的比较。然后我们在这篇复盘中，我们来研究各种指数（HS300，中证500，中证1000，中证2000和创业板在之前的几个牛市的表现），并且分析下他们在大小盘之间的切换过程和市场偏好。

可以发现，在指数出现了短期的拉伸之后，一定会出现长时间（100天-500天）的宽幅震荡（8%-16%之间）。我们无法预测未来，但是我们可以尝试复盘，看看过去几次的历史，从而去为未来的交易做好准备。可以发现这段时间涨了12个交易日涨幅为29%，18%为振幅的情况下持续90天。当然这次可能有，可能没有，一切都可能变化，希望大家为未来的宽幅震荡做好准备。31个交易日涨了27%，之后有15%个点的振幅的宽幅震荡。19个交易日的24个点的涨幅，出现了116天8个点的宽幅震荡。振幅在12个点附近，并且持续时长87天。

之前跟朋友吹牛逼说这个策略0回撤，其实不是的哈，净值随着定投波动，怎么样都会发生整体净值下降的情况，胜率倒是无限接近100%，就是收益不咋地，也不知道资金容量有多大。（需要说明的一点，这个策略最好是能万一免五，五块钱在五万的本金面前，累计数千次的交易也还是一笔不小的数字）我自己查了下收益率反而降低的原因，加仓购买最终成本是3.21，固定100份成本是3.25，卖出价都是3.62实际上并没有拉出差异....不过至少可以确定一件事，如果策略可行，用QMT跑着就当捡漏，搭配货币基金旱涝保收。

最优的结果应当是：检验得到2020年8月-2022年8月的协整关系是存在的，而其他周期的协整关系并不明显，所以根据协整关系择时能获得最优的策略表现。4、策略表现周期，可以看到，无论是在哪种策略，表现最良好的阶段都是2020年8月至2022年8月之间，从当时的行情来看，市场正在经历”双顶“时期的行情，LTC与LINK币的表现却在如此巨大的振幅下如此相关。可以发现，在2019年的前三季度，LTC和LINK的价差虽然走势相似，但是其涨跌幅度大相径庭，在后续的协整关系检验中，应当更加关注。

首先我们先定义不会改变的东西是什么，我认为是每一份成交的相对速度，如果某根k线放量成交，这跟k线的时间轴应该被我们变长去分析，即这跟k线如果价格发生上涨，我们可以提前捕捉放量信息（需要盘中实时计算），在k线没有结束的时候就可以买入。我们可以改变时间轴，从而重构量价时空。双均线系统有一个天然的问题，就是买入滞后性，尤其是等k线走完了，买入即高点的尴尬局面，那么有没有好的方法解决呢。其次，我认为，在新的坐标系中，时间也该是相对的，成交量是绝对的，所以我们rolling的不应该是时间窗口，而是成交量的绝对值！

大家关心的是，被ST后连续跌停，然后跌停打开之后，我什么时候应该卖出去？统计找到ST股票跌停打开之后，持有1-10个交易日收益率，如下表所示（收益率是按照收盘价与第一天的开盘价之间的差距计算的）。有人说，我持有一天卖出后还可以买其他股票，其他股票的收益是否会大于我多持有ST股票的收益？前一天还是正常，停盘一天之后，变成ST的股票，往往会在变成ST的那天跌停没法卖出，甚至后面还继续跌停。那么变成ST之后，统计结果看，到底第几天才能卖出去呢？变成ST之后结束跌停后就卖出的话，卖出去的时候已经跌了多少了呢？

假设你和Jack是不分你我的自家兄弟，Jack的净值曲线加上你的净值曲线可以得到你们的兄弟净值，也可以算出你们的兄弟回撤。”我们可以想象成有一位网格交易员Jack，他长期看涨你的策略，相信你的策略可以收复一切回撤，他选择你的策略作为标的，越跌越买，回到前高就落袋为安。随后十几天，回撤有所收复，但一直没有回到0，Jack没有选择卖出，他的原则是”相信你的策略可以战胜一切回撤，只有回到前高才卖出“。约第1075天，策略在一波连续上涨后，收复失地，回撤回到0，Jack卖出他所有的持仓，这50天他获利约8%。

而因子值大则表示该股票在过去一段时间日超额收益大于3%的天数比较多，并且出现的时间也近，因子这样的票比较容易受到投资者关注，这种股票在短期内取得高收益的机会大，投机性需求较高，往往被给予相对高的定价，同时有着更低的预期回报。相反，过去一段时间日超额收益大于3%的天数越少，其并没有过多地受到投资者的关注，价格处于相对低估状态，从而有着更高的预期回报。另外，在实际投资中，人们更倾向于关注最近的事件，于是近期的收益情况应该比更远的收益情况对投资者预期形成发挥更大的作用。M表示回看天数，u为阈值，这两个都是参数。