知识库

本文介绍一种股票筛选策略，使用从公司10-K和10-Q申报文件计算的语言指标。词汇丰富度反映词汇多样性，词汇密度衡量承载信息的语言所占比例，特定密度则体现金融相关术语的集中程度。文中介绍的数据集跟踪数千只US股票的这些指标。策略按词汇密度和特定密度对交易最活跃的500只US股票排序，买入排名最高的十分之一，卖空排名最低的十分之一，并按月再平衡。…

该策略利用SEC 13F持仓披露，识别主动型共同基金经理似乎最看好的股票。策略建议先确定主动型经理范围，再挑选每位经理持仓最集中或信心最高的股票，随后投资于多位经理都视为优选的股票。其依据是，经理可能具备有效的选股能力，而分散投资组合会稀释其最强判断的影响。…

本文介绍了如何将学术金融研究转化为系统化策略摘要。策略按市场和主题分类，涵盖交易规则、再平衡安排、绩效与风险特征以及研究文献引用。所述用途包括筛选思路、比较相关策略，以及评估多资产投资组合中的策略组合。…

本文介绍了如何将学术金融研究转化为系统化策略摘要。策略按市场和主题分类，涵盖交易规则、再平衡安排、绩效与风险特征以及研究文献引用。所述用途包括筛选思路、比较相关策略，以及评估多资产投资组合中的策略组合。…

本文介绍了如何将学术金融研究转化为系统化策略摘要。策略按市场和主题分类，涵盖交易规则、再平衡安排、绩效与风险特征以及研究文献引用。所述用途包括筛选思路、比较相关策略，以及评估多资产投资组合中的策略组合。…

本文介绍了如何将学术金融研究转化为系统化策略摘要。策略按市场和主题分类，涵盖交易规则、再平衡安排、绩效与风险特征以及研究文献引用。所述用途包括筛选思路、比较相关策略，以及评估多资产投资组合中的策略组合。…

本文介绍一种按季度调仓、仅做多的 US 股票策略，设计参考了一只价值型 ETF。策略从 NYSE 股票开始，剔除金融公司、ADR 和 REIT，然后根据 90 日平均成交额筛选流动性。在符合条件的股票中，按 EV/EBIT 选出估值最低的十分之一，剔除 EBIT 为负的公司，再保留 Piotroski F 分数最高的一半。持仓采用等权配置，并按季度再平衡。…

该筛选将日振幅至少为1、最近五年每年净资产收益率均高于15%，以及连续三天下跌作为条件。它将历史盈利能力筛选与短期价格形态结合起来。文章提供了指标和Python示例，但没有提供回测、结果或证明这一组合能改善回报的证据。 文中说明了若干注意事项，包括依赖过去的表现、可能因未能及时应对变化而反应过迟，以及未考虑经济或政治影响。文章建议考虑成交量、市值、其他技术指标和仓位控制。示例对ROE时间范围的表达也不一致，因此使用前应核实实现细节；该筛选本身没有规定入场、退出或投资组合规则。

这份研究摘要从成分股供应链的角度考察创业板 50 指数，指出仅看行业权重会忽略科技企业与供应商及客户之间的联系。摘要称，该指数集中于科技行业，医疗保健也占有显著地位，成分公司涉及许多概念领域，包括 5G 和电动汽车。报告还指出，科技是供应商和下游客户中占比最大的行业，并称该指数成分股在全球生产网络中发挥重要作用。 两个公司案例用于说明这一观点：电池制造商 CATL 和移动天线供应商 Sunway…

本文通过 StockRanker 介绍用于量化选股的监督式机器学习方法。该方法预测未来收益并对股票进行排名。文章概述了工作流程：定义并标记收益目标，将观测数据划分为训练集和测试集，构建特征，拟合模型，生成预测，并根据排名回测策略。文章强调，选择特征时需要金融知识，因为特征会显著影响模型和策略表现。…

本教程概述使用 Moonshot 开发并回测日终横截面动量策略的工作流程。流程从收集每日历史股票数据和选择股票池开始，接着进行动量因子研究，并在 Moonshot 中实现策略。 后续阶段包括运行回测、扫描策略参数和调试策略。本文是对多个相关教程部分的概述，并未展示底层计算或回测结果。文中没有业绩结果、数据规格、交易成本或风险控制的详细信息，因此仅凭此概述无法评估这些方面。

本文介绍一种月度策略，将聪明贝塔因子组合与广泛的US股票市场代理组合相结合。策略使用基于大型US股票的五组因子收益率序列。对每个因子，策略衡量一个月和十二个月动量，按信号绝对强度排序，并依据排名分配带正负号的权重。因子配置中，快信号的权重高于慢信号。…

此笔记本构造人工价格和因子数据，以展示 Alphalens 所需的输入结构，并为因子分析提供可控环境。它为六种资产创建具有不同确定性走势的每日价格，在选定日期赋予因子值并设置缺失观测，还将资产映射到不同组别。随后，它将价格扩展为日内观测，并将因子时间戳与开盘时间对齐。 因子数据经过清理后，与多个期限的前瞻收益率配对，随后使用 Alphalens…