怎么用周线选股？相关资讯_叩富问财专题

对于量化投资的探索者而言，“数据”是一切策略得以确立的基石。然而，如果数据源本身在源头上就存在污染或者不完整，那么基于这些数据计算出来的所有回测报告都将变成美丽的谎言。在基本面因子选股策略以及小市值轮动策略的回测中，最容易让市场参与者掉入且不自知的深坑，就是大名鼎鼎的“幸存者偏差”（SurvivorshipBias）。幸存者偏差这一概念源于军事学，在股票量化领域的表现形式可以白描为：... 阅读全文

2026-6-16 09:59 632次浏览

QMT中的基本面数据获取：接入财务因子进行价值选股

张经理 _股票深圳已帮助7.6万+人好评553

纯技术指标的策略容易过拟合，加入基本面因子可以提高策略的稳健性。QMT本身不提供财务数据，但允许用户导入外部数据。本文介绍如何在QMT中接入财务因子，实现价值选股策略。第一步，获取财务数据。可以使用免费源如TusharePro、AkShare，或者付费数据服务。以Tushare为例，注册后获取token，通过Python脚本下载季度财务数据，包括PE、PB、ROE、营收增长率等。将这些数据保存为CSV文件，按日期分文件或单文件追加... 阅读全文

2026-5-18 15:37 535次浏览

如果策略以中低频基本面选股为主，选择QMT还是PTrade更合适？

小鹿量化经理 _股票三亚已帮助2.4万+人好评10

好的，这是一篇关于中低频基本面选股策略选择QMT还是PTrade更合适的“高赞风”文案：中低频基本面选股，QMTvsPTrade怎么选？避坑指南+选型建议，一篇搞定！脑子疼！想搞一个基于基本面分析、持股周期以周/月计的中低频选股策略，但面对券商提供的两大神器——QMT和PTrade，到底该抱哪条“大腿”更合适？别慌，今天就来一场“灵魂拷问”，帮你理清思路，做出... 阅读全文

2026-4-23 17:23 260次浏览

2026年QMT智能选股：利用机器学习进行涨跌预测

吴顾问 _股票宜宾已帮助24万+人好评493

随着人工智能技术的发展，2026年的量化交易已不再局限于传统的指标交叉。在QMT系统中，通过调用Python的Scikit-learn或TensorFlow库，普通投资者也可以尝试构建简单的机器学习模型，对股票的短期涨跌进行预测。机器学习选股的第一步是特征工程。在QMT的环境中，投资者可以提取过去120个交易日的成交量波动、价格形态、资金流向等作为输入特征。白描其逻辑：利用过去几年的历史数据训练一个随机森林（RandomFores... 阅读全文

2026-4-17 16:49 608次浏览

量化交易如何选股？白描基本面量化的逻辑路径

张经理 _股票深圳已帮助7.6万+人好评553

基本面量化是将传统的基本面分析逻辑进行标准化和量化处理的过程。它旨在从全市场5000多只股票中，客观筛选出具有真正投资价值的企业。其逻辑路径通常包括四个维度：1.盈利能力：如ROE（净资产收益率）持续多年维持在15%以上。2.成长潜力：考察扣非后归母净利润的增长率。3.财务安全：剔除资产负债率异常高或现金流长期为负的公司。4.估值水平：通过PE（市盈率）或PB（市净率）在行业内的分位点进行横向对比。基本面量化的白描价值在于... 阅读全文

2026-4-16 14:31 382次浏览

如何利用多因子模型进行选股？量化投资核心拆解

张经理 _股票深圳已帮助7.6万+人好评553

多因子模型是量化投资领域最经典、最稳健的分析框架。它的核心思想是：个股的超额收益可以由一系列共同的“因子”来解释。这些因子通常被分为几大类别：估值因子（如PE、PB）、动能因子（如近一月的涨幅）、成长因子（如净利润增长率）以及红利因子（如股息率）。在实际操作中，量化系统会给每个因子分配不同的权重，为全市场的股票打分，最后买入总分最高的股票组合。白描式地说，多因子模型不是在押注某一只“妖股... 阅读全文

2026-4-16 14:25 332次浏览

PTrade多因子选股模型构建指南：2026年实战版

张经理 _股票深圳已帮助7.6万+人好评553

在2026年的量化投资体系中，多因子模型是公认的超额收益来源。PTrade凭借其灵活的数据接口和回测引擎，为个人投资者构建属于自己的“量化实验室”提供了可能。构建多因子模型的第一步是“因子的挖掘与清洗”。投资者可以通过PTrade调取涵盖估值（PE、PS）、成长（净利润增长率）、动能（120日收益率）等维度的原始数据。通过简单的Python代码，可以对这些原始因子进行去极值、标准化处... 阅读全文

2026-4-14 15:13 458次浏览

多因子选股模型中的阿尔法因子和贝塔因子区别

量化张经理 _股票德阳已帮助16万+人好评1301

在量化投资的专业语境中，阿尔法（Alpha）和贝塔（Beta）是两个衡量收益来源的核心指标。理解这两者的区别，是构建多因子量化模型的第一步。简单来说，贝塔代表的是“随大流”的收益，而阿尔法则是“跑赢大盘”的超额收益。贝塔收益反映的是投资组合对市场整体波动的敏感度。如果你买入一个沪深300指数基金，其贝塔值通常接近1。这意味着当大盘上涨10%时，你的组合也会上涨约10%；同理，大盘下跌... 阅读全文

2026-4-10 09:43 776次浏览