# 4.11 FPC • FPC 指标选股
> 来源：https://uqer.io/community/share/55a4bcb4f9f06c6dd1e17f19
```py
import pandas as pd
fields = ['tradeDate', 'secID', 'OperatingProfitRatio', 'ROE', 'InventoryTRate', 'ARTRate', 'TotalAssetsTRate', 'OperatingRevenueGrowRate', 'OperatingProfitGrowRate', 'NetProfitGrowRate', 'NetAssetGrowRate', 'DebtsAssetRatio', 'CurrentRatio', 'QuickRatio']
weights = [15.0, 20.0, 0.07, 0.07, 0.06, 8.0, 8.0, 8.0, 8.0, 0.07, 0.07, 0.07]
def FPCCalculator(x):
sumRes = 0
for name, weight in zip(fields[2:], weights):
sumRes += x[name] * weight
return sumRes
start = '2011-01-01' # 回测起始时间
end = '2015-01-01' # 回测结束时间
benchmark = 'HS300' # 策略参考标准
universe = set_universe('HS300', start) # 证券池，回测支持股票和基金
capital_base = 100000000 # 起始资金
refresh_rate = 60 # 调仓频率，即每 refresh_rate 个交易日执行一次 handle_data() 函数
def initialize(account): # 初始化虚拟账户状态
pass
def handle_data(account): # 每个交易日的买入卖出指令
hist = account.get_attribute_history('closePrice',1)
print account.current_date
today = account.current_date
cal = Calendar('China.SSE')
referenceDate = cal.advanceDate(today, '-1b', BizDayConvention.Preceding).strftime('%Y%m%d')
res = pd.DataFrame()
for stock in account.universe:
data = DataAPI.MktStockFactorsDateRangeGet(secID=stock, beginDate=referenceDate, endDate=referenceDate, field=fields)
res = res.append(data.dropna())
res = res.reset_index(drop=True)
res = res.set_index('secID')
ind = DataAPI.EquIndustryGet(secID=res.index.values, industryVersionCD='010303', intoDate=referenceDate)
ind = ind.set_index('secID')
res['industry'] = ind.industryName1
res['score'] = res.apply(FPCCalculator, 1)
grouped = res[['industry', 'score']].groupby('industry')
buyList = []
# 只选行业中股票个数大于5个行业分类
for key, group in grouped:
if len(group) >= 5:
group['score'] = group['score'] - group['score'].mean()
group = group.sort('score', ascending=False)
buyList.append((key, group.index[0], group.score[0]))
# 先卖出
for stock in account.valid_secpos:
order_to(stock, 0)
# 再买入
totalValue = account.referencePortfolioValue
cashForEachStock = totalValue / (len(buyList) + 1)
for key, name, score in buyList:
amount = int(cashForEachStock / hist[name] / 100) * 100
print "{0:<20s}: {1:s}, {2:f}, {3:d}".format(key, name, score, amount)
order(name, amount)
```
```
2011-01-05 00:00:00
交运设备 : 600418.XSHG, 277.876645, 640800
交通运输 : 600350.XSHG, 33.614389, 1559300
信息服务 : 600271.XSHG, 19.515397, 249400
公用事业 : 600863.XSHG, 261.666837, 1671100
农林牧渔 : 000061.XSHE, 15.004222, 658100
化工 : 000422.XSHE, 187.995211, 475200
医药生物 : 002007.XSHE, 67.818000, 135500
商业贸易 : 002024.XSHE, 12.686739, 495900
家用电器 : 000651.XSHE, 6.061078, 822600
建筑建材 : 600528.XSHG, 33.795187, 709800
房地产 : 600266.XSHG, 44.695256, 637600
有色金属 : 600547.XSHG, 417.523861, 120400
机械设备 : 000039.XSHE, 35.414604, 295900
采掘 : 000933.XSHE, 46.406670, 398200
食品饮料 : 000858.XSHE, 19.308545, 203000
2011-04-08 00:00:00
交运设备 : 000927.XSHE, 128.086565, 783700
交通运输 : 601111.XSHG, 40.021770, 609200
信息服务 : 600271.XSHG, 18.897618, 284900
公用事业 : 600863.XSHG, 264.298228, 1622300
农林牧渔 : 000061.XSHE, 15.004222, 649600
化工 : 000422.XSHE, 11.132274, 421800
医药生物 : 600216.XSHG, 15.584448, 335300
商业贸易 : 002024.XSHE, 10.290995, 481100
家用电器 : 000651.XSHE, 5.837902, 623700
建筑建材 : 601117.XSHG, 19.892445, 838900
房地产 : 000897.XSHE, 32.173353, 1113200
有色金属 : 600547.XSHG, 949.914380, 118200
机械设备 : 000157.XSHE, 30.560292, 526900
采掘 : 600188.XSHG, 19.870549, 179800
钢铁 : 000709.XSHE, 130.212328, 1520200
食品饮料 : 600300.XSHG, 100.285020, 1076800
2011-07-05 00:00:00
交运设备 : 600104.XSHG, 30.278670, 359900
交通运输 : 600029.XSHG, 159.996161, 804300
信息服务 : 600271.XSHG, 18.554824, 256400
公用事业 : 600900.XSHG, 30.288765, 964700
农林牧渔 : 000876.XSHE, 16.770247, 314800
化工 : 000059.XSHE, 52.574421, 440800
医药生物 : 600518.XSHG, 14.594103, 904600
商业贸易 : 002024.XSHE, 10.591486, 474500
家用电器 : 000651.XSHE, 10.057383, 595800
建筑建材 : 600585.XSHG, 19.600357, 231400
房地产 : 000631.XSHE, 40.536041, 1370900
有色金属 : 600111.XSHG, 109.240872, 255400
机械设备 : 000039.XSHE, 57.594695, 290000
采掘 : 601001.XSHG, 15.730951, 350000
钢铁 : 600516.XSHG, 407.299490, 551700
食品饮料 : 600132.XSHG, 17.648762, 105700
2011-09-28 00:00:00
交运设备 : 600104.XSHG, 21.918292, 381800
交通运输 : 600221.XSHG, 63.193351, 1851600
信息服务 : 600271.XSHG, 14.206672, 211700
公用事业 : 600674.XSHG, 25.243519, 1662700
农林牧渔 : 000876.XSHE, 24.967820, 279200
化工 : 000059.XSHE, 25.787124, 568800
医药生物 : 600518.XSHG, 15.576307, 793800
商业贸易 : 002024.XSHE, 8.403357, 528100
家用电器 : 000651.XSHE, 9.330746, 631900
建筑建材 : 600585.XSHG, 306.156492, 316400
房地产 : 000631.XSHE, 31.578629, 1362600
有色金属 : 600111.XSHG, 200.004115, 290700
机械设备 : 000039.XSHE, 53.399231, 348500
采掘 : 600188.XSHG, 28.178807, 194500
钢铁 : 000898.XSHE, 2738.223747, 1032200
食品饮料 : 600809.XSHG, 18.768502, 156500
2011-12-28 00:00:00
交运设备 : 600104.XSHG, 17.063323, 385900
交通运输 : 000089.XSHE, 35.753107, 1126000
信息服务 : 600588.XSHG, 14.781967, 473400
公用事业 : 000685.XSHE, 46.858354, 805300
农林牧渔 : 000876.XSHE, 26.901091, 281600
化工 : 000422.XSHE, 26.961147, 393900
医药生物 : 600518.XSHG, 16.171002, 839200
商业贸易 : 600694.XSHG, 34.616035, 158900
建筑建材 : 600585.XSHG, 34.849863, 325600
房地产 : 000631.XSHE, 36.914683, 1842100
有色金属 : 000807.XSHE, 263.555174, 958000
机械设备 : 600031.XSHG, 29.957499, 410900
采掘 : 601001.XSHG, 12.862060, 383400
钢铁 : 600307.XSHG, 26.649657, 1276300
食品饮料 : 600300.XSHG, 25.273663, 1180800
2012-03-30 00:00:00
交运设备 : 600104.XSHG, 18.909886, 426800
交通运输 : 000089.XSHE, 35.166259, 1278400
信息服务 : 600271.XSHG, 16.981212, 314400
公用事业 : 000685.XSHE, 48.707469, 871200
化工 : 000422.XSHE, 28.601842, 413000
医药生物 : 600518.XSHG, 15.576615, 867900
商业贸易 : 600694.XSHG, 32.895471, 212700
建筑建材 : 600585.XSHG, 20.132624, 371300
房地产 : 000402.XSHE, 36.743106, 936400
有色金属 : 000612.XSHE, 3797.404448, 760600
机械设备 : 600031.XSHG, 27.121428, 466400
采掘 : 601001.XSHG, 11.694587, 432800
钢铁 : 600010.XSHG, 81.043473, 1722100
食品饮料 : 600300.XSHG, 24.462883, 813200
2012-07-02 00:00:00
交运设备 : 600066.XSHG, 28.154927, 670000
交通运输 : 000089.XSHE, 39.622036, 1276300
信息服务 : 600588.XSHG, 34.751230, 504100
公用事业 : 000685.XSHE, 35.456503, 856900
化工 : 600251.XSHG, 24.002774, 567000
医药生物 : 600196.XSHG, 14.593144, 512900
商业贸易 : 600694.XSHG, 17.596119, 168100
家用电器 : 000100.XSHE, 162.404051, 2648600
建筑建材 : 600585.XSHG, 22.135445, 368200
房地产 : 600663.XSHG, 59.464286, 431300
有色金属 : 600456.XSHG, 186.015637, 274800
机械设备 : 600031.XSHG, 28.231175, 399400
采掘 : 600123.XSHG, 8.183554, 307700
钢铁 : 600307.XSHG, 31.022309, 1541900
食品饮料 : 600519.XSHG, 23.296690, 25300
2012-09-24 00:00:00
交运设备 : 600150.XSHG, 86.708491, 234500
交通运输 : 000089.XSHE, 39.383480, 1313100
信息服务 : 600271.XSHG, 80.422510, 337800
公用事业 : 000685.XSHE, 35.061598, 963300
化工 : 000422.XSHE, 20.686581, 413900
医药生物 : 600518.XSHG, 18.695275, 634200
商业贸易 : 600694.XSHG, 34.618859, 136600
家用电器 : 000651.XSHE, 14.583746, 537700
建筑建材 : 601117.XSHG, 11.177778, 773300
房地产 : 000046.XSHE, 907.969889, 1432000
有色金属 : 600456.XSHG, 57.602414, 290200
机械设备 : 000157.XSHE, 27.342064, 635600
采掘 : 600123.XSHG, 9.754217, 290300
钢铁 : 000825.XSHE, 43.268790, 1516400
食品饮料 : 002304.XSHE, 19.892648, 63800
2012-12-24 00:00:00
交运设备 : 600066.XSHG, 26.100632, 614600
交通运输 : 601107.XSHG, 116.863379, 1556200
信息服务 : 600271.XSHG, 48.157093, 378300
公用事业 : 600008.XSHG, 58.545444, 1219100
化工 : 000422.XSHE, 16.611969, 460200
医药生物 : 600518.XSHG, 25.176992, 777700
商业贸易 : 600694.XSHG, 24.983091, 170800
家用电器 : 000651.XSHE, 18.691066, 433900
建筑建材 : 601117.XSHG, 15.471286, 647900
房地产 : 600895.XSHG, 294.473466, 754600
有色金属 : 601899.XSHG, 147.629408, 1435300
机械设备 : 600312.XSHG, 325.920975, 680700
采掘 : 600123.XSHG, 9.751122, 266000
钢铁 : 000825.XSHE, 88.335062, 1438800
食品饮料 : 600519.XSHG, 21.102387, 25900
2013-03-28 00:00:00
交运设备 : 600150.XSHG, 38.141684, 255100
交通运输 : 601107.XSHG, 124.017399, 1667100
信息服务 : 600271.XSHG, 37.765484, 379400
公用事业 : 600011.XSHG, 70.219799, 848200
农林牧渔 : 000876.XSHE, 126.213409, 422400
化工 : 600309.XSHG, 20.922440, 309400
医药生物 : 600518.XSHG, 23.752800, 585800
商业贸易 : 002024.XSHE, 17.212139, 796100
家用电器 : 000651.XSHE, 17.939662, 408700
建筑建材 : 601117.XSHG, 15.867114, 552900
房地产 : 600895.XSHG, 294.490930, 811000
有色金属 : 601899.XSHG, 144.656562, 1639000
机械设备 : 600312.XSHG, 304.909865, 581300
采掘 : 600583.XSHG, 55.129969, 802800
钢铁 : 000825.XSHE, 123.683741, 1554900
食品饮料 : 600519.XSHG, 21.180904, 36000
2013-07-02 00:00:00
交运设备 : 000625.XSHE, 114.535214, 552700
交通运输 : 000089.XSHE, 41.398885, 1385600
信息服务 : 600804.XSHG, 7.150407, 422300
公用事业 : 601139.XSHG, 271.722329, 581200
化工 : 600309.XSHG, 34.933967, 311000
医药生物 : 600518.XSHG, 8.240444, 498800
商业贸易 : 600694.XSHG, 25.571651, 184100
家用电器 : 000651.XSHE, 11.454882, 447500
建筑建材 : 601668.XSHG, 20.426365, 1637400
房地产 : 000046.XSHE, 35.341020, 1079900
有色金属 : 601899.XSHG, 139.891359, 2220300
机械设备 : 600312.XSHG, 97.669502, 512400
采掘 : 600583.XSHG, 33.244083, 748900
钢铁 : 600019.XSHG, 93.875140, 1296600
食品饮料 : 000895.XSHE, 17.037947, 193200
2013-09-26 00:00:00
交运设备 : 000625.XSHE, 142.122140, 558000
交通运输 : 000089.XSHE, 44.337186, 1395800
信息服务 : 600804.XSHG, 13.150377, 303700
公用事业 : 600886.XSHG, 36.863455, 1607000
化工 : 600309.XSHG, 25.442594, 367000
医药生物 : 600196.XSHG, 11.686152, 438500
商业贸易 : 600655.XSHG, 6.632367, 651100
建筑建材 : 600528.XSHG, 25.614124, 1033400
房地产 : 002244.XSHE, 48.302567, 1420900
有色金属 : 600489.XSHG, 876.140851, 584300
机械设备 : 600312.XSHG, 118.116765, 585800
采掘 : 600583.XSHG, 36.158939, 793600
钢铁 : 000825.XSHE, 10.851036, 2157800
食品饮料 : 600519.XSHG, 13.133058, 47600
2013-12-26 00:00:00
交运设备 : 000625.XSHE, 89.622325, 495200
交通运输 : 000089.XSHE, 41.127229, 1326900
信息服务 : 600804.XSHG, 18.757929, 406600
公用事业 : 600027.XSHG, 111.988911, 2078600
化工 : 600352.XSHG, 27.120396, 908000
医药生物 : 600161.XSHG, 20.161769, 262600
商业贸易 : 600500.XSHG, 9.151041, 810200
建筑建材 : 600585.XSHG, 40.048519, 347000
房地产 : 000046.XSHE, 31.540756, 1305800
有色金属 : 600497.XSHG, 26.848059, 602300
机械设备 : 600312.XSHG, 49.129871, 573500
采掘 : 600583.XSHG, 38.696328, 755100
钢铁 : 000825.XSHE, 1.620364, 2231100
食品饮料 : 600519.XSHG, 15.203512, 50900
2014-03-28 00:00:00
交通运输 : 000089.XSHE, 57.025247, 1288900
公用事业 : 600886.XSHG, 29.920482, 1177500
化工 : 600352.XSHG, 34.851128, 663100
医药生物 : 600664.XSHG, 8.847229, 861800
商业贸易 : 600694.XSHG, 10.188886, 203400
国防军工 : 000768.XSHE, 15.368459, 584700
建筑装饰 : 600820.XSHG, 47.412512, 994900
房地产 : 000046.XSHE, 38.909941, 1148300
有色金属 : 600497.XSHG, 28.310791, 573100
机械设备 : 600835.XSHG, 16.508934, 257400
汽车 : 000625.XSHE, 86.397775, 552900
电气设备 : 600312.XSHG, 35.927563, 402100
计算机 : 600100.XSHG, 8.826704, 530600
采掘 : 600583.XSHG, 58.070124, 669400
钢铁 : 000825.XSHE, 1.617123, 2131300
食品饮料 : 600519.XSHG, 16.279505, 35700
2014-06-26 00:00:00
交通运输 : 000089.XSHE, 37.823741, 1315200
公用事业 : 600674.XSHG, 34.934140, 842600
化工 : 600352.XSHG, 29.599356, 680000
医药生物 : 002007.XSHE, 15.935101, 196000
商业贸易 : 000061.XSHE, 858.871568, 512100
国防军工 : 600118.XSHG, 6.488620, 284900
家用电器 : 600839.XSHG, 71.112703, 1583000
建筑装饰 : 601186.XSHG, 8.365248, 1104900
房地产 : 600239.XSHG, 564.094438, 1540200
有色金属 : 600111.XSHG, 29.080872, 375500
机械设备 : 000528.XSHE, 15.807318, 841400
汽车 : 000951.XSHE, 1596.494204, 421700
电气设备 : 002202.XSHE, 12.785842, 534100
计算机 : 000021.XSHE, 14.081832, 839100
采掘 : 600583.XSHG, 48.024740, 672600
钢铁 : 601003.XSHG, 28.696162, 2283900
食品饮料 : 600519.XSHG, 22.505981, 34000
2014-09-19 00:00:00
交通运输 : 000089.XSHE, 37.736841, 1403600
公用事业 : 600674.XSHG, 25.079282, 787100
化工 : 600688.XSHG, 188.636319, 1673400
医药生物 : 000623.XSHE, 17.549571, 363500
商业贸易 : 000061.XSHE, 123.977950, 555100
国防军工 : 600118.XSHG, 6.782743, 273900
建筑装饰 : 601186.XSHG, 5.159384, 1216400
房地产 : 600239.XSHG, 6068.206329, 1379400
有色金属 : 000969.XSHE, 46.723918, 616600
机械设备 : 000039.XSHE, 14.453034, 414400
汽车 : 000625.XSHE, 25.819080, 486400
电气设备 : 002202.XSHE, 33.252376, 570900
计算机 : 000021.XSHE, 36.036769, 946700
采掘 : 601001.XSHG, 52.806971, 961500
钢铁 : 600005.XSHG, 40.192879, 2705800
食品饮料 : 600519.XSHG, 26.104634, 39300
2014-12-19 00:00:00
交通运输 : 000089.XSHE, 27.584352, 1245200
公用事业 : 600674.XSHG, 53.839932, 800900
化工 : 600352.XSHG, 40.059302, 891300
医药生物 : 000623.XSHE, 15.455563, 234000
商业贸易 : 000061.XSHE, 52.779162, 640700
国防军工 : 600879.XSHG, 3.075249, 484500
家用电器 : 000100.XSHE, 9.096006, 2101200
建筑装饰 : 600068.XSHG, 6.882331, 929000
房地产 : 600239.XSHG, 67.767563, 1517300
有色金属 : 601168.XSHG, 132.989485, 894800
机械设备 : 000039.XSHE, 19.252980, 348100
汽车 : 000625.XSHE, 21.574376, 476200
电气设备 : 002202.XSHE, 47.553600, 613000
计算机 : 600588.XSHG, 10.384352, 336200
采掘 : 600583.XSHG, 41.950386, 818900
钢铁 : 600005.XSHG, 46.425391, 2349100
食品饮料 : 600132.XSHG, 30.739120, 472600
```
- Python 量化交易教程
- 第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天：谁来给我讲讲Python？】
- 量化分析师的Python日记【第2天：再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天：一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天：一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天：数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天：数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天：Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天：量化入门进阶之葵花宝典：因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天：如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天：如何在优矿上搞一个wealthfront出来】
- 第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha对冲策略——观《量化分析师Python日记第14天》有感
- 熔断不要怕， alpha model 为你保驾护航！
- 寻找 alpha 之: alpha 设计
- 1.2 基本面因子选股
- Porfolio（现金比率+负债现金+现金保障倍数）+市盈率
- ROE选股指标
- 成交量因子
- ROIC&cashROIC
- 【国信金工】资产周转率选股模型
- 【基本面指标】Cash Cow
- 量化因子选股——净利润／营业总收入
- 营业收入增长率+市盈率
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）
- 技术分析入门 【2】 —— 大家抢筹码（06年至12年版）— 更新版
- 谁是中国A股最有钱的自然人
- 1.5 宏观研究
- 【干货包邮】手把手教你做宏观择时
- 宏观研究：从估值角度看当前市场
- 追寻“国家队”的足迹
- 二 套利
- 2.1 配对交易
- HS300ETF套利（上）
- 【统计套利】配对交易
- 相似公司股票搬砖
- Paired trading
- 2.2 期现套利 • 通过股指期货的期现差与 ETF 对冲套利
- 三 事件驱动
- 3.1 盈利预增
- 盈利预增事件
- 事件驱动策略示例——盈利预增
- 3.2 分析师推荐 • 分析师的金手指？
- 3.3 牛熊转换
- 历史总是相似 牛市还在延续
- 历史总是相似 牛市已经见顶？
- 3.4 熔断机制 • 股海拾贝之 [熔断错杀股]
- 3.5 暴涨暴跌 • [实盘感悟] 遇上暴跌我该怎么做？
- 3.6 兼并重组、举牌收购 • 宝万战-大戏开幕
- 四 技术分析
- 4.1 布林带
- 布林带交易策略
- 布林带回调系统-日内
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均线系统
- 技术分析入门 —— 双均线策略
- 5日线10日线交易策略
- 用5日均线和10日均线进行判断 --- 改进版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑异同移动平均线方法
- 4.4 阿隆指标 • 技术指标阿隆（ Aroon ）全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 重写 rsi
- RSI指标策略
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- CMO 策略模仿练习 1
- CMO策略模仿练习2
- [技术指标] CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 嘉庆离散指标测试
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 按照封单跟流通股本比例排序，剔除6月上市新股，前50
- 涨停股票封单统计
- 实时计算涨停板股票的封单资金与总流通市值的比例
- 4.15 成交量 • 决战之地， IF1507 ！
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- Momentum策略
- 【小散学量化】-2-动量模型的简单实践
- 一个追涨的策略(修正版)
- 动量策略（momentum driven）
- 动量策略（momentum driven）——修正版
- 最经典的Momentum和Contrarian在中国市场的测试
- 最经典的Momentum和Contrarian在中国市场的测试-yanheven改进
- ［策略］基于胜率的趋势交易策略
- 策略探讨（更新）：价量结合+动量反转
- 反向动量策略（reverse momentum driven）
- 轻松跑赢大盘 - 主题Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面选股系统：Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR预测股票开盘价 v1.0
- 5.4 决策树、随机树
- 决策树模型（固定模型）
- 基于Random Forest的决策策略
- 5.5 钟摆理论 · 钟摆理论的简单实现——完美躲过股灾和精准抄底
- 5.6 海龟模型
- simple turtle
- 侠之大者 一起赚钱
- 5.7 5217 策略 · 白龙马的新手策略
- 5.8 SMIA · 基于历史状态空间相似性匹配的行业配置 SMIA 模型—取交集
- 5.9 神经网络
- 神经网络交易的训练部分
- 通过神经网络进行交易
- 5.10 PAMR · PAMR ： 基于均值反转的投资组合选择策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假说， Hurst 指数 · 分形市场假说，一个听起来很美的假说
- 5.13 变点理论 · 变点策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用债风险模型初探之：Z-Score Model
- user-defined package
- 5.15 机器学习 · Machine Learning 学习笔记（一） by OTreeWEN
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 今天大盘熔断大跌，后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之谜——对数周期幂率（LPPL）模型
- 六 大数据模型
- 6.1 市场情绪分析
- 通联情绪指标策略
- 互联网+量化投资 大数据指数手把手
- 6.2 新闻热点
- 如何使用优矿之“新闻热点”？
- 技术分析【3】—— 众星拱月，众口铄金?
- 七 排名选股系统
- 7.1 小市值投资法
- 学习笔记：可模拟（小市值+便宜 的修改版）
- 市值最小300指数
- 流通市值最小股票（新筛选器版）
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊驼策略
- 羊驼策略
- 羊驼反转策略（修改版）
- 羊驼反转策略
- 我的羊驼策略，选5只股无脑轮替
- 7.3 低价策略
- 专捡便宜货(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 轮动模型
- 8.1 大小盘轮动 · 新手上路 -- 二八ETF择时轮动策略2.0
- 8.2 季节性策略
- Halloween Cycle
- Halloween cycle 2
- 夏买电，东买煤？
- 历史的十一月板块涨幅
- 8.3 行业轮动
- 银行股轮动
- 申万二级行业在最近1年、3个月、5个交易日的涨幅统计
- 8.4 主题轮动
- 快速研究主题神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板块异动类
- 风险因子（离散类）
- 8.5 龙头轮动
- Competitive Securities
- Market Competitiveness
- 主题龙头类
- 九 组合投资
- 9.1 指数跟踪 · [策略] 指数跟踪低成本建仓策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸优化 · 如何在 Python 中利用 CVXOPT 求解二次规划问题
- 十 波动率
- 10.1 波动率选股 · 风平浪静 风起猪飞
- 10.2 波动率择时
- 基于 VIX 指数的择时策略
- 简单低波动率指数
- 10.3 Arch/Garch 模型 · 如何使用优矿进行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高频交易
- 12.1 order book 分析 · 基于高频 limit order book 数据的短程价格方向预测—— via multi-class SVM
- 12.2 日内交易 · 大盘日内走势 (for 择时)
- 十三 Alternative Strategy
- 13.1 易经、传统文化 · 老黄历诊股
- 第三部分 基金、利率互换、固定收益类
- 一 分级基金
- “优矿”集思录——分级基金专题
- 基于期权定价的分级基金交易策略
- 基于期权定价的兴全合润基金交易策略
- 二 基金分析
- Alpha 基金“黑天鹅事件” -- 思考以及原因
- 三 债券
- 债券报价中的小陷阱
- 四 利率互换
- Swap Curve Construction
- 中国 Repo 7D 互换的例子
- 第四部分 衍生品相关
- 一 期权数据
- 如何获取期权市场数据快照
- 期权高频数据准备
- 二 期权系列
- [ 50ETF 期权] 1. 历史成交持仓和 PCR 数据
- 【50ETF期权】 2. 历史波动率
- 【50ETF期权】 3. 中国波指 iVIX
- 【50ETF期权】 4. Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 【50ETF期权】 5. 日内即时监控 Greeks 和隐含波动率微笑
- 三 期权分析
- 【50ETF期权】 期权择时指数 1.0
- 每日期权风险数据整理
- 期权头寸计算
- 期权探秘1
- 期权探秘2
- 期权市场一周纵览
- 基于期权PCR指数的择时策略
- 期权每日成交额PC比例计算
- 四 期货分析
- 【前方高能！】Gifts from Santa Claus——股指期货趋势交易研究