# “优矿”集思录——分级基金专题
> 来源：https://uqer.io/community/share/561da7d9f9f06c4c5e2fb5cc
## 前言：
从14年7月份开始，伴随着牛市的到来，一个不怎么知名的投资标的大放光彩——分级基金
虽说分级基金是牛市产物，但对于短期的反弹行情其一样也是众多投资物中的一颗明珠，只要抓好反弹行情，随便吃几个涨停也是妥妥的
但分级基金相对复杂，要注意好分级基金的上下折、杠杆、折溢价等问题
本文假设读者已经对分级基金有一定的了解，只要运行代码就可以得到常见重要的分级基金相关指标，旨在成为投资者身边分级基金好工具
结合笔者平时的投资习惯，总结的指标主要有：母基金跟踪指数，整体溢价率，AB各自溢价率，B类价格杠杆，母基金下折需要跌多少，其他常见指标
## 用法：
运行下面的代码，即可以得到关于母基金、A份额、B份额，如上列举的所有指标
同时还可以选择输出结果排序规则等
有一定编程基础的读者，建议详细阅读函数说明，自行使用
```py
def get_leverage_fund(show_type='M', order_by='discount_rate', order_method='desc', date=None):
'''
输入参数：
show_type str，展示/返回的数据，'T'为返回所有，'A'为返回A类相关，'B'为返回B类相关，'M'为返回母基金相关
order_by str，返回结果的排序属性列，可选的为'B_leverage'(B类价格杠杆),'ticker'(交易代码),'discount_rate'(整体溢价率)
order_method str，排序规则，降序（'desc'）,升序（'acd'）
输出参数：
计算好指标的dataframe，同时还将结果直接打印出来
'''
import pandas as pd
import numpy as np
from CAL.PyCAL import *
if show_type not in ['T','A','B','M']:
raise ValueError('show type 必须为T，A，B，M中的一个！')
if order_by not in ['B_leverage','ticker','discount_rate']:
raise ValueError('order_by 必须为B_leverage,ticker,discount_rate中的一个！')
if order_method not in ['desc','acd']:
raise ValueError('order_method 必须为desc,acd中的一个！')
# 日期默认为前一个工作日
if date is None:
date = Date.todaysDate()
cal = Calendar('China.SSE')
period = Period('-1B')
date = cal.advanceDate(date, period)
date = date.toDateTime().strftime('%Y%m%d')
elif not (isinstance(date, str) and len(date) == 8):
raise ValueError('date必须为xxxxxxxx字符串类型日期格式！')
# 所有股票类分级基金ticker
funds = DataAPI.FundLeverageInfoGet(exchangeCDLeverage=['XSHG','XSHE'], field='ticker,secShortName,tickerLeverage,secShortNameLeverage,shareType,category,,shareProp,idxCn,splitNote,downThrshold')
funds_total = funds[funds['category']=='E']
funds_total.drop('category', axis=1, inplace=True)
funds_total.columns = ['母基金代码','母基金简称','子基金代码','子基金简称','份额类别','分拆比例A/B','跟踪指数','折算说明','下折B阈值']
funds_total['子基金代码'] = funds_total['子基金代码'].apply(str)
funds_total['分拆比例A/B'][funds_total['分拆比例A/B'] == 1] = 5.0
# 替换基金简称
codes = funds_total.drop_duplicates('母基金代码')['母基金代码'].tolist()
codes_leverage = map(str,funds_total['子基金代码'].tolist())
short_names = DataAPI.FundGet(ticker=codes_leverage+codes, listStatusCd=['L','UN'], field='ticker,tradeAbbrName', pandas='1')
tmp = pd.merge(funds_total, short_names, how='left', left_on='母基金代码', right_on='ticker')
funds_total['母基金简称'] = tmp['tradeAbbrName']
tmp = pd.merge(funds_total, short_names, how='left', left_on='子基金代码', right_on='ticker')
funds_total['子基金简称'] = tmp['tradeAbbrName']
# 取净值
net_values = DataAPI.FundNavGet(ticker=codes+codes_leverage, dataDate=date, field='ticker,NAV', pandas='1')
tmp = pd.merge(funds_total, net_values, how='left', left_on='母基金代码', right_on='ticker')
funds_total['母基金净值'] = tmp['NAV']
tmp = pd.merge(funds_total, net_values, how='left', left_on='子基金代码', right_on='ticker')
funds_total['子基金净值'] = tmp['NAV']
# 取行情
prices = DataAPI.MktFunddGet(ticker=codes+codes_leverage, field='ticker,closePrice', tradeDate=date, pandas='1')
tmp = pd.merge(funds_total, prices, how='left', left_on='子基金代码', right_on='ticker')
funds_total['子基金价格'] = tmp['closePrice']
funds_total['子基金溢价率'] = funds_total['子基金价格'] / funds_total['子基金净值'] - 1
# 计算相关指标，合并dataframe
funds_A = funds_total[funds_total['份额类别'] == 'A']
funds_A.drop('份额类别',axis=1, inplace=True)
funds_B = funds_total[funds_total['份额类别'] == 'B'][['母基金代码','子基金代码','子基金简称','子基金净值','子基金价格','子基金溢价率']]
funds_B.columns = [['母基金代码','B类代码','B类简称','B类净值','B类价格','B类溢价率']]
funds_leverage = pd.merge(funds_A, funds_B, how='left', on='母基金代码')
funds_leverage.rename(columns={'子基金代码':'A类代码', '子基金简称':'A类简称', '子基金净值':'A类净值', '子基金价格':'A类价格', '子基金溢价率':'A类溢价率'}, inplace=True)
funds_leverage['整体溢价率'] = (funds_leverage['A类价格'] * (funds_leverage['分拆比例A/B'] / 10) + funds_leverage['B类价格'] * (1 - funds_leverage['分拆比例A/B'] / 10)) / funds_leverage['母基金净值'] -1
funds_leverage['B类价格杠杆'] = (funds_leverage['A类价格'] * funds_leverage['分拆比例A/B'] / 10 + funds_leverage['B类价格'] * (1 - funds_leverage['分拆比例A/B'] / 10)) / funds_leverage['B类价格'] / (1 - funds_leverage['分拆比例A/B'] / 10)
funds_leverage['下折母需跌'] = 1 - (funds_leverage['A类净值'] * funds_leverage['分拆比例A/B'] / 10 + funds_leverage['下折B阈值'] * (1 - funds_leverage['分拆比例A/B'] / 10)) / funds_leverage['母基金净值']
funds_leverage = funds_leverage[['母基金代码','母基金简称','母基金净值','整体溢价率','跟踪指数','分拆比例A/B','下折母需跌','A类代码','A类简称','A类净值','A类价格','A类溢价率','B类代码','B类简称','B类净值','B类价格','B类溢价率','B类价格杠杆','下折B阈值','折算说明']]
funds_leverage['B类价格杠杆'] = np.round(funds_leverage['B类价格杠杆'], 2)
funds_leverage.dropna(inplace=True)
funds_leverage['整体溢价率'] = pd.Series(["{0:.1f}%".format(val * 100) for val in funds_leverage['整体溢价率']], index = funds_leverage.index)
funds_leverage['A类溢价率'] = pd.Series(["{0:.1f}%".format(val * 100) for val in funds_leverage['A类溢价率']], index = funds_leverage.index)
funds_leverage['B类溢价率'] = pd.Series(["{0:.1f}%".format(val * 100) for val in funds_leverage['B类溢价率']], index = funds_leverage.index)
funds_leverage['下折母需跌'] = pd.Series(["{0:.1f}%".format(val * 100) for val in funds_leverage['下折母需跌']], index = funds_leverage.index)
# 返回类型
if show_type == 'T':
columns = funds_leverage.columns
elif show_type == 'A':
columns = ['A类代码','A类简称','A类净值','A类价格','A类溢价率','整体溢价率','跟踪指数']
elif show_type == 'B':
columns = ['B类代码','B类简称','B类净值','B类价格','B类溢价率','B类价格杠杆','下折B阈值','整体溢价率','跟踪指数']
else:
columns = ['母基金代码','母基金简称','母基金净值','整体溢价率','跟踪指数','分拆比例A/B','下折母需跌','折算说明']
# 排序
if order_by == 'B_leverage':
order_by = 'B类价格杠杆'
elif order_by == 'ticker':
order_by = '母基金代码'
else:
order_by = '整体溢价率'
if order_method == 'acd':
res = funds_leverage.sort(columns=order_by, ascending=True)[columns]
else:
res = funds_leverage.sort(columns=order_by, ascending=False)[columns]
res = res.reset_index().drop('index', axis=1)
res
return res
get_leverage_fund()
```
| | 母基金代码 | 母基金简称 | 母基金净值 | 整体溢价率 | 跟踪指数 | 分拆比例A/B | 下折母需跌 | 折算说明 |
| --- | --- |
| 0 | 160420 | 华安50 | 0.6705 | 3.7% | 创业板50 | 5 | 5.6% | 每年12月15日定折，遇节假日顺延，A类不参与上折 |
| 1 | 160633 | 鹏华证券 | 0.6740 | 2.6% | 证券公司 | 5 | 5.5% | 每年11月第一个工作日定折 |
| 2 | 160634 | 鹏华环保分级 | 1.1280 | 2.5% | 中证环保 | 5 | 44.5% | 每年11月第一个工作日定折，B类不参与定折 |
| 3 | 161819 | 银华资源 | 1.0770 | 2.5% | 内地资源 | 4 | 47.1% | 每年第一个工作日定折 |
| 4 | 502020 | 国金50 | 1.1770 | 2.5% | 上证50 | 5 | 46.6% | 每年12月15日定折，遇节假日顺延 |
| 5 | 164821 | 工银新能源 | 0.8108 | 2.4% | 中证新能 | 5 | 21.9% | 每年1月第一个工作日定折(成立不足6个月、下折不足1个月除外) |
| 6 | 502023 | 钢铁分级 | 1.0230 | 2.4% | 国证钢铁 | 5 | 38.5% | 每年9月第一个工作日定折，距离成立或上下折不满3个月除外，每次折算后调整约定利率 |
| 7 | 502026 | 新丝路 | 1.0090 | 2.4% | 新丝路 | 5 | 37.7% | 每年9月第一个工作日定折，距离成立或上下折不满3个月除外，每次折算后调整约定利率 |
| 8 | 160628 | 鹏华地产 | 0.9890 | 2.3% | 800地产 | 5 | 36.0% | 每年第一个工作日定折 |
| 9 | 164820 | 工银高铁 | 0.7691 | 2.1% | 高铁产业 | 5 | 17.9% | 每年第一个工作日定折，A类不参与上折 |
| 10 | 167301 | 方正保险 | 0.9270 | 2.0% | 保险主题 | 5 | 32.0% | 每年12月15日定折，遇节假日顺延，基金合同生效不足六个月的除外，上下折不足1个月除外 |
| 11 | 164809 | 工银500 | 1.4138 | 1.8% | 中证 500 | 4 | 59.7% | 每年第一个工作日定折 |
| 12 | 161028 | 富国新能源 | 0.8540 | 1.7% | CS新能车 | 5 | 24.9% | 12/15 |
| 13 | 165315 | 建信网金融 | 0.9880 | 1.3% | 互联金融 | 5 | 36.1% | 每年12月第一个工作日定折 |
| 14 | 162413 | 华宝1000 | 0.8673 | 1.2% | 中证1000 | 5 | 27.0% | 每年12月15日定折，每次定折或不定折基准日变更利率 |
| 15 | 165511 | 信诚500 | 1.1920 | 1.2% | 中证 500 | 4 | 53.7% | 02/06，定折日为非工作日则提前 |
| 16 | 502056 | 医疗分级 | 0.8919 | 0.9% | 中证医疗 | 5 | 29.2% | 每年12月15日定折(遇节假日顺延，上下折不足3个月除外） |
| 17 | 160637 | 鹏华创业板 | 0.7430 | 0.7% | 创业板指 | 5 | 14.7% | 每年12月第一个工作日定折 |
| 18 | 161628 | 融通军工 | 0.9780 | 0.7% | 中证军工 | 5 | 35.2% | 每年12月15日定折，遇节假日提前，A类不参与上折 |
| 19 | 161910 | 万家中创 | 1.1115 | 0.7% | 创业成长 | 5 | 43.4% | 每年第一个工作日定折 |
| 20 | 160418 | 华安银行 | 0.7871 | 0.6% | 中证银行 | 5 | 19.2% | 每年12月15日定折，节假日顺延，A类不参与上折，B类不参与定折 |
| 21 | 162412 | 华宝医疗 | 0.8583 | 0.6% | 中证医疗 | 5 | 26.3% | 每年12月15日定折，遇节假日提前，每次定折或不定折基准日变更利率 |
| 22 | 168001 | 国寿养老 | 0.8770 | 0.5% | 养老产业 | 5 | 27.8% | 每年12月15日定折，遇节假日提前 |
| 23 | 160517 | 博时银行 | 0.8485 | 0.3% | 中证银行 | 5 | 25.2% | 每年12月第一个工作日定折，B类不参与定折 |
| 24 | 160629 | 鹏华传媒 | 1.1880 | 0.3% | 中证传媒 | 5 | 47.1% | 每年12月第一个工作日定折 |
| 25 | 160630 | 鹏华国防 | 1.2940 | 0.3% | 中证国防 | 5 | 51.5% | 每年12月第一个工作日定折 |
| 26 | 164819 | 工银环保 | 0.8604 | 0.3% | 中证环保 | 5 | 26.4% | 每年第一个工作日定折，成立不足半年可不定折 |
| 27 | 160625 | 鹏华证保 | 1.1500 | 0.2% | 800证保 | 5 | 45.3% | 每年第一个工作日定折 |
| 28 | 161719 | 招商可转债 | 1.0690 | 0.2% | 中信转债 | 7 | 21.0% | 每年12月15日定折，每3年折为母基金再拆分 |
| 29 | 162107 | 金鹰中证500 | 1.0987 | 0.2% | 中证 500 | 5 | 42.9% | 每年第一个工作日定折 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 73 | 164401 | 前海健康 | 1.0530 | -0.5% | 健康产业 | 5 | 39.0% | 每年第一个工作日定折 |
| 74 | 165521 | 信诚金融 | 0.9160 | -0.5% | 800金融 | 5 | 29.1% | 12/15 |
| 75 | 167503 | 安信一带一路 | 0.9160 | -0.5% | 一带一路 | 5 | 31.1% | 每年12月15日定折节假日提前 |
| 76 | 502016 | 长信一带一路 | 1.0350 | -0.5% | 一带一路 | 5 | 39.2% | 每年12月15日定折，遇节假日提前，距离成立或上下折不满3个月除外 |
| 77 | 168203 | 中融钢铁 | 0.9230 | -0.4% | 国证钢铁 | 5 | 31.9% | 每年12月15日定折，遇节假日提前 |
| 78 | 160127 | 南方消费 | 0.9730 | -0.3% | 内地消费 | 5 | 36.8% | 03/13，定折时A/B/M全归1，可顺延定折日 |
| 79 | 161726 | 招商生物 | 1.0360 | -0.3% | 生物医药 | 5 | 39.0% | 每年12月15日定折，遇节假日顺延 |
| 80 | 162010 | 长城久兆 | 1.1360 | -0.3% | 中小300P | 4 | 51.4% | 01/30，可提前定折日 |
| 81 | 162509 | 国联安双禧 | 1.3030 | -0.3% | 中证100 | 4 | 57.4% | 2016/04/16,每三年定折时A/B/M全归1，定折日为非工作日则提前 |
| 82 | 164905 | 交银新能源 | 1.1900 | -0.3% | 国证新能 | 5 | 47.3% | 每年第一个工作日定折 |
| 83 | 165515 | 信诚300 | 0.7410 | -0.3% | 沪深300 | 5 | 13.8% | 12/15 |
| 84 | 167601 | 国金300 | 0.9048 | -0.3% | 沪深300 | 5 | 28.3% | 每年第一个工作日定折 |
| 85 | 160417 | 华安300 | 1.2690 | -0.2% | 沪深300 | 5 | 46.8% | 每年第一个工作日定折 |
| 86 | 161022 | 富国创业板 | 1.1030 | -0.2% | 创业板指 | 5 | 43.0% | 每年第一个工作日定折 |
| 87 | 161030 | 富国体育 | 0.8940 | -0.2% | 中证体育 | 5 | 29.2% | 每年12月第一个工作日定折 |
| 88 | 161721 | 招商300地产 | 0.7360 | -0.2% | 地产等权 | 5 | 13.6% | 12/15 |
| 89 | 161724 | 招商煤炭 | 0.9560 | -0.2% | 煤炭等权 | 5 | 33.9% | 每年12月15日定折，遇节假日顺延 |
| 90 | 163209 | 诺安中创 | 1.2210 | -0.2% | 创业成长 | 4 | 54.8% | 每年第一个工作日定折 |
| 91 | 164811 | 工银100 | 1.2346 | -0.2% | 深证100P | 5 | 48.7% | 07/01 |
| 92 | 160219 | 国泰医药 | 0.8360 | -0.1% | 国证医药 | 5 | 23.3% | 每年第一个工作日定折，每次定折或不定折基准日变更利率 |
| 93 | 160516 | 博时证保 | 1.0758 | -0.1% | 800证保 | 5 | 41.6% | 每年12月第一个工作日定折 |
| 94 | 161031 | 富国工业4 | 1.0710 | -0.1% | 工业4.0 | 5 | 41.3% | 每年12月第一个工作日定折，B类不参与定折 |
| 95 | 161718 | 招商300高贝 | 0.8140 | -0.1% | 300高贝 | 5 | 21.1% | 12/15 |
| 96 | 161812 | 银华100 | 0.9530 | -0.1% | 深证100R | 5 | 32.1% | 每年第一个工作日定折 |
| 97 | 163109 | 申万深成 | 0.6555 | -0.1% | 深证成指 | 5 | 12.7% | 每年第一个工作日定折，无下折，A不参与上折，净值<1元无定折 |
| 98 | 164508 | 国富100 | 0.8310 | -0.1% | 中证100 | 5 | 22.8% | 每年第一个工作日定折 |
| 99 | 168204 | 中融煤炭 | 0.7310 | -0.1% | 中证煤炭 | 5 | 13.2% | 每年12月15日定折，遇节假日提前 |
| 100 | 161029 | 富国银行 | 0.8940 | -0.0% | 中证银行 | 5 | 28.7% | 每年12月15日 |
| 101 | 161629 | 融通证券 | 0.7770 | -0.0% | 证券公司 | 5 | 18.7% | 每年12月15日定折，A类不参与上折 |
| 102 | 167701 | 德邦德信 | 1.0520 | -0.0% | 中高企债 | 7 | 20.9% | 每次折算后2周年定折转为母基再拆分 |
```
103 rows × 8 columns
```
- 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