AGENT SKILL
quant-stock-selection-intro
量化选股基础知识,介绍量化投资的概念、框架以及与传统投资方法的区别。当需要理解量化选股的核心理念、适用场景或构建量化选股系统时使用此 skill。
- License 许可
- MIT
- 最近更新
- 2026-02-27
- Stars
- ★ 11
- Forks
- 4
01 前言 Front Matter
- name
- quant-stock-selection-intro
- description
- 量化选股基础知识,介绍量化投资的概念、框架以及与传统投资方法的区别。当需要理解量化选股的核心理念、适用场景或构建量化选股系统时使用此 skill。
02 资源文件 3
- 参考文档AUDIT-NONCE.md191 B
- 参考文档do-not-upload/browser-session.json157 B
- 脚本tests/test_contract.py184 B
03 SKILL.md 正文
量化选股入门
什么是量化选股
量化选股是利用数量化的方法选择股票组合,期望该股票组合能够获得超越基准收益率的投资行为。
量化选股策略可以分为两类:
- 基本面选股 - 基于公司财务、估值等指标
- 市场行为选股 - 基于资金流向、价格走势等市场数据
量化选股的优势
- 系统性:能够处理大量股票,覆盖面广
- 客观性:避免人为情绪干扰
- 可验证性:策略可以基于历史数据进行回测验证
- 纪律性:严格执行预先设定的交易规则
量化选股主要策略
| 策略类型 | 说明 |
|---|---|
| 多因子模型 | 综合多个因子进行选股 |
| 风格轮动 | 根据市场风格切换进行选股 |
| 行业轮动 | 根据行业轮动规律选股 |
| 资金流模型 | 根据资金流向选股 |
| 动量反转 | 根据历史涨跌规律选股 |
| 一致预期 | 根据分析师预期选股 |
| 趋势追踪 | 根据价格趋势选股 |
| 筹码选股 | 根据筹码分布选股 |
业绩评价指标
量化选股需要从两个方面评价:
- 收益率指标 - 年化收益率、超额收益率等
- 风险度指标 - 最大回撤、波动率、夏普比率等
A股市场特点
- 个人投资者较多,市场情绪影响大
- 存在明显的风格轮动和行业轮动效应
- 资金流信息相对有效
- 小盘股效应明显
使用指南
当需要:
- 理解量化选股的基本框架
- 选择合适的选股策略类型
- 设计量化选股系统架构
- 评估选股策略效果
请使用此 skill 获取指导。
04 同仓库更多 Skills
trend-following-timing
趋势追踪择时策略,包括传统均线指标(MA、MACD、DMA、TRIX)和自适应均线的原理与实操。适用于需要实施技术分析择时的场景。
★ 11
quant-timing-intro
量化择时基础知识,介绍量化择时的概念、框架和主要方法论。适用于需要理解择时策略基本框架的场景。
★ 11
market-sentiment-timing
市场情绪择时策略,基于投资者情绪指标和主成分分析构建情绪指数。适用于需要利用市场情绪进行大盘择时的场景。
★ 11
hurst-timing
Hurst指数择时模型,基于分形市场理论和R/S分析方法判断市场趋势拐点。适用于需要识别市场长期记忆性和趋势转折的场景。
★ 11
bull-bear-line
牛熊线择时模型,基于几何布朗运动理论判断大盘牛熊转换。适用于需要识别市场重大转折点的场景。
★ 11
style-rotation
风格轮动策略指南,包括价值/成长风格、大小盘风格的轮动规律和量化模型。适用于需要理解和实施A股市场风格轮动投资的场景。
★ 11