# “優礦”集思錄——分級基金專題
> 來源：https://uqer.io/community/share/561da7d9f9f06c4c5e2fb5cc
## 前言：
從14年7月份開始，伴隨著牛市的到來，一個不怎么知名的投資標的大放光彩——分級基金
雖說分級基金是牛市產物，但對于短期的反彈行情其一樣也是眾多投資物中的一顆明珠，只要抓好反彈行情，隨便吃幾個漲停也是妥妥的
但分級基金相對復雜，要注意好分級基金的上下折、杠桿、折溢價等問題
本文假設讀者已經對分級基金有一定的了解，只要運行代碼就可以得到常見重要的分級基金相關指標，旨在成為投資者身邊分級基金好工具
結合筆者平時的投資習慣，總結的指標主要有：母基金跟蹤指數，整體溢價率，AB各自溢價率，B類價格杠桿，母基金下折需要跌多少，其他常見指標
## 用法：
運行下面的代碼，即可以得到關于母基金、A份額、B份額，如上列舉的所有指標
同時還可以選擇輸出結果排序規則等
有一定編程基礎的讀者，建議詳細閱讀函數說明，自行使用
```py
def get_leverage_fund(show_type='M', order_by='discount_rate', order_method='desc', date=None):
'''
輸入參數：
show_type str，展示/返回的數據，'T'為返回所有，'A'為返回A類相關，'B'為返回B類相關，'M'為返回母基金相關
order_by str，返回結果的排序屬性列，可選的為'B_leverage'(B類價格杠桿),'ticker'(交易代碼),'discount_rate'(整體溢價率)
order_method str，排序規則，降序（'desc'）,升序（'acd'）
輸出參數：
計算好指標的dataframe，同時還將結果直接打印出來
'''
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 必須為T，A，B，M中的一個！')
if order_by not in ['B_leverage','ticker','discount_rate']:
raise ValueError('order_by 必須為B_leverage,ticker,discount_rate中的一個！')
if order_method not in ['desc','acd']:
raise ValueError('order_method 必須為desc,acd中的一個！')
# 日期默認為前一個工作日
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必須為xxxxxxxx字符串類型日期格式！')
# 所有股票類分級基金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 = ['母基金代碼','母基金簡稱','子基金代碼','子基金簡稱','份額類別','分拆比例A/B','跟蹤指數','折算說明','下折B閾值']
funds_total['子基金代碼'] = funds_total['子基金代碼'].apply(str)
funds_total['分拆比例A/B'][funds_total['分拆比例A/B'] == 1] = 5.0
# 替換基金簡稱
codes = funds_total.drop_duplicates('母基金代碼')['母基金代碼'].tolist()
codes_leverage = map(str,funds_total['子基金代碼'].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='母基金代碼', right_on='ticker')
funds_total['母基金簡稱'] = tmp['tradeAbbrName']
tmp = pd.merge(funds_total, short_names, how='left', left_on='子基金代碼', right_on='ticker')
funds_total['子基金簡稱'] = tmp['tradeAbbrName']
# 取凈值
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='母基金代碼', right_on='ticker')
funds_total['母基金凈值'] = tmp['NAV']
tmp = pd.merge(funds_total, net_values, how='left', left_on='子基金代碼', right_on='ticker')
funds_total['子基金凈值'] = 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='子基金代碼', right_on='ticker')
funds_total['子基金價格'] = tmp['closePrice']
funds_total['子基金溢價率'] = funds_total['子基金價格'] / funds_total['子基金凈值'] - 1
# 計算相關指標，合并dataframe
funds_A = funds_total[funds_total['份額類別'] == 'A']
funds_A.drop('份額類別',axis=1, inplace=True)
funds_B = funds_total[funds_total['份額類別'] == 'B'][['母基金代碼','子基金代碼','子基金簡稱','子基金凈值','子基金價格','子基金溢價率']]
funds_B.columns = [['母基金代碼','B類代碼','B類簡稱','B類凈值','B類價格','B類溢價率']]
funds_leverage = pd.merge(funds_A, funds_B, how='left', on='母基金代碼')
funds_leverage.rename(columns={'子基金代碼':'A類代碼', '子基金簡稱':'A類簡稱', '子基金凈值':'A類凈值', '子基金價格':'A類價格', '子基金溢價率':'A類溢價率'}, inplace=True)
funds_leverage['整體溢價率'] = (funds_leverage['A類價格'] * (funds_leverage['分拆比例A/B'] / 10) + funds_leverage['B類價格'] * (1 - funds_leverage['分拆比例A/B'] / 10)) / funds_leverage['母基金凈值'] -1
funds_leverage['B類價格杠桿'] = (funds_leverage['A類價格'] * funds_leverage['分拆比例A/B'] / 10 + funds_leverage['B類價格'] * (1 - funds_leverage['分拆比例A/B'] / 10)) / funds_leverage['B類價格'] / (1 - funds_leverage['分拆比例A/B'] / 10)
funds_leverage['下折母需跌'] = 1 - (funds_leverage['A類凈值'] * funds_leverage['分拆比例A/B'] / 10 + funds_leverage['下折B閾值'] * (1 - funds_leverage['分拆比例A/B'] / 10)) / funds_leverage['母基金凈值']
funds_leverage = funds_leverage[['母基金代碼','母基金簡稱','母基金凈值','整體溢價率','跟蹤指數','分拆比例A/B','下折母需跌','A類代碼','A類簡稱','A類凈值','A類價格','A類溢價率','B類代碼','B類簡稱','B類凈值','B類價格','B類溢價率','B類價格杠桿','下折B閾值','折算說明']]
funds_leverage['B類價格杠桿'] = np.round(funds_leverage['B類價格杠桿'], 2)
funds_leverage.dropna(inplace=True)
funds_leverage['整體溢價率'] = pd.Series(["{0:.1f}%".format(val * 100) for val in funds_leverage['整體溢價率']], index = funds_leverage.index)
funds_leverage['A類溢價率'] = pd.Series(["{0:.1f}%".format(val * 100) for val in funds_leverage['A類溢價率']], index = funds_leverage.index)
funds_leverage['B類溢價率'] = pd.Series(["{0:.1f}%".format(val * 100) for val in funds_leverage['B類溢價率']], 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)
# 返回類型
if show_type == 'T':
columns = funds_leverage.columns
elif show_type == 'A':
columns = ['A類代碼','A類簡稱','A類凈值','A類價格','A類溢價率','整體溢價率','跟蹤指數']
elif show_type == 'B':
columns = ['B類代碼','B類簡稱','B類凈值','B類價格','B類溢價率','B類價格杠桿','下折B閾值','整體溢價率','跟蹤指數']
else:
columns = ['母基金代碼','母基金簡稱','母基金凈值','整體溢價率','跟蹤指數','分拆比例A/B','下折母需跌','折算說明']
# 排序
if order_by == 'B_leverage':
order_by = 'B類價格杠桿'
elif order_by == 'ticker':
order_by = '母基金代碼'
else:
order_by = '整體溢價率'
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()
```
| | 母基金代碼 | 母基金簡稱 | 母基金凈值 | 整體溢價率 | 跟蹤指數 | 分拆比例A/B | 下折母需跌 | 折算說明 |
| --- | --- |
| 0 | 160420 | 華安50 | 0.6705 | 3.7% | 創業板50 | 5 | 5.6% | 每年12月15日定折，遇節假日順延，A類不參與上折 |
| 1 | 160633 | 鵬華證券 | 0.6740 | 2.6% | 證券公司 | 5 | 5.5% | 每年11月第一個工作日定折 |
| 2 | 160634 | 鵬華環保分級 | 1.1280 | 2.5% | 中證環保 | 5 | 44.5% | 每年11月第一個工作日定折，B類不參與定折 |
| 3 | 161819 | 銀華資源 | 1.0770 | 2.5% | 內地資源 | 4 | 47.1% | 每年第一個工作日定折 |
| 4 | 502020 | 國金50 | 1.1770 | 2.5% | 上證50 | 5 | 46.6% | 每年12月15日定折，遇節假日順延 |
| 5 | 164821 | 工銀新能源 | 0.8108 | 2.4% | 中證新能 | 5 | 21.9% | 每年1月第一個工作日定折(成立不足6個月、下折不足1個月除外) |
| 6 | 502023 | 鋼鐵分級 | 1.0230 | 2.4% | 國證鋼鐵 | 5 | 38.5% | 每年9月第一個工作日定折，距離成立或上下折不滿3個月除外，每次折算后調整約定利率 |
| 7 | 502026 | 新絲路 | 1.0090 | 2.4% | 新絲路 | 5 | 37.7% | 每年9月第一個工作日定折，距離成立或上下折不滿3個月除外，每次折算后調整約定利率 |
| 8 | 160628 | 鵬華地產 | 0.9890 | 2.3% | 800地產 | 5 | 36.0% | 每年第一個工作日定折 |
| 9 | 164820 | 工銀高鐵 | 0.7691 | 2.1% | 高鐵產業 | 5 | 17.9% | 每年第一個工作日定折，A類不參與上折 |
| 10 | 167301 | 方正保險 | 0.9270 | 2.0% | 保險主題 | 5 | 32.0% | 每年12月15日定折，遇節假日順延，基金合同生效不足六個月的除外，上下折不足1個月除外 |
| 11 | 164809 | 工銀500 | 1.4138 | 1.8% | 中證 500 | 4 | 59.7% | 每年第一個工作日定折 |
| 12 | 161028 | 富國新能源 | 0.8540 | 1.7% | CS新能車 | 5 | 24.9% | 12/15 |
| 13 | 165315 | 建信網金融 | 0.9880 | 1.3% | 互聯金融 | 5 | 36.1% | 每年12月第一個工作日定折 |
| 14 | 162413 | 華寶1000 | 0.8673 | 1.2% | 中證1000 | 5 | 27.0% | 每年12月15日定折，每次定折或不定折基準日變更利率 |
| 15 | 165511 | 信誠500 | 1.1920 | 1.2% | 中證 500 | 4 | 53.7% | 02/06，定折日為非工作日則提前 |
| 16 | 502056 | 醫療分級 | 0.8919 | 0.9% | 中證醫療 | 5 | 29.2% | 每年12月15日定折(遇節假日順延，上下折不足3個月除外） |
| 17 | 160637 | 鵬華創業板 | 0.7430 | 0.7% | 創業板指 | 5 | 14.7% | 每年12月第一個工作日定折 |
| 18 | 161628 | 融通軍工 | 0.9780 | 0.7% | 中證軍工 | 5 | 35.2% | 每年12月15日定折，遇節假日提前，A類不參與上折 |
| 19 | 161910 | 萬家中創 | 1.1115 | 0.7% | 創業成長 | 5 | 43.4% | 每年第一個工作日定折 |
| 20 | 160418 | 華安銀行 | 0.7871 | 0.6% | 中證銀行 | 5 | 19.2% | 每年12月15日定折，節假日順延，A類不參與上折，B類不參與定折 |
| 21 | 162412 | 華寶醫療 | 0.8583 | 0.6% | 中證醫療 | 5 | 26.3% | 每年12月15日定折，遇節假日提前，每次定折或不定折基準日變更利率 |
| 22 | 168001 | 國壽養老 | 0.8770 | 0.5% | 養老產業 | 5 | 27.8% | 每年12月15日定折，遇節假日提前 |
| 23 | 160517 | 博時銀行 | 0.8485 | 0.3% | 中證銀行 | 5 | 25.2% | 每年12月第一個工作日定折，B類不參與定折 |
| 24 | 160629 | 鵬華傳媒 | 1.1880 | 0.3% | 中證傳媒 | 5 | 47.1% | 每年12月第一個工作日定折 |
| 25 | 160630 | 鵬華國防 | 1.2940 | 0.3% | 中證國防 | 5 | 51.5% | 每年12月第一個工作日定折 |
| 26 | 164819 | 工銀環保 | 0.8604 | 0.3% | 中證環保 | 5 | 26.4% | 每年第一個工作日定折，成立不足半年可不定折 |
| 27 | 160625 | 鵬華證保 | 1.1500 | 0.2% | 800證保 | 5 | 45.3% | 每年第一個工作日定折 |
| 28 | 161719 | 招商可轉債 | 1.0690 | 0.2% | 中信轉債 | 7 | 21.0% | 每年12月15日定折，每3年折為母基金再拆分 |
| 29 | 162107 | 金鷹中證500 | 1.0987 | 0.2% | 中證 500 | 5 | 42.9% | 每年第一個工作日定折 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 73 | 164401 | 前海健康 | 1.0530 | -0.5% | 健康產業 | 5 | 39.0% | 每年第一個工作日定折 |
| 74 | 165521 | 信誠金融 | 0.9160 | -0.5% | 800金融 | 5 | 29.1% | 12/15 |
| 75 | 167503 | 安信一帶一路 | 0.9160 | -0.5% | 一帶一路 | 5 | 31.1% | 每年12月15日定折節假日提前 |
| 76 | 502016 | 長信一帶一路 | 1.0350 | -0.5% | 一帶一路 | 5 | 39.2% | 每年12月15日定折，遇節假日提前，距離成立或上下折不滿3個月除外 |
| 77 | 168203 | 中融鋼鐵 | 0.9230 | -0.4% | 國證鋼鐵 | 5 | 31.9% | 每年12月15日定折，遇節假日提前 |
| 78 | 160127 | 南方消費 | 0.9730 | -0.3% | 內地消費 | 5 | 36.8% | 03/13，定折時A/B/M全歸1，可順延定折日 |
| 79 | 161726 | 招商生物 | 1.0360 | -0.3% | 生物醫藥 | 5 | 39.0% | 每年12月15日定折，遇節假日順延 |
| 80 | 162010 | 長城久兆 | 1.1360 | -0.3% | 中小300P | 4 | 51.4% | 01/30，可提前定折日 |
| 81 | 162509 | 國聯安雙禧 | 1.3030 | -0.3% | 中證100 | 4 | 57.4% | 2016/04/16,每三年定折時A/B/M全歸1，定折日為非工作日則提前 |
| 82 | 164905 | 交銀新能源 | 1.1900 | -0.3% | 國證新能 | 5 | 47.3% | 每年第一個工作日定折 |
| 83 | 165515 | 信誠300 | 0.7410 | -0.3% | 滬深300 | 5 | 13.8% | 12/15 |
| 84 | 167601 | 國金300 | 0.9048 | -0.3% | 滬深300 | 5 | 28.3% | 每年第一個工作日定折 |
| 85 | 160417 | 華安300 | 1.2690 | -0.2% | 滬深300 | 5 | 46.8% | 每年第一個工作日定折 |
| 86 | 161022 | 富國創業板 | 1.1030 | -0.2% | 創業板指 | 5 | 43.0% | 每年第一個工作日定折 |
| 87 | 161030 | 富國體育 | 0.8940 | -0.2% | 中證體育 | 5 | 29.2% | 每年12月第一個工作日定折 |
| 88 | 161721 | 招商300地產 | 0.7360 | -0.2% | 地產等權 | 5 | 13.6% | 12/15 |
| 89 | 161724 | 招商煤炭 | 0.9560 | -0.2% | 煤炭等權 | 5 | 33.9% | 每年12月15日定折，遇節假日順延 |
| 90 | 163209 | 諾安中創 | 1.2210 | -0.2% | 創業成長 | 4 | 54.8% | 每年第一個工作日定折 |
| 91 | 164811 | 工銀100 | 1.2346 | -0.2% | 深證100P | 5 | 48.7% | 07/01 |
| 92 | 160219 | 國泰醫藥 | 0.8360 | -0.1% | 國證醫藥 | 5 | 23.3% | 每年第一個工作日定折，每次定折或不定折基準日變更利率 |
| 93 | 160516 | 博時證保 | 1.0758 | -0.1% | 800證保 | 5 | 41.6% | 每年12月第一個工作日定折 |
| 94 | 161031 | 富國工業4 | 1.0710 | -0.1% | 工業4.0 | 5 | 41.3% | 每年12月第一個工作日定折，B類不參與定折 |
| 95 | 161718 | 招商300高貝 | 0.8140 | -0.1% | 300高貝 | 5 | 21.1% | 12/15 |
| 96 | 161812 | 銀華100 | 0.9530 | -0.1% | 深證100R | 5 | 32.1% | 每年第一個工作日定折 |
| 97 | 163109 | 申萬深成 | 0.6555 | -0.1% | 深證成指 | 5 | 12.7% | 每年第一個工作日定折，無下折，A不參與上折，凈值<1元無定折 |
| 98 | 164508 | 國富100 | 0.8310 | -0.1% | 中證100 | 5 | 22.8% | 每年第一個工作日定折 |
| 99 | 168204 | 中融煤炭 | 0.7310 | -0.1% | 中證煤炭 | 5 | 13.2% | 每年12月15日定折，遇節假日提前 |
| 100 | 161029 | 富國銀行 | 0.8940 | -0.0% | 中證銀行 | 5 | 28.7% | 每年12月15日 |
| 101 | 161629 | 融通證券 | 0.7770 | -0.0% | 證券公司 | 5 | 18.7% | 每年12月15日定折，A類不參與上折 |
| 102 | 167701 | 德邦德信 | 1.0520 | -0.0% | 中高企債 | 7 | 20.9% | 每次折算后2周年定折轉為母基再拆分 |
```
103 rows × 8 columns
```
- Python 量化交易教程
- 第一部分 新手入門
- 一 量化投資視頻學習課程
- 二 Python 手把手教學
- 量化分析師的Python日記【第1天：誰來給我講講Python？】
- 量化分析師的Python日記【第2天：再接著介紹一下Python唄】
- 量化分析師的Python日記【第3天：一大波金融Library來襲之numpy篇】
- 量化分析師的Python日記【第4天：一大波金融Library來襲之scipy篇】
- 量化分析師的Python日記【第5天：數據處理的瑞士軍刀pandas】
- 量化分析師的Python日記【第6天：數據處理的瑞士軍刀pandas下篇
- 量化分析師的Python日記【第7天：Q Quant 之初出江湖】
- 量化分析師的Python日記【第8天 Q Quant兵器譜之函數插值】
- 量化分析師的Python日記【第9天 Q Quant兵器譜之二叉樹】
- 量化分析師的Python日記【第10天 Q Quant兵器譜 -之偏微分方程1】
- 量化分析師的Python日記【第11天 Q Quant兵器譜之偏微分方程2】
- 量化分析師的Python日記【第12天：量化入門進階之葵花寶典：因子如何產生和回測】
- 量化分析師的Python日記【第13天 Q Quant兵器譜之偏微分方程3】
- 量化分析師的Python日記【第14天：如何在優礦上做Alpha對沖模型】
- 量化分析師的Python日記【第15天：如何在優礦上搞一個wealthfront出來】
- 第二部分 股票量化相關
- 一 基本面分析
- 1.1 alpha 多因子模型
- 破解Alpha對沖策略——觀《量化分析師Python日記第14天》有感
- 熔斷不要怕， alpha model 為你保駕護航！
- 尋找 alpha 之: alpha 設計
- 1.2 基本面因子選股
- Porfolio（現金比率+負債現金+現金保障倍數）+市盈率
- ROE選股指標
- 成交量因子
- ROIC&cashROIC
- 【國信金工】資產周轉率選股模型
- 【基本面指標】Cash Cow
- 量化因子選股——凈利潤／營業總收入
- 營業收入增長率+市盈率
- 1.3 財報閱讀 ? [米缸量化讀財報] 資產負債表-投資相關資產
- 1.4 股東分析
- 技術分析入門 【2】 —— 大家搶籌碼（06年至12年版）
- 技術分析入門 【2】 —— 大家搶籌碼（06年至12年版）— 更新版
- 誰是中國A股最有錢的自然人
- 1.5 宏觀研究
- 【干貨包郵】手把手教你做宏觀擇時
- 宏觀研究：從估值角度看當前市場
- 追尋“國家隊”的足跡
- 二 套利
- 2.1 配對交易
- HS300ETF套利（上）
- 【統計套利】配對交易
- 相似公司股票搬磚
- Paired trading
- 2.2 期現套利 ? 通過股指期貨的期現差與 ETF 對沖套利
- 三 事件驅動
- 3.1 盈利預增
- 盈利預增事件
- 事件驅動策略示例——盈利預增
- 3.2 分析師推薦 ? 分析師的金手指？
- 3.3 牛熊轉換
- 歷史總是相似 牛市還在延續
- 歷史總是相似 牛市已經見頂？
- 3.4 熔斷機制 ? 股海拾貝之 [熔斷錯殺股]
- 3.5 暴漲暴跌 ? [實盤感悟] 遇上暴跌我該怎么做？
- 3.6 兼并重組、舉牌收購 ? 寶萬戰-大戲開幕
- 四 技術分析
- 4.1 布林帶
- 布林帶交易策略
- 布林帶回調系統-日內
- Conservative Bollinger Bands
- Even More Conservative Bollinger Bands
- Simple Bollinger Bands
- 4.2 均線系統
- 技術分析入門 —— 雙均線策略
- 5日線10日線交易策略
- 用5日均線和10日均線進行判斷 --- 改進版
- macross
- 4.3 MACD
- Simple MACD
- MACD quantization trade
- MACD平滑異同移動平均線方法
- 4.4 阿隆指標 ? 技術指標阿隆（ Aroon ）全解析
- 4.5 CCI ? CCI 順勢指標探索
- 4.6 RSI
- 重寫 rsi
- RSI指標策略
- 4.7 DMI ? DMI 指標體系的構建及簡單應用
- 4.8 EMV ? EMV 技術指標的構建及應用
- 4.9 KDJ ? KDJ 策略
- 4.10 CMO
- CMO 策略模仿練習 1
- CMO策略模仿練習2
- [技術指標] CMO
- 4.11 FPC ? FPC 指標選股
- 4.12 Chaikin Volatility
- 嘉慶離散指標測試
- 4.13 委比 ? 實時計算委比
- 4.14 封單量
- 按照封單跟流通股本比例排序，剔除6月上市新股，前50
- 漲停股票封單統計
- 實時計算漲停板股票的封單資金與總流通市值的比例
- 4.15 成交量 ? 決戰之地， IF1507 ！
- 4.16 K 線分析 ? 尋找夜空中最亮的星
- 五 量化模型
- 5.1 動量模型
- Momentum策略
- 【小散學量化】-2-動量模型的簡單實踐
- 一個追漲的策略(修正版)
- 動量策略（momentum driven）
- 動量策略（momentum driven）——修正版
- 最經典的Momentum和Contrarian在中國市場的測試
- 最經典的Momentum和Contrarian在中國市場的測試-yanheven改進
- ［策略］基于勝率的趨勢交易策略
- 策略探討（更新）：價量結合+動量反轉
- 反向動量策略（reverse momentum driven）
- 輕松跑贏大盤 - 主題Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model · 基本面選股系統：Piotroski F-Score ranking system
- 5.3 SVR · 使用SVR預測股票開盤價 v1.0
- 5.4 決策樹、隨機樹
- 決策樹模型（固定模型）
- 基于Random Forest的決策策略
- 5.5 鐘擺理論 · 鐘擺理論的簡單實現——完美躲過股災和精準抄底
- 5.6 海龜模型
- simple turtle
- 俠之大者 一起賺錢
- 5.7 5217 策略 · 白龍馬的新手策略
- 5.8 SMIA · 基于歷史狀態空間相似性匹配的行業配置 SMIA 模型—取交集
- 5.9 神經網絡
- 神經網絡交易的訓練部分
- 通過神經網絡進行交易
- 5.10 PAMR · PAMR ： 基于均值反轉的投資組合選擇策略 - 修改版
- 5.11 Fisher Transform · Using Fisher Transform Indicator
- 5.12 分型假說， Hurst 指數 · 分形市場假說，一個聽起來很美的假說
- 5.13 變點理論 · 變點策略初步
- 5.14 Z-score Model
- Zscore Model Tutorial
- 信用債風險模型初探之：Z-Score Model
- user-defined package
- 5.15 機器學習 · Machine Learning 學習筆記（一） by OTreeWEN
- 5.16 DualTrust 策略和布林強盜策略
- 5.17 卡爾曼濾波
- 5.18 LPPL anti-bubble model
- 今天大盤熔斷大跌，后市如何—— based on LPPL anti-bubble model
- 破解股市泡沫之謎——對數周期冪率（LPPL）模型
- 六 大數據模型
- 6.1 市場情緒分析
- 通聯情緒指標策略
- 互聯網+量化投資 大數據指數手把手
- 6.2 新聞熱點
- 如何使用優礦之“新聞熱點”？
- 技術分析【3】—— 眾星拱月，眾口鑠金?
- 七 排名選股系統
- 7.1 小市值投資法
- 學習筆記：可模擬（小市值+便宜 的修改版）
- 市值最小300指數
- 流通市值最小股票（新篩選器版）
- 持有市值最小的10只股票
- 10% smallest cap stock
- 7.2 羊駝策略
- 羊駝策略
- 羊駝反轉策略（修改版）
- 羊駝反轉策略
- 我的羊駝策略，選5只股無腦輪替
- 7.3 低價策略
- 專撿便宜貨(新版quartz)
- 策略原理
- 便宜就是 alpha
- 八 輪動模型
- 8.1 大小盤輪動 · 新手上路 -- 二八ETF擇時輪動策略2.0
- 8.2 季節性策略
- Halloween Cycle
- Halloween cycle 2
- 夏買電，東買煤？
- 歷史的十一月板塊漲幅
- 8.3 行業輪動
- 銀行股輪動
- 申萬二級行業在最近1年、3個月、5個交易日的漲幅統計
- 8.4 主題輪動
- 快速研究主題神器
- recommendation based on subject
- strategy7: recommendation based on theme
- 板塊異動類
- 風險因子（離散類）
- 8.5 龍頭輪動
- Competitive Securities
- Market Competitiveness
- 主題龍頭類
- 九 組合投資
- 9.1 指數跟蹤 · [策略] 指數跟蹤低成本建倉策略
- 9.2 GMVP · Global Minimum Variance Portfolio (GMVP)
- 9.3 凸優化 · 如何在 Python 中利用 CVXOPT 求解二次規劃問題
- 十 波動率
- 10.1 波動率選股 · 風平浪靜 風起豬飛
- 10.2 波動率擇時
- 基于 VIX 指數的擇時策略
- 簡單低波動率指數
- 10.3 Arch/Garch 模型 · 如何使用優礦進行 GARCH 模型分析
- 十一 算法交易
- 11.1 VWAP · Value-Weighted Average Price (VWAP)
- 十二 中高頻交易
- 12.1 order book 分析 · 基于高頻 limit order book 數據的短程價格方向預測—— via multi-class SVM
- 12.2 日內交易 · 大盤日內走勢 (for 擇時)
- 十三 Alternative Strategy
- 13.1 易經、傳統文化 · 老黃歷診股
- 第三部分 基金、利率互換、固定收益類
- 一 分級基金
- “優礦”集思錄——分級基金專題
- 基于期權定價的分級基金交易策略
- 基于期權定價的興全合潤基金交易策略
- 二 基金分析
- Alpha 基金“黑天鵝事件” -- 思考以及原因
- 三 債券
- 債券報價中的小陷阱
- 四 利率互換
- Swap Curve Construction
- 中國 Repo 7D 互換的例子
- 第四部分 衍生品相關
- 一 期權數據
- 如何獲取期權市場數據快照
- 期權高頻數據準備
- 二 期權系列
- [ 50ETF 期權] 1. 歷史成交持倉和 PCR 數據
- 【50ETF期權】 2. 歷史波動率
- 【50ETF期權】 3. 中國波指 iVIX
- 【50ETF期權】 4. Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 【50ETF期權】 5. 日內即時監控 Greeks 和隱含波動率微笑
- 三 期權分析
- 【50ETF期權】 期權擇時指數 1.0
- 每日期權風險數據整理
- 期權頭寸計算
- 期權探秘1
- 期權探秘2
- 期權市場一周縱覽
- 基于期權PCR指數的擇時策略
- 期權每日成交額PC比例計算
- 四 期貨分析
- 【前方高能！】Gifts from Santa Claus——股指期貨趨勢交易研究