文章的第一部分为新手入门。
第二部分为择股：首先展示了今年的三类热门择股策略——小盘、趋势和轮动；进而简述了技术面选股和基本面选股，考虑多因子策略的因子多数来自基本面数据，将多因子策略放入基本面选股的板块之中。最后是雪球舆论（大家也可以将自己爬的舆情数据结合 Ricequant 平台的数据书写自己的舆情策略）。
第三部分为择时和止损的文章，概述了两者的思路和操作；到此，个股策略已经构成。
第四部分主要是金融与市场。我们推荐了波动与风险的文章，结合推送的指数研究的文章，从金融市场的角度分析我们的个股策略；相对于个股策略的热闹，统计套利冷冷清清的，我们推荐统计套利的文章，希望抛砖引玉引出更多该方面的研究和文章。
最后，我们推出了机器学习的文章，展示智能金融的操作。
首先介绍三篇新手入门模板性质的文章，意在展现完整策略的构造，同时，提供调参的手段，以用于策略的优化、改进。
一个完整的策略，基本上是由选股、进场时机、持仓平衡、现金管理、出场时机、风险管理等组成的，初学者编写策略时可能顾此失彼。我们列出的《策略模板》可作为一种对照，方便检查策略的完整性。调参是一种基本的优化策略的手段，但如果参数较多，过度调参可能导致过拟合。
经统计， 2016 年平台三大热门策略依次为：小盘股、趋势投资、轮动。首先，简析小盘股策略。
这两篇文章经过无数次改进，参考了众多 Quant 的意见。补充一句: 小市值策略是过去很成功的策略，但这些策略能取得这么高的收益都建立在一个大的前提：国内 A 股的壳价值和没有完备退市机制。随着 IPO 的提速、未来注册制的推出、退市制度的建立等，小市值策略是否有效存在巨大的变数。对于投资者来讲，正确认识策略的有效性至关重要。附张图，提示大家风险。
小盘股策略一个显著的特点是容易选中“ ST ”。我们介绍两个“垃圾股”策略，以正确评估“ ST ”股的风险。
“垃圾股”策略，更多的是运用反转效应。但是，无论是“垃圾股”策略还是反转策略，其中都承担了巨大的风险；运用这类策略，务必注意止损的运用。
第二个热点是趋势投资。这是一类很容易掌握的一类策略，对金融知识和数学要求较低。
趋势投资的基本思想是追踪大的走势，对一支股票而言，当其向上突破重要的压力位后可能意味着一波大的上涨趋势行情的到来，反之亦然。大家运用该方法的时候，注意判断假的突破情况，对其进行有效的把控，能对回测收益有有效的拉升。还有一个值得警惕的问题就是回撤点：在一轮上升趋势后，股价往往会有一定程度的回撤产生，我们精选《多头趋势回踩策略》给大家作为参考。
提到趋势，其中一个重点在于对趋势拐点的把握，这个时候Hurst就粉墨登场了。
分形市场理论预示着股市具有分形结构，而这种结构恰恰能解释收益率分布呈现的尖峰肥尾特性。根据分形理论， Hurst 指数可以用来判断趋势的拐点，将 Hurst 指数与大盘指数结合，就会发现股市大盘走势具有长期记忆性，这也是 Hurst 指数运用的基本出发点。
针对趋势交易的这个需求，选出了两篇 Hurst 指数运用的文章，大家编写策略的时候可以结合策略的实际情况，适当运用该指数优化自己的趋势策略。
去年最后的一个热点非轮动莫属。轮动策略是根据一定的逻辑，将资产不断从高估品种转移到低估品种，周而复始。轮动策略要求投资者具有对经济形势较强的把控能力。
基于 ES(Expected Shortfall)的 ETF 桥水全天候策略
轮动主要有行业轮动和风格轮动，两者都是市场短期趋势的表现形式。对于行业轮动，在一个完整的经济周期中，行业发展的先后顺序是不同的，先导行业会带动跟随行业的发展，具体可见图：行业轮动的市场逻辑。关于风格轮动，是由于市场上不同投资者的投资偏好不同，不同的交易行为带来了不同的市场风格。
下面我们从两个大的方向技术分析和基本面分析浅谈择股的方法。
技术分析是建立在弱式有效市场假说不成立的基础上的，能够较快判断市场的价格变动。
十字星的研究颇具历史了，主要运用于趋势反转的判断。十字星被认为是多空双方争夺激烈、僵持不下，前期趋势已成强弩之末，趋势反转即将来临的节点。以底部十字星为例，在股票价格经历较长下跌之后，如果出现十字星形态，表明市场空方力量已开始衰竭，多方在逐步蓄积反攻的力量，多空博弈从空方占优演变为势均力敌，股价走势转向的可能性也迅速升高。更有一篇《盯着龙虎榜跟着主力喝汤》，虽收益略显惨淡，但向我们形象展示了“韭菜”的诞生，以此为镜。
在市场中，更有一些高手可以赚取市场波动的利润。我们也可以借鉴其策略的思想，在震荡市中保证足够的收益。
基本面选股在于寻找价值的洼地，避免了个股经常波动的干扰而可等待价值的回归。也因而受到部分投资者的青睐。
基本面的重要假设：股票的价值会回归其真实价值。但相对于寻找高成长股而言，寻找价值洼地要来得更容易。
第一篇文章详尽介绍了低估股票的寻找方式，包括择股的思想与技术操作。高股息的股票因为其较好的分红，在一定程度上保证了投资的收益，使投资的风险显著地降低，对于稳健的投资者来说具有非常好的吸引力。
多因子模型是运用了大量基本面因子结合其他因子而形成的交易模型，经考虑，我们将其放入基本面之下。
Fama 三因素模型（三）因子风险暴露 Factor Risk Exposure
多因子模型的优点是能够综合很多信息最后得到一个选股的结果。多因子模型的表现也相对来说比较稳定，因为即使是在不同的环境中，也总会有一些因子发挥作用。也正是因为这个原因，不同的投资者和研究者都开发了自己的多因子模型。我们精心挑出了六篇文章，从介绍因子的选择，到因子的有效性的判断，最后到因子的构建。在证券投资领域，所谓的个人投资风格，多少是在于个人因子。
雪球上聚集了众多的高水准的投资者，我们统计其对个股的关注以及评论，将其量化，以关注“从众”的效果。
我们可以通过下图看到其年化收益远远高过大盘，但其回撤也比较大。
在完成基础上，最首要的问题便是择时和止损。我们列举了本年度经典的择时方法。
希尔伯特变换通过将信号转化为同向分量和正交分量，构成类似于复平面的一个二维空间，并通过点所在的象限判断目前的趋势转变。
我们选出一篇止损方案目录，其搜集了数十种常见的止损方法供大家参考学习。
市场总是处于波动之中，风险无处不在，希望能通过给出这四篇文章向大家介绍波动率和风险的本质。波动率建模提供的系统框架的第一个模型是ARCH 模型。虽然 ARCH 模型十分简单，但是为了充分描述资产收益率的波动率过程，往往需要更多的参数。这样，我们必须利用一个新的模型----GARCH 模型。
当然，运用GARCH 模型，更多地要运用其预测功能。关于 GARCH 模型也有很多种类型，如求和 GARCH 模型、 GARCH-M 模型、指数 GARCH 模型。波动与风险之中也蕴含着利润。
过去的一年里，有很多关于指数的研究。指数相对个股，其白噪音更小，统计学特性（方差、均值、自相关性等）更好，自然其研究价值也更大。我们尝试着用多种的方法预测大盘的走势，以反应市场在排除部分干扰因素下的表现。
通过模型的研究成果，可以发现，确实存在模型可以对指数进行较好程度的预测，其分类算法准确度在 70%以上。
统计套利可以有效的对冲风险。也有很多人士将统计套利看作量化交易的本质，举一个小小的例子：《量化交易—策略与技术》的理论篇有 78%的篇幅放在统计套利这一块，其重要性不言而喻。统计套利的基础在于序列的平稳性和协整性，单只序列满足平稳性，这是最好的情况，单只股票就可以交易了（低买高卖），但往往不能，则需要通过协整型构建股票组合，继而进行统计套利。
文章的最后，就是重量级的机器学习和深入学习了。
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.