基于微软 `Qlib开源量化库`，预测 CSI300

> 点击左侧查看预测数据，顶部导航查看使用方法和各种数据解释

当前预测倾向：稳健性

不要波动太大的股票

最近5天看（STD5）
最近20天看（STD20）
最近60天看（STD60）
价格波动都不能太大，都要在10%以内。

要更加稳定的股票

在刚才的基础上，更严格：
最近60天的波动率要小于5%（长期很稳）
最近5天的波动率要小于6%（短期也稳）

不要突然"发疯"的股票

最近5天的波动，不能超过最近60天平均波动的2倍。
就是说：
如果这个股票平时很稳（60天波动小）
但最近5天突然波动很大
那就不要！
这是在防止"突发异常"。

不要跌太多的股票

ROC = 价格变化率（涨跌幅）
要求：
最近10天跌幅不能超过20%（ROC10 > 0.80）
最近20天跌幅不能超过20%（ROC20 > 0.80）
最近60天跌幅不能超过20%（ROC60 > 0.80）
0.80 是什么意思？
1.00 表示不涨不跌
0.80 表示跌了20%
所以 > 0.80 表示"跌幅不能超过20%"

不要涨太多的股票

最近20天涨幅不能超过30%
< 1.30 是什么意思？
1.30 表示涨了30%
所以 < 1.30 表示"涨幅不能超过30%"
这是在排除"暴涨股"。

整体规则

✅ 价格稳定（波动率小于10%）
✅ 长期稳定（60天波动率小于5%）
✅ 没有异常波动（最近没发疯）
✅ 没有暴跌（跌幅不超过20%）
✅ 没有暴涨（涨幅不超过30%）

策略类型：防守型 / 稳健型
风险等级：低
收益预期：稳定小幅增长

python

def filter_ret_df(self, df):
    # 过滤高风险股票
    
    # 波动率过滤（标准差 < 10%）
    df = df[(df['STD5'] < 0.10) & (df['STD20'] < 0.10) & (df['STD60'] < 0.10)]
    
    # 极低波动率（< 5%）
    df = df[(df['STD60'] < 0.05) & (df['STD5'] < 0.06)]
    
    # 波动率异常检测
    df = df[df['STD5'] < (df['STD60'] * 2)]
    
    # 涨跌幅过滤（ROC: Rate of Change）
    df = df[(df['ROC10'] > 0.80) & (df['ROC20'] > 0.80) & (df['ROC60'] > 0.80)]
    df = df[df['ROC20'] < 1.30]
    
    return df

基于微软 Qlib开源量化库，预测 CSI300 ​

当前预测倾向：稳健性 ​

子目录列表 ​

基于微软 `Qlib开源量化库`，预测 CSI300

当前预测倾向：稳健性

子目录列表