分享
注册
1分钟入驻>
+微信
资质已认证
首发回答
您好，QMT量化筛选低波动标的及波动率因子实现，可通过软件内置工具与自定义代码两种方式完成，核心是围绕波动率指标构建筛选规则。
首先要提醒，低波动标的不等于无风险，市场环境变化可能导致波动率上升，筛选时需结合自身风险承受能力。
1. 内置工具筛选法：打开QMT量化终端进入“条件选股”模块，在因子库中选取历史波动率、ATR真实波幅等波动率因子；设置筛选阈值，比如选中近30日历史波动率处于全市场前20%的标的；叠加基本面条件，剔除ST股、近半年有重大利空的标的，比如优先从沪深300成分股中筛选，稳定性更强。
2. 自定义代码实现：用Python编写波动率计算逻辑，比如以近20日收盘价标准差作为波动率指标；将计算结果与预设阈值对比，筛选出符合条件的标的池；回测筛选规则的历史表现，优化参数（如调整计算周期为60日），适配自身策略。
筛选后要定期复盘规则，避免因子随市场环境失效。
如果您需要获取适配自身风格的低波动量化策略模板，或者协助完成QMT中具体的因子设置，欢迎点击头像添加微信进一步沟通，可以申请成本佣金账户！ETF、可转债佣金降至0.5，两融的专项利率给到3.6%以下，国债逆回购能够降到打一折！
首先要提醒，低波动标的不等于无风险，市场环境变化可能导致波动率上升，筛选时需结合自身风险承受能力。
1. 内置工具筛选法：打开QMT量化终端进入“条件选股”模块，在因子库中选取历史波动率、ATR真实波幅等波动率因子；设置筛选阈值，比如选中近30日历史波动率处于全市场前20%的标的；叠加基本面条件，剔除ST股、近半年有重大利空的标的，比如优先从沪深300成分股中筛选，稳定性更强。
2. 自定义代码实现：用Python编写波动率计算逻辑，比如以近20日收盘价标准差作为波动率指标；将计算结果与预设阈值对比，筛选出符合条件的标的池；回测筛选规则的历史表现，优化参数（如调整计算周期为60日），适配自身策略。
筛选后要定期复盘规则，避免因子随市场环境失效。
如果您需要获取适配自身风格的低波动量化策略模板，或者协助完成QMT中具体的因子设置，欢迎点击头像添加微信进一步沟通，可以申请成本佣金账户！ETF、可转债佣金降至0.5，两融的专项利率给到3.6%以下，国债逆回购能够降到打一折！
发布于2026-8-19 13:02 杭州
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
52
电话咨询
咨询
18630917047 
