来源，郭毅老板的直播，可以再去听听。

一般来说，都是高风险高收益，但是有一种数据统计的结果却是低波动性未来会有更高的收益。

可以作为bwb3的因子，回测结果如下

df[factor_name] = df['close'].pct_change().rolling(window=n).std()

('Volatility', True, 30, 1) 不过滤 1D

累积净值 0.75 年化收益 -10.01% 最大回撤 -44.21%

('Volatility', False, 30, 1) 不过滤 1D

累积净值 0.56 年化收益 -19.35% 最大回撤 -61.05%

('Volatility', True, 7, 1) 不过滤 1D

累积净值 0.54 年化收益 -20.64% 最大回撤 -58.34%

如果我没弄错的话，如果以上测试数据没错的话，说明低波现象在币圈不存在？那么问题来了，默认策略流动性因子会不会也失效呢？如果低波异象现象是经济学的潜在规律，那么为什么在币圈不适用呢？

GPT的回答是，波动性对做空做多没有预示作用，但是流动性确实GPT给的回答是流动性，市值较小的话，会有较高的收益。

来源，郭毅老板的直播，可以再去听听。

一般来说，都是高风险高收益，但是有一种数据统计的结果却是低波动性未来会有更高的收益。

可以作为bwb3的因子，回测结果如下

df[factor_name] = df['close'].pct_change().rolling(window=n).std()

('Volatility', True, 30, 1) 不过滤 1D

累积净值 0.75 年化收益 -10.01% 最大回撤 -44.21%

('Volatility', False, 30, 1) 不过滤 1D

累积净值 0.56 年化收益 -19.35% 最大回撤 -61.05%

('Volatility', True, 7, 1) 不过滤 1D

累积净值 0.54 年化收益 -20.64% 最大回撤 -58.34%

如果我没弄错的话，如果以上测试数据没错的话，说明低波现象在币圈不存在？那么问题来了，默认策略流动性因子会不会也失效呢？如果低波异象现象是经济学的潜在规律，那么为什么在币圈不适用呢？

GPT的回答是，波动性对做空做多没有预示作用，但是流动性确实GPT给的回答是流动性，市值较小的话，会有较高的收益。