2025年彭博中国区FICC量化训练营案例展示了16家金融机构利用彭博BQuant平台进行量化策略研发与分析的成果，涵盖外汇、债券、衍生品等多个领域。各机构策略亮点及结论如下：
中国工商银行
- 外汇策略：机器学习预测欧元兑美元汇率方向，结合反转因子增强，回测年化收益率10.72%，夏普比率1.378。
- 美债策略：融合机器学习预测与均值回归套利机制，平均持仓77天，年化收益率超8%。
- 国债策略：基于多特征衍生与模型筛选预测利率，回测年化收益率5.58%，交易次数少，收益稳定。
中国银行
- 外汇策略：基于订单不平衡、做市策略、离岸在岸联动效应及模式识别，捕捉微观信号，实现交易信号生成与市场分析。
- 订单不平衡策略胜率较高，但容量有限。
- AS自动做市策略优于简单点差策略，风险控制更优。
- 离岸在岸联动策略需考虑执行速度与手续费。
- 模式识别策略年化收益率25.5%，需结合宏观避免过拟合。
交通银行
- EUR/CNY期权定价：
- 短期用调整后实际波动率定价，长期用隐含波动率补充，结合两者提升准确性。
- 创新性从USDCNY和EURCNY历史相关性构建波动率曲面，Delta对冲策略可行。
上海浦东发展银行
- 债券策略：基于布林带优化参数、趋势判断和止损止盈机制，实现稳定盈利，策略简单微观，适配银行自营与做市需求。
中国民生银行
- 非监督学习策略：
- 通过聚类分析市场Regime与叙事主题，结合彭博BECO宏观经济数据捕捉市场结构变化。
- 7个Regime阶段有效识别美债长周期拐点，减弱噪音，提升交易信号捕捉能力。
平安银行
- 外汇掉期策略：基于单位波动率Carry收益动态调整货币对权重，实现风险收益平衡，未来可拓展货币对组合并融入宏观因子。
江苏银行
- Nelson-Siegel模型优化：
- 利用BQuant结合Polars、GreatTables、Plotly等工具提升数据处理与可视化效率。
- 传统线性模型避免机器学习过拟合，适配中小机构稳健投研需求。
广发银行
- 汇率利差与头寸分析看板：可视化呈现美元/日元与利差、美元指数、投机头寸联动，识别背离机会。
- EUR/USD规则化策略：
- K线形态识别为核心信号，MACD补充，胜率45%-65%，盈亏比1.8-3.5，平均持仓不到3天，高频捕捉小波段。
- 回测2016-2025年累计收益187万美元，年化收益率11.6%。
浙商银行
- 人民币债券因子模型：构建量价、形态、跨资产因子，机器学习筛选，适配大资金持仓需求。
- 欧元趋势跟踪策略：基于汇率、利差、持仓、欧洲股市等因子，均线策略捕捉趋势，但震荡市表现欠佳。
上海农商银行
- 外汇黄金趋势策略：动态止损机制引入波动率，降低回撤，适用于长期趋势显著的品种。
富邦华一银行
- 国债流动性溢价策略：
- 随机森林模型预测国债收益率，做多低估冷券对冲流动性溢价收敛。
- 熊市环境下非活跃券收益抗风险性强，近一年回测超额收益显著。
彭博BQuant Desktop：作为一站式分析解决方案，整合计算能力与彭博数据，帮助用户快速转化策略，提升投研效率。
彭博终端：提供实时市场数据、新闻及分析工具，覆盖所有资产类别，支持多媒体与交易平台整合。
核心观点：量化投研强调多维度数据融合与跨市场洞察，机器学习、因子分析、非监督学习等技术提升策略有效性，BQuant平台助力策略开发与执行效率提升。
