1、请用自己的话解释什么是量化投资。

我理解的量化投资是：从历史数据中找规律，用模型把规律变成策略，再用程序根据策略自动执行交易。

2、请你列出你认为的量化投资的优势和劣势。

优势：1，克服人性弱点，理性交易。2，能够处理海量信息。3，纪律性强，确保投资逻辑的一致性。

劣势：1，模型依赖历史

‘/’ 【今日作业】：

1、请用自己的话解释什么是量化投资。

  通过科学的方法达到能够预测盈利的目的

2、请你列出你认为的量化投资的优势和劣势。

 优势：科学、统计分析   劣势：沉浸在模拟的假象中，容易过拟合

1、请用自己的话解释什么是量化投资。

从历史数据总结规律，利用工具，从时序中提升胜率，从截面中提高赔率。

2、请你列出你认为的量化投资的优势和劣势。

优势:算力带来效率的几何倍提升，穷举法、演绎法得以高效准确的实现。

劣势:逻辑大于数据特征本身，先有假设后有推论，人大于机器。

1.请用自己的话解释什么是量化投资。

我觉的量化投资是通过数据的手段找出规律来进行投资的一种方法。

2. 请列出你认为的量化投资的优势和劣势。

   量化投资的优点是可以不用实时盯盘，可以实现稳定收益，对与一名程序员来说找到了另外一种观察市场的手段。劣势是需要的前导知识多。

3. 我的思考

【今日作业】：

1、请用自己的话解释什么是量化投资。\n

量化投资就是将数据和交易思想表达为因子并用以指导投资的过程。

2、请你列出你认为的量化投资的优势和劣势。\n\n答： 量化投资的优势在于更加系统化，手段和方法丰富。劣势在于对参与者有一定的门槛要求。和传统交易的差异在于，对于经验

量化投资是利用计算机技术，通过分析各种投资相关数据，做出交易决策并执行交易的行为。

优势：可以分析大量数据，分析速度快，能够根据既定策略执行，不受情绪影响；

缺点：策略写好以后不会自动灵活调整；获取稳定盈利策略难度大。

1、请用自己的话解释什么是量化投资。

答：我认为量化投资是利用计算机程序，从过往市场数据中筛选出具有更高上涨概率的标的，按照设定的买入和卖出逻辑进行交易的方法。

2、请你列出你认为的量化投资的优势和劣势。

答：与主观投资相比，量化投资主要有以下优势：

1）视野更广阔：人的精力有限，主观投资往

1、请用自己的话解释什么是量化投资。

用计算机帮你干投资的活儿。

2、请你列出你认为的量化投资的优势和劣势。

优势：

1.稳定，在固定的投资框架下不易出错

2.风险对冲能力强，可同时进行多种不同风格的交易。

劣势：

1.前期投入较高，需要较多的时间成本，学习成本和数据成本

1、请用自己的话解释什么是量化投资。

利用定量的方式，通过建立模型和算法来自动执行投资决策的交易方式。

2、请你列出你认为的量化投资的优势和劣势。

优势：客观理性，不受情绪影响

       能在短时间处理大量数据，观察力和分析能力超越人脑

       有回测数据，减少误

今日作业：

\

1、请用自己的话解释什么是量化投资

答：

量化分几步

1 数据分析与挖掘：

• 分析挖掘价格信息 与 其他信息（ 比如 交易信息，基本面信息， 宏观信息等） 之间单维或者多维的关系。
• 关系可能是线性的，非线性的，时间序列的，横截面的等。

1、请用自己的话解释什么是量化投资。

答：量化投资是指用数据来做投资决策的投资方式，量化投资的核心在于用来做决策的数据及处理方式是否能有效、稳定的预测投资收益。

2、请你列出你认为的量化投资的优势和劣势。

答：量化投资的优势在于：

1、业绩可重复性：量化投资采用特定的模型，训练数据囊括了

【今日作业】：

1、请用自己的话解释什么是量化投资。

 用科学的方法（如:数学、舆情、财务），通过计算机语言实现半自动或者全自动投资。

2、请你列出你认为的量化投资的优势和劣势。

 优势：避免人的情绪（贪婪、恐惧、满足、大意） 可以发现和总结人无法发现的规律和机会。

【今日作业】：

1、请用自己的话解释什么是量化投资。

量化投资就是找出收益率与某个参数存在关系，然后用历史的数据来证实这个关系，最后是用近期参数的变化来找出收益率高的股票。

在这个过程中：

收益率就是未来的的收益，各有各的定义，有些用三天，有些用五天

某个参数，简单来说可以是开盘价、收盘价

今日作业：

\

1、请用自己的话解释什么是量化投资

答：我认为 ：根据自己的方式方法制定一套筛选和买卖规则用 计算机的语言实现这一套流程。

\

2、请你列出你认为的量化投资的优势和劣势

答：我认为：能按照规则不断完善，处理信息量大

我的疑问与思考：临时没有疑

1、请用自己的话解释什么是量化投资。

用数学统计和分析的方法，结合历史数据及计算机技术来进行投资决策的方法，就叫做量化投资。

2、请你列出你认为的量化投资的优势和劣势。

优势：

①有相对严谨科学的分析过程，能对海量数据进行高效的统计和分析

②计算机程序能严格的执行具体投资决策的过程，尽可能

1、请用自己的话解释什么是量化投资。\n基于统计学分析得出的一些过去金融市场（股市、期货、数字货币等）运行的群体特征经验、方法，结构化、规模化以人机辅助或机器交易地方式应用在未来市场交易的统计学套利交易模式。

2、请你列出你认为的量化投资的优势和劣势。

优势：1、历史经验被科学度量及复现，可靠性

1、请用自己的话解释什么是量化投资

答：相对于主观, 量化投资就是用数据驱动决策的交易方法

\

2、请你列出你认为的量化投资的优势和劣势

答：

优势: 规避人性的弱点

劣势: 没看到

目前看起来是最科学的方式, 结合一些主观的择时, 有可能做出来能长期持有的组合资

可视化编程状态下DNN模型针对沪深300、中证500、中证1000指数的ETF策略，策略回测正常，但提交模拟失败，请解决？\n策略分享链接： https://bigquant.com/codesharev3/079766cb-7157-4e26-abf1-d2faf4c965c7\n提交模拟链接：

1、请用自己的话解释什么是量化投资。

答：我觉得，就好像是用一套具体的的数学公式来代替人去选股票，个人的话通常是凭感觉决定买不买。而量化投资就像是给投资做了一套标准化的步骤流程，用很多数据，然后把这些数据输入到一个模型里。这个模型会像根据设定好的规则，做出买卖决策。

2、请你列出你认为的量化

欢迎加入2025量化投资训练营，请大家将每一期的作业/思考/疑问等，提交到本文档的对应目录下。

\

提交流程：

1. ==找到对应日期的文档==，鼠标放置在文档标题，点击"+” 新建文档

   ![](/wiki/api/attachments.redirect?id=83

今日作业：

\

1、请用自己的话解释什么是量化投资

答：我认为XXXXXXXXXXXX.

\

2、请你列出你认为的量化投资的优势和劣势

答：我认为XXXXXXXXXXXX.

我的疑问与思考：XXXXXXXXXXXX

\

你好，我修改了这个策略的代码，想只保留主板的数据，但是运行回测数据没有变化，是什么原因呢？

策略：

[https://bigquant.com/codesharev3/fc26699e-a006-4e90-8609-8ebcbee38ff6](https://bigquant.com/codes

#https://bigquant.com/codesharev3/9cd9a4a0-4050-40f2-b3a7-8b7652ebff63

from bigmodule import M
# @param(id="m7", name="initialize")
# 交易引

请技术来看看

源码：

[https://bigquant.com/codesharev3/15afa818-8cac-442a-8936-9bef606e7b0f](https://bigquant.com/codesharev3/15afa818-8cac-442a-8936-9bef60

1. 市场观察和机会发现

1.1 四大类资产ETF持有表现

1.2 加入动量后的轮动

每五日轮动

🌟 感谢大家一直以来对 BigQuant 的支持！我们希望能和大家在量化投资的道路上不断前行，同时致力于提供更好、更便捷的工具。

💡 如果您在使用 BigQuant 时遇到尚未实现或体验不佳的功能，欢迎随时提出您的建议。我们将认真考虑并努力落实，如果您的建议被采纳并实现，我们将给予相应的奖励，

具体策略代码如下：

![](/wiki/api/attachments.redirect?id=2750d78a-80a0-48c3-81e

一、引言

1.1 全天候策略来源

花开花落，四季有轮回；潮涨潮退，江海有节律；牛熊交替，金融有周期。你是否曾憧憬，能有一套投资策略

请问我m7的sql里的窗口函数，为什么改变窗口大小，算出来的数是一样的

[https://bigquant.com/codesharev3/87d33db3-7d76-4ba8-8b8f-e51e3ccf1aff](https://bigquant.com/codesharev3/87d33db3

https://bigquant.com/trading/detail/510fc7ce-0e30-4fc6-9a84-162b9fee5dfc

后台7月21日有出 中国中铁信号，但前台实盘没有出，请看下怎么回事

https://bigquant.com/trading/detail/51858f6b-c8ac-4a84-be3c-e5525dc75794

\

{{membership}}

[https://bigquant.com/codeshare/013e4881-edcc-42b0-8944-60b97980eb5a](https://bigquant.com/codeshare/013e4881-edcc-42b0-8944-60b97980e

0. 策略名词解释

（1）StockRanker模型 (LightGBM Ranker模型)

StockRanker 在bigquant平台支持排序、回归、二分类、log loss四种算法。而在排序算法中: 使用 LightGBM 提供的排序模型（LightGBM Ranker

摘要

基于市场周期规律与同比序列42个月短周期状态判断“牛熊”拐点在华泰金工周期系列研究的基础上，通过信号处理、统计检验等手段，证明指数同比序列的42个月短周期决定了市场“牛熊”状态，并进一步通过数学推导、实证检验证明同比序列42个月周期领先于价格序列4.5个月。 以此为基础，提出同比序列的

0.策略名词解释

（1）LightGBM模型

LightGBM（Light Gradient Boosting Machine）是微软开源的一种基于梯度提升框架的高效实现。它主要用于机器学习中的监督学习任务，如分类、回归和排序等问题。本策略中使用的是回归。

githu

【旗舰版】BigQuant Connector: 使用本地VSCode连接到 AIStudio

![](/wiki/api/attachments.redirect?id=43cbd53

一、基金池

标普500

纳指ETF

300ETF

创业板

嘉实原油

豆粕ETF

黄金ETF

恒生科技

优点

1. 地域分散：覆盖中美市场（标普 500、纳指、300ETF、恒生科技），对冲单一国家风险。
2. 资产多元：股票（权益）+ 原油 / 黄金

我想知道宽币怎么这么快就没了，我就晚上和ai一起改了2小时代码，也没看到使用记录啊。

\

https://bigquant.com/codesharev3/16a53d1d-8b1c-4968-ac0b-0398392b97ca

\

文件单中有两个重要的文件：position_data.txt和fund_data.txt

我遇到了一个问题，就是当前持仓这个position_data.txt文件有个字段是可用数量，如果昨天14：56做了文件单交易，也是更新的昨天，假设昨天刚买入一笔，那么昨天14：56的时候最后一次更新，这些刚买

策略简介

本策略是一个基本的StockRanker策略，使用的因子除了一些基本的量价指标、技术指标、财务指标之外，我们加入了涨跌停的因子，由于涨跌停price_limit_status这个字段的含义是等于1表示跌停、等于2表示非涨跌停、等于3表示涨停，因此我们将过去10日的涨跌停状态相加的话

出现这个错误之后，代码就被清空了，一行都没有。。。是平台出问题了吗？能否回滚？

如何写一个因子，判断一个股票20天内是否有涨停？

我现在这么写老是报错

m_sum(IF(close>m_lag(close,1)*1.09,1,0),20) as f1

点击此处查看直播回放：<https://bigquant.com/college/courses/course-v1:public+l07161+2025-07/courseware/ce529a33abd9458385d0a594a379014e/dddb404e6d774d2c8a8d33415

回测模块中，有一笔这样的单子引起了我的关注，应该不是个例。我们来看这笔5100股买入-卖出的订单\n根据上图信息\n买一只股票5100股，买入价

现在平台只有可视化数据封装的示例 ，能否搞一个代码版的数据封装示例，我好发布到策略社区去。类似这种数据源，有自己的ID：user_data_bq3xsdcp_7a60b646，这是如何封装的呢？

万老师，你的轮动策略，轮动不起来，我是会员，本该有2个社区策略可以轮动，但是现在运行老是出现single positional indexer is out-of-bounds，老是报这个错误，怎么解决 ![](/wiki/api/attachments.redirect?id=49cc6900-d

我使用了直播展示的《final全动态》策略，部分代码如下所示。运行第一天显示买入，实盘都执行成功了，但是今天看策略页面显示所有记录都变空了？请问一下这是为什么？

策略源码位置： [策略轮动：穿越不同市场风格的策略组合_0628直播](https://bigquant.com/wiki/doc/

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开发环境）

==推荐使用最新连接方式==

==点击此处查看最新连接方式==：【旗舰版】BigQuant Connector: 使用本地VSCode连接到 AIStudio

\

介绍

通过本地

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 [旗舰版](https://bigquant.com/s

我们为广大量化爱好者整理了120套量化策略源码，==获取全部源码方式见页尾。==

• 本合集旨在提供量化思路和常见的策略模板，从而学习和魔改，==请勿直接实盘==。

• 本合集均使用3.0开发环境，克隆策略时候==选择去AIStudio最新版运行==。

  \

*一、新手学习策略

5大散户亏钱原因详解！总共25条，看看中了多少条！

BigQuant.com是适合散户并以AI人工智能为核心的量化开发平台，为量化投资宽客提供机器学习AI技术、量化金融数据、精准回测、量化因子等，去除人为情感，做到理性投资。

1、信息不对称

散户通常无法获取与机构投资者相同的信

《彼得·林奇教你理财》通俗解读：普通人的“接地气”赚钱指南 一、核心思想：菜鸟也能打败华尔街 简单说： 彼得·林奇认为，普通人的日常生活就是最好的选股工具。超市里卖断货的零食、小区门口排队的奶茶店、办公室里同事都在用的电子产品……这些“身边的机会”比华尔街的复杂模型更靠谱。 他的战绩：管理基金13年

cn_stock_prefactors表中

1. 因子：deal_number，北交所的标的没有数据
2. 因子：net_active_buy_amount_rate_main 北交所的标的没有数据\n北交所行情一直这么好，希望平台能早点增加北交所的资金流等数据

\

1.市场观察和机会发现

主力资金流向策略以捕捉市场资金动态和短期趋势为核心，在量化交易中展现出独特的实战价值。从逻辑层面来看，主力资金作为市场中的 “聪明钱”，其流向往往反映了机构投资者对股票的价值判断与预期。当主力资金持续流入某只股票时，通常意味着企业基本面得到认可、潜在利好预期或存在价值低

==--具有行业风格特征的策略应该如何系统构建？==

0. 电子行业概览

电子行业是一个以电子元器件、电子设备及其相关材料和制造工艺为核心的综合性产业体系，覆盖从基础元器件制造到整机装配、系统集成等多个环节。该行业技术密集度高、更新迭代快，具有强烈的全球分工特征。

在 **申万行业

我尝试运行了策略社区里的这个策略 天创40-1200https://bigquant.com/square/c0ed6461-3f07-4fd6-bd19-a39fe14d0be2

因为之前向您咨询过模拟交易金额与实盘资金不一致的问题，所以我在编辑器里先限制了初始资金，然后提交了实盘。但是实盘的交

因子原理

当我们发现股票市盈率较低时，是持仓买入的好机会。但是，有些周期股，比如煤炭、钢铁等，当经济增长时，这些行业的需求上升，企业盈利能力改善，从而推高它们的股价；而在经济放缓时期，这些行业的需求减少，盈利能力下降，股价下跌。

$$ 市盈率=企业股价/每股收益 $$

周期性行业的盈

ImportError: cannot import name 'NonBlockingStreamReader' from 'utils' (C:\Users\xiohu\anaconda3\Lib\site-packages\utils\init.py)

在本平台创建的实盘资金规模为50万，然后按照国金QMT实盘教学及课程中的代码，连接提交到国金QMT交易模拟端，然而发出的交易信号并不是按资金50万的量发出的，而仍然是按模拟交易策略中的100万的量发出的。而且我的实盘中的策略的id与模拟交易策略的id是一样的（打开我的实盘中的策略后，跟模拟交易中打开

策略如下，直接克隆的一点都没有动过：

[https://bigquant.com/codesharev3/719f32aa-a480-47c2-b40e-c09634db1092](https://bigquant.com/codesharev3/719f32aa-a480-47c2-b40e-c

滚动训练的策略模板运行错误了哦，反馈给个能运行的模板

[https://bigquant.com/codesharev3/3b7f1832-1bd6-4c17-af26-52c42bf5f65d](https://bigquant.com/codesharev3/3b7f1832-1bd6

DNN深度学习量化选股策略V2，策略模板运行错误了哦，反馈给个能运行的模板

[https://bigquant.com/codesharev3/572e92cd-04fd-4a0e-a6c9-504836559210](https://bigquant.com/codesharev3/57

实盘整体流程

1.开通BigQuant合作券商账户（指定二维码开通享手续费优惠），并申请实盘、绑定实盘资金账号。

2.设置对应实盘资金账号的实盘策略，创建计划交易信号（实盘申请通过后：用户的实盘策略可选择用户的所有模拟交易策略）。

3.创建实盘访问凭证，获取对应访问凭证的密

1.市场观察和机会发现

近年来，A 股市场呈现出显著的结构性分化特征。这种分化不仅体现在行业间的轮动差异，更体现在不同市值规模股票的表现背离上。

对于大盘蓝筹股：北向资金、保险资金等长期资金更倾向于配置流动性好、业绩稳定的大盘蓝筹股，导致中小市值股票群体资金关注度相对较低。在

操作符

本篇主要讲述如何获取BigQuant平台模拟交易信号，并将信号通过本地原生Python API （xtquant）将每日交易信号提交到国金QMT终端，进行实盘交易。

(还没有国金账号？ 开户链接)

1.

![](/wiki/api/attachments.redirect?id=5d141061-4e9f-4219-86

请问管理员，策略回测代码中，如何显示下面这些图表，谢谢？

Error loading renderer 'vscode.builtin-renderer'

• Failed to fetch dynamically imported module: https://vscode-remote+bigquant-002ecom.vscode-resourc

https://bigquant.com/codesharev3/30fce8f2-4d2f-4e69-a636-18ab0cd506de

\

报错信息：

IndexError Traceback (most recent call last) Cell In[1],

line 52 **[39](vscode-notebook-

股票实时行情数据API接口地址

接口同时支持美股，港股，A股

# Restful API
https://api.qos.hk/trade
https://api.qos.hk/instrument-info
https://api.qos.hk/snapshot

0. 名词解释

0.1. 主力

主力指的是大单和超大单之和，股票大小单主要是指买卖股票的单笔成交数量或金额，大单指的是股票市场中成交量为10-50万股，或者成交金额在20-100万元之间的交易；超大单指的是成交量大于等于50万股，或者成交金额大于等于100万元。这类交易通常由大型机构或

{{pro}}

[https://bigquant.com/codesharev3/73b7a3b6-d2a5-496e-8c5b-81230a522561](https://bigquant.com/codesharev3/73b7a3b6-d2a5-496e-8c5b-81230a

一、直播介绍

大模型驱动流程自动化，揭秘行业因子挖掘智能体系统！由大模型驱动的革命性工具，重新定义量化研究的效率边界！

🌟 三大核心突破：\n✅ 算子文件库 - 20+底层函数自由组合\n✅ 动态评估体系 - 实时计算IC/IR/SHARP比率\n✅ 智能提示工程 - 自然语言一键生

问题：0630全新提交模拟任务，模拟运行正常，但没有输出任何交易信息。如下图所示。

模拟运行正常：<https:/

@module(position="-430,-1211", comment="""""", comment_collapsed=True)

m5 = M.input_features_dai.v26\n( mode="""表达式""",

expr="""score""",

expr_

一、市场观察

可转债作为一种嵌入转股权的混合证券，其定价逻辑始终游走于债性与股性之间，这种双重属性使其在不同市场环境下呈现出复杂的收益特征。当前市场中，若干结构性特征为量化筛选策略提供了潜在的发力空间，这些特征并非基于特定数据验证，而是源于对市场运行机制的规律性观察：

**1.1债性与

MFI资金流向指标

计算方式：

• 典型价格（TP）=当日最高价、最低价与收盘价的算术平均值；货币流量（MF）=典型价格（TP）*当日成交量；
• 如果当日MF＞昨日MF，则将当日的MF值视为正货币流量（PMF），将N日内的正货币流量加总代入公式5；
• 如果当日MF＜昨日M

影响策略效果的因子有很多，每个人所选择的因子也各有不同，选取因子后，如何分析数据，找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分，本文介绍，如何简化数据分析的工作：数据标准化处理

举例说明：

当天收益因子：5000支票，可能会有1000+个不同的值，如：1

直播回放地址：<https://bigquant.com/college/courses/course-v1:public+CS0629+2025-06/courseware/84d2eb8aeb2240b982d9534fecdbf5ab/1c531b77b1df4025bb170b37c63

直播回放地址：<https://bigquant.com/college/courses/course-v1:public+CS0628+2025-06/courseware/cf790c2b076f435d90d3e6b76f65b8b0/13d216fc2e1b459c837802cef1f78

将策略的调仓方式改为每2天调仓1/10，于6月22日回测成功，提交模拟成功。

6月23日至6月26日模拟运行虽然正常、无报错，但是没有按“每2天调仓1/10”执行，请帮忙看看问题出在哪里？

我的策略：<https://bigquant.com/trading/detail/e5ded09c-

策略介绍

该策略是一个典型的事件策略，事件策略和选股策略是有本质上的区别的，事件策略的基本思想是，对于特定的股票，什么时候该买，什么时候该卖，本文介绍了一种基于MACD指标的事件策略

具体来说，MACD包括三个指标：

• MACD（平滑异同移动平均线）：MACD线是短期指数移动平均线（通

策略社区AI策略广场可转债策略模板改变选债因子回测正常，提交模拟正常，只出现了一次交易信号之后就没有后续的交易信号了，该策略在这个期间的回测一直有交易信号产生，\n可转债三要素策略模板链接：<https://bigquant.com/square/ai/0fbdf9e7-630d-2f58-4cf1

1.市场观察和机会发现

当前 A 股市场呈现出明显的结构化特征，部分板块和个股波动剧烈，而高风险股票（如 ST 股）因财务状况不稳定、退市风险高等因素，容易出现价格大幅波动；科创板和北交所虽具备高成长潜力，但存在流动性不足、信息不对称等问题，增加了投资风险与不确定性。同时，市场中部分低估值、业

0.策略名词解释

0.1 随机森林

随机森林是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，更令人惊奇的是它在分类和回归上表现出了十分惊人的性能。

1、用有抽样放回的方法（bugging）从样本集中选取n个样本作为一个训练集

2、用抽样得到的样本集生

请问如何计算当日大于5%涨幅的股票数量？或大于5%涨幅的数量的占比？

目前提供的函数，只能求时间戳截面上，给定百分比，计算出涨幅值。反过来，给定涨幅值，计算百分比怎么做？

为什么使用TGAN？

在量化交易中，你可能会遇到日常金融数据不足以回测策略的情况。然而，遵循真实数据分布的合成数据可以非常有用，可以帮助你用足够数量的观测值来回测策略。生成对抗网络（GAN）将帮助我们创建合成数据。具体来说，我们将使用用于时间序列数据的GAN模型。

文章大纲

在这篇

直播回放：<https://bigquant.com/college/courses/course-v1:public+l06251+2025-06/courseware/17d6143d934146ed83605636b7c47ff0/e99f7676103949118b5e5e26db3d1

导语

平台已经整理好新旧因子对比，可以在基础特征抽取里面直接抽取。

A股

量价因子

注：当前仅支持万和证券BigTrader量化交易终端

功能描述

本功能实现了从云端（bigquant.com）策略信号生成到终端自动获取并下单的完整闭环。用户在BigQuant云端平台运行量化策略后，系统会自动生成交易信号，用户在本地终端通过Python程序自动获取这些信号，最终将

CTA策略主要是一类量化期货策略，适用于专业投资者，本文介绍一款经典的布林带趋势跟踪策略如何在平台实现，授人以鱼不如授人以渔，抛砖引玉，以便小伙伴能在此基础上迭代研发出自己的策略。

本文主要通过代码讲解以下内容：

• 如何过滤标的
• 如何在取数的时候传入参数
• 如何主力合约产生信号，如何

我一直觉得，写交易策略不难，难的是获取一手的数据流。尤其是做外汇，价格波动快得让人窒息，延迟半秒你都能错过关键点位。

所以，这篇文章，我想直接告诉你：如果你用 Java 做量化，怎样最快地接入一个实时外汇行情 API。

我试过几个主流的行情源，包括一些号称免费但连 HTTPS 都

简介

我们的模版——可视化AI策略是一个单次训练策略，但实盘的策略需要经过滚动训练的研发验证。

在量化交易中，市场环境具有高度动态性与非平稳性，传统的一次性训练模型难以适应不断变化的市场结构。因此，采用滚动训练（Rolling Window Training）的方式对机器学习或深度学习模