==--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

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

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

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

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

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

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

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-

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

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

我在学习平台策略过程中发现 st_status = 0 语句无法完全排除退市整理期股票。在Quant Agent里提问，得到的答案是“在BigQuant平台的A股数据规范中，股票的st_status 字段用于区分普通股票、ST股票以及处于退市整理期的股票。st_status = 0 表示该股票既不是

如下，很多股票都不是新股，理论上atr_14能算出来，不应该这么多nan值，这是为什么呢

[https://bigquant.com/codesharev3/ed007717-890e-4415-83a0-3824a073d9b8](https://bigquant.com/codesharev3

本地上传的csv怎么保存到平台中，并调用

因为我在使用order_value（instrument，cash），如果cash/净值，不满足最小数量，好像就无法成交，这个应该如何解决

因子定义

乖离率因子是量化投资中的一个重要指标，它用来衡量一只股票当前价格与其平均价格之间的偏离程度。简单来说，乖离率可以帮助我们判断股票是不是被高估或者低估。

正的乖离率越大，表示股票被高估，短期可能会回调，此时可考虑卖出获利；负的乖离率越大，表示向上回补的可能性越高，此时考虑买入等上涨

直播实盘回放：<https://bigquant.com/college/courses/course-v1:public+l0619+2025-06/courseware/0271513472614746a1a2d5616196559f/ec082313cb0945d581f210943327

0.什么是可转债

0.1 基本概念

可转债是上市公司发行的一种特殊债券，它赋予投资者在特定条件下将债券转换为公司股票的权利。投资者持有可转债，既可以享受债券的稳定利息收益，又能在公司股票价格上涨时，通过转股获得股票增值收益，具有 “下有保底，上不封顶” 的特点。

0.2 交易规

点击此处查看直播回放：<https://bigquant.com/college/courses/course-v1:public+l0617+2025-06/courseware/918bd7ac4fa84dfca60185e52e37342c/4de6d8e19ae74c89951060ad

股票实时交易策略

1.选择感兴趣的股票实时交易模板（详见模板），点击【克隆】复制对应策略至策略编写页面；

1）运行代码：点击右上角的【全部运行】，看代码运行结果是否报错

2）提交模拟：点击右上的【提交模拟】，进行实时任务提交

![](/wiki/api/attachments

https://bigquant.com/codesharev3/ebbaef0f-d860-4983-9305-823a6afefb14

完全按照老师

https://bigquant.com/codesharev3/a836e03a-da45-408e-979f-7c00a1758c9e

\

https://bigquant.com/codesharev3/f9d46b4f-6b5c-4a8f-a00e-c26a8648e9e5

想调整的参数

按照你提供的文档，克隆文档中的策略，反复运行都失败，到底是什么问题呢？？实际上之前也运行过贝叶斯寻优与M.tune 调优等程序代码，都出现过各种问题并失败，我当时的感觉是不是我的算力或资源不够，因此，这次这个问题一定要解决我才知道到底是哪个地方出了问题。\n请尽快解决！！！！\n

[https:/

克隆161alpha挖掘大杀器--并行模块tune的代码，运行后无法显示图形，报错如下，烦请修订。

[https://bigquant.com/codesharev3/3239cb80-e1a4-4a1a-9db6-6ad06fa87cff](https://bigquant.com/codesh

regr_slope可以计算两个变量之间线性回归的斜率，例如收盘价和开盘价的斜率regr_slope(close,open,10), 但是为了计算一段时间的趋势是上涨还是下跌，需要计算close与交易日之间的回归斜率，请问怎么实现？相当于需要一个数组（1，2，3，4，5，6，7，8，9，10）跟连续

因子原理

现金流是企业在一定时间内产生的现金流入和流出状况，简单来说，就是公司的“==钱进钱出==”情况。

它体现的是公司的运营能力，用来评估公司的健康状态。

• 例如，你有一间餐厅，客人们每天都来消费，每天都有现金入账，但同时你每天也需要支付原材料、房租和员工工资等。

如果每天的==

高频交易经常被提起，却始终蒙着一层神秘面纱，仿佛那只是金字塔尖那一小撮人的玩物。今天我们就从期货高频数据下手，去揭开神秘面纱的一角，并尝试搭建神经网络模型对高频数据进行预测，抛砖引玉，希望能让对金融数据分析，量化交易，人工智能感兴趣的朋友有所收获。我们已经将本文的全部源数据+源代码+python环境

BigQuant 可视化深度学习模型构建

模块

BigQuant将量化投资需要用到的数据、算法、交易等封装为模块，用户可以直接复用和调参，参考如下示例

# 模块: hello
def run(param1: I.bool ..):
    ...
    re

我的1.0的老策略现在模拟实盘已经不支持了，想移植到3.0，但好久没学习3.0的知识了，想自己移植很费劲，希望平台的老师能帮忙实现。

[https://bigquant.com/codeshare/b91f0463-9922-42ec-bdfb-293f9c5c1585](https://bigq

1.市场观察和机会发现

优质高股息策略以稳定收益和抗风险能力为核心，在量化交易中具备独特价值。其逻辑层面，在经济下行或波动时，高股息企业商业模式成熟、现金流稳定，能提供防御性；股息再投资可实现复利增长，放大收益；被低估的高股息股存在估值修复机会；同时满足养老金等长期资金的配置需求。市场

https://bigquant.com/codesharev3/ea4de6c6-1325-4531-9cbb-ef685c57d953

我之前也运行

from bigmodule import M

# <aistudiograph>

# @param(id="m7", name="initialize")
# 交易引擎：初始化函数, 只执行一次
def m7_initialize_bigquant_run(context)

![](/wiki/api/attachments.redirect?id=944a28bd-009c-4470-8c1d-25ccedf30

https://bigquant.com/codesharev3/534ccc2e-0cd1-4bb5-9e32-1364235eac4e

以上选股策略

https://bigquant.com/codesharev3/e931fce3-8e41-459d-a139-f9fc2457b61c

按老师提供的

策略简介

以中证1000股指期货的近月和远月期货为标的，进行跨期套利操作。信号来源于中证1000现货指数的信号，即为如果价格上穿均线，呈现多头趋势，那做空近月合约，做多远月合约；如果价格下穿均线，呈现空头趋势，那做多近月合约，做空远月合约。

本文不是以均值回归作为策略思想，而是从市场预期的

导语

平台有大量算力，但是个人开发环境算力有限，因此怎样将一份AI策略，修改下模型策略的参数，让他在远程集群环境运行呢，比如我模型学习率是0.01 ，希望在0-1整数之间按0.01遍历呢？

这里有100种情形，100组参数。如果每组参数要跑10分钟，那跑100组参数的时间太长了，接近16个

乖离率策略链接：https://bigquant.com/square/ai/a7661d31-7ef6-92fe-1241-d366378d8b21

直播回放地址：<https://bigquant.com/college/courses/course-v1:public+l0611+2

操作系统：Mac OS

浏览器：chrome

操作：

在编写策略板块中，新建一个模板策略，不做任何修改，直接运行，就报错了。

按道理平台是服务器端部署的，所有的库都是平台部署的，为什么还有这种无法解析的问题呢？

求助。提前感谢。

![](/wiki/api/attachments.re

您可以去社区论坛问答交流板块反馈咨询 去发帖>>
---------------------------------------------------------------------------
ImportError                          

在学习的小白，使用了可视化线性策略的模板，使用中产生的学习疑问。

m1-A股基础选股模块 连线 到m2-输入特征模块，这个连线为什么就代表后续会按照m1的逻辑进行筛选呢？

我看连线是相当于把m1的输出结果，作为m2的input_1，但是m2的文档里只是说input_1后续可以继续被调用，没有

https://bigquant.com/codesharev3/0661476f-e3bd-4dd4-9c1c-140e3e837839

\n\n回测

旧版有一份文档，但过时了，代码不可用：设置交易费率和价格

本文档介绍在150-AI选股策略新的策略模版下如何进行滚动训练。

本文是旧文，建议参考最佳实践方法：AI量化策略滚动训练最佳实践

使用方法

创建调优对象

本文是旧文，最佳实践见：160-alpha挖掘大杀器——并行模块tune

前言

M.tune可调节的参数仅限于模块中的参数, 具体用法可参考**[尝试用M.tune写一个滚动训练](https://b

本文是旧文，建议参考最佳实践方法：AI量化策略滚动训练最佳实践

前言

为了进一步加深对M.tune的使用理解，这里我给大家写一篇M.tune的实际应用。我们可以使用它来调参，当然也可以用它来做滚

关于历史数据向前取的天数解释如图，

比如你要算ma10，正常来时这里天10或者超过10的数，回测出来的结果是一样的，

但是当你不断修改这个值，你会发现回测出来的结果一直变化，这就不符合逻辑了\n这让人怎么用啊？

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

明明是一天调仓一次的，有些股票买入后，也没有遇到跌停卖不出的问题，但是就是没卖出？\n比如这里的话华塑股份，应该要在17号卖出，但是一直没卖出？什么问题啊\n ![](/wiki/api/attachments.redirect?id=db2f81a6-02d5-40b4-ac16-babc48a6

一、引言

1.1 说明

以往的回测中，本平台默认使用的是open和close即开盘价和收盘价作为买卖价格，本平台开发了一种方式，可以让各位投资者自定义买卖价，满足各位投资者的测试需求。

该功能将改变以往的买卖价下单的设置，将按照各位投资者设置的价格进行下单。

为展示该功能的作用，我

\

一、 参数优化的必要性

• 提高策略性能：通过调整参数，可以使策略更好地适应市场或问题的特点，从而提高策略的盈利能力、准确性、效率等关键性能指标。例如，在投资策略中，合适的参数设置可能使收益最大化，同时降低风险。​
• 增强策略稳定性：优化参数有助于减少策略在不同市场条件或

select date, instrument, name, roic_lf, roic_mrq from 
cn_stock_prefactors
where is_hs300
and date = '2025-05-15'
order by roic_lf desc 

1.市场观察和机会发现

近期的A股市场呈现：从估值扩张转向盈利质量

• 政策催化：近期监管层强调 “引导上市公司提升 ROE”，叠加分红新规落地，高股息、高 ROE 的价值型资产吸引力提升。
• 资金行为：北向资金近一月净流入超 300 亿元，重点配

此文档已经过期。最新文档见：BigTrader API 参考

\

API接口

策略请求接口

context.order(symbol, volume, limit_

IContext API 文档

IContext 接口类定义了 BigQuant AI 量化平台回测与交易引擎 bigtrader 策略 context 的抽象方法。StrategyContext 会继承 IContext，并实现具体的回测/实盘环境下的 context。 用

📖 文档说明

这个文档是什么

本文档是 BigTrader 量化交易框架的完整 API 类型定义文件（bigtrader.pyi），包含了所有可用的类、方法、枚举和数据结构的详细说明。BigTrader 是 BigQuant 平台的核心交易引擎，支持回测、模拟交易和实

在该日频策略中，逻辑是after_trading里面生成次日交易信号，handle_data里面进行交易执行，按照开盘价格成交。按照改逻辑2月5号收盘1600出信号，应该是在2月6号按照开盘撮合成交，2月6号收盘会有持仓。但是实际运行情况是2月5号出信号，2月6号打印成交并且after_tradin

• ⚠️注意：本文完全由AI自动生成，可能有错误和幻觉，请谨慎使用，见 BigTrader API 参考
  • <https://claude.ai/public/artifacts/1d6b656d-6d72

介绍

• 大模型：cluade sonnet 4
• 提示词：读取 bigtrader 文档 https://bigquant.com/wiki/doc/4ESrglWGeZ ，优化一下这个文档，帮助小白用户和专业用户更好的理解和使用，你有什么建议
• ⚠️注意：本文完全由AI自动生成，

介绍

• 大模型：cluade sonnet 4
• 提示词：读取 bigtrader 文档 https://bigquant.com/wiki/doc/4ESrglWGeZ ，生成讲解
• ⚠️注意：本文完全由AI自动生成，可能有错误和幻觉，请谨慎使用，见 [BigTrader API

---------------------------------------------------------------------------

全部代码如下：

from bigmodule import M

<aistudiograph>

@param(id="m3", n

from bigmodule import M

# <aistudiograph>

# @param(id="m9", name="run")
def m9_run_bigquant_run(input_1, input_2, input_3):
    # Py

2个相同的模板，参数一样，数据一样，同样的因子，换了个模板，结果天差地别，到底是哪里出现了问题，

哪个是正确的，哪个出问题了\n\n第一个是新建的模板策略

[https://bigquant.com/codesharev3/e00be70e-dc29-4df0-b7b2-516258ddf9bd

1. 我提交模拟的策略开始可以正常运行，在规定的调仓日给出交易信号，但运行一段时间之后，在调仓日则显示没有调仓信号了。\n**SR-50策略250406 \n提交模拟链接 <https://bigquant.com/trading/detail/16114fb4-d2f1-4e81-bd91-3

https://bigquant.com/codesharev3/794586f3-29d9-4894-ace8-9b1c2f2d936a

参见代码，使

这个策略模版如何向筛选股票池，然后再进行打标签和训练？\n我想先通过因子，选定股票池后再进行后面的操作，但是试了好久。不知道模块怎么弄。\n可以的话给出一个模板，谢谢。\n

[https://bigquant.com/codesharev3/f450605e-c1de-4923-9e48-

报错信息：TypeError: Tune.run() got an unexpected keyword argument 'remote_run'，

我自己运行就发生报错。说tune模块中没有remote_run参数，我去掉remote_run也运行失败。另外，我在M.tune,run模

比如这个股票明明退市了，但是回测时你依然能卖出，4月18日退市，但是回测时你依然能按照调仓日期在24日卖出，这个真的太搞笑。\n平台问题太多，不解决，真的不敢用

![](/wiki/api/attachments.redirect?id=092d3384-0221-40ef-9cd4-1fb