首页 编写策略 数据平台 策略社区 我的策略 宽客学院 知识库
免费注册

大类ETF-DRO组合优化-不确定集、扰动逻辑优化

一、引言

在量化投资中，组合优化的鲁棒性直接影响策略的实战表现。近期我们对基于 Wasserstein 距离的分布式鲁棒优化（DRO）策略进行了迭代，看似细微的调整背后，其实藏着对组合稳定性和资产适配性的深度考量。下面就来详细说说第二个版本（代码 2）到底改了什么、为什么改以及如何实现的。

由bq9e696k创建，最终由bq9e696k更新于

bqbppxmo_作业提交

新增了ROE指标

[https://bigquant.com/codesharev3/769c6e87-7d37-4a49-ac1e-6caae3ef2b30](https://bigquant.com/codesharev3/769c6e87-7d37-4a49-ac1e-6caae3ef2b3

由bqbppxmo创建，最终由yangduoduo05更新于

张伟_作业

1.对原策略拉长回测周期校验效果，发行在24年之前该策略收益为负，经测试后发现24年后的高收益主要来源于北交所的增长。当小市值策略包括北交所时，由于北交所的票市值较小，会受北交所风格影响严重。所以修改策略去除北交所。

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

由bqz709ry创建，最终由yangduoduo05更新于

bq4t7jcm_作业

加入了市净率的失败策略

[https://bigquant.com/codesharev3/95cfd79a-d513-4a12-aa68-1f90d3ee9a7a](https://bigquant.com/codesharev3/95cfd79a-d513-4a12-aa68-1f90d3ee

由bq4t7jcm创建，最终由yangduoduo05更新于

老韵:超参测试汇总作图作业提交

为了上难度，用了个三参数(策略本身没意义哈，只为了熟悉策略回测各环节），策略代码如下：

[https://bigquant.com/codesharev3/acc72621-b644-4961-9a13-375d4d4ea840](https://bigquant.com/codesharev3/

由bqgl97s8创建，最终由yangduoduo05更新于

TCB交作业

1、今年小市值略疯狂。2、画图那里是抄的作业，不是自己写的。

[https://bigquant.com/codesharev3/e9bb4905-5614-4070-b97a-55429dc22656](https://bigquant.com/codesharev3/e9bb4905-5614

由bqfua3ny创建，最终由yangduoduo05更新于

模拟交易没有实际调仓问题，求解决

我设置了卖出持有超过5日的股票，而且每天都在做股票池子筛选不知道为什么模拟交易的时候没有进行实际调仓

文档源码：

[https://bigquant.com/codesharev3/7bc0bca0-ca32-4bde-9b1e-9bc6ebd2d0aa](https://bigquant.co

由bqr422g2创建，最终由bqr422g2更新于

紧急!!!!!提交模拟交易始终有问题

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

由bqagh3rw创建，最终由bqagh3rw更新于

bqbppxmo作业提交

  1. 换手率标准差策略为载体
  2. 大盘连续5日下跌4%时清仓
  3. 个股涨了5%或者跌了2%后平个股


[https://bigquant.com/codesharev3/6bc835de-b022-4709-8ea8-1fbfbe51e2ba](https://bigquant.com/c

由bqbppxmo创建，最终由bqbppxmo更新于

2025主流高频外汇 API 平台盘点

在外汇交易领域，高频外汇 API 平台众多，每个平台都有其独特之处。彭博社作为传统金融数据巨头，在全球金融数据领域拥有深厚的积淀，数据权威且全面，能为用户提供广泛而精准的市场信息 ，但它的外汇高频实时报价服务接入成本极高，免费套餐不仅功能有限，限制也十分严格，对于中小开发者以及预算有限的企业来说，难

由bqqy25z0创建，最终由bqqy25z0更新于

My first echo

由bq2phtzk创建，最终由bq2phtzk更新于

策略分享——RSRS弹性ETF策略

1. 核心指标介绍

1.1 阻力位和支撑位

阻力位是指在标的资产价格上涨时可能遇到的压力水平，是交易者认为卖方力量开始反超买方，使得价格==难以继续上涨或开始回调下跌的价位==。当价格接近阻力位时，投资者预期会有更多的卖家介入，增加供给，这可能导致价格下跌或至少暂停上涨。

支撑位是指

由sywgfuture01创建，最终由sywgfuture01更新于

策略分享—基于StockRanker模型和排序学习的选股策略

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

由bq0m8rec创建，最终由bqv65naz更新于

bqlapjkl_作业提交

选股策略

1.

[https://bigquant.com/codesharev3/d8840d5f-3d22-4d3e-9868-6e4bd8c7c153](https://bigquant.com/codesharev3/d8840d5f-3d22-4d3e-9868-6e4bd8c7c1

由bqlapjkl创建，最终由bqlapjkl更新于

明华的作业

import pandas as pd
import os
import glob
from datetime import datetime, timedelta

def calculate_15day_change_and_turn(stock_data_dir):

由bq5u2rhb创建，最终由bq5u2rhb更新于

【提交模拟失败】

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：

由peng1960hong创建，最终由xiaoshao更新于

交易引擎：9-设置止盈止损与大盘风控

\

  • 本策略运行环境：AiStudio 3.0.0
  • 策略描述：


[https://bigquant.com/codeshare/144ad34b-5448-4f8f-9452-83f4eebee41c](https://bigquant.com/codeshare/144ad34b-54

由small_q创建，最终由bqv93dy2更新于

BigTrader AI量化交易终端 - 实盘交易终端

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

由small_q创建，最终由small_q更新于

bqnst8by作业提交

市销率和股息收益率加入过滤条件，并把股息收益率加放权重，情况改善很多

感悟：随着市场上机构比重的增加，对基本面也有了很多的要求。


[https://bigquant.com/codesharev3/946edaf7-9ac0-4bb9-8386-b970a5755f8b](https://b

由bqnst8by创建，最终由wintersp更新于

bqnst8by 作业提交

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。

 a. 最近三天及过去10天主力资金流入，公司盈润>0, 每股利润有增长，当天成交量为过去22天平均成交量的1.5倍以上。股价不高于过去10天平均价格的1.1倍，每二天买

由bqnst8by创建，最终由bqnst8by更新于

bqos5o6e作业提交

  1. 小市值策略在2024年的坑用价值因子可以部分解决。
  2. 核心还是做好回撤或止损动作，作为量化交易的初学者不知这方面如何实现？

[https://bigquant.com/codesharev3/b71aa64e-afb6-42f2-81c5-59a3bf4120ad](https://b

由bqos5o6e创建，最终由bqos5o6e更新于

bqos5o6e 作业提交

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。

  1. 选股

    近3年股息率最高的10只股票。

  2. 买入

    立刻买入

  3. 卖出

    分红后1个月股息率大于4%则卖出。

2、在看完从0-1开发量化策

由bqos5o6e创建，最终由bqos5o6e更新于

四金_作业提交

基于昨日的小市值稳健策略，加入stockRanker

[https://bigquant.com/codesharev3/d68939bb-b431-4483-a508-40af019b4fea](https://bigquant.com/codesharev3/d68939bb-b431-448

由bqf6mces创建，最终由bqf6mces更新于

优秀策略分享——数据标准化策略

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

由bq71v3n7创建，最终由bq71v3n7更新于

深灰太狼_作业提交

在M7把回测时间设为2014-01-01-2025-08-01会出错,因该如何设置才行呢？

[https://bigquant.com/codesharev3/5f219abf-fdb8-42c7-b02c-ab9429f87f0d](https://bigquant.com/codesharev

由bq4y4j3i创建，最终由bq4y4j3i更新于

bqfua3ny 作业提交（一坨翔）

1、一个策略很难一直挣钱，穿越牛熊。

2、AI策略对捕捉风格的变化应该是一个很重要的研究方向。

3、AI策略是一个黑盒子，如果能够像线性策略一样公式描述就好了。

4、不知道应该放什么因子进去，放多少因子进去，因子和因子之间应该保持什么关系（低相关性？）

5、需要滚动学习才有意义，我提交的今天

由bqfua3ny创建，最终由bqfua3ny更新于

策略分享-基于XGBoost模型和滚动训练的预测策略

0. 策略名词解释

（1）XGBoost模型

XGBoost 是一种基于梯度提升树（Gradient Boosted Trees）的高效机器学习算法，常用于排序、分类、回归等任务，在bigquant平台上只用于排序任务，主要有三种：排序学习（NDCG）; 排序学习（Rankne

由bq0m8rec创建，最终由bq0m8rec更新于

bqos5o6e 作业提交

1、请用自己的话解释什么是量化投资。

使用基于数据的组合交易策略，达到稳定增长的投资。

\

2、请你列出你认为的量化投资的优势和劣势。

  • 优势：
  1. 不带情感
  2. 时间自由
  • 劣势：
  1. 学习曲线陡峭
  2. 启动资本要求较高。

\

由bqos5o6e创建，最终由bqos5o6e更新于

e

由bqjrhjed创建，最终由bqjrhjed更新于

四金_作业提交

小市值



[https://bigquant.com/codesharev3/359cfba6-8e27-4a1d-b573-dfdfa4733a4f](https://bigquant.com/codesharev3/359cfba6-8e27-4a1d-b573-dfdfa4733a4f

由bqf6mces创建，最终由bqf6mces更新于

bqd17wit_作业提交

我改了一个小市值的策略，过去还是小市值跑的好啊



[https://bigquant.com/codesharev3/80283103-3430-42d0-a678-a2517af4ac62](https://bigquant.com/codesharev3/80283103-3430-42

由bqd17wit创建，最终由bqd17wit更新于

策略分享-动量多因子选股策略

一.策略原理

本策略主要面向A股市场,结合了价值投资,动量效应和风险控制三类因子,通过合理配置多因子进行优选股票池，最终实现中长期稳健超额收益。具体逻辑与每个核心指标/因子的原理、有效性分析如下：

\

(1)动量效应

动量现象已被国内外大量实证研究证明有效：历史上涨较多的股票短中期仍

由bqy4a9le创建，最终由bqy4a9le更新于

老韵_作业提交

先随便调了两次参数，根据结果变化趋势发现应该不行。

然后尝试加了个close排序的权重，一次就将夏普提升到1.5以上了。所以，特征因子组合的底层逻辑才是策略灵魂，调参只是锦上添花的辅助手段。以下为修改后的策略：

[https://bigquant.com/codesharev3/51e25514

由bqgl97s8创建，最终由bqfua3ny更新于

策略分享—基于LightGBM模型和超参优化的收益率预测策略

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

由bq0m8rec创建，最终由bq0m8rec更新于

回测API的调用（内测）

1.安装SDK（内测中）

联系工作人员申请成功后，将安装文件放到任意一个路径，输入pip install <路径>完成安装

2.bq命令的使用

如需测试，请在终端中测试，将下方指令替换成正确的信息(如自己的账号密码、正确的策略id)然后Enter

2.1 用户登录:

由small_q创建，最终由stephen1231234更新于

四金_作业提交



提升夏普比率，需要提升年化收益率，或者降低风险

这里加入了波动率因子，牛市情况下atr_20波动率越高，收益越

由bqf6mces创建，最终由bqf6mces更新于

bqnst8by 作业提交

1、请用自己的话解释什么是量化投资。

  用科学的有数据支撑的策略来做交易，而不是根据感觉来做。


2、请你列出你认为的量化投资的优势和劣势。

 优势：操作上不受情绪影响，可以把好的思想或想法变成代码固化进策略里面，可以回测去证明有效性。

 劣势：历史回测不代表未来

由bqnst8by创建，最终由bqnst8by更新于

bqfua3ny夏普提升至1.5以上交作业

感想：1、好难。 2、单纯看夏普能看，要平衡回撤就更难了。 3、从这个周期看小市值长期有效。4、如果能有方法识别出失效时间区间关闭策略使用就更好了，期待老师教学。\n

[https://bigquant.com/codesharev3/6ad19dbe-6461-4d4e-9362-32f6881

由bqfua3ny创建，最终由bqfua3ny更新于

{link}