https://bigquant.com/codesharev3/c75cc1ed-24f3-4f97-893d-f2fe55a98adb

\

导语

虽然数据平台的股票数据和因子数据都提供了一些预先加工好的财务因子，但我们希望把加工方法告诉大家，以便各位研究员可以随心所欲灵活地构建财务因子。

经典财务因子

在我们阅读券商金工研报时，我们经常会遇到一些财务因子，比如同比类、环比类、几何增长类、总和类、平均类的财务衍生因子，本

import dai
from biglearning.module2.common.data import Outputs
from biglearning.api import M
## 定义时间范围
start_date = "2010-01-01"
end_da

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(con

策略ID：https://bigquant.com/aistudio/studios/527f8306-0f38-11ed-93bb-da75731aa77c/?folder=/home/aiuser/work

代码中设置的回测时间为：

    start_date=""

• [2025-02-10 21:25:32] INFO: 00:00:01.9761321: Finished iteration 3
• [2025-02-10 21:25:32] INFO: 00:00:02.0238071: Finished iteration 4
• [2025

好几个ai策略都这样 ![](/wiki/api/attachments.redirect?id=991168f6-adef-4731-b6b8

国金证券简介

国金证券股份有限公司，1990年12月成立，335亿元市值，超5000人公司员工人数，8家分公司、75家证券营业部、分布全国24个省市，经营范围包括证券经纪、证券自营、承销与保荐、资产管理投资咨询、财务顾问业务等。(数据日期:2024年4季度)

国金证券开通账户

==

如下图，目前平台的回测可视化做的非常好， 但是暂不提供简单的获取策略收益概况的API。举例来说，请BigQuant考虑实现以下接口

def get_performance_metrics(metrics: str, start_date: str|datetime, end_date:str|da

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

\

在cn_stock_prefactors这张因子表里，我想得到5月均线，请问怎么在输入特征里实现。

5日均线可以这样写，

m_avg(cn_stock_prefactors.close,5)

那5月均线有没有方便的实现方法。

\

查询经营现金流量净额增长率报错。代码如下：
alpha_test = {
    "alpha_class":"财务因子",
    "alpha_name":"F116",
    "alpha_name_chinese":"经营现金流量净额增长率",
    "alpha_sql

input_1.* EXCLUDE(date, instrument)

m_lead(cn_stock_prefactors.close, 5) / m_lead(cn_stock_prefactors.open, 1) AS _future_return

==cn_stock_d

一、老版本的策略，可以执行：

[https://bigquant.com/codesharev3/6996dbf0-1fc7-4711-83cf-fa9664f85de2](https://bigquant.com/codesharev3/6996dbf0-1fc7-4711-83cf-fa966

策略介绍

本策略AI算法来预测股票的未来表现，并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

我在不改变代码的前提下，点击重启后点击全部运行，连续3次，得到3个不同的回测结果，收益相差很大，这是怎么回事？

策略核心思路：高抛低吸\n找股价处于有线级别相对较低的位置，采用打分排名的方式，进行买入，当股票上涨后打分就会变低，排名就会降下去，排名低于预设范围，则进行卖出换票，换的票又是打分较高的票（即换一支相对更低位的票，前一支票卖出利润到手），逻辑虽然简单，但很实用，无法在各种行情下都赚，一年内一般会有几

号称AI辅助，结果AI连最新API文档似乎也不清楚，复杂些的策略（只是复杂一些）Ai写的代码无法正确运行，无数次与AI沟通完合是浪费时间，这对初学者相当不利。不好的AI是垃圾，不如搞成AI教学，AI辅助代码自动修复功能更好。号称不需代码基础，零代码，其实对编程的基础技能要求相当高，加上查找帮助相当不

龙虎榜数据是否存在未来函数？请核实！

import dai
from biglearning.module2.common.data import Outputs
from biglearning.api import M
## 定义时间范围
start_date = "2010-01-01"
end_date = 

在普通模型中，单因子回测结果差，一般就会舍弃。

在AI模型中，单因子训练后回测结果差，也舍弃吗？

\

高管增持选股策略是利用“高管股份变动（增持）”作为过滤条件，再用多因子排序评分选股，现在的问题：第一，在调仓日进行“高管股份变动”的确认时以”本调仓日~上一个条仓日“期间为准，在这个期间股票发出了“高管股份变动（变动原因字段reason，代码“10”代表“高管股份变动”）”公告（公告日期字段pub

策略分享链接： https://bigquant.com/codesharev3/09b4d118-71be-4e2f-98f1-ace928990862 \n参照模板：\nhttps://bigquant.com/wiki/doc/SnztFDqTon 104选股策略

https

请问老师这个可转债双低策略换了一个因子怎么就报错了

[https://bigquant.com/codesharev3/3cc81dc4-baa3-4668-81fc-b4740224e5ae](https://bigquant.com/codesharev3/3cc81dc4-baa3-

请问如何每次都只读取个期货的主力合约，且自动平掉非主力合约的持仓。

https://bigquant.com/codesharev3/4501e970-14ef-4829-811a-7ca3110170b0

\

请工程师帮忙把这个策略改成将数据接口更改为 DAI的，我这个是固定模型的，固定的数据我已做好了，但是还是不知道数据怎么改成DAI的

[https://bigquant.com/codeshare/692be05e-a686-4b22-968e-bab70c56d69b](https://b

我早上在mini qmt用BQ信号下单了，成交3个股票，2个股票未成交

可以在原来的国金之前实盘代码上加入，报单未成交立即撤单重新报单的代码吗？

下面是国金实盘官方原代码：

国金QMT实盘教程

<https://bigquant.com/college/courses/course-v1:public+2023110601+110601/courseware/7708009442174480802b3dd339f4ede0/45dafc16ea744216af376a7dc2961fa5/

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

BigTrader是宽邦科技推出的致力于为用户提供便捷、功能强大的交易引擎。

在量化研究的过程中，量化研究员（宽客）需要在历史数据里回放模拟，验证策略效果，这就是BigTrader交易引擎的应用场景。

首先，构建简单但能运行的策略

BigQuant平台回测主要使用bigtrader中in

找人帮忙,AIStudio 2.0.0 的 DataSource 服务即将停止使用，用户需要采取行动，要么将数据接口更改为 DAI，要么将策略迁移到 AIStudio 3.0.0，以确保服务的连续性

AIStudio 2.0.0 的 DataSource 服务即将停止使用，用户需要采取行动

策略介绍

本策略是根据新国九条进行改良的新版微盘策略从而更好筛选需要的股票。

自从2024年新国九条出来后，小市值策略逐渐失效，部分小票退市概率变大，我们先看看国九条中关于股票ST的内容：

可能影响股票被ST或退市的关键因子，这些因子可以作为投资者避免潜在风险的参考：

1、分红情况：如

$C_t = (1 + R_1)$

${\textstyle \sum_{}^{}}$

$\frac{n!}{r!(n-r)!}$

简介

本文旨在开发一种基于机器学习技术的概率模型，以识别高频交易（HFT）。该模型能够进行精确的日内识别，解决了现有HFT识别框架缺乏广泛接受标准以及代理指标带来的不一致性问题。通过利用学术数据，该模型为未来的HFT研究提供了更好的一致性和可重复性。通过引入模糊逻辑，概率模型使政

摘要

本文探讨了如何利用机器学习技术在加密货币交易中利用动量效应。加密货币交易近年来在私人投资者中越来越受欢迎，而动量效应对底层市场的影响已被多项研究证实。量化交易系统可以通过动量指标来开仓和平仓，但现有的利用动量效应的方法并未依赖机器学习，而是基于人工制定的规则，这些规则在加密

我详细参考了文档：【旗舰版】使用本地VSCode连接到 AIStudio\n我仔细检查了每个步骤，一直失败。

此外修改了原始文档中可能的一步错误。编辑 ~/.ssh/config 文件为：

BigCharts 介绍

BigCharts是专业的金融市场和量化投资数据可视化探索与分析工具，致力于为用户提供高效、易用、可定制的数据可视化解决方案，提升用户在数据探索、分析和决策过程中的效率与准确性，成为量化投资者和金融分析师的得力助手。

快速入门

一个关于止损策略的疑问

以下是我的止损模块代码：
def m5_before_trading_start_bigquant_run(context, data):
    # 获取当前持有的所有股票
    holding_instruments = context.get

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

文章简介

摘要

本文提出了一种基于机器学习（ML）的方法，用于预测配对交易算法（PTA）的最优再平衡频率（ORF）。研究使用了来自Binance交易所的50种加密资产的高频（按分钟）价格数据，并构建了所有可能的两资产组合。这些组合根据相关性被分为三组：正相关、弱相关和负

1.引言

在学术研究中，Alpha是数学表达式、计算机源代码和配置参数的组合，可以与历史数据一起用于预测各种金融工具的未来走势。而在实践中，Alpha通常意味着进行交易的合理“预期回报”。两者并不一定相同。许多情况下，能够带来合理“预期回报”的Alpha并不容易构建，因此，对于Alpha的挖

研究背景

随着智能贝塔策略在中国股票市场的关注度不断提高，本文研究了六种知名风险因子（规模、价值、低波动率、动量、质量和股息）在中国市场的有效性，研究时间为2006年7月31日至2018年11月30日。

主要内容与发现

1. 因子表现概览\n研究发现，所有风险因子均实现了

作者：Chris Brightman, CFA, Vitali Kalesnik, PhD, Feifei Li, PhD, 和 Joseph Shim

文章背景

智能贝塔（Smart Beta）投资策略，也称为因子投资（Factor Investing），近年来迅速取代了传统的股票选择策

持仓交易日天数如何在交易引擎里计算？

Position(StockPosition/FuturePosition)合约持仓数据, 可访问以下属性：

• trading_day: 交易日 YYYYmmdd
• last_sale_date: 上一次交易的日期

如果需要计算持仓交易

因子原理

今天我们来聊聊 KDJ 指标，这个在股市中常被提及的技术分析工具，它可以帮助你更好地理解市场趋势。

KDJ 是由 K 线、D 线和 J 线组成的指标，主要用于判断市场的超买超卖情况。简单来说，KDJ指标可以评估股票是被高估还是被低估，从而做出更明智的投资选择。

我们先来看看KD

操作符

什么是DAI

DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台

• 使用简单：通过统一接口访问BigQuant各类数据
• 数据丰富：提供PB级金融数据、另类投资数据和因子数据 ([数据字典](https://bigquant.com/data/ho

凯利准则对于长期交易来说已经足够好，前提是投资者对风险是中性的，并且能够承受较大的回撤。然而，在实际交易中，我们无法接受长时间和较大的回撤。为了克服凯利准则导致的较大回撤问题，Busseti等人（2016年）提出了风险约束凯利准则，它将最大化长期对数增长率与回撤作为约束结合起来。这种约束使我们能够获

DOUBLE[]和DOUBLE[ANY]是不同类型吗？

执行如下sql报错：

%%sql
select array_cosine_similarity(cast([1.0, 2.0, 3.0] as double[]), cast([1.0, 2.0, 3

![](/wiki/api/attachments.redirect?id=3fbbec8c-d6bb-4ddc-bffb-d7c5548a2

请问如何让策略在固定月份（比如一月）空仓？

是在回测模块的初始化函数里加代码吗， 还是在仓位分配模块里加代码，应该怎么加呢？谢谢

[https://bigquant.com/codesharev3/fd66537f-dd22-4b89-b0b2-b1a89f1ea800](https:/

【第三方库】请安装dune_client

请安装dune_client>=1.7.7，用于下载区块链数据。

ParserException Traceback (most recent call last) Cell In[6], line 115 **[82](vscode-notebook-ce

ModuleNotFoundError

Traceback (most recent call last) Cell In[7], line 1 ----> [1](vscode-notebo

请问1.0和3.0因子函数如何对应关系

1. 1.0的ta_rsi，3.0里是用ta_rsi还是m_ta_rsi？
2. 1.0的rank，3.0里是c_pct_rank还是pct_rank？

怎么理解带c和带m前缀的函数？

\

日频交易，每日轮仓

[https://bigquant.com/codesharev3/7f53a613-ea73-41da-aca1-01e4c4900ba1](https://bigquant.com/codesharev3/7f53a613-ea73-41da-aca1-01e4c4

【策略魔改】选股结果存疑

由 您创建，

你发布于

[1 分钟前](https:

请问有关“选取总市值从大到小排名前80%”

你好老师们

在107 “股息率策略”中

1. 选取总市值从大到小排名前80% 讲解文案使用的是：c_pct_rank(total_market_cap) > 0.20 z

而在文章末尾有网友提出

“选取总市值从大到小排名前80%”的

1.0版本因子导入到3.0存在问题，麻烦看下这个策略里面的DAI因子是否能正常提取。

[https://bigquant.com/codesharev3/969d6d27-e552-4c06-ab25-09fe5a1fc34c](https://bigquant.com/codeshare

请问1.0模型固化了的策略怎么样才能在3.0中继续使用呢？

手里基本都是固化模型的策略，这种策略应该怎么导入3.0呢？

转债凸性的量化表达（gamma）

证券研究报告2024 年 12 月 24 日

可转债量化专题

转债凸性的理论逻辑虽然和衍生品 greek 中的 gamma 类似，但实际操作思路上更类似于债券的凸性。这主要是因为转债在目前的 A 股市场中的主流投资策略是持有买入，而非 delta 对冲

强化学习（RL）是机器学习中最令人兴奋的领域之一，尤其是在交易领域应用时。RL之所以如此吸引人，是因为它允许你优化策略并增强决策方式，这是传统方法无法做到的。

它最大的优势之一是什么？

你不需要花费大量时间手动训练模型。相反，RL可以自行学习和做出交易决策（取决于收到的反馈），并根据市场

快速开始第一个策略

新建策略

打开 编写策略 > 点击左侧 + AIStudio 新建策略 > 点击模版 可视化线性策略 > 回车确认

![新建可视化

算法交易策略简单来说就是用计算机语言（如 Python）编码的策略，用于执行交易订单。交易者将这些策略编码，以利用计算机的处理能力，以更高效的方式进行交易，几乎不需要干预。

无论你是初学者还是经验丰富的交易者，跟随这个指南踏上算法交易策略的旅程。它旨在赋予你必要的知识，帮助你在交易中取得成功。

自动化交易是一种利用自动化系统执行交易订单的方法，速度更快。凭借你在交易领域的专业知识，你可以将交易方法自动化，而不是手动执行交易。在这篇博客中，你将了解有关自动化交易方法的一切，并开始学习如何入门。

内容大纲

• 什么是自动化交易？
• 自动化交易的历史
• 自动化交易的工作原理
• 自

简介

BigTrader 是 BigQuant 推出的专业级量化交易引擎，采用 C++ 核心实现，并提供 Python API 接口和回调函数。它为量化投资者提供了一个全面的交易解决方案，无论您是初学者还是专业投资者，都能轻松上手使用。

核心特性

• 全市场覆盖
  • 多品种支

获取策略代码

• 知识库 知识库提供各种策略模版、Demo和交流分享
• 宽客学院 学习课程、很多课程提供策略代码可用于复刻(fork、克隆、clone)

策略

传统投资想法主要存在于人脑，并由人脑运行产生决策信号。

在量化投资中，我们把投资想法编写为策略代码，使用数据来验证和完善想法，并将最终的策略部署到计算机/服务器上运行，产生策略信号。

BigQuant提供用于策略研究开发的数据、算法、算力和平台，同时也提供策略部署和托管运行。我们先

BigQuant 开始使用

BigQuant 导航

快速创建一个量化策略

1. 登录 [BigQuant](https://

StockRanker

StockRanker 是 BigQuant 平台提供的高性能排序学习算法(list-wise)，为量化投资场景做了优化。StockRanker可以根据输入的多个股票特征训练模型和做出排序预测。

在量化投资中，排序任务指的是根据某些标准对一组股票进行排序。例如，投资

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

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

研究结论

2016年，周期股崛起，市场风格发生明显切换，各类alpha因子的相对强弱态势也发生剧烈变化。我们认为周期股是否会持续强势有待讨论，但随着IPO增速、市场监管加强以及量化产品规模的扩张，传统偏小盘、偏技术的低资金容量alpha因子的效用会减弱，估值、盈利等基本面因子的作用会

一、定义

净利润N年复合增长率（CAGR，Compound Annual Growth Rate）是衡量一个公司在特定时间段内净利润增长的平均年增长率。它反映了在每年的增长率都保持一致的情况下，净利润从一个初始值增长到最终值的速度。

CAGR的计算公式为：

![](/wiki/api/

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.

万和证券简介

万和证券股份有限公司是一家拥有证券经纪、证券自营、证券投资咨询、融资融券、证券投资基金销售、证券资产管理、代销金融产品、证券承销与保荐、与证券交易、证券投资活动有关的财务顾问等各类业务资格的综合类券商。

万和证券开户

1. 扫码开通万和证券账号（通过此开通的账号方可

我收到了一个弹窗消息，告知AiStudio 2.0.0的

DataSource

服务将在2025年2月8日停止。因此，我需要将数据接口更改为

DAI

，或者将策略迁移到AiStudio 3.0.0。

谁能帮忙

请问实盘的时候是否需要把handle_tick(context, data)放在while循环中

提交模拟交易时，程序运行一下就结束了。是否应该写一个while(1)，然后把handle_tick函数放在while(1)中？请问有实盘的策略代码示例吗？

InvalidInputException: 没有访问cn_stock_level2_snapshot的权限，请[开通BigQuant Pro的"社区因子"服务>>](

前言

在上一个教程中，我们讲解了如何开发一个AI StockRanker耍单票策略，今天我们在这个策略上做一个细节的调整：一字涨停取消卖出。本文的目的是做成一个教程示例，让大家了解如何在回测引擎里通过日期索引得到当天的因子值。

正文

因为持仓里的票如果是一字涨停，那么继续拿住也说得

引入包的时候报错了，请问是什么原因？

请问pythonapi的文档在哪里？想查询bigquant有哪些函数

m3和m6都有数据，为何训练不了？no label column found for training

[https://bigquant.com/codesharev3/7c626af6-ee2e-4ccb-83a9-7ef0a501c36a](https://bigquant.com/

ta_kama(close, 5)取这个因子也出错

[https://bigquant.com/codesharev3/a83227fc-c945-460e-bffe-92cd27d04e0c](https://bigquant.com/codesharev3/a83227fc-c945-

简介

转债凸性的理论逻辑虽然和衍生品 greek 中的 gamma 类似，但实际操作 思路上更类似于债券的凸性。这主要是因为转债在目前的 A 股市场中的主 流投资策略是持有买入，而非 delta 对冲套利。

基于此，凸性对转债来说是“好属性”：当正股上行，凸性会放大转债 delta 收益

要点

市场情绪追踪：上涨家数占比指标最近一个月高位震荡，上涨家数占比达 70%以上，市场情绪较高。从动量情绪指标走势来看，近一月快线、慢线均向上，快线处于慢线上方，预计在未来一段时间内将维持看多观点。从均线情绪指标来看，短期内沪深 300 指数处于情绪景气区间。\n基金分离度跟踪：截至 20

提个建议，模块版本更新能不能在知识库里说明一下更新内容，比如回测模块v34升级到v35，做了哪些改动，开个文档说明一下，这样有问题或者bug可以直接在下面评论留言

策略代码运行时正常，但是提交模拟交易后就报下面的错

![](/wiki/api/attachments.redirect?id=25

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动训练，值得注意的是，M.tune只能调节模块的参数：

![](/wiki/api/attachments.redirect?id=9edd75fa-

原标题：Hierarchical Multi-Scale Gaussian Transformer for Stock Movement Prediction

时间：2020年

作者：

摘要

由于金融市场的不确定性，预测股票等金融证券的价格走势是一项重要而具有挑战性的任务。本文

摘要

研究风格择时能力的意义在经历了2016年底的风格转换之后，投资者越来越关注基金选择风格的能力。本文就股票仓位较高的两种基金——普通股票型和混合偏股型，讨论哪些基金和基金经理有选择风格的能力，以及这种能力是否有持续性。

通过比较业绩排名的方法研究基金经理风格选择能力以市值为例，对股票市

本文目的在于给出自定义损失函数示例代码, 便于读者魔改. 基于BigQuant平台, 探索了使用不同损失函数对DeepAlpha-DNN模型优化的效果. 本文的基准模型为MSE优化的DeepAlpha-DNN模型, 进一步使用MAE、Pseudo-Huber以及负IC损失函数和有序回归损失函数. 最

本文章翻译自MSCI研报《MSCI INTEGRATED FACTOR CROWDING MODEL》下附PDF英文原文

作者：George Bonne, Leon Roisenberg, Roman Kouzmenko, Peter Zangari

时间：2018年6月

摘要

本文内容已经过期，不再适合平台最新版本，请查看以下最新内容，作为参考资料学习。

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

众所周知，Barra因子分析是目前行业内外最常用的因子分析体

一、引言

DeepAlpha系列报告旨在从基础量价数据中，借鉴深度学习模型，应用于量化投资领域。学习模型包括：全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet，同时报告将引入自然语义识别NLP领域近年热门算法如B

2021世界人工智能大会于2021年7月8日至10日在上海世博中心和上海世博展览馆同时举行。会中九坤投资创始人王琛发表了《数智时代量化投资的演进与挑战》的主题演讲,从量化投资的数智演进、九坤在数据与智能方面的实践、未来量化投资数智发展中面对的挑战和瓶颈三方面阐述量化行业发展。

在王琛看来,量化投资