from bigquant import bigtrader, dai
from bigtrader.constant import Direction, OrderType, SlippageType
from bigtrader.finance.commission impo

若您提交的因子报错，需要知道原因，请根据下图将提交的ID进行复制，并粘贴本帖的评论区，我们会定期检查并告述您报错原因！

摘要

在AI量化（AI Quant）领域，模型的预测能力高度依赖于输入数据的质量与时效性（GIGO原则）。对于港股市场，由于其流动性分布不均，传统的Bar数据往往丢失了大量的微观结构信息。本文将探讨如何利用WebSocket技术接入原始Tick数据，并进行实时清洗与特征工程，为高频因子模

导语

Hilbert变换是一种有效的数据周期分析工具，将原始信号延迟90°相位，从而方便的提取出当前信号在周期变换中所处的相位，进而对趋势进行判断。

![](/community/uploads/default/original/2X/6/6d688b13feb767dc64b487a1

在外汇量化策略研发过程中，我经常会思考一个核心问题：如何让模型和策略真正跟上汇率高频波动，让回测更贴近实盘环境？ 这也是我在搭建交易系统时，最关注的数据层问题。

在长期的策略开发与回测实践中，我深刻体会到，传统的数据获取方式已经很难满足现代量化研究的要求。无论是短线策略、均值回归模型，还是

[https://bigquant.com/bigapis/college/v1/files/9327ebea-7974-4f1a-b41d-1e200f0e0028](https://bigquant.com/bigapis/college/v1/files/9327e

湘财证券开通账户

==没有湘财证券账号的，请扫下方二维码开户==

湘财证券实盘权限开通

1. **湘财

引言：散户与游资的“复盘差距”

为什么你每天对着K线苦思冥想，复盘到深夜，第二天出手依然是“一买就崩，一卖就飞”？

很多散户的复盘是在做“无效加法”，沉溺于繁琐的技术指标和虚无缥缈的利好传闻。而顶级游资的逻辑则是极致的“减法”。我曾与一位来自杭州的游资大佬深度交流，他曾用几年时间将资金从

在投资的世界里，我们每个人都想找到那些未来能够持续上涨的好公司。这就像是在成千上万的学生里，找到那些未来能考上清华北大的“好苗子”。但问题是，标准是什么？是成绩好？是进步快？还是个子高？

在[量化投资](https://zhida.zhihu.com/search?content_id=26904

引言：暴富的梦想与残酷的现实

对于小资金的普通投资者而言，股市似乎是实现财富快速增长的捷径。在这条路上，“妖股”因其惊人的波动率，成为了唯一的“隐性杠杆”。抓住一只妖股，短期内资产翻几倍甚至十几倍的故事，无时无刻不在刺激着市场的神经。

我们不妨做一个极具冲击力的设想：如果能完美踩准节奏，每

在量化投资体系中，市场趋势的精准研判是策略盈利的核心前提，而高质量的历史行情数据则是构建有效量化策略的底层基础。对量化策略开发者而言，通过标准化的历史数据API高效获取数据，并将其转化为可落地的趋势分析逻辑，是提升策略胜率、适配实盘交易的关键路径。本文将从数据获取、指标计算到实时监控，完整拆解如何基

上海大型券商FICC业务条线招聘，职位信息如下：

一、QIS及交易策略组-客需交易经理

（1）针对挂钩指数和FICC标的的收益凭证内嵌结构、场外期权客户询价进行报价，达成交易；

（2）在全生命周期内管理客需产品的相关风险，使用适当的交易产品对冲相关希腊字母，实现盈利；

（3）管理客需产品结算

作为长期深耕个人高频交易的量化研究者，日常在BigQuant平台做策略迭代、量化实验及自选股实时监控时，深刻体会到：稳定、高效的实时股价数据，是策略回测落地、盘中决策执行的核心前提。对个人量化从业者而言，无需承担高额付费成本，就能获取适配BigQuant研究场景、可快速对接策略的免费股票数据API，

周六早上醒来，James Simons（西蒙斯）辞

在投资的世界里，我们每个人都想找到那些未来能够持续上涨的好公司。这就像是在成千上万的学生里，找到那些未来能考上清华北大的“好苗子”。但问题是，标准是什么？是成绩好？是进步快？还是个子高？

在[量化投资](https://zhida.zhihu.com/search?content_id=26904

这几年炒股，你被**[量化交易](https://zhida.zhihu.com/search?content_id=268118606&content_type=Article&match_order=1&q=%E9%87%8F%E5%8C%96%E4%BA%A4%E6%98%93&zhida

没错，从1980年到2005间，S&P指数是有阿尔法的，不管是用Fama-French三因子模型还是Carhart四因子模型来做收益评估。长久以来，S&P 500指数一直被视为最常见的market portfolio（市场投资组合），而market factor([市场因子](https://zhi

在人工智能（AI）主导的量化交易新时代，模型的效果不再仅仅取决于算法本身（LSTM、Transformer 或 XGBoost），更多时候取决于输入数据的粒度（Granularity）与时效性（Timeliness）。

对于外汇市场而言，传统的 1 分钟 K 线（OHLC）已经丢失了太多的

使用Git要解决的问题：通过Git来管理我们的代码，方便追溯历史版本，避免因为一次误操作导致代码无法恢复。

**GIt的使用介绍：**一般都需要一个Git客户端配合一个Git服务端来使用，在客户端修改的内容可以提交到服务端保存，这样就不怕客户端的代码或文件丢失了，即使换了一个客户端

引言：为什么99%的散户都抓不住强势股？

想不想每天都能抓到短线强势股，轻松“躺赢”？今天，我就把我一个顶尖游资朋友的“印钞机”心法分享出来。我亲眼见证，他仅凭这一个简单的方法，在去年一年的时间里，就将300万的资金体量做到了4000万。

这个方法只分为简单的三步，但其背后蕴含的交易逻辑却

首先，预测中国[量化投资](https://zhida.zhihu.com/search?content_id=253957252&content_type=Article&match_order=1&q=%E9%87%8F%E5%8C%96%E6%8A%95%E8%B5%84&zhida_sour

==Alpha因子==

我们先解释一下 Alpha 因子，再整体理解量化交易。

在金融行业，“Alpha 因子（Alpha Factor）”是量化投资和资产管理中最核心、最神秘、也是最受追逐的概念之一。它代表着一个交易策略能够战胜市场平均回报（即“超额收益”）的那部分能力。下面我们从

量化交易就是”用数学和代码做交易”。价格、收益、风险、回撤……在数学里都可以被抽象成变量和公式。本质上，我们就是在处理一串随机数（收益序列），用统计和概率的工具去度量”好不好”“稳不稳”。

本文将系统介绍量化交易中常用的数学公式和指标，包括：[夏普比率](https://zhida.zhihu

1. 策略概览

本策略属于中频多因子选股：使用价值、成长、质量、动量、波动/交易特征、规模等共 18 个因子构建特征，在滚动训练窗口（240 交易日）内训练 ElasticNet 模型，预测未来 20 个交易日收益的横截面排名（rank），并在每个调仓日选取 Top 30 股

1、从“科技英雄”到“量化镰刀”的争议漩涡

最近，幻方量化的老板、DeepSeek 的创始人梁文锋，在舆论场上坐了一趟过山车。

几个月前，他是“全村的希望”，是以一己之力硬刚硅谷巨头的“科技英雄”；几个月后，伴随着 A 股市场的震荡，他被推上了审判席，被指责为“量化镰刀”，是割

###三者的关系

Ridge 回归：使用 L2 正则化（平方和惩罚），会把所有特征的系数缩小，但不会把任何系数压到 0，因此不会做特征选择，适合处理多重共线性。 Lasso 回归：使用 L1 正则化（绝对值和惩罚），会把不重要特征的系数直接压到 0，实现自动特征选择，但在高度相关的特征中表现不

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

在二级市场的博弈中，很多散户投资者常感叹自己陷入了“一买就跌，一卖就涨”的怪圈。看着心仪的标的拔地而起，自己却总是在高位“后知后觉”地买入，随后便迎来漫长的回调。

这种困境的根源，在于投资者未能读懂K线背后的“语言”，更未能洞察主力资金的真实意图。其实，任何大牛股在启动初期都会留下明显的“蛛丝马迹

策略信号被延迟拖慢节奏\n我做量化策略开发已经有一段时间，遇到的第一个“大坑”就是行情数据不稳定——尤其在做短线或日内策略调试时，几秒的延迟都可能让信号失真。曾试过多种免费数据接口，结果要么更新不及时，要么中途断流，导致回测与实盘数据对不齐，策略调优变得非常艰难。

**实时推送与多市场兼容