优秀策略分享——数据标准化策略研究

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

🎯回测丰满VS实盘骨感：量化交易的核心痛点如何破？

🎯A股量化策略回测与实盘表现常存显著偏差——这一核心痛点长期影响交易者心态与业绩。本次结合蒙特卡洛回测、参数平原等方法及平台开发经验，聚焦回测-实盘不一致问题展开探析与分享。

\

一、视频回放

[https://bigqua

🎯解析量化因子常用组合方式（线性、非线性、ICIR等），拆解底层逻辑与实操要点；

🎯结合案例对比收益与风险，帮助搭建科学因子组合体系，提升策略稳定性与超额收益。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/d

\n日志显示有下单但实际没有交易，请帮忙看下是什么问题\n另外帮忙看下浮盈加仓的问题，是不是平台的问题\n\n[DEBUG] recompute_limits: daily_capacity=14, trend=1, min_lots=7, max_lots=14

[CAPCHECK

这是日志，请帮忙看下是什么问题\n\n

引言：打破散户的持仓焦虑

在残酷的二级市场中，多数人之所以在底部徘徊时最终“割肉”出局，本质上是死于对“成交量”背后博弈逻辑的无知。面对持仓浮亏，是该断臂求生还是咬牙死扛？这种内耗正在吞噬你的财富。

回看2015年那场史诗级的波动，我也曾遭遇爆仓，输到“连裤衩都不剩”。但在绝境中，我正是

背景：3/27万老师提供了很好的宏观量化时钟工具，经过对宏观数据进行一系列复杂的计算，得出供策略使用的择时信息。

想在策略中放这么一大堆代码感觉有点复杂，不如把数据放进一个表，需要时读出来用就行。于是就做了这个宏观量化时钟表的自动更新脚本。

• 在万老师做的“宏观量化双时钟·日频版”基础上，增加

背景：去年7月份刚进训练营时，万老师的那著名的保温杯就一直被提起。可是一直就没有去深入，不是不想，就是每次跑都要一两个小时，实在没有耐心也试不出什么东西。另外，也但心模拟服务器跑不好。一个策略不经过反复测试也心里没有底，也不敢实盘。为了跑机器学习，于是我们好几个人都更新了笔记本电脑，都带了不错的显卡

---

**东吴宏观量化双时钟模型 × 小市值策略增强对比研究**

**研报来源：东吴证券金融工程 高子剑、刘静恒，2024年2月**

---

**一、研报核心原理**

本研究复现了东吴证券金融工程团队提出的宏观量化双时钟体系，核心思路来源于 Black

引言：寻找被市场忽视的“金矿”

在多数投资者的认知中，原材料往往与“夕阳产业”或“低附加值”挂钩。最典型的误区就是认为碳纤维仅仅是用来做轻便的自行车架。然而，作为一名深耕硬科技多年的观察者，我看到的却是另一番景象：在这场席卷全球的硬核科技军备竞赛中，底层材料的迭代才是真正的“胜负手”。

当

https://bigquant.com/codesharev3/9946e614-5a9f-457c-b001-300d4bf91c2a

链接中运行结果只能取到2024年8月16日之前的数据

日志如下：

[14:50 FORCE BASE] 2026-01-06 11:20:00 尾盘强制买入 2 手 价格=7489.6

[开仓] 2026-01-06 11:20:00 合约=IM2606.CFE 级别=BASE 手数=2 价格=7489.6 当前总持仓=13

这是全部的开

bq 是 BigQuant SDK 提供的命令行工具，安装 SDK 后自动可用。它涵盖认证管理、数据查询、策略监控、云端计算等功能，适合在终端、脚本和 AI Agent 中使用。

目录

1. [安装与验证](#1-%E5%AE%89%E8%A3%85%E4%B8%8E%

本文记录了一套多因子动态赋权策略的完整研发过程，包括因子筛选、方法论设计、踩坑实录，以及一个意外发现。回测区间 2019-2026，基准沪深 300。

先看结论

做投研，先给结论，再讲过程。\n

我回测了四组策略，区间 2019 年初到 2026 年 4 月，基准沪深 3

引言：散户的困境与转机的开始

在A股这片充满变数的深海中，大多数散户投资者都陷入了一种近乎循环的困境：沉溺于各种眼花缭乱的技术指标，却在震荡中迷失方向，看着账户资产在频繁止损中日渐萎缩。这种绝望感足以吞噬一个人的斗志，但市场的真相往往极其纯粹，转机通常就隐藏在对资金最真实痕迹的洞察之中。

问题描述：\n回测期货策略 IM2606.CFE，初始资金 200 万，保证金率 12%。\n2026-01-05 开仓 11 手后，1 月 6 日权益 242 万，持仓 11 手，开仓均价 7254，占用保证金约 7254*11*200*0.12 ≈ 191.5 万，可用资金理论上应

3万块的本金，到底能不能在A股翻身？很多人觉得是痴人说梦，但今天我要撕开这个真相。

我是强木节，老粉丝都知道，我曾亲手用一个3万块的小账户做实验。整整三年时间，我抛弃了所有花里胡哨、听起来高大上的“神级战法”，只用一套最朴素、最机械的选股逻辑，最终把这个账户做到了30多万。

很多散户之所以亏损，

策略社区的小市值策略拿来修改了一下（增加一些选股条件），能回测但提交实盘不产生信号，策略代码如下：

from bigquant import bigtrader, dai
import pandas as pd

def initialize(context: bigtr

急等回答两个问题 ：

1、滚动参数优化总提示如下截图，如何要解决此问题 ，至少要升级到什么级别？

2、如果我在策略里面添加了滚动优化功能，在提交模拟交易后，滚动优化还会仍然生效定期执行吗？优化出来的参数是否会自动应用到策略

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

在投资市场里，大多数人的亏损并非源于“不懂”，而是源于“想太多”。频繁的主观预测、复杂的技术指标、情绪化的追涨杀跌，往往让账户在震荡中不断磨损。

真正能穿越牛熊的，往往不是最复杂的模型，而是最简单、最机械、最能坚持的规则。

今天介绍的这套

ETF择时动态交易策略
`

万老师的宏观保温杯的约束函数是：

def apply_weight_constraints(weights):
    w = dict(weights)

    if w.get('债券', 0) > BOND_CAP:
        w['债券'] = BOND_CAP

一、写在前面：量化交易中多标的数据获取的核心诉求

作为长期深耕港股量化交易的个人从业者，我们日常策略研发与实操过程中，多只股票实时行情数据的同步获取，是保障策略落地、信号捕捉精准度的核心前提。无论是日常行情监控、交易信号筛选，还是基础量化策略的回测与实盘执行，都离不开稳定、高效的多标的数据

Qlib 官方原版 Alpha158 全158因子

一、K线基础因子（9）

1. KMID = (close - open) / open
2. KLEN = (high - low) / open
3. KMID2 = (close - open) / (high - low) 4

引言：揭开市场的“面纱”

你是否也感到一种深入骨髓的挫败感？明明大盘指数在不断攀升，科技赛道如日中天，可回头一看自己的账户，却是一片惨淡。这种“指数狂欢，散户买单”的怪象，正是当前A股极其割裂的残酷真相。

还记得今年1月商业航天冲高回落时，那种被挂在山顶反复火烧的滋味吗？那种痛至

https://bigquant.com/codesharev3/8800638a-06c4-4948-a60b-e8f7cf2748ee

\

引言：交易中的“勤奋悖论”

市场从不关心你有多努力，它只关心你的逻辑是否正确。

在交易世界里，存在一个残酷的“勤奋悖论”：绝大多数散户拼命钻研技术指标、没日没夜地复盘、四处打听所谓内幕，结果账户缩水的速度反而比不学时更快。这种“越努力、越亏损”的怪圈，是因为你把精力浪费在了表象的“技法”

请问m_last的偏移方向是不是有问题

[https://bigquant.com/codesharev3/fab2ab0e-3c0e-483c-a1d4-ff00981f4980](https://bigquant.com/codesharev3/fab2ab0e-3c0e-483c-a1d4-

{{pro}}

[https://bigquant.com/codesharev3/a6668336-47ab-4f35-94c9-d589403bf118](https://bigquant.com/codesharev3/a6668336-47ab-4f35-94c9-d589403bf118

用户教程

“用户教程” 按场景划分，涵盖了几乎所有 BigQuant SDK 的功能。每个小节都介绍了一个使用场景（例如“编写一个简单的量化策略”），并讨论了 BigQuant SDK 如何解决问题，其中包含许多示例。

如果您是刚接触 BigQuant SDK，请从 [BigQuant SD

BigQuant SDK 是为专业量化研究员打造的本地开发工具。它让您在保留本地 IDE 开发自由度的同时，无缝调用 BigQuant 云端的海量数据与分布式算力。

目录

1. 快速安装