\

Meetup延期至8月5日

在本期的问题需要开发新的模块，为了能让大家更好的使用，Meetup延期至下周四，待新模块完成后连同使用方法一并给出。还有问题的小伙伴可以继续提！

期货策略上新

基于动量因子的商品期货多空对冲策略

表达式引擎

各位宽粉，大家好！ 明日（6月23日）平台升级：

• 6月23日平台的模拟/实盘交易更新将延迟，数据将在第二个交易日开盘前更新。
• BigQuant平台及XBigQuant实盘可正常使用。
• 微信/QQ客服正常提供在线服务。

如未添加微信客服小Q，请扫描以下二维码添加：

![](/w

2021年7月30日21:00至2021年8月1日24:00，BigQuant将会进行扩容升级，届时可能会影响平台正常使用，如有疑问可联系客服小Q。

![](/wiki/api/attachments.redirect?id=c3d5b5c9-4f83-4215-b24f-78c61d3b12d

\

时间

今晚（7月5日）22:00-24:00

升级内容

平台将升级存储功能，届时平台将不可使用，请大家合理安排开发策略时间，感谢您的支持！

介绍

欢迎来到BigQuant。BigQuant是一个基于Web的平台和社区。作为一个平台，它是一个开发和测试交易算法的平台。作为一个社区，它是一个结识其他策略开发者，并分享算法、工具、想法、策略和投资经验的社区。在访问和使用BigQuant，包括社区其他成员的策略和知识的同时，请遵守以下使

BigQuant是一个平台，也是一个社区。作为一个平台，它是一个开发和测试交易算法的平台。作为一个社区，它是一个结识其他策略开发者，并分享算法、工具、想法、策略和投资经验的社区。在访问和使用BigQuant，包括社区其他成员的策略和知识的同时，请遵守以下使用条款。

BigQuant (“宽邦”，“

春节期间平台将会升级，届时可能会影响使用，升级内容如下： 1.平台存储和计算资源升级 2.平台资源管理优化 3.平台稳定性优化 4.2月4日停机维护，平台将不可使用

![{w:100}{w:100}](/wiki/api/attachments.redirect?id=a20999a2-

1.总则

1.1.BigQuant服务平台的各版本、各客户端（包括但不限于电脑端、移动智能终端、车载端等的应用程序、网页、供第三方网站和应用程序使用的软件开发工具包（SDK）和应用程序编程接口（API）以及不断创新研发的产品及服务）中，开发环境的数据由成都宽邦科技有限公司授权使用，

BigQuant平台计划于2021年10月02日18:00 至2021年 4月03日18:00期间进行常规维护，可能会影响策略开发运行，请大家知悉！

git 怎么连接不上github

功能： 把 AI Studio 中的文件打包压缩保存到本地电脑，提前准备好后悔药，定期备份重要文件可以缓解未来误操作造成的损失。

[https://bigquant.com/codesharev3/90f589e3-182e-478b-aa0d-0dabd40b1edd](https://bigq

大模型（Large Language Model, LLM）是指包含大规模参数（通常达千亿甚至万亿级别）、使用海量文本数据训练而成的深度学习模型。

其“大”主要体现在三个维度：模型参数规模大、训练数据规模大（例如ChatGPT的预训练数据量达到45TB）和算力消耗需求大。

当前，最具代表性的

你以为的“拉升信号”，其实是为你设计的陷阱

你是否经历过这样的场景：紧盯着一只股票，它突然在盘中划出一条完美的直线，强势拉升。你心跳加速，认为这是千载难逢的赚钱信号，于是毫不犹豫地追了进去。然而，你的买入点，精准地成为了该股当日的最高点，随后股价急转直下，你被牢牢套在了高位。

这

我们之前已经介绍过几个风格轮动的策略了，本质上依据的就是股票市场长期存在的“强市炒成长、弱市求稳健”的轮动策略。

1.神经网络算法

1.1算法核心原理

神经网络是一种模仿人脑神经元连接结构的机器学习模型，擅长处理多维度、非线性的复杂数据关系。其核心优势在于通过多层

能介绍一下平台数据的处理方式吗，有时候完全使用SQL计算因子特征会非常的慢，尤其是高频数据表要join其它日频表的时候。

下面一张图是我需要复现研报（兴业证券）的内容，请问这种因子我是该提取数据出来后用python还是直接用SQL写了存表呢？

![](/wiki/api/attachme

“小身材大能量”——债券小市值策略的量化掘金术

💡 本次直播带你探索：\n1️⃣ 为什么“小市值”债券可能藏着高性价比机会？\n2️⃣ 量化模型如何捕捉可转债债市场的独特信号？\n3️⃣ 当前震荡市中，这类策略如何控制风险？\n4️⃣ 当所有人涌向大白马，聪明资金正在布局什么？

[

债市小市值策略

1. 回测结果

2. 策略简介

以“低价格、低溢价率、低余额”为核心筛选可转债标的，通过15只均等分散持仓

训练营“稳定性测试超参”工具设计出的策略，在策略模版上生成策略后的回测结果相差很大。

尝试很久，没有找到问题出在哪里。可以请老师看一下问题出在哪里？

“稳定性测试超参”工具设计出的策略：

[https://bigquant.com/codesharev3/1c52c96b-befb

为什么多数人总在亏钱？

为什么在股市里，大多数散户似乎总是在重复亏损的循环？这个问题或许困扰着每一个交易者。最近，一位投资者在交流中坦言：“10月亏了5万，11月到现在亏4万多了。” 这句话道出了无数人的心声和困境。这种普遍的困境，往往并非源于技术分析的缺失，而是深植于我们大脑中未

比如两个因子分别赋予何种权重，

因子 A 占比 x%、因子 B 占比 (100-x)%）时，

回测结果表现优秀？

现在只有m.tune在StockRanker里面调整参数 [161-alpha挖掘大杀器——并行模块tune](https://bigquant.com/wiki/doc/vw

一、随机森林（Random Forest）

集成学习方法（Ensemble Learning）是一种机器学习技术，旨在通过组合多个基本模型（弱学习器或基学习器）的预测来提高整体性能和泛化能力。集成学习的核心思想是，通过结合多个模型的意见和决策，可以减少单个模型的误差，并在各种不同情况下

雪球组合助手

\n ![](/wiki/api/attachments.redirect?id=33727dbe-72ff-4399-8c3

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

from bigmodule import M
import dai
# 假设 M 已在环境中可用
m1 = M.input_features_dai.v30(
    mode="SQL",
    sql="""
    SELECT
        a.dat

为何市场的“转折点”总是如此难以捉摸？

你是否也曾苦恼于如何精准判断市场趋势的转折点？在期货交易的波涛中，能够识别并抓住趋势的“转势”瞬间，往往是区分普通交易者与顶尖高手的关键。我们都渴望找到那把能解开市场转向之谜的“万能钥匙”。

在探寻这样一种策略的过程中，我们偶然发现了一

![](/wiki/api/attachments.redirect?id=4e4d32f5-3bc4-4873-b793-5689eebb54b

操作符

简单动量策略，分别用表达式和SQL输入特征，为什么回测结果不一样，哪里出问题了？

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

这是一个很严重的问题。

这段代码采用lag方式偏移获得的变量被0填充了一部分，如果是lag(1),则只有1个有效值。

%%sql
SELECT 
        a.date,
        a.instrument,
        a.name AS stoc

如题，我想讲基准设置为两个指数或者两个品种的比值或者价差，请问回测代码如何编写？谢谢！

数据表存在大量NULL

2025-11-18的数据1m钟高频数据存在

5,15,分钟的高频数据缺失标的数据，见图。

各位老师：因需要分析经济周期需要fredapi库，目前我无法自己安装，请帮忙安装！！！ ![](/wiki/api/attachments.

你是否也曾为“何时卖出”而烦恼？

在交易的世界里，相比“何时买入”，“何时卖出”往往是更令人纠结的难题。我们都曾经历过这样的时刻：过早卖出，眼睁睁看着利润继续奔跑；或是因为贪婪而迟迟不肯离场，最终利润大幅回吐，甚至由盈转亏。判断卖出时机，是每个交易者都必须面对的挑战。

如果你也为

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影

BigTrader 是 BigQuant 推出的专业级量化交易引擎，主要用于策略在历史数据中回测撮合。

BigTrader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。

\

告别赌徒心态

在市场的宏大剧场中，多数投资者扮演的都是悲剧英雄的角色——被希望与恐惧这两种致命缺陷所驱动，追逐着 ephemeral 的收益，最终却往往因一次无法预见的转折而功亏一篑。

如何跳出这个宿命般的循环？近期，笔者有幸与一位被誉为“量化之父863哥”的交易大师进行了一场深度

因子逻辑

量价背离是指股价与成交量的变化出现了“分歧”。当股价或指数在上升时，成交量减少，通常表示市场可能在隐约传递不好的信号。可以用“成交量加权价格”（VWAP）与成交量（VOLUME）的负相关性表示这种股市“冷场”现象。

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

本文主要介绍股票的实时交易策略如何实现自动化实盘下单。当前仅支持万和证券BigTrader量化交易终端，文末提供的脚本只支持单一实时策略的自动化实盘，如果要运行多个实盘策略，请复制脚本分开运行，略微错开下单时间即可。

实时策略的实盘交易流程

1、在宽邦科技的bigquant平台上开发实时

恭喜各位同学进入最终的决赛阶段！本次决赛将采用线上答辩的方式，要求参数者撰写因子研究报告并提供源码，以压缩包的形式提供。如下图所示，须包含以下两个文件：

• 源码.ipynb：**必须是私榜阶段提交的代码！**不得上传其他代码，平台会逐一核实。
• 因子报告：您撰写

策略按照如下模板

from bigquant import bigtrader, dai

def initialize(context: bigtrader.IContext):
    context.set_commission(bigtrader.PerOrder(bu

from bigmodule import M
from datetime import date, timedelta

# <aistudiograph>

# @param(id="m5", name="initialize")
# 交易引擎：初始化函数，只执行

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

为什么你越努力，亏得越多？\n

你是否也陷入了这样的困境：每天花费大量时间紧盯盘面，研究各种市场热点和龙头战法，结果却是今天赚一笔，明天亏两笔，在这种恶性循环当中虚度光阴。最后时间过去了，本金变小了，人也焦虑了。

大多数股民都将亏损归咎于自己技术不好、不够努力。但一个残酷的现实是

传统的量化投资主要依赖于金融时间序列分析、统计学和经济学原理来构建模型。然而，金融市场是复杂、非线性、高噪声的动态系统，传统的线性模型在处理海量、高维和非结构化数据时常常力不从心。

机器学习和深度学习技术的崛起，为量化投资带来了革命性的工具。它们能够从海量数据中自动挖掘复杂的非线性模式，极大地

在当今信息爆炸的时代，金融市场充满了海量、高维、非结构化的数据。传统投资方法在处理这些复杂数据时常常力不从心。

而人工智能，特别是机器学习 和强化学习，正以其强大的数据挖掘和决策优化能力，为投资领域带来革命性的变化。

其核心思想可以概括为：**利用“机器学习”从浩瀚股海中精准筛选

本次直播为你揭秘风险管理：道与术｜从“被动防守”到“主动驾驭”

——破局之道：量化风控的认知升级

🌟 直播亮点：\n1️⃣ 揭秘量化风控的「道」——核心逻辑与长期思维\n2️⃣ 拆解实战「术」——持仓管理、波动控制、模型纠错\n3️⃣ 案例复盘：那些年我们踩过的坑与救赎策略\n4️⃣ 互动答疑

一个“千古难题”与投资世界

搞清楚女朋友到底生没生气，这堪称一个“千古难题”。但有人试图用数学方法来解决：把你女朋友的言行举止量化，然后打分。比如，和你有说有笑，记0分；只回一个“嗯”，记3分；直接不理你，记6分。所有分数相加，得分越高，你的麻烦就越大。

这个将模糊情感转化为冷冰冰数字的逻

策略绩效

\

策略思想

策略的核心是捕获 “方差溢价”，即市场中虚值看跌期权的隐含波动率（IV）会系统性高于未来实际实现的波动率

在量化策略当中，策略逻辑当然是排在第一位的。但是，在一个策略已经表现较好时，对参数进行调整，往往能收获更多的超额收益。本文以模板策略中的可视化AI策略为例，进行参数寻优过程，看能为绩效结果提高带来什么效果。

一、策略核心逻辑回顾

模板中的可视化AI策略的核心逻辑如下：

1. 因

\

本文将介绍

1.如何封装量化策略框架

2.提供多个预先封装好的量化策略框架

\

什么是策略框架？

说到量化，自然少不了策略。可能会有很多人认为A股中有很多不同的量化策略，实际上恰恰相反。就A股而言，可用的量化策略非常少。目前A股主流的量化策略只有2种，分别为筛选策略和多因

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

不少普通投资者可能都有过这种体验：自己炒股时要么跟着热点追高踩雷，要么盯着行情反复横跳，忙活半天收益却不尽如人意 —— 所以常听到一种观念 “散户别炒股，炒股不如买基金”。这话其实也有一定道理：基金作为近年来最受欢迎的低风险资产，有专业的投研团队跑调研、算数据，能挖到不少普通散户接触不到的优质标的，

风暴眼中的“量化”

近期市场风云突变，以高频交易和复杂算法著称的量化基金，似乎一夜之间成了风暴的中心。一个现象引发了广泛关注：“几个量化机构连夜提桶跑路”。这不仅是造成市场波动的核心原因之一，也让许多人感到困惑。很多人可能不明白什么是量化，但更关键的问题是，它们的盈利模式究竟建立在何种基础之

小市值策略，回测时，卖出的股数大于买入的股数。请问如何解决。如图：西大门，一共买了800股，6.13买了700股，7.13买了100股，7.20卖出的时候却变成809股了。

![](/wiki/api/attachments.redirect?id=c702ce56-0bb7-4275-bdb0

注：当前仅支持万和证券BigTrader量化交易终端，为保证实盘和模拟交易曲线一致，实盘是集合竞价下单，因此本代码也是集合竞价下单。

文末提供的脚本只支持单一策略的自动化实盘，如果要运行多个实盘策略，请将脚本复制几份，下单时间略微错开。

功能描述

本功能实现了从云端（bigqua

你是否也执着于每一次交易的输赢？

你是否将每一次交易都视为一场必须胜利的战斗？是否因为害怕亏损而迟迟不敢踏入那些气势如虹的“龙头”行情，又或因错失良机而懊恼不已？如果这些问题让你感同身受，那么你的交易思维可能正处在一个瓶颈期。

许多人认为，交易的核心是盈利。然而，一个与直觉相悖的

１超短线策略

涨停板策略

特殊形态组合策略

２短线策略：

ETF轮动策略

小市值策略

高频因子低频化

３中线策略

破净股策略

\

组委会已完成数据清洗工作，现根据私榜排名公布入围总决赛的团队名单（详见附图）。

未进入决赛的同学若对成绩存有疑问，请尽

为什么多数人在交易中迷失方向？

你是否也曾陷入这样的困境：沉迷于各种技术指标和投资理论，却依然频繁亏损；你感觉市场就像一个无法预测的谜团，每一次点击鼠标都伴随着焦虑和不确定性。无数交易者在这条路上追逐圣杯，最终却发现自己只是在原地打转，身心俱疲。

如果这些描述触动了你，那么接下来的内容可能

高频因子投研一直是一个专业研究员头疼的问题，主要难点有以下几点。

1.高频因子计算速度慢，通常高频因子是指股票分钟数据或更高频率数据。每只股票每天有240条分钟k线，数万条level2数据，如果按照数据量计算的话，每天仅分钟数据约有5000*240 = 120万条。是日频数据的240倍。1

BigQuant是国内领先的适合个人投资者的量化交易软件开发平台，基于Python语言且支持AI人工智能以及机器学习的量化交易投资平台，帮助量化开发者和投资者更好地使用量化策略进行交易。

一 核心模块

1、 [AiStudio — 量化交易策略开发平台](https://bi

• BigQuant 比赛
  • xxx国债量化大赛

\

\

• 如何用2C8G玩转高频因子？
• 如何实现高频因子快速计算投研框架？
• 如何在高频信息中寻找TRUE ALPHA？

[20251120151300-高频因子投研框架-视频-2-共享屏幕.mp4 202110415](/wiki/static/upload/9b/9b2834ab-

介绍

• 构建和管理自己的数据与因子
• 分享到策略社区并保护核心逻辑
• 支持数据付费订阅
• 支持他人克隆策略，每日获取信号

技术方案

![](/wiki/api/attachments.redirect?id=be72745b-dff3-4d11-918a-0dec5f5

小市值策略是 A 股市场 “收益增强” 的经典路径 —— 中小盘企业的成长弹性、估值修复空间，往往能带来远超大盘的超额收益。但传统小市值策略 “波动剧烈、踩雷风险高、持有体验差” 的痛点，也让多数投资者对其望而却步。该策略通过分时段选股与波动控制，既保留了小市值的成长红利，又能保持稳健的收益，避免踩

调用bigtrader.run回测完成后返回的performance对象，如下所示

performance = bigtrader.run(....)

我有两个建议：\n1. performance.render()渲染展示回测结果时，能指定起止日期，即只展示某一段历

目前私榜排名第15

我的微信号是：A15182480017

2

我想知道宽币怎么这么快就没了，我就晚上和ai一起改了2小时代码，也没看到使用记录啊。

\

为什么两个结果不一样呢，不是应该用的哪个策略跑出来是一样的数据啊

设置每天早上5点钟运行模拟策略，在每次放假后的第一天 提示运行失败。

例如11月10号周一今天的报错。提示，ERROR: null sessions by start_date=2025-11-09, end_date=2025-11-09。就是说他以昨天周末设置起停时间。导致运行失败。

如果引

有谁知道这个怎么改吗？TypeError: raise: exception class must be a subclass of BaseException

![](/wiki/api/attachments.redirect?id=78a489d6-eafc-4d3d-82b0-3748c

在中国A股市场，有一个非常独特的文化现象。每逢市场调整，社交媒体上便哀鸿遍野，而“量化”二字总能成为千夫所指的完美靶心。有趣的是，这种现象在海外成熟市场中却很少见到。即便海外市场的量化交易占比远高于国内，投资者也很少在市场波动时将责任归咎于量化策略。

这种归咎于外因的做法，从心理学上可以理解

《韩非子 · 五蠹》有言：“世异则事异，事异则备变”。

我们过去的策略对市场风格进行判断时，除了一些绝对化标准的方法，还介绍过用机器学习算法来学习市场风格变化的模式。但是，如果将这种风格判断应用在一些中短期策略上，可能会带来以下的问题：

（1）A 股短期波动中，突发消息（如政策微调、资

本文件提供 BigQuant Python API 的使用说明，包括用户管理、策略运行、策略查询等功能。

安装包

首先需要手动下载并安装如下的 wheel 包

👉：<https://bigquant.com/cdnuploads/wheel/bigquant-0.1.0.post102

使用流程

1. 编写计算程序，并将其提交为任务；
2. 选择任务类型，例如数据任务、因子任务等，接着指定任务的相关参数，例如任务的执行时间等；
3. 在任务管理界面查看任务的执行状态，如果任务执行成功，您可以查看任务的执行结果。

![](/wiki/api/attachment

回测曲线过于平滑，但是实盘可能存在较大波动，未必能承受的住。换成日K线有助于了解策略实际波动情况，特别是回测结果包含上下影线的。\n\n突然想到的一个需求，不是很关键。因为我的策略风控都还可以。

在变幻莫测的金融市场中，无数投资者终其一生都在寻找那个能预测未来的“圣杯”：一个完美的交易信号，一个能精准捕捉市场脉搏的技术指标。我们沉迷于复杂的图表、研究各种理论，希望找到一种确定性。但这种追寻往往伴随着困惑与挫败。

如果告诉你，那些我们深信不疑、看起来高深莫测的趋势指标，其预测的准确率，可能还

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

一、为什么股息率策略常被称为最温和、却最可靠的赚钱方式？

在股票市场里，大部分投资者都习惯盯着价格的涨跌，希望抓住下一次爆发带来的快速收益。但如果把时间尺度拉长，你会发现另一条更朴素、也更稳定的收益之路——来自企业真实赚到的钱，也就是股息。

股息率策略的逻辑并不神秘，却极其扎实：当一

70年代，随着计算机技术的快速发展，量化投资开始迅速崛起，计算机的广泛应用使得大量历史数据的存储和处理成为可能，从而促进了量化分析方法在投资决策中的应用。

此时期，许多基于统计和数学模型的量化策略被开发出来，如指数化投资、算法交易等。

进入21世纪，量化投资经历了爆炸式的增长，数据的爆炸

普通人做不了量化交易？打破这三个常见误解，你也可以入门

对许多普通投资者而言，“量化交易”这个词总会勾勒出一幅神秘的高科技图景：一个由数学博士和顶尖机构主导的精英领域，常常因其复杂性而被敬而远之，甚至被“妖魔化”。但对于一个愿意学习、愿意思考的投资者来说，这种印象是否准确？本文将为你拆解围

运行轮动宝策略参数调优时内存不足，python内核崩溃？

内存不够不用怕！看我内存优化大法，单核6G内存照样跑全程！

[https://bi

量化策略投资中，“参数拟合”是策略失效最大的陷阱。在回测阶段很惊艳，一到实盘就水土不服；或者把回测时间一改，绩效结果就惨不忍睹。所以如何降低“过拟合风险”尤为重要。

1.什么是WFA

WFA（Walk-Forward Analysis）即滚动前向分析，是一种动态回测方法，它模拟“

1.市场观察和机会发现

**策略目标：选取未来有较高稳定长期增长可能的股票，进行定期轮动，期望捕捉稳定增长，控制最大回撤。选择营业成本低、运营高效，且营业收入持续增长、发展态势良好的公司；同时要求资产负债率合理，确保财务稳健、风险可控；再结合低估值指标，挖掘被市场低估、具有价值潜力的股

一、核心逻辑

（1）交易计划生成：先通过历史数据统计 “价格突破事件”（上涨或下跌达到阈值）的频率，再根据近期事件中上涨 / 下跌的比例，生成未来一段时间的多空交易计划。

（2）马丁格尔加仓机制：持仓时若未达止盈但触发止损，在最大加仓次数内按倍数加仓以摊薄成本，若超过最大次数则止损离场。

《别再追微盘股了！“轮动宝”策略回撤更低、收益更稳》\n——打造实战价值策略\n\n🔥 亮点抢先看：\n1️⃣ 哪些标的是长期正收益\n2️⃣ 如何确定有效因子\n3️⃣ 如何进行组合优化\n4️⃣ 如何提升策略稳定性

\

一、视频回放与课件

[20251106151335-轮动宝

这个策略是基于 A 股市场的短线量化交易策略，核心逻辑是筛选符合特定条件的强势股（连续涨停且属于强势概念，两个条件缺一不可），并在次日特定条件下买入，设置止盈规则卖出。

下面我们从策略各环节详细拆解：

1.回测结果

![](/wiki/api/attachments

为何市场走势越来越难懂？

你是否常常感到困惑：为什么手里的好公司股票就是涨不起来？为什么市场波动如此之快，上一秒还在上涨，下一秒就掉头向下，仿佛有一只无形的手在精准地收割？

那种挫败感并非你的错觉。它是一个直接后果，源于一个按完全不同规则行事的玩家主导了市场。这股力量就是量化交易。在如今

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

高频价量数据的因子化方法-多因子Alpha系列报告之四十一-广发证券

\n这个高频因子表中忽略了最佳的多头因子**[amihud因子，建议增加到广发证券高频因子(hf_al

报告摘要

高频因子的优势：与低频因子相比，高频数据在量化选股中的优势主要体现在：因子拥挤度相对较低、因子多样性好、检验因子的独立样本多。

研究内容：本报告从四类不同的角度构建因子：日内价格相关因子、日内价量相关因子、盘前信息因子、特定时段采样因子。考察了 46 个因

《孙子兵法》有云：“不可胜者，守也；可胜者，攻也。守则不足，攻则有余……故善战者，立于不败之地，而不失敌之败也。”如何在策略之中找准进攻的时机大获全胜，又能在形势不佳时也立于不败之地显得格外重要。该策略通过机器学习预测市场风格，动态切换进攻和防守股票池，实现风险与收益的平衡。

1.策