iTick 提供了强大的外汇报价 API、股票报价 API 和指数报价 API 服务，为量化策略的开发提供了丰富的数据支持。本文将详细介绍如何使用 Python 结合 EMA12 指标和 iTick 的报价 API 来构建一个简单的量化交易策略，并对该策略进行回测。

![](/wiki/api/

2025 外汇与贵金属实时行情 API 指南：解锁高效金融市场数据

精准的数据是金融交易的生命线，而优秀的 API 则是输送这根生命线的血管。

在全球外汇日均交易量突破 7 万亿美元、贵金属（黄金、白银等）市场波动加剧的今天，实时行情 API 已成为连接金融数据与交易策略的核心枢纽。无论

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

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

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

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

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

\

如题

湘财证券开通账户

==扫下方二维码开户（通过此开户才可进行在线签约）：==

已有湘财账户，非57和13开头的，需咨询当地湘财营业部金刚钻专员进行线下签约！

![扫码开通湘财证券账户](/wiki/api/attachments.redirect?id=3c3ac07a-bfc1-4d0

\

• 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-

SQL中可以查询到已经选出相应标的，但是今日没有买入信号。如果重新提交策略则会出现今日的买入信号，但是已经运行的策略就不会生成信号。

\

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

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。

\

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

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。

\

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

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

雪球组合助手

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

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

https://bigquant.com/aistudio/studios/65d1b992-0f38-11ed-93bb-da75731aa77c/?folder=/home/aiuser/work

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

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

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

《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

培训说明

为了帮助参赛者更顺利地参与竞赛、深入理解平台功能并提升因子构建能力，赛事主办方将定期举办培训答疑会。具体安排如下：

• 举办频率：每周二或每周四举行一场，具体时间将提前在官方社群及赛事平台公布。
• 会议目标：
  • 系统介绍平台操作流程、数据接口调用及

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com

因子原理

今天我们理解一个因子——市盈率。简单来说，它是股价和每股收益的比值！比如，某家公司的股价是20元，每股收益是1元，那么它的市盈率就是20倍！这就意味着，你愿意花20元来获取公司1元的收益。

市盈率的计算公式如下：

P/E Ratio = Price_per_Share/

江湖上一直流传着“交割日魔咒”的传言，说交割日股指期货会集中平仓，往往会造成股市下跌。还有短视频平台的一些散户博主抱怨股指期货交割太频繁，经常造成行情下跌，阻碍股市发展。

真的是这样吗？我不认同。股指期货是现金交割的，而不是ETF交割或实物股票交割，单纯的股指期货交割行为不会导致ETF买入或卖出。

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:

这个因子的核心逻辑是结合盘口资金深度与短期动量信号，通过量化盘口供需力量对比并过滤不一致的动量信号，最终得到一个反映市场即时资金倾向与趋势协同性的指标。

一、因子逻辑

1. 盘口深度的全面性

   传统盘口指标常关注单档（如买一 / 卖一），但五档资金总和能更全面反映市

Alpha191因子是国泰君安证券研究者，于2017年6月，在《数量化专题: 基于短周期价量特征的多因子选股体系》研报中提出的191个因子，具体的因子表达式如下

\

Alpha1:   (-1 * CORR(RANK(DELTA(LOG(VOLUME), 1)), RANK((

从“羡慕”到“自动化”的迷思

在交易圈里，有一个普遍存在的“这山望着那山高”的现象：主观交易员常常羡慕量化交易员，认为他们可以“写好程序，躺着赚钱”；而量化交易员则羡慕顶尖的主观交易员，觉得他们能创造出凡人难以企及的“惊人业绩”。

这种心态，常常导致一个共同的困境：许多在主观交易上取

解开“黑箱”

作为一名普通的投资者，你是否常常感到困惑？为什么自己总是忍不住追涨杀跌，辛苦操作下来却收益甚微，而市场上那些神秘的“量化基金”似乎总能稳健地赚钱？这些基金就像一个不为人知的“黑箱”，其运作逻辑令人好奇又敬畏。

本文的目的，就是为你揭开这个“黑箱”的神秘面纱。我们将深入探

因子评价本质是t时刻因子对t+1时刻未来收益率的corr

大多数研究者其实在因子研究中很少用到未来数据作为信息

但实际中并非使用某一时刻的未来数据就是作弊

例如

day1的数据中涵盖分钟（t）的信息

day1 数据结构为 day1t1～day1t240（日内交易时间为240分钟）

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

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

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com

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

是社区的一个策略，社区原始策略没有这样的。今日又提示我全部清仓，我感觉明天又要全部接回。重新一个该策略的新任务，是买入今天旧任务卖出的所有股票。WHY

BigModule

bigmodule模块是由Python语言编写的，主要是在可视化线性策略中使用的可视化部件，可以将繁杂的代码进行封装，而只把输入和输出暴露给使用者，这样用户就无需关心模块的内部实现，而只需提供相应的数据，便可以获得想要的结果。

由此一来，大大降低

打破“经验至上”的幻觉

我们通常认为，交易时间越长，水平就越高。一个交易了20年的“老手”，理应比新手厉害得多。然而，一个残酷的真相是：绝大多数交易者，无论入市五年、十年还是二十年，其实到最后连真正的“门”都没有摸到。这篇文章将揭示交易的真正门槛，告诉你为什么经验有时反而是最大的障碍。

\

一、提交模拟与回测结果不一致，具体策略案例供分析\n主程序 https://bigquant.com/codesharev3/db7f7936-bfcd-4fc2-ac07-00026d1ea93b，

hs300因子数据： https://bigquant.com/codesharev3

导语

大家好，今天详细介绍下私享会成员如何使用SDK。关于SDK的更多介绍，请移步：BigQuant终端本地SDK使用文档，原文介绍了用户管理、策略运行、策略查询等功能，本文只介绍数据相关功能。

\

做量化投资，参数优化是绕不开的关键步骤。很多人靠盲目试错调参数，要么陷入过拟合陷阱，实盘一塌糊涂；要么找不到核心规律，浪费大量时间。今天就以低估值 + 小市值双因子策略为例，带你搞懂参数平原的核心逻辑，用可视化方法高效找到既赚钱又稳健的参数组合。

一、什么是 “参数平原”？

参数

hello，请教个问题，我这边有一个策略是通过人工选股，然后使用策略进行买卖。由于人工选股不定时更新，现在策略是将人工选的股票写死的，如果要更新股票池就需要编辑策略并且重启，重启之后运行时的过程数据会丢失。有没有什么方式可以解决这个问题，在不重启策略的基础上完成股票池的更新。

比如是不是可以定制一

前言

感谢BQ-小Q送的礼物，礼物已经收到拉，一如既往的黑盒高科技风。高端大气上档次。

• 
  ![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/att

📖 文档说明

这个文档是什么

本文档是 BigTrader 量化交易框架的完整 API 类型定义文件（bigtrader.pyi），包含了所有可用的类、方法、枚举和数据结构的详细说明。BigTrader 是 BigQuant 平台的核心交易引擎，支持回测、模拟交易和实

背景

平台提供了港股和美股的行情数据，本文介绍如何基于港股和美股来实现stockranker多因子选股策略

策略实现

港股和美股需要用bigtrader的自定义数据回测功能来实现。

bigtrader使用我们传给它的行情数据来进行撮合回测，行情数据需要有date, instrum

基于平台的行业轮动和大盘风控策略模板做了个策略，在AI的协助下调试了两天还是无法解决问题，求老师诊断指导一下

[https://bigquant.com/codesharev3/35e92647-9c28-44b4-a524-95433266c028](https://bigquant.c

问题描述：策略在开发环境运行成功之后，提交了模拟报错。

提交任务详情：

[https://bigquant.com/codesharev3/1e31d136-99bd-4094-8884-74f94cf22516](https://bigquant.com/codesharev3/1e31d13

随便使用一个策略，以沪深300为基准，可以看到沪深300的基准收益是2.59%，但实际上沪深300指数的月度收益是3.2%

![](/wiki/api/attachments.redirect?id=80d47451-08e2-49d9-8ab7-af90918542e3 " =422x21

一、关于策略回测与提交模拟方面的问题

策略回测与提交模拟重叠的时间段内交易的股票标的不一样，如何处理？

1 . 第一种情况

我在可视化编程状态下的线性或机器学习模型策略，或者纯代码状态下的策略，完成正常回测与参数优化，然后，在两个调仓周期之间的任何时间里提交模拟（提交日任意）

策略概述

本策略是一个简单的趋势跟踪策略，主要思想是：

• 判断趋势：通过计算一段时间内的 Tick 价格的移动平均线（MA），来判断当前价格是高于还是低于平均水平。
• 跟随趋势：当价格高于移动平均线时，我们认为处于上涨趋势，就买入股票；当价格低于移动平均线时，我们

揭开量化交易的神秘面纱

在投资世界里，“量化交易”这个词几乎被一层神秘的光环笼罩——许多人想象着它是一个由代码驱动、永不犯错的印钞机器。我们常常将其神秘化，甚至神话，认为它是一种可以预知未来、彻底摆脱人类主观判断的终极武器。但量化交易的真实面目究竟是什么？它真的能取代人类的思考吗？

\

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.

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

==

\

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

【因子理论基础】

在股票市场中，成交量的边际变化隐含着非常重要的信息，特别是在技术分析领域，成交量被认为是股票市场的原动力。俗语“量在价先”深刻的反应了成交量的变化对于股票价格波动的预测具有指示性作用。

成交量的大小，可以衡量股票市场或者个股的活跃程度，并由此来观察买卖双方进入或退出市场的状况。

为什么选它？

在盘口微观结构里，分钟级成交量的“加速度”比绝对量能更能反映主力行为：

1. 早盘 30min 放量斜率 ↑ → 机构抢筹，次日超额收益概率 +3.2%（2018-2023 中证 1000 统计）。
2. 午后斜率 ↓ 同时委卖单堆积 → 诱多出货，未来 5 日超额 −1.8

1.主动买入定义及因子逻辑

主动买入金额：当分钟内收盘价 > 开盘价时，认为该分钟的成交由主动买入主导，此时主动买入金额等于该分钟的成交额；否则为 0。

相应的，被动买入金额即为 当分钟内收盘价 < 开盘价

当分钟内收盘价 > 开盘价时，认为买方更主动（愿意以更高价格买入），这类成交被归

导语

本文介绍了因子模型、对冲以及Beta的相关内容，并针对如何进行市场风险对冲给出了具体的案例。

因子模型

因子模型是通过其他若干项资产回报的线性组合来解释一项资产回报的一种方式，因子模型的一般形式是：

![{w:100}{w:100}](/wiki/api/attachme

实时交易策略

1.选择感兴趣的股票实时交易模板（详见模板），点击【克隆】复制对应策略至策略编写页面；

1）运行代码：点击右上角的【全部运行】，看代码运行结果是否报错

2）提交模拟：点击右上的【提交模拟】，进行实时任务提交

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

在BigQuant上，您可以对接期货公司进行期货实时交易，当前实盘仅支持日内（实时）交易策略！大致流程如下：

1.在BigQuant上构建实时期货策略。

2.开通申万宏源期货账号。

3.在BigQuant上绑定期货账号。

4.添加实盘策略并设置条件后开始交易。

这里，默认您

是什么原因导致的报错呢？

源码如下：

from bigmodule import M

# <aistudiograph>

# @param(id="m5", name="initialize")
# 交易引擎：初始化函数，只执行一次
def m5_initialize_b

1.策略核心目的

1.1市场过度反应假说

过度反应是由投资决策者在不确定条件下系统性心理认知偏差造成的，投资者面对突然的或未预期到的事件时，倾向于过度重视眼前的信息并轻视以往的信息，从而引起股价的超涨或者超跌，等到投资者理解了事件的实际意义，股价的超涨超跌就会反转，最终恢复到理性的

可转债三低策略（CB-Three-Low）

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

1.https://bigquant.com/live/shared/strategy?id=68076

选择进入主升浪的股票进入股票池；

用多因子策略；

@module(position="-430,-1211", comment="""""", comment_collapsed=True)

m5 = M.input_features_dai.v26\n( mode="""表达式""",

expr="""score""",

expr_

在金融科技蓬勃发展的当下，实时股票数据对于投资者、量化交易团队以及金融科技企业而言，犹如基石一般关键。尤其是英国股票市场，其蕴含着丰富的投资机会，吸引着全球目光。获取准确且实时的英国股票数据，离不开高效的 API 支持。那么，在众多免费英国股票实时 API 获取方式中，哪一种更具优势呢？接下来，我们

BigQuant 开始使用

BigQuant 导航

快速创建一个量化策略

1. 注册/登录 [BigQuant](https

日内卖跨期权策略（Intraday Short Straddle）

1. 回测结果

2. 策略简介

以“日内卖跨+强制清仓

我们都怪错对象了吗？

如果你最近感觉自己的交易节奏完全被市场打乱，甚至开始怀疑人生，那么你很可能掉进了同一个陷阱：把矛头错指给了量化。每当股价上蹿下跳，行情变得诡谲难测，“万恶的量化”似乎成了最便捷的解释和情绪宣泄口。

但如果这只是一个广为流传的误解呢？如果量化本身只是一个工具，而真

cn_stock_prefactors是一个view，但对于北交所不能自动从底表里聚合，比如在2022-04-15查不到920000这只股票的pe_ttm，但在cn_stock_valuation表里可以查到

![](/wiki/api/attachments.redirect?id=2432c