https://bigquant.com/codesharev3/2ff43e8c-0fcc-4c0c-90e1-0dc88673ca05

\

    for instrument in set(context.get_account_positions().keys()):
        if (data.current_dt - context.get_position(instrument).last_sal

[https://bigquant.com/aistudio/studios/f9b674f0-0f37-11ed-93bb-da75731aa77c/?payload=[["openFile"%2C"vscode-remote%3A//bigquant.com/home/aiuser/work

Bigquant平台近期推出了与国金QMT结合的实盘自动交易方式，解决了策略实盘自动化交易问题，平台的优势在于封装了很多种类开因子，也具备AI能力，大大简化了策略研究门槛，回测效率也很高，便于策略研究。

新模式的推出，大家可能会有较多问题，我这边有4年的bigquant平台研究经验、2年的QM

什么是均线？

金融市场上每个人都有一套自己的分析方法，无论你是一个技术派、基本面派、消息派还是量化投资派，对于“均线”这个名词一定不会陌生。虽说这个概念诞生于市场技术分析领域，但由于它的通俗易用，均线一直受到投资者和市场分析人士的青睐。

均线的全称是移动平均线（MA）。移动平均线是个什么

sql = """
select date,instrument,
volume, -- 成交股数
free_float_shares, --自由流通股数
total_assets_lf, --总资产最新一期
total_assets_yoy_lf, --总资产同比

from bigmodule import M

<aistudiograph>

@param(id="m2", name="initialize")

def m2_initialize_bigquant_run(context): from bigtrader.finance.comm

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. 注册/登录 [BigQuant](https

一个月收益30+%的策略是好策略吗？，相信不少人在策略社区选择策略都有这样的问题，也经常会出现买入一个月收益30%以上的策略后，自己跟随进去反而亏钱。我们该如何选择策略，个人给出一些见解（也不一定正确哈）

目录：

一、问自己，明确定位

二、保守型策略选择

三、激进型策略选择

四、干货判

在机器学习算法里，这个是不需要排序的，那么我把这些因子放到线性模板，做收益对比，在线性模板里给哪个因子排序呢，每一个因子都给他一个score吗

报错，没有这个模块？怎么处理这种情况？

随着 AI 技术的不断发展，其应用领域得到进一步扩展。同时，基于外汇API、贵金属API、股票API等量化投资凭借其科学、系统的决策方式，在金融领域中扮演着愈发重要的角色。QLib，作为一个专注于量化投资研究的开源项目，就利用了 AI 技术，结合iTick的免费外汇API、股票API数据接口，为广大

随着 AI 技术的不断发展，其应用领域得到进一步扩展。同时，基于外汇API、贵金属API、股票API等量化投资凭借其科学、系统的决策方式，在金融领域中扮演着愈发重要的角色。QLib，作为一个专注于量化投资研究的开源项目，就利用了 AI 技术，结合iTick的免费外汇API、股票API数据接口，为广大

from bigmodule import M

# <aistudiograph>

# @param(id="m2", name="initialize")
# 交易引擎：初始化函数，只执行一次
def m2_initialize_bigquant_run(con

https://bigquant.com/codesharev3/5ae737dc-b7c0-45a5-9d65-c1aac45030a0

\

dai.DataSource("_56f0fa003b2940c3979986a0f73292aa")

当前最领先大模型关于投资、量化与BigQuant的第一性原理的思考。

投资的第一性原理

DeepSeek R1

投资的第一性原理可以归结为在风险与收益的平衡中，通过理性决策实现资源的长期最优配置。收益和风险并非对立，而是同一枚硬币的两面，其本质在于以下几点：

1. *

• [2025-03-03 17:54:26] INFO: extract_data_dai.v18 开始运行 ..
• [2025-03-03 17:54:26] WARNING: start_date='2025-01-01', end_date='2025-03-04', query_

from bigmodule import M

<aistudiograph>

@module(comment="选股模块")

m1 = M.cn_stock_basic_selector.v8( exchanges=["上交所", "深交所"], list_sectors=["

按提示我获取2024年1月份的数据应该是能获取到的，但是数据是空的

\

训练了一个lightgbm的模型，想把模型保存到我的数据，让模拟策略可以调用，可是保存一直不成功

![](/wiki/api/attachmen

all_quantile_count(pe_ttm,0.1)这个函数是不是有问题呢，所有股票得出来的结果是一样的

https://bigquant.com/codesharev3/287c4094-0a36-4cf9-8a4a-ded806709ef4

\

2025-03-03 21:25:42 任务运行开始调度 state=trigger event= e4260c5e-5658-40cc-9fe4-36e2c55468c2 ..

2

2025-03-03 21:25:46 任务运行状态更新 state=scheduled event=20250

文章摘要

金融市场的复杂性、非线性、非平稳性和时间变异性使其成为一个充满挑战的领域。随着技术的进步，AI技术在金融市场中的应用越来越广泛，尤其是在自动化交易、投资、保险和风险管理等领域。AI技术能够通过分析大量数据来提高金融服务的效率、安全性和个性化。然而，金融市场数据的质量、高频数据处理以

策略介绍

本策略是104选股策略（🌟104-选股策略）模板的具体应用。基本逻辑是股息率较高的公司能够持续支付较高的现金股息，这通常意味着这些公司拥有较为稳定和可预测的现金流。投资者通过持

在瞬息万变的金融市场中，速度是最重要的。当普通投资者还在依赖15分钟前的延迟行情制定策略时，真正的交易高手早已通过Tick级数据捕捉毫秒级的市场脉搏。这种差距的背后，是Alltick API用技术革新为交易者打开的全新维度。

行情数据的「生死时速」：为什么15分钟延迟足以致m？

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

在股市的波澜壮阔中，筹码集中度宛如一座神秘的灯塔，照亮着投资者前行的道路。它不仅是一个冰冷的数据指标，更是市场情绪与资金流向的细腻诠释者。当我们深入探索筹码集中度时，仿佛是在解读一本关于市场智慧与人性博弈的厚重书籍。每一个百分点的变化，都承载着无数投资者的希望与梦想，每一次波动的背后，都隐藏着市场脉

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

我们为广大量化爱好者整理了120套量化策略源码，==获取全部源码方式见页尾。==

• 本合集旨在提供量化思路和常见的策略模板，从而学习和魔改，==请勿直接实盘==。

• 本合集均使用3.0开发环境，克隆策略时候==选择去AIStudio最新版运行==。

  \

**一、新手学习策

目的

BigQuant策略开发兴趣小组，第一期 （2024-05 ～ 2024-07）

• 为BigQuant量化学习者编写策略模版、Demo和复现常见策略
• 通过共同学习，提高兴趣小组成员策略编写能力

如何参与

• 对于策略开发者，扫描如下二维码，添加小Q微信，报名策略开发兴

如图，平台给的demo例子【可视化线性策略】，在m2中勾选了数据抽取，想看一下每一步骤的数据，但是总是运行报错，不勾选反而可以运行，请教下是为什么，看了报错信息大概是没有选定时间范围，但是如果是表达式模式的话并勾选抽取数据也没有地方可以让我选定时间范围。

![](/wiki/api/attach

https://bigquant.com/codesharev3/dc617dfe-b525-40d3-8b7e-a63fabb08410

\

文章背景

高频交易（HFT）通过高速交易和复杂的算法在金融市场中迅速崛起，显著改变了电子市场的运作方式。尽管已有大量文献研究了HFT对单一市场质量的影响，但很少有研究探讨HFT在不同资产类别（如股票和期权）之间的跨市场影响。本文填补了这一空白，研究了股票市场中的HFT活动如何影响期权市场的流

https://bigquant.com/codeshare/becbb3a3-9e71-4657-a12c-dfd8ee66df4f

请问**Attrib

在量化分析领域，股票数据接口、免费外汇API、实时外汇API以及实时外汇报价和实时外汇数据的可靠性与便捷性堪称核心要素。经过大量严谨且深入的实测之后，我们成功筛选出了一系列稳定且高效的股票数据接口及外汇相关API。

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

https://bigquant.com/codesharev2/b160be9e-4349-4ad9-b677-4dbf116ec292

\

因子原理

今天我们来聊一个在股票市场持续生效了40年的规律——市值因子。用大白话说就是：小公司长期跑赢大公司的现象（注意：这里的"小"指公司规模，不是道德评价哦）。

把股票市场想象成学校：

• "大学生"：万亿市值的茅台、工商银行（市值=股价×总股数）
• **"

1. 文章背景

股票市场预测对于投资者来说至关重要，但由于市场的高度波动性、不确定性和复杂性，这一任务极具挑战性。近年来，机器学习（ML）和深度学习（DL）算法在处理大规模数据和复杂关系方面展现出巨大潜力，能够识别传统方法可能遗漏的模式和趋势。因此，本文旨在比较不同ML和DL模型在股票市场预

希望可以在画布中对使用的模块进行rename，这样之后自己回看策略时可以一目了然。

\

https://bigquant.com/codesharev3/64e1e9b2-9e27-44b2-aa1d-4df3e4722b05

\

显示的这些。。。

❯pip install --user bigquant

Looking in indexes: https://mirrors.cernet.edu.cn/pypi/web/simple, https://pypi.mirrors.ustc.edu.cn/simple/, h

譬如通过API方式实现python访问或者通过SQL方式在平台内部访问？

rank((1-shift(close, -20) / shift(open, -1))/mean(turn, -20)*(shift(mf_net_amount, -20)/(sum(mf_net_amount, -20)/20))*(shift(mf_net_amount, 

老师讲的这个DNN深度学习策略（<https://bigquant.com/college/courses/course-v1:plus+CS1119DNN+2024-11/courseware/7dea67c96c3b4405aa59cca499e1a5f8/eea5330d53a04b4db1b

摘要

“基底”价格形态下的CANSLIM模型基本逻辑A股实证研究。本报告借鉴美国著名投资学家欧奈尔的“基底”理论和CANSLIM模型理论，结合A股市场现状，推出了适用于当前A股市场的申万A股欧奈尔CANSLIM选股模型。申万A股欧奈尔CANSLIM选股模型的基本思路为：找出“基底”价格形态的股

IContext API 文档

IContext 接口类定义了 BigQuant AI 量化平台回测与交易引擎 bigtrader 策略 context 的抽象方法。StrategyContext 会继承 IContext，并实现具体的回测/实盘环境下的 context。 用

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((

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

117b-基于MACD指标的事件策略

这个策略，克隆运行后调用order_targer_percent方法显示price is null，取不到价格，请问是什么问题？

![](/wiki/api/attac

1. 文章背景

近年来，算法交易在股票市场中的应用迅速增加，显示出比传统交易方法更优越的性能。人工智能（AI）系统在处理大量数据和市场变量方面表现出色，能够超越基于人类的交易策略。然而，人类交易员在分析海量数据时存在局限性，且容易受到贪婪和恐惧等情绪的影响，从而导致错误决策。相比之下，AI交

https://bigquant.com/codesharev3/30a18dac-e2a8-4615-a88c-bb7ada4f2dab

\

可视化模块的组合优化能用不，代码版应该还有一个，能不用代码版的吗。

可视化模块的组合优化那个能用不

可视化模块的那个机器学习算法能跑的动不，DNN代码版运行不了，是算力有问题吗

![](/wiki/api/attachments

平台上哪篇文章有这个对比

平台上哪有这个对比

给出的财务因子，只有两个步骤：缺失值处理、去极值，那么标准化、中性化在哪里了，或者说平台因子只有一部分因子会进行标准化、中性化处理。

![](

![](/wiki/api/attachments.redirect?id=f2d4972b-6ba6-4a4b-8090-f7c9c74

介绍

• 本地上传csv文件并读取
• 和其他数据联合使用

实现

dai处理文件

• 生成一个csv文件作为测试，包括日期、股票代码、当日涨跌幅。
• 使用dai直接操作csv，如果是本地csv文件则直接拖拽至资源管理器。

![](/wiki/api/attachme

我用的是空白代码策略

========== 5. 回测配置 ==========

if name == "main": # 设置回测参数 backtest_params = { 'start_date': '2023-01-01', 'end_date': '2024

如题，目前平台可用的模型较少，仅有随机森林一种，如果不想使用平台的机器学习模板，打算自己实现一个类似时间序列的模型，包含模型训练、模型评估等，目前有文档参考如何操作吗

ParserException Traceback (most recent call last) Cell In[5], line 133 **[80](vscode-notebook-ce

当我不用这个因子的时候在date==2025-02-11的数据长度为3900，用上之后数据长度只有2800.

老师您好：两个策略无法回测 ，帮忙看一下，哪里出问题。

[https://bigquant.com/codesharev3/eed8f2e7-95f0-43ff-93c0-0c03682f2309](https://bigquant.com/codesharev3/eed8f2e7-95f0-43

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

==

恒生指数，作为香港金融市场的风向标，其历史走势不仅是一串串数字的波动，更是一部记录香港经济发展与金融格局变迁的生动史书。通过股票API深入剖析恒生指数的历史轨迹，对于理解香港经济发展脉络、洞察金融市场规律以及制定合理的投资策略都具有至关重要的意义。而在这一探索过程中，借助专业的股票报价API 获取详

您如何衡量持有单一资产（如公司股票）的风险？您如何比较两种资产的风险？您如何选择要添加到现有投资组合中的资产？

了解单项资产的回报

什么是资产回报率？

假设某一时刻某项资产价值 100 美元，你购买了它。下一刻（比如说一周后），价格上涨到 110 美元。

那么你的投资回报率是

基本面分析简介

我们先来看一个量化交易策略在本平台的回测曲线和回测数据，该策略在三年期的年化收益率是24.84%，最大回撤为42个点（在2024年初出现严重回撤）。总体来说，这个策略总体是一个正收益系统的策略，但在某些时间阶段出现了大幅波动甚至严重回撤现象。

![](/wiki/api/

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

1. 文章背景

在当前数据交易的学术研究和产业实践中，市场机制的有效性往往受到限制。本文提出一种基于数据证券化的数据交易机制。该机制将数据所有权与使用权分离，将所有权证券化，通过集中定价与自由交易的两阶段市场机制实现定价和撮合交易。本质上，本文构建的交易机制重塑了用户与持有者之间形成的价格空

文章背景

在当今复杂的金融市场中，“算法交易”变得非常重要。本文深入探讨了四个关键指标的融合 - 相对强弱指数（RSI）、指数移动平均线（EMA）、成交量加权平均价格（VWAP）和移动平均收敛/发散（MACD）相对强弱指数（RSI）、指数移动平均线（EMA）、成交量加权平均价格（VWAP）和

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？

• [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

策略介绍

• 美国《旧金山纪事报》曾做过大猩猩选股实验，让大猩猩独写有股票代码的纸板投标，投中一个代码就意味着选中一只股票，用此方法让大猩猩挑选出5只股票。然后，用大猩猩挑选的股票组合与《华尔街日报》8位知名分析师精心计算分析挑选的5只股票相比较，在持有一段时间之后，大猩猩随机抽取购买的股票

使用下面的代码检索：

%%sql

select date, financing_balance

from cn_stock_margin_trading_detail

where date>'2024-02-01' and instrument='000063.SZ'

order by

有好多宽币，不知道有啥用啊

使用平台的“自定义Python模块”勾中“启用缓存加速”选项，在模块第一次执行成功后，模块的输出数据会被缓存。

但是在对模块的主函数代码进行更新后，再运行该模块，则会命中旧代码的输出缓存，不会执行新代码输出新数据。

要想获得新数据必须要去掉“启用缓存加速”后运行模块，这样可以得到新数据，但是新数

# 导入聚宽库
import jqdata
import numpy as np
import pandas as pd
from jqlib.technical_analysis import *
from jqlib.alpha101 import *
from 

https://bigquant.com/codesharev3/e7ed35da-db84-41b8-bd5b-b618494b8b3a

\

https://bigquant.com/codeshare/bd663adc-d1a7-46a3-987f-6984804c2e0e

\

https://bigquant.com/wiki/collection/6zeu562u5lqk5rwb-YbyzplDKPp

在第一个sql中，拿了100多个因子，最后的筛选条件是is_zz1000，但是最后的数据出来，每天的股票没有1000只，只有几十只

chat了N遍还是这个错，实在是找不到这个‘，’请大佬帮帮忙。

• [2025-02-16 00:03:08] INFO: cn_stock_basic_selector.v8 开始运行 ..
• [2025-02-16 00:03:08] INFO: cn_stock_basic_sel

一、定义

在量化投资领域，数据是任何代码的底层架构，模型训练、策略运行都依赖于对应的数据。BigQuant 平台的模拟交易每天会基于策略所需的数据运行策略代码，最终产生下一个交易日的买卖信息。这种工作方式需要保证模拟交易运行前，其依赖的数据需要准备好。如果数据没有准备好会导致当日模拟交易运行结

绩效截图

我们先来看一个策略回测曲线，年化12.4%，最大回撤18个点，交易不是特别频繁，但总体是一个正收益系统的策略

这就是一个配对

绩效截图

我们先来看一个策略回测曲线，年化12.4%，最大回撤18个点，交易不是特别频繁，但总体是一个正收益系统的策略

这就是一个配对

绩效截图

我们先来看一个策略回测曲线，年化12.4%，最大回撤18个点，交易不是特别频繁，但总体是一个正收益系统的策略

这就是一个配对

绩效截图

我们先来看一个策略回测曲线，年化12.4%，最大回撤18个点，交易不是特别频繁，但总体是一个正收益系统的策略

这就是一个配对

策略简介

本策略名称叫空中花园策略，是一个比较经典的日内交易策略。网上有大量的材料，感兴趣的可以搜索下。

\

策略思想

隔夜跳

BigQuant 平台已经提供了股票、期货、可转债、基金等各类资产的1分钟数据，比如股票的分钟数据见如下链接：https://bigquant.com/data/datasources/cn_stock_bar1m。那么，基于1分钟数据，如果需要更长周期的分钟数据，怎么办呢？本着“受人鱼不如授人

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

import jqdata

def initialize(context):

# 定义均线周期

context.ma5_period = 5

context.ma10_period = 10

context.ma3_period = 3

def handle_data(c

导语

在之前的版本里，很多用户喜欢开发每日换仓、仓位集中度高的AI StockRanker策略，无需编写sql代码，因此本教程给出这样的一个策略实现，方便用户在此基础上根据自己需求调整策略。

本策略绩效

本策略年化收益74%，夏普比率2.5，最大回撤不到-8.5%，整体绩效不错