策略源码：

{{membership}}

[https://bigquant.com/codeshare/f3140995-dd6e-4875-a91e-a1bd0226f645](https://bigquant.com/codeshare/f3140995-dd6e-487

策略源码：

{{membership}}

[https://bigquant.com/codeshare/73febaa3-a225-4bc5-b56b-2390f3de6c9e](https://bigquant.com/codeshare/73febaa3-a225-4

策略源码：

{{membership}}

[https://bigquant.com/codeshare/a3bea22e-68a2-4dd8-9019-c2322c73caf5](https://bigquant.com/codeshare/a3bea22e-68a2

策略源码：

{{membership}}

[https://bigquant.com/codeshare/3a8cd582-e91f-4a6d-b2ce-834329993efd](https://bigquant.com/codeshare/3a8cd582-e91f-4a6

策略源码：

{{membership}}

[https://bigquant.com/codeshare/61abc533-05ce-47d1-bbbf-37de5621a1f4](https://bigquant.com/codeshare/61abc533-05ce-4

策略源码：

{{membership}}

[https://bigquant.com/codeshare/ee92a723-2ced-43c4-a90d-c3256a8c04a3](https://bigquant.com/codeshare/ee92a723-2ced-43c

策略源码：

{{membership}}

[https://bigquant.com/codeshare/4c52e2a4-bf48-4770-8553-a859659170d2](https://bigquant.com/codeshare/4c52e2a4-bf48-477

策略源码：

{{membership}}

[https://bigquant.com/codeshare/af317223-38b0-441e-b7ff-812d1f5c697e](https://bigquant.com/codeshare/af317223-38b0-441

策略源码：

{{membership}}

[https://bigquant.com/codeshare/aaaeda58-3eff-4a2d-bbf4-dd528b80e20c](https://bigquant.com/codeshare/aaaeda58-3eff-4a2

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/9bde4672-6aa5-491f-a6c7-20c316da34c8](https://bigquant.com/codeshare/9bde4672-6aa5

Alpha101因子第81个

计算公式： ((rank(Log(product(rank((rank(correlation(vwap, sum(adv10, 49.6054), 8.47743))^4)), 14.9655))) < rank(correlation(rank(

Alpha101因子第61个

计算公式： (rank((vwap - ts_min(vwap, 16.1219))) < rank(correlation(vwap, adv180, 17.9282)))

完成策略请克隆下方源码

\

策略源码：

\

Alpha101因子第41个

计算公式： (((high * low)^0.5) - vwap)

完整策略代码请克隆下方策略

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/8f89

Alpha101因子第21个

计算公式： ((((sum(close, 8) / 8) + stddev(close, 8)) < (sum(close, 2) / 2)) ? (-1 *1) : (((sum(close, 2) / 2) < ((sum(close, 8) /

声明：以下代码请在 AIStudio 3.0.0 环境下运行

import dai
import pandas as pd
from datetime import datetime

sd = '2022-07-01'
ed = datetime.now().date

接口

• bigchart.Chart 定义建议 Chart文档

对于Line（折线图）的 _type=”line” 和 series_options：

对于股票、外汇、期货、贵金属量化人来讲，一份高频的K线数据是相当重要的， 玩过股票的几乎都知道，股票K线数据中的历史交易日的开盘价、收盘价、最高价、最低价等高频股票数据指标是选股的重要依据 。虽然仅仅依靠股票k线数据无法在股市中盆满钵满，但是运用好它确实能在较大程度上提高我们的赚钱概率。

股票K线

MFI资金流向指标

计算方式：

• 典型价格（TP）=当日最高价、最低价与收盘价的算术平均值；货币流量（MF）=典型价格（TP）*当日成交量；
• 如果当日MF＞昨日MF，则将当日的MF值视为正货币流量（PMF），将N日内的正货币流量加总代入公式5；
• 如果当日MF＜昨日M

BBI指标

计算方式：BBI=(3日均线+6日均线+12日均线+24日均线)/4

\

DMI平均线差

计算方式：10日均线-50日均线后再进行移动平均

\

DMI趋向标准ADX

计算方式：

1. 先计算上升下降指标线：ID+=(当日

K线绝对长度

K线相对长度

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

**今日收盘价在N日内的相对价差[¶](https://bigquant.com/bigapis/codeshare/v1/shares/84ab7b83-0dd5-463e-9652-ab775b8aea09/display#%E4%BB%8A%E6%97%A5%E6%94%B6%E7%

N日量价指标的均值

N：一般取值为5、20、60、120、250

量价指标：可选为close、open、high、low、volume、amount、turn

\

N日量价指标的总和

N：一般取值为5、20、60、120、250

量价指标：可选为clos

单因子策略：尾盘前5分钟的趋势强度

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/e51545ca-a096-423c-a21c-6348c7911e87](https://bigquant.com/co

单因子策略：120日换手率之和

回测图：

\

策略源码：

{{membership}}

[http

单因子策略-60日收盘价均价比今日收盘价

回测图：

{{membership}}

策略源码：

单因子策略：涨跌幅方差

回测图：

\

策略源码：

{{membership}}

[https://bi

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开发环境）

\

\

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/144ad34b-5448-4f8f-9452-83f4eebee41c](https://bigquant.com/codeshare/144ad34b-54

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/c20cdfe8-a8bc-4ccd-a729-b5f079227002](https://bigquant.com/codeshare/c20cdfe8-a8bc-4

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/611573e3-acd8-4a5c-9bbc-502a547ff9ed](https://bigquant.com/codeshare/611573e3-ac

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/f7c0d42e-a4ee-4856-8f97-246e97cd4cdd](https://bigquant.com/codeshare/f7c0d42e-a4

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/bdb96d5c-2ca4-4e9c-b23a-7c7c7e257c8e](https://bigquant.com/codeshare/bdb96d5c-2ca4-4

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/a79dcd98-6439-4fa6-b3ce-a77d923686a7](https://bigquant.com/codeshare/a79dcd98-

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/5d803df5-0528-4dab-97d8-3db808654e71](https://bigquant.com/codeshare/5d803df5-0528

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/fa4df81a-ebb8-4ecf-8f6d-c8d0fcc157c6](https://bigquant.com/codeshare/fa4df81a-ebb8

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

[https://bigquant.com/codeshare/d762f137-78eb-45df-9e66-ed58ce6f4059](https://bigquant.com/codeshare/d762f137-78eb

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将流通市值、换手率、收盘价做截面排序，并乘以系数，组成因子total_score
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创板和北交所），市盈率大于0，流通市值<=25亿
• 排序条件：按照日期、tota

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将总市值、流通市值、收盘价做截面排序，并乘以系数，组成因子total_score
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创板和北交所），市盈率大于0，流通市值<=25亿
• 排序条件：按照日期、tota

因为很多量化在线平台目前还不支持期货交易，且KD指标对大盘和热门大盘股有着较高的准确性，此策略选取'605588.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt>80,dt>80, jt>100时，卖出\n当kt<20,dt<20, jt<0 时，买入

\

**

因为很多量化在线平台目前还不支持期货交易，且KD指标对大盘和热门大盘股有着较高的准确性，此策略随机选取'603896.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt-1>80,dt-2>80, jt>100时，股价创50日新高，KDJ指标未创新高,卖出\n当kt-1<20,

股票提取：当快线（短期移动平均线）上穿慢线（长期移动平均线）时，形成金叉信号，表明买入机会；当快线下穿慢线时，形成死叉信号，表明卖出机会

股票过滤：过滤ST，过滤北交所，上市天数大于270天

排序规则：按照成交量从大到小

买卖时间：开盘买入，收盘卖出

初始资金：100万

持仓票数：10

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将流通市值、收盘价、每股收益率做截面排序，并乘以系数，组成因子total_score
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，过滤北交所，市盈率大于0小于25，资产负债率<0.3，主营业务比率>0.8，营业利润/利润总额

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将流通市值和每股收益率做截面排序，组成因子total_rank
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创版和北交所），市盈率大于0
• 排序条件：按照日期、total_rank（从小到大）排序
• 数据

• 运行环境：AiStudio 3.0.0
• 策略描述：我们选择一定条件下小市值的股票，来研究策略的历史表现
• 股票条件：过滤ST，过滤已停牌，上市天数大于365天，只要主板（过滤科创版和北交所）
• 排序条件：按照日期、流通市值（从小到大）排序
• 数据表名：cn_stock_factors_

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

股票提取：股票提取：最近15天内，连续涨停数大于7，且已经断板，断板后3天内平均涨跌幅大于1%

股票过滤：过滤北交所，过滤科创版，过滤创业板、上市天数大于270天

股票排序：按照成

• 声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 声明：本策略需要在AIStudio 3.0环境下运行
• 股票提取：筛选出全市场股息率最高的前 25%的股票，并且只选择股价低于 10 元的票
• 股票过滤：过滤科创板、过滤北交所、过滤 ST、过滤停牌、过滤涨停、过滤跌停，上市天数大

• 声        明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 股票提取：昨日涨跌幅在2%~8%，换手率在3%~8%
• 股票过滤：过滤ST，主要主板，上市天数大于270天，过滤停牌
• 股票排序：按照主力流入金额从大到小排序
• 买卖时间：开盘买入，收盘卖出，
• 初始资金：

• 声        明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 交易逻辑：每隔30个交易日，以开盘价买入当日0<PB<1.5且0<PE<15且有成交量较前一日放大1.5~2.5倍的股票；
• 每隔30个交易日，将不符合上述标准的持仓股票在第二天以收盘价卖出。
• 股票过滤：换手率

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

交易逻辑：

• 当收盘价5日均线大于10日均线时，以第二日开盘价买入；
• 买入后，当收盘价的5日均线小于10日均线时，以第二日开盘价卖出；

[https://bigquant

买入条件：

1. 今日开盘价大于昨日收盘价；
2. 5日收盘价均线大于10日收盘价均线的股票
3. 按PE升序排名取前十名,次日以开盘价买入；
4. 买入后，如果5日收盘价均线小于10日收盘价均线，则次日以开盘价卖出。
5. 股票过滤：过滤ST，过滤北交所，上市天数大于270天
6. 初始资金：

• 声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 声明：本策略需要在AIStudio 3.0环境下运行
• 买入条件：
• 5日均线大于10日均线，10日均线大于20日均线，20日均线大于40日均线，40日均线大于120日均线；
• 今日最低价小于10日收盘价均线 的股票，次日以开盘

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

股票提取：在财报公告日当天，筛选出净利润同比增长小于1的，并按照净利润同比增长排序

股票过滤：剔除ST、退市、非主板、上市时间小于365天的

买卖时间：开盘买入，收盘卖出

初始资

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

股票提取：提取昨天和前天均涨停（2连扳），股价在五天均线上方运行，市盈率5-30倍左右，近一个季度利润增速超10%

股票过滤：过滤ST，过滤北交所，过滤科创版，上市天数大于270天，

由于财务公告通常在晚上发布，在财务报表公告的第二日开盘买入归属母公司股东的净利润同比增长率百分比大于30%的且降序排名靠前股票(总持仓量不超过50只);\n\n买入并持有40个交易日后，以第二日开盘价卖出；

\

策略源码：

{{membership}}

[https:

/wiki/static/upload/15/155c3445-595b-4419-98f2-fb8ba6636edf.mp4

回测图：

/wiki/static/upload/d2/d2d6827c-71b2-425b-81ce-b957dcc55763.mp4

回测图：

![](/wi

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开发环境）

回测图：

\

==策略源码：==

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开发环境）

{{

因子1示例：

"factor1":"""
            SELECT
                date,
                instrument,
                m_CORR(close/m_lag(close,

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆之后-选择最新环境）

{

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开发环境）

{{membership}}

[https://bigquant.com/codeshare/ecaabbc7-2464-4221-bb2b-d5127befd0ab](http

策略源码：

{{membership}}

[https://bigquant.com/codeshare/f9260c26-9a8a-406f-bc5d-3f394ce76d73](https://bigquant.com/codeshare/f9260c26-9a8a-406

策略源码：

{{membership}}

[https://bigquant.com/codeshare/5957e3fb-08b4-4e16-9b9a-7d0de13c2a4d](https://bigquant.com/codeshare/5957e3fb-08b4-4e1

因子1示例：

 "factor1":"""
            SELECT 
                date, 
                instrument, 
                -1*pct_rank_by(date, 

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/a6dc6c90-4f42-4c8e-92ec-dfa1a2f13fc0](https://bigquant.com/codeshare/a6dc6c90-4f42-4

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆策略选择最新开发环境）

{{

\

• 运行环境：AiStudio 3.0.0
• 策略描述：对于一个事件策略来说，哪一只股票在此策略下收益最高，我们是可以逐个试出来的，就买入
• 数据表名：cn_stock_bar1d
• 回测时长：2020-1-1 至 今天
• 初始资金：500000
• 买卖时间：开盘买入，收盘卖出

\

• 运行环境：AiStudio 3.0.0
• 策略描述：买卖信号是可以当作因子的，每天出买信号的股票因子值为1，每天出卖信号的股票因子值为0，使用处理后的因子值进行筛选排序策略
• 数据表名：cn_stock_bar1d
• 回测时长：2020-1-1 至 今天
• 初始资金：500000

• 策略描述：运行环境：AiStudio 3.0.0
• 策略描述：MACD 快线上传慢线买入，慢线上穿快线卖出
• 买入股票：'600519.SH'（贵州茅台）, '600941.SH'（中国移动）, '601398.SH'（工商银行）,  '601857.SH'（中国石油）, '000001.S

• 策略描述：运行环境：AiStudio 3.0.0
• 策略描述：MACD 快线上传慢线买入，慢线上穿快线卖出
• 买入股票：'600519.SH'（贵州茅台）
• 数据表名：cn_stock_bar1d
• 回测时长：2020-1-1 至 今天
• 初始资金：500000
• 买卖时间：开盘

• 策略描述：运行环境：AiStudio 3.0.0
• 策略描述：我们将过去20日收盘价（均值+2倍标准差）作为up_limit，（均值-2倍标准差）作为low_limit
• 买入股票：'600519.SH'（贵州茅台）, '600941.SH'（中国移动）, '601398.SH'（工商银行）

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将过去20日收盘价（均值+2倍标准差）作为up_limit，（均值-2倍标准差）作为low_limit
• 买入股票：'600519.SH'（贵州茅台）
• 买卖规则：收盘价大于up_limit买入，收盘价小于low_limit卖出

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将过去20日最高收盘价作为hist_high，过去10日最小收盘价作为hist_low
• 买入股票：'600519.SH'（贵州茅台）, '600941.SH'（中国移动）, '601398.SH'（工商银行）,  '601857.SH

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将过去20日最高收盘价作为hist_high，过去10日最小收盘价作为hist_low
• 买入股票：'600519.SH'（贵州茅台）
• 买卖规则：hist_high大于hist_low买入，hist_low大于hist_high卖出

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将5日平均开盘价作为短线，120日平均开盘价作为长线
• 买入股票：'600519.SH'（贵州茅台）, '600941.SH'（中国移动）, '601398.SH'（工商银行）,  '601857.SH'（中国石油）, '000001.

• 运行环境：AiStudio 3.0.0
• 策略描述：我们将5日平均收盘价作为短线，40日平均收盘价作为长线
• 买入股票：600519.SH（贵州茅台）
• 买卖规则：短线上传长线买入，长线下穿短线卖出
• 数据表名：cn_stock_bar1d
• 回测时长：2020-1-1 至 今天

\

我们为广大量化爱好者整理了120套量化策略源码，全部源码向plus会员开放，本文档预计于==5月中旬整理完毕==。

本合集旨在==提供量化思路和常见的策略模板==，学习和魔改，==请勿直接实盘==。==若您希望增加其他策略，请于页尾留言或告知小Q==。

• 注意： ==本合集均使用3.0开

目标

• 提供高质量的服务
• 提供可信赖的服务
• 提高服务透明度

服务质量监控

• https://status.bigquant.com/status/monitor

2024年

2024-04-23

模拟交易定时任务未及时执行

• [2

一、前言

Python金融包是一种强大的工具，它是提供了A股,港股,美股的一系列的实时报价数据和k线数据金融数据接口包,为开发人员提供了获取实时金融数据和进行数据分析的接口。在当今充满变化的金融市场中，准确和及时的数据对于投资者和分析师来说至关重要。借助Python金融包，他们可以轻松地获取

介绍

• BigCharts 图表演示，克隆策略运行
• 通过左侧大纲，可以快速定位图表
• 更新中，欢迎反馈建议

Demo 代

实盘申请

本次实盘终端支持万和证券，需要开通并申请量化实盘权限：

1. 实盘账号申请，请扫描下方二维码开通资金账号，通过二维码开户的方可使用：

   ![](/wiki/api/attachments.redirect?id=2cc15b20-9911-438d-918f-922e8

复现研报原文：

研报1：

[/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pdf](/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pd

什么是BigTrader

BigTrader是宽邦科技推出的致力于为用户提供便捷、功能强大的交易引擎。

在量化研究的过程中，量化研究员（宽客）需要在历史数据里回放模拟，验证策略效果，这就是BigTrader交易引擎的应用场景。

主要功能： 量化策略编写、回测分析、仿真模拟

以布林带为例的因子分析实践

[https://bigquant.com/wiki/doc/bigalpha-EOVmVtJMS5#h-%E4%BB%A5%E5%B8%83%E6%9E%97%E5%B8%A6%E4%B8%BA%E4%BE%8B%E7%9A%84%E5%9B%A0%E5

摘要

这篇报告里我们使用 Fama-French 三因子模型的思路在 A 股市场做实证分析。我们基于该论文的三因子模型实证了 A 股市场在 2010年4月到 2022年 10月的情况。

Fama-French 三因子模型是量化金融领域十分经典的理论模型。

最早提出的CAPM模型无

如果您像我一样需要实时汇率API进行查询，那么建议你认真看完此篇内容，不但有API接入流程，而还有实例代码可以直接参考与使用。我是自己找了好久，找到了alltick的实时汇率API，它是一个功能强大的接口，提供了多种查询方法和数据订阅选项，使开发者能够获取即时的汇率和市场行情数据。本文将详细介绍如何

在进行量化回测时，确实需要支持逐笔报价、批量订阅、以及获取历史日K线、周K线、月K线等功能，这些功能对于编写有效的交易策略和分析市场数据至关重要。

一般来说，在进行量化回测时，我们可以选择使用专业的量化交易平台或软件，这些平台通常会提供相应的API接口来支持逐笔报价、批量订阅和历史K线数据的获取。