都是老朋友啊😂

想用 AI 做策略，但模型不知道怎么选、怎么搭？\n🤖这堂课不讲理论推导，只讲落地方法，拆解机器学习实战路径与模型构建思路。

1、视频回放：https://bigquant.com/college/9f7d2556-a89b-4b5e-9902-ff34fe520c80

2、研报地

用隐马尔科夫模型（HMM）划分沪深300的市场状态

市场不会一直上涨，也不会一直下跌，它总是在"趋势"和"震荡"之间来回切换。如果能提前识别当前市场处于哪种状态，仓位管理和策略选择就会更有依据。本文介绍如何用隐马尔科夫模型（Hidden Markov Model, HMM）对沪深300指数近十

• 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

\

策略源码：

{{pro}}

已经更新到了AIStudio3.0.0版本, 请转移至

https://bigquant.com/wiki/doc/xgboost-I1ZKSVykGR

[https://bigquant.com/codeshare/a290e569-7680-45d7-86

本文通过两个实际案例介绍 BigQuant AIStudio 的数据导入流程：第一项工作是将本地 CSV 文件上传至 AIStudio，并整理后写入 DAI 数据表；第二项工作是获取东方财富市场估值数据，保存到 DAI，并配置日频任务实现自动更新。完成后，这两类数据都可以直接用于后续研究、因子分析和

• BigQuant 比赛
  • 进益资本杯 · 端到端赛道

\

• BigQuant 比赛
  • 进益资本杯 · 因子挖掘赛道

\

{{pro}}

[https://bigquant.com/codesharev3/0107445f-0181-430f-8782-ca3e6babfc47](https://bigquant.com/codesharev3/0107445f-0181-430f-8782-ca3e6bab

《用Cowork复现指数增强策略》

指数增强 = 跟踪指数 + 超额收益。\n单因子筛选、回测搭建、参数调优，每一步都卡人。

🤖用 Cowork帮你自动写代码、跑回测、生成策略。\n这场直播，现场从0到1复现一个完整的指增策略，拆解策略优化关键点。

\

一、直播回放：

[h

BigAlpha 2026 决赛采用“赛道总榜基准分＋现场评审分”的综合评分机制。因子挖掘、端到端大模型和 AI 开放创新三个赛道统一参与金、银、铜奖评选。

一、总分构成

最终成绩（100 分）＝赛道总榜基准分（30 分）＋现场评审分（70 分）

总榜基准分体现团队在预选阶段的客观表

BigAlpha 2026 决赛采用“赛道总榜基准分＋现场评审分”的综合评分机制。因子挖掘、端到端大模型和 AI 开放创新三个赛道统一参与金、银、铜奖评选。

一、总分构成

最终成绩（100 分）＝赛道总榜基准分（30 分）＋现场评审分（70 分）

总榜基准分体现团队在预选阶段的客观表

BigAlpha 2026 决赛采用“赛道总榜基准分＋现场评审分”的综合评分机制。因子挖掘、端到端大模型和 AI 开放创新三个赛道统一参与金、银、铜奖评选。

一、总分构成

最终成绩（100 分）＝赛道总榜基准分（30 分）＋现场评审分（70 分）

总榜基准分体现团队在预选阶段的客观表

从跨市场、跨资产类别的多维度金融数据中自主学习综合信号模式。

✅传统多因子遇瓶颈，端到端如何从原始数据直达交易决策？\n✅如何绕过人工挖因子，让AI自主迭代策略？

\

直播回放：

<https://bigquant.com/college/339bd935-334f-4bea-94b6

因子篇

因子构建

另类标签推荐

追涨策略的关键因子如何选择

[基于财务数据构建策略](/wiki/doc/

您好。2026-08-26交易日早盘，我们使用新版“我的交易”中的 BigQuant 股票仿真账户运行股票实时任务。日志能够正常读取 account_info，并识别 trading_day=2026-08-26；随后固定报错：

query broker info a12d5a02-25e9-4d

如何用SQL表达以下旧版因子

#换手率5日累计值

sum(turn_0,5)

#3日前 5日收盘价均线值

mean(close_3,5)

#统计10日内上涨次数

sum( where(return_0>1 , 1 , 0 ), 10)

#5日内大单买入

预计算因子 #销售净利率 (TTM) fs_net_profit_margin_ttm_0 数据从2024年9月4日 开始错误。在此之前，数据显示为 利润率*100 ，之后就一直显示 利润率

![](/wiki/api/attachments.redirect?id=3ebe3282

这张表收录好多有效的高频因子，弃用太可惜了

旧版有很多 保存数据 读取数据的 模块，新版如何实现呢？

若想 过滤掉 超过百分比95% & 低于百分比5% 的数据,只保留中间90%的数据, 以下代码可实现吗?

新版没报错,但代码运行不出来,是资源不够吗?

Python 代码入口函数，input_1/2/3 对应三个输入端，data_1/2/3 对应三个输出端

de

\

一、赛事概况

BigAlpha 2026 本届赛事设因子挖掘、端到端大模型、AI开放创新三大核心赛道。

二、入围决赛队伍

经公榜排名、私榜验证，赛区总榜层层筛选,共计 24 支队伍入围决赛,进入赛区总决赛环节。

具体入围队伍名单如下:

![](/wiki/api/attachment

开通账户

==没有东亚前海证券账号的，请扫下方二维码开户==

东亚前海证券实

本文导读

待测因子：传统的1个月反转等因子，以及改进的动量因子动量因子是一类非常重要的风格因子，本报告中我们选取了十三个具有代 表性的动量因子进行测试，包括 HAlpha（个股 60 个月收益与上证综指线 性回归的截矩项）， return_Nm（个股最近 N 个月的收益率，N

规则中目标为计算全年“沪深 A 股”，介绍中没有限制板块范围是 “A 股市场”，所以目标范围到底是“沪深 A 股”还是“沪深京 A 股”？

一、赛事概况

BigAlpha 2026 本届赛事设因子挖掘、端到端大模型、AI开放创新三大核心赛道。

二、入围决赛队伍

经公榜排名、私榜验证，赛区总榜层层筛选,共计 24 支队伍入围决赛,进入赛区总决赛环节。

具体入围队伍名单(队伍名/学校/所属赛道)如下

北美赛区：

| 赛区

一、赛事概况

BigAlpha 2026 本届赛事设因子挖掘、端到端大模型、AI开放创新三大核心赛道。

二、入围决赛队伍

经公榜排名、私榜验证，赛区总榜层层筛选,共计 24 支队伍入围决赛,进入赛区总决赛环节。

具体入围队伍名单(队伍名/学校/所属赛道)如下

北美赛区：

| 赛