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

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

📖 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

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

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

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

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

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）

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

开篇：三低策略的市场锚点——为什么“低价格、低溢价、低余额”能破局？

2021年至2025年，可转债市场经历了“扩容-震荡-分化”的完整周期：中证转债指数从400点涨至580点，但散户投资者却普遍陷入“选不准、拿不住、赚不多”的困境——2022年熊市中，有投资者持有价格125元、溢价率45%

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

源码如下：\n

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_bigquan

【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。

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

VWAP偏离度因子 (factor_vwap_deviation)

该因子衡量成交量加权平均价格(VWAP)相对市场中间价的偏离程度,结合报价偏差和日内波动率。

核心逻辑:

• daily_vwap: 日内成交量加权平均价格

• avg_mid_price: 日内平均中间价

策略介绍

小市值策略是一种经典的量化投资策略，旨在通过筛选市值较小的股票，并根据市值对股票进行排序，选取市值最小的一部分股票进行投资。这种策略基于小市值股票在某些市场条件下可能具有较高的增长潜力和投资回报率。

策略背景

小市值策略的理论基础可以追溯到Fama-French三因素模

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

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

expr="""score""",

expr_

问答交流

**程序报错，求助！**报错信息：

IndexError Traceback (most recent call last) Cell In[1],

[line 52](

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

https://bigquant.com/codesharev3/41d72726-3db4-4f25-8566-b2f1398c4ee3

\

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

代码是这样的，回测没问题，跑的很好，但一提交到模拟盘上就报错，选的是实时交易任务。

from bigmodule import M

# <aistudiograph>

# @param(id="m8", name="initialize")
# 交易引擎：初始

择时研究关注资金的流动。资金流动有两种，债市股市的国家内部资金和外部增量资金。所以股市宽基择时应该是基于汇率对冲，以及长短债对冲获得，而不是简单的股价涨跌。查阅相关研报，居然没有把汇率和债市一起研究的择时。

\

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