摘要

基于市场周期规律与同比序列42个月短周期状态判断“牛熊”拐点在华泰金工周期系列研究的基础上，通过信号处理、统计检验等手段，证明指数同比序列的42个月短周期决定了市场“牛熊”状态，并进一步通过数学推导、实证检验证明同比序列42个月周期领先于价格序列4.5个月。 以此为基础，提出同比序列的

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

编写了个策略，原来的特征值训练没有问题，但当增加以下两个特征因子后，就出现错误，请老师帮忙看看为什么

c_pct_rank(daily_return)

c_pct_rank(m_lag(daily_return,5))

[https://bigquant.com/codesharev3/12b

0.策略名词解释

（1）LightGBM模型

LightGBM（Light Gradient Boosting Machine）是微软开源的一种基于梯度提升框架的高效实现。它主要用于机器学习中的监督学习任务，如分类、回归和排序等问题。本策略中使用的是回归。

githu

具体策略代码如下：

![](/wiki/api/attachments.redirect?id=2750d78a-80a0-48c3-81e

【旗舰版】BigQuant Connector: 使用本地VSCode连接到 AIStudio

![](/wiki/api/attachments.redirect?id=43cbd53

请问我m7的sql里的窗口函数，为什么改变窗口大小，算出来的数是一样的

\

一、基金池

标普500

纳指ETF

300ETF

创业板

嘉实原油

豆粕ETF

黄金ETF

恒生科技

优点

1. 地域分散：覆盖中美市场（标普 500、纳指、300ETF、恒生科技），对冲单一国家风险。
2. 资产多元：股票（权益）+ 原油 / 黄金

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。

\

https://bigquant.com/codesharev3/16a53d1d-8b1c-4968-ac0b-0398392b97ca

\

文件单中有两个重要的文件：position_data.txt和fund_data.txt

我遇到了一个问题，就是当前持仓这个position_data.txt文件有个字段是可用数量，如果昨天14：56做了文件单交易，也是更新的昨天，假设昨天刚买入一笔，那么昨天14：56的时候最后一次更新，这些刚买

策略简介

本策略是一个基本的StockRanker策略，使用的因子除了一些基本的量价指标、技术指标、财务指标之外，我们加入了涨跌停的因子，由于涨跌停price_limit_status这个字段的含义是等于1表示跌停、等于2表示非涨跌停、等于3表示涨停，因此我们将过去10日的涨跌停状态相加的话

出现这个错误之后，代码就被清空了，一行都没有。。。是平台出问题了吗？能否回滚？

如何写一个因子，判断一个股票20天内是否有涨停？

我现在这么写老是报错

m_sum(IF(close>m_lag(close,1)*1.09,1,0),20) as f1

点击此处查看直播回放：<https://bigquant.com/college/courses/course-v1:public+l07161+2025-07/courseware/ce529a33abd9458385d0a594a379014e/dddb404e6d774d2c8a8d33415

回测模块中，有一笔这样的单子引起了我的关注，应该不是个例。我们来看这笔5100股买入-卖出的订单\n根据上图信息\n买一只股票5100股，买入价

现在平台只有可视化数据封装的示例 ，能否搞一个代码版的数据封装示例，我好发布到策略社区去。类似这种数据源，有自己的ID：user_data_bq3xsdcp_7a60b646，这是如何封装的呢？

万老师，你的轮动策略，轮动不起来，我是会员，本该有2个社区策略可以轮动，但是现在运行老是出现single positional indexer is out-of-bounds，老是报这个错误，怎么解决 ![](/wiki/api/attachments.redirect?id=49cc6900-d

我使用了直播展示的《final全动态》策略，部分代码如下所示。运行第一天显示买入，实盘都执行成功了，但是今天看策略页面显示所有记录都变空了？请问一下这是为什么？

策略源码位置： [策略轮动：穿越不同市场风格的策略组合_0628直播](https://bigquant.com/wiki/doc/

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）

==推荐使用最新连接方式==

==点击此处查看最新连接方式==：【旗舰版】BigQuant Connector: 使用本地VSCode连接到 AIStudio

\

介绍

通过本地

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 [旗舰版](https://bigquant.com/s

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、新手学习策略

5大散户亏钱原因详解！总共25条，看看中了多少条！

BigQuant.com是适合散户并以AI人工智能为核心的量化开发平台，为量化投资宽客提供机器学习AI技术、量化金融数据、精准回测、量化因子等，去除人为情感，做到理性投资。

1、信息不对称

散户通常无法获取与机构投资者相同的信

《彼得·林奇教你理财》通俗解读：普通人的“接地气”赚钱指南 一、核心思想：菜鸟也能打败华尔街 简单说： 彼得·林奇认为，普通人的日常生活就是最好的选股工具。超市里卖断货的零食、小区门口排队的奶茶店、办公室里同事都在用的电子产品……这些“身边的机会”比华尔街的复杂模型更靠谱。 他的战绩：管理基金13年