急等回答两个问题 ：

1、滚动参数优化总提示如下截图，如何要解决此问题 ，至少要升级到什么级别？

2、如果我在策略里面添加了滚动优化功能，在提交模拟交易后，滚动优化还会仍然生效定期执行吗？优化出来的参数是否会自动应用到策略

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

https://bigquant.com/codesharev3/9946e614-5a9f-457c-b001-300d4bf91c2a

链接中运行结果只能取到2024年8月16日之前的数据

在投资市场里，大多数人的亏损并非源于“不懂”，而是源于“想太多”。频繁的主观预测、复杂的技术指标、情绪化的追涨杀跌，往往让账户在震荡中不断磨损。

真正能穿越牛熊的，往往不是最复杂的模型，而是最简单、最机械、最能坚持的规则。

今天介绍的这套

ETF择时动态交易策略
`

万老师的宏观保温杯的约束函数是：

def apply_weight_constraints(weights):
    w = dict(weights)

    if w.get('债券', 0) > BOND_CAP:
        w['债券'] = BOND_CAP

一、写在前面：量化交易中多标的数据获取的核心诉求

作为长期深耕港股量化交易的个人从业者，我们日常策略研发与实操过程中，多只股票实时行情数据的同步获取，是保障策略落地、信号捕捉精准度的核心前提。无论是日常行情监控、交易信号筛选，还是基础量化策略的回测与实盘执行，都离不开稳定、高效的多标的数据

Qlib 官方原版 Alpha158 全158因子

一、K线基础因子（9）

1. KMID = (close - open) / open
2. KLEN = (high - low) / open
3. KMID2 = (close - open) / (high - low) 4

引言：揭开市场的“面纱”

你是否也感到一种深入骨髓的挫败感？明明大盘指数在不断攀升，科技赛道如日中天，可回头一看自己的账户，却是一片惨淡。这种“指数狂欢，散户买单”的怪象，正是当前A股极其割裂的残酷真相。

还记得今年1月商业航天冲高回落时，那种被挂在山顶反复火烧的滋味吗？那种痛至

策略社区的小市值策略拿来修改了一下（增加一些选股条件），能回测但提交实盘不产生信号，策略代码如下：

from bigquant import bigtrader, dai
import pandas as pd

def initialize(context: bigtr

问题描述：\n回测期货策略 IM2606.CFE，初始资金 200 万，保证金率 12%。\n2026-01-05 开仓 11 手后，1 月 6 日权益 242 万，持仓 11 手，开仓均价 7254，占用保证金约 7254*11*200*0.12 ≈ 191.5 万，可用资金理论上应

https://bigquant.com/codesharev3/8800638a-06c4-4948-a60b-e8f7cf2748ee

\

引言：交易中的“勤奋悖论”

市场从不关心你有多努力，它只关心你的逻辑是否正确。

在交易世界里，存在一个残酷的“勤奋悖论”：绝大多数散户拼命钻研技术指标、没日没夜地复盘、四处打听所谓内幕，结果账户缩水的速度反而比不学时更快。这种“越努力、越亏损”的怪圈，是因为你把精力浪费在了表象的“技法”

请问m_last的偏移方向是不是有问题

[https://bigquant.com/codesharev3/fab2ab0e-3c0e-483c-a1d4-ff00981f4980](https://bigquant.com/codesharev3/fab2ab0e-3c0e-483c-a1d4-

{{pro}}

[https://bigquant.com/codesharev3/a6668336-47ab-4f35-94c9-d589403bf118](https://bigquant.com/codesharev3/a6668336-47ab-4f35-94c9-d589403bf118

用户教程

“用户教程” 按场景划分，涵盖了几乎所有 BigQuant SDK 的功能。每个小节都介绍了一个使用场景（例如“编写一个简单的量化策略”），并讨论了 BigQuant SDK 如何解决问题，其中包含许多示例。

如果您是刚接触 BigQuant SDK，请从 [BigQuant SD

bq 是 BigQuant SDK 提供的命令行工具，安装 SDK 后自动可用。它涵盖认证管理、数据查询、策略监控、云端计算等功能，适合在终端、脚本和 AI Agent 中使用。

目录

1. [安装与验证](#1-%E5%AE%89%E8%A3%85%E4%B8%8E%

BigQuant SDK 是为专业量化研究员打造的本地开发工具。它让您在保留本地 IDE 开发自由度的同时，无缝调用 BigQuant 云端的海量数据与分布式算力。

目录

1. 快速安装

BigQuant Financial Quantitative Toolbox - 金融量化工具箱 Python SDK

目录

1. 顶层模块 (bigquant)

围绕ETF择时动态交易，分享高流动性ETF池筛选、多维度动量筛选及市场自适应调整方法。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/c43a601f-26eb-4d04-9adc-982f387a9849](https

🎯回测丰满VS实盘骨感：量化交易的核心痛点如何破？

🎯A股量化策略回测与实盘表现常存显著偏差——这一核心痛点长期影响交易者心态与业绩。本次结合蒙特卡洛回测、参数平原等方法及平台开发经验，聚焦回测-实盘不一致问题展开探析与分享。

\

一、视频回放

[https://bigqua

针对市场牛熊交替痛点，“保温杯优化”策略以宏观择时为核心，结合宏观指标识别经济周期拐点，搭配多类资产动态调整配置，拆解实操方法与实战案例，助力搭建抗跌型资产组合，实现稳健穿越牛熊。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/

🎯聚焦cowork协同投研模式，拆解量化投研全流程协同逻辑。

🎯结合实操案例分享因子魔改、代码编写、研报复现、等技巧，助力提升投研效率、降低试错成本。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/b4fecb

🎯解析量化因子常用组合方式（线性、非线性、ICIR等），拆解底层逻辑与实操要点；

🎯结合案例对比收益与风险，帮助搭建科学因子组合体系，提升策略稳定性与超额收益。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/d

聚焦delta动态对冲期权策略，拆解delta核心内涵与对冲全流程，帮助剥离方向性风险，提升期权交易稳定性。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/c907b4aa-cf8e-405b-b81c-642cae

1. 策略概览

本策略基于lightgbm模型，在2018年至2025年期间对每年进行滚动训练。训练集时段为过去5年，测试集时段为未来一年，如2018年训练集采用2013-01-01至2017-12-29，测试集时段为2018-01-03至2018-12-31。数据使用当期全市场数据，聚焦于量

引言：从券商“打工人”到操盘手的觉醒

在交易圈，涨停板对散户有着磁石般的吸引力。大多数人的逻辑很简单：涨停代表强势，次日高开就得冲。结果呢？往往是次日“高开低走”套一批，第三天反抽再套一批。

十年前，我还在券商工作，也曾迷信这种“追涨杀牛”的打法，结果惨不忍睹。转机发生在北京总公司举办的