# 查询代码 cn_stock_factors_base

import dai

sql = """
SELECT instrument, date, suspended
FROM cn_stock_factors_base
WHERE instrument LIKE

在 BigQuant 做 AI 策略久了，大家都有个共识：模型调优到一定阶段，改参数（Hyperparameter Tuning）的收益微乎其微。真正的瓶颈，通常卡在特征工程上。

很多朋友问我：“为什么用了 LSTM 或者 Transformer，预测结果还是在收敛和过拟合之间反复横跳？”

124-行业轮动的基本面选股策略

原来的输出结果如下：

一、策略目标

本策略在可交易的A股范围内，构建“盈利成长强 + 规模相对较小”的选股逻辑：\n以净利润同比增速作为成长信号，同时对总市值进行相对惩罚，形成综合得分，从而挑选出“成长更强且不那么拥挤”的股票组合，并通过按交易日调仓（每日调仓）保持组合始终处于最新的优选

请从下述因子列表中选择心仪的因子替换到模版代码中的 select_factors 列表中

\

因子列表

![](/wiki/api/

在量化研究中，行情数据往往被视为“基础设施”。 只要能顺利拿到 K 线数据，策略回测、因子构建和模型训练似乎就可以正常推进。

但随着研究深入，尤其是在尝试更细粒度的信号或更短周期的策略时，数据本身会逐渐成为影响结果的重要变量，而不仅是输入条件。

本文结合实际系统实践，讨论在什么场景下有必要引入

引言:

你是否经历过这样的场景：满怀信心地在10元价位买入一只股票，期待它一飞冲天，结果却眼睁睁看着它一路下跌到8元，甚至7元。那一刻，恐慌开始蔓延。

对于大多数散户来说，第一反应几乎是本能的：赶紧加钱补仓，把成本摊低！但这种操作往往让你越陷越深。正如一位资深操盘手警告的：

下跌的趋势

保温杯策略回顾

保温杯策略是一种基于机器学习的风格因子动态配置方法，其设计思路源于对A股市场风格轮动特性的深刻洞察。该策略将Barra风险模型中的核心风格因子包括规模(Size)、价值(Value)、动量(Momentum)、波动率(Volatility)、质量(Quality)及成长(Gr

当勤奋成为亏损的陷阱

在多数领域，深入研究和勤奋分析是通往成功的不二法门。我们从小就被教导，付出越多，收获越大。然而，在当前的A股市场，这个看似颠扑不破的逻辑可能正在失效，甚至会适得其反。

当下的市场主角——量化交易，正在用冰冷的算法和极致的速度，改写着传统的游戏规则。正如一位市

我炒股17年了，见过了太多花里胡哨的技巧。很多朋友在充满复杂指标和无穷策略的股市里，常常感到迷茫。但我想告诉你，真正能赚钱的方法，往往没那么复杂。今天，我就给你分享三条我真正信赖的、最纯粹的交易秘诀，希望能帮你拨开迷雾。

1.第一招：坚守让你赚钱的“缘分股”

我的第一条原则是：持续投资那

什么是DAI

DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台

• 使用简单：通过统一接口访问BigQuant各类数据
• 数据丰富：提供PB级金融数据、另类投资数据和因子数据 ([数据字典](https://bigquant.com/data/ho

在日常投研里，SQL 擅长数据读写与过滤，但在复杂计算上可用算子有限；Python 则拥有 numpy/scipy/pandas 等丰富工具，但一旦离开 SQL 查询链路，就容易出现“先拉数据 → 再本地算 → 再落表/再 join”的低效流程。\n因此我们需要一种方式：**保留 SQL 的

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com

简介

本帖对国信证券的研报——《国信投资者情绪指数择时模型》进行了复现，文末有策略链接，欢迎克隆研究。

研报在借鉴 A. D.Persaud 风险偏好指数的基础上，根据中国股市特点，将该方法完善改进后移植到 A 股市场，构建了国信投资者情绪指数 GSISI。

A.D.Persaud 因为

https://bigquant.com/codesharev3/8d7b4269-308e-46f9-9222-bd3c8ba7b0f9

参考资料：

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”？

作为常年折腾量化的开发者，最近集中测试了越南证券交易所（主要是胡志明市证券交易所 HOSE，核心指数 VN30）的各类 API 接口。越南股市近年来热度不低，HOSE 作为其核心交易所，VN30 成分股更是外资重点关注的标的。但想拿到稳定的实时行情、历史数据和盘口信息，选对 API 提供商至关重要。

引言：在虚假信号中寻找真相

在A股市场，指标可以造假，K线可以画图，就连成交量，主力都能通过对倒来骗你。面对这些虚假信号，我们如何才能拨开迷雾，找到真正的大机会？

如果你正在寻找一种能穿透主力迷雾的实战方法，那么今天这篇文章，你一定要认真读完。我要分享的，是一个由四大信号构成的组合。单个

引言：你是否也经历过这种“过山车”行情？

前一天还封死涨停的股票，第二天开盘便直奔深水区，心脏仿佛也跟着K线图坐上了过山车。看着屏幕上冰冷的绿色数字，你是否也感到过，那是昨天红色涨停板留下的无情嘲讽？

如果你也曾被这种行情打得措手不及，或因此亏损，那么今天我想和你深入聊聊，这背后到底发生

引言：告别迷茫，看懂2026年的市场剧本

面对波谲云诡的未来市场，投资者应如何布局？当多数人还在迷雾中探索时，一份清晰的战略蓝图已经浮现。本文将深度解析知名财经评论员“老胡”的远见，为你揭示2026年A股市场的三个核心预判，帮你构建一套完整的攻防策略，清晰把握市场节奏与关键机遇。

当frequency为1m时，只能获取一个字段吗？fields=[‘open’,’close’]时是不是会报错。

open_price = data.history(context.ins, ["open"], 1, "1m")

\

在做量化策略的这些年里，我常常遇到这样一个场景：策略在回测里表现得完美无缺，可一上线观察实时信号，竟然会有那么一点点偏差。

一开始，我总是怀疑是不是自己逻辑写错了，或者参数不够“贴合”。但多次排查后发现，有些偏差根本不是策略的问题，而是数据和运行环境在作怪。几秒钟的差异，长期累积下来，就会

你是否觉得如今的市场越来越难懂，感觉总有人掌握着你不知道的“秘密武器”？这种感觉并非错觉。量化交易，作为一股强大却常被误解的力量，正在深刻地重塑着整个投资格局。

1.核心要点一：量化交易早已不是“小众”，而是市场“标配”

首先要明确一点：量化交易早已不是少数顶尖玩家的专属工具，而是专业和

\

\