大田老师分享《ETF择时动态交易策略》

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-

引言：直击散户痛点

在我的交易体系里，亏损不可怕，可怕的是你对亏损的“无知”与“执念”。

想象一下：你拿10万块入场，股价10元时你买入5万（50手）。随后股价跌到8块、7块，看着账户里刺眼的“原野绿”，你陷入了典型的“损失厌恶”陷阱。

绝大多数散户的第一反应是：赶紧补仓！你在7块钱把

分享大模型在自动交易中的实战应用，结合实际案例展示数字交易员这一角色，降低量化自动交易门槛，实现自然语言指令到交易执行的闭环。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/8fab2d5e-12c2-486a-9421

1. 策略概览

本策略基于DNN（MLP）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2017-12-31，测试集时段为2018-01-01至2018-12-31。数据使用当期全市场数据，聚焦于量

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

\

二、课件材料

[基于DDH的期权交易策略.pdf 2392062](/wiki/static/upload/9c/9c5f297f-820

🎯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

二、课件材料

[从”因子猎人“到”权重架构师“V4.pdf 2857787](/wiki

🎯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

二、课件材料

[Cowork量化投研最佳实践.pdf 2749198](/wiki/static/

分享嘉宾：彭虹（BigQuant特邀嘉宾）

🎯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

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

二、课件材料

[宏观量化多资产配置策略V4.pdf 1740429](/w

本文将详细介绍一款基于LightGBM排序算法的多因子选股策略，该策略依托BigQuant平台实现，融合多维度因子特征，通过机器学习模型挖掘股票未来收益规律，结合系统化交易引擎完成回测与落地，适用于A股市场的中短期量化交易场景。策略兼顾因子有效性与交易实操性，下面从核心逻辑、模块拆解、代码解析、使用

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 年度旗舰版 专有。

插件下

安装python包

使用pip命令进行安装

本平台已默认配置python3.11环境可以直接使用“pip”命令进行安装，需要打开终端输入pip安装包命令

按ctrl + ` 打开终端

或随机选择一个文件右键点击“在集成终端中打开”

pip常用命

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

引言：散户的执念与主力的“骗局”

在 A 股市场，绝大多数散户的终极梦想就是“抓妖股、擒龙头”。你是否也曾为了复盘找出那只翻倍龙头而彻夜不眠？你是否天真地认为，那些手握百亿、千亿资金的顶级机构，费尽心思拉出一个又一个连板涨停，是为了在这一只票上赚得盆满钵满？

如果你还在这么想，那么你不仅

配对交易策略模拟运行报错，id:d84e824d-2744-402e-b0c2-f65672deb6fd

[https://bigquant.com/codesharev3/5be22814-d2a2-438e-baa9-ea2f177d5e14](https://bigquant.com/cod

引言：无所不能的量化，也有“打死不敢去”的地方

在当下的 A 股市场，量化交易给人的印象往往是“无所不能”的：凭借毫秒级的响应速度、海量的算力支持以及冷酷的执行力，这些“机器猎手”被视为市场的“联合收割机”，所向披靡。

然而，在这张无孔不入的自动化交易网中，却存在一个反直觉的“禁飞区”。

2026年一季度，全球存储芯片行业交出了一份几乎无法用语言形容的成绩单。

SK海力士单季净利润40.35万亿韩元，同比暴增398%，营业利润率高达72%。三星电子营业利润57.2万亿韩元，同比激增755%。A股佰维存储一季度营收68.14亿元，同比增长341.53%

引言：感同身受的“被套”困境

想象一下，你手里有10万元本金，满怀希望地进入市场。在某支股票10元时，你买入了5万块钱（50手）。然而，行情并未如期爆发，股价一路阴跌，8元、7元……亏损在不断扩大。

此时的你，或许正处于极度焦虑中：看着账户不敢直视，甚至为了不让家人担心，**只能瞒着老婆不

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-

1. 策略概览

本策略基于DNN（MLP）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2017-12-31，测试集时段为2018-01-01至2018-12-31。数据使用当期全市场数据，聚焦于量

直播回放：https://bigquant.com/college/db68dd32-9980-4d1a-a6fa-9931782d7069

[https://bigquant.com/codesharev3/a50de189-47d8-441c-98e4-30feef4fe8b2](

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

\

提问：夏普比率是衡量策略好坏的重要指标，它的计算公式是什么？数值越高代表什么？什么是“过拟合”？为什么在回测中表现完美的策略，实盘往往会亏损？

提问：在计算因子值之前，为什么要对原始数据进行“去极值”处理？意义是啥，常见的去极值方法有哪些

提问：在构建因子时，怎么避免未来函数

提问

如果你在股市里总感觉自己是任人宰割的“韭菜”，凭着感觉追涨杀跌，最后只收获一地鸡毛，那么请记住：这并非因为你运气不好，而是因为你从一开始就站错了阵营，用错了武器。你交易的“锚定”是什么？是虚无缥缈的感觉，还是某个技术指标？顶级操盘手的世界里，这些都不堪一击。

要理解这个游戏的本质，首先要看清它的“