若想 过滤掉 超过百分比95% & 低于百分比5% 的数据,只保留中间90%的数据, 以下代码可实现吗?

新版没报错,但代码运行不出来,是资源不够吗?

Python 代码入口函数，input_1/2/3 对应三个输入端，data_1/2/3 对应三个输出端

de

旧版有很多 保存数据 读取数据的 模块，新版如何实现呢？

这张表收录好多有效的高频因子，弃用太可惜了

预计算因子 #销售净利率 (TTM) fs_net_profit_margin_ttm_0 数据从2024年9月4日 开始错误。在此之前，数据显示为 利润率*100 ，之后就一直显示 利润率

![](/wiki/api/attachments.redirect?id=3ebe3282

如何用SQL表达以下旧版因子

#换手率5日累计值

sum(turn_0,5)

#3日前 5日收盘价均线值

mean(close_3,5)

#统计10日内上涨次数

sum( where(return_0>1 , 1 , 0 ), 10)

#5日内大单买入

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”？

一、赛事概况

BigAlpha 2026 本届赛事设因子挖掘、端到端大模型、AI开放创新三大核心赛道。

二、入围决赛队伍

经公榜排名、私榜验证，赛区总榜层层筛选,共计 24 支队伍入围决赛,进入赛区总决赛环节。

具体入围队伍名单(队伍名/学校/所属赛道)如下

北美赛区：

| 赛区

一、赛事概况

BigAlpha 2026 本届赛事设因子挖掘、端到端大模型、AI开放创新三大核心赛道。

二、入围决赛队伍

经公榜排名、私榜验证，赛区总榜层层筛选,共计 24 支队伍入围决赛,进入赛区总决赛环节。

具体入围队伍名单(队伍名/学校/所属赛道)如下

北美赛区：

| 赛区

一、赛事概况

BigAlpha 2026 本届赛事设因子挖掘、端到端大模型、AI开放创新三大核心赛道。

二、入围决赛队伍

经公榜排名、私榜验证，赛区总榜层层筛选,共计 24 支队伍入围决赛,进入赛区总决赛环节。

具体入围队伍名单(队伍名/学校/所属赛道)如下

北美赛区：

| 赛

一、为什么需要组合优化

选出股票以后，还需要确定每只股票应该配置多少资金。

假设当前持有 10 只股票，最简单的方法是每只股票配置 10%，即等权组合。但等权没有区分不同股票的收益和风险特征。

组合优化希望解决的问题是：

在给定股票池和约束条件下，如何分配股票权重，使组合更符合预期

\

BigAlpha 2026 决赛采用“赛道总榜基准分＋现场评审分”的综合评分机制。因子挖掘、端到端大模型和 AI 开放创新三个赛道统一参与金、银、铜奖评选。

一、总分构成

最终成绩（100 分）＝赛道总榜基准分（30 分）＋现场评审分（70 分）

总榜基准分体现团队在预选阶段的客观表

一、简介

在期货分钟策略研究中，常见的回测周期包括 1 分钟、5 分钟、15 分钟和 30 分钟。但实际研究中，也可能希望使用 7 分钟、10 分钟、13 分钟等自定义周期。

BigTrader 是 BigQuant 提供的量化交易引擎。设置回测频率后，引擎会按照对应的 K 线频率推进历史

BigAlpha 2026 决赛采用“赛道总榜基准分＋现场评审分”的综合评分机制。因子挖掘、端到端大模型和 AI 开放创新三个赛道统一参与金、银、铜奖评选。

一、总分构成

最终成绩（100 分）＝赛道总榜基准分（30 分）＋现场评审分（70 分）

总榜基准分体现团队在预选阶段的客观表

BigAlpha 2026 决赛采用“赛道总榜基准分＋现场评审分”的综合评分机制。因子挖掘、端到端大模型和 AI 开放创新三个赛道统一参与金、银、铜奖评选。

一、总分构成

最终成绩（100 分）＝赛道总榜基准分（30 分）＋现场评审分（70 分）

总榜基准分体现团队在预选阶段的客观表

万和证券简介

万和证券股份有限公司是一家拥有证券经纪、证券自营、证券投资咨询、融资融券、证券投资基金销售、证券资产管理、代销金融产品、证券承销与保荐、与证券交易、证券投资活动有关的财务顾问等各类业务资格的综合类券商。

万和证券开户

1. 添加万和证券客户经理，备注==“宽邦量化”

各参赛团队：

感谢大家对 BigAlpha 2026 的关注与参与！

根据 AI 因子挖掘、端到端大模型、AI 开放创新 三大赛道的初赛私榜排名，现公布决赛预晋级名单。本名单目前处于公示阶段，最终晋级结果将在参赛意向确认及递补工作完成后公布。

🚨 决赛入围确认问卷（所有

各参赛团队：

感谢大家对 BigAlpha 2026 的关注与参与！

根据 AI 因子挖掘、端到端大模型、AI 开放创新 三大赛道的初赛私榜排名，现公布决赛预晋级名单。本名单目前处于公示阶段，最终晋级结果将在参赛意向确认及递补工作完成后公布。

🚨 决赛入围确认问卷（所有

各参赛团队：

感谢大家对 BigAlpha 2026 的关注与参与！

根据 AI 因子挖掘、端到端大模型、AI 开放创新 三大赛道的初赛私榜排名，现公布决赛预晋级名单。本名单目前处于公示阶段，最终晋级结果将在参赛意向确认及递补工作完成后公布。

🚨 决赛入围确认问卷（所有

各参赛团队及选手：

BigAlpha 2026「AI 开放创新赛道」作品评审工作已完成。评审组结合参赛作品的整体表现进行了综合评定，现将各作品的综合评分公布如下，请各参赛团队及选手查阅。

感谢大家对本次赛事的积极参与，以及在作品创作与提交过程中付出的努力！

| 作品名 | 综合评分 | |--

提交运行异常通知

本次检查发现部分参赛者的提交未能成功完成运行。

• 受影响提交数：46
• 受影响参赛方数：35

运行失败的提交

提交运行异常通知

本次检查发现部分参赛者的提交未能成功完成运行。

• 受影响提交数：20
• 受影响参赛方数：20

运行失败的提交

本文主要研究了量化选股场景中的数据标准化方法，分别对比了时序标准化和截面标准化方法的在量化选股模型上的效果。

主要的工作有：

一是构建DeepAlpha数据集，包含A股2011年到2022年98个量价因子的日线数据，label为股票未来5日的收益率；

二是采用基于时序的K折交叉验证方法，严格3

\