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

main.py 446

\

老师们好：

    策略回测时发现，通过select close from cn_stock_prefactors获取的收盘价是后复权价格，但是context.order_value(stock, 100000)下单后，通过**context.get_positions()\[stock\

学习按照某券商的研究报告复现日内策略，编写好以后取不到1分的数据，具体代码如下：

[https://bigquant.com/codesharev3/669be142-fa8c-47a5-88ec-5aa1dd9c96a6](https://bigquant.com/codesharev3/669

select* from cn_stock_factors_ta  a where a.instrument = '000001.SZ' and a.date > today() - 15
│        date         │ instrument │       sma_

请教个数据筛选的问题， 我需要把右边gui的选股逻辑转成左边的sql。 发现gui里面的 指数成分 不选的话， 和我写的sql最后回测一致，但是

本篇主要讲述如何获取BigQuant平台模拟交易信号，并将信号通过本地原生Python API （xtquant）将每日交易信号提交到国金QMT终端，进行实盘交易。

(还没有国金账号？ 开户链接)

1.

import dai import pandas as pd import numpy as np

# -----------------------财务指标----------------------- # A3:=FINANCE(7)<1600000

因子原理

高位成交因子是指个股在高位和低位成交的密集水平体现。高位成交较多的个股，交易行为中存在羊群效应，容易导致局部价格高估，而在未来呈现反转效应。反之，如果个股低位成交较多，存在低位加仓的现象，未来价格有较大上行空间。

高位成交因子计算公式如下：

![](/wiki/api/att

1.市场观察和机会发现

近期的A股市场呈现：从估值扩张转向盈利质量

• 政策催化：近期监管层强调 “引导上市公司提升 ROE”，叠加分红新规落地，高股息、高 ROE 的价值型资产吸引力提升。
• 资金行为：北向资金近一月净流入超 300 亿元，重点配

操作符

1. 我提交模拟的策略开始可以正常运行，在规定的调仓日给出交易信号，但运行一段时间之后，在调仓日则显示没有调仓信号了。\n**SR-50策略250406 \n提交模拟链接 <https://bigquant.com/trading/detail/16114fb4-d2f1-4e81-bd91-3

https://bigquant.com/codesharev3/25a00f8e-4f85-4ff6-bdfc-cbd028eb727a

\

curl --request GET \
     --url 'https :/ / api.   itick.  org /stock/kline?region=SH&code=600941&kType=1&et=1741239240000&limit=100' \
     --hea

在金融科技高速发展的 2025 年，随着量化交易、智能投顾等应用场景的爆发式增长，A 股实时行情数据 API 的选择成为开发者与金融机构的核心竞争力。面对市场上参差不齐的解决方案，iTick凭借其免费、实时、易用、易对接、品类丰富的独特优势，成为 2025 年 A 股实时行情数据 A

如下图，是因为2025-05-11是非交易日吗？该如何修改才能0512的change_ratio填充0509的收益率，而不是nan

[https://bigquant.com/codesharev3/a0238c30-5140-4ab0-8ea8-03268a3e6210](h

报错如下：

ParserException Traceback (most recent call last) Cell In[13], line 62 **[45](vscode-note

—— 揭秘风格因子收益预测\n❓ 为什么大盘震荡时有人持续盈利？\n❓ 价值/成长/动量因子轮动背后的规律是什么？\n❓ 如何用数据科学预判风格切换信号？

直播回放：[点击此处查看](https://bigquant.com/college/courses/course-v1:public+l

本文分享一个长期正收益的成长因子选股策略，以及分享如何在bigquant平台上利用M.tune工具进行不同参数的任务并发，统计并发运行结果，再寻找较优绩效的参数组合。

走势截图

![](/wiki/api/attachments.redirect?id=ea689c4d-161c-48a

select date, instrument, name, roic_lf, roic_mrq from 
cn_stock_prefactors
where is_hs300
and date = '2025-05-15'
order by roic_lf desc 

from bigmodule import M

# <aistudiograph>

# @param(id="m9", name="run")
def m9_run_bigquant_run(input_1, input_2, input_3):
    # Py

from bigmodule import M
import numpy as np
import pandas as pd

# 交易引擎：初始化函数，只执行一次
def m5_initialize_bigquant_run(context):
    from bigtrad

实盘整体流程

1.开通BigQuant合作券商账户（指定二维码开通享手续费优惠），并申请实盘、绑定实盘资金账号。

2.设置对应实盘资金账号的实盘策略，创建计划交易信号（实盘申请通过后：用户的实盘策略可选择用户的所有模拟交易策略）。

3.创建实盘访问凭证，获取对应访问凭证的密

\

一、 参数优化的必要性

• 提高策略性能：通过调整参数，可以使策略更好地适应市场或问题的特点，从而提高策略的盈利能力、准确性、效率等关键性能指标。例如，在投资策略中，合适的参数设置可能使收益最大化，同时降低风险。​
• 增强策略稳定性：优化参数有助于减少策略在不同市场条件或