1.策略核心目的

1.1市场过度反应假说

过度反应是由投资决策者在不确定条件下系统性心理认知偏差造成的，投资者面对突然的或未预期到的事件时，倾向于过度重视眼前的信息并轻视以往的信息，从而引起股价的超涨或者超跌，等到投资者理解了事件的实际意义，股价的超涨超跌就会反转，最终恢复到理性的

可转债三低策略（CB-Three-Low）

1. 回测结果

2. 策略简介

以“低价格、低溢价率、低余额”为核心筛选可转债

1.https://bigquant.com/live/shared/strategy?id=68076

选择进入主升浪的股票进入股票池；

用多因子策略；

江湖上一直流传着“交割日魔咒”的传言，说交割日股指期货会集中平仓，往往会造成股市下跌。还有短视频平台的一些散户博主抱怨股指期货交割太频繁，经常造成行情下跌，阻碍股市发展。

真的是这样吗？我不认同。股指期货是现金交割的，而不是ETF交割或实物股票交割，单纯的股指期货交割行为不会导致ETF买入或卖出。

@module(position="-430,-1211", comment="""""", comment_collapsed=True)

m5 = M.input_features_dai.v26\n( mode="""表达式""",

expr="""score""",

expr_

这个策略是基于 A 股市场的短线量化交易策略，核心逻辑是筛选符合特定条件的强势股（连续涨停且属于强势概念，两个条件缺一不可），并在次日特定条件下买入，设置止盈规则卖出。

下面我们从策略各环节详细拆解：

1.回测结果

![](/wiki/api/attachments

在金融科技蓬勃发展的当下，实时股票数据对于投资者、量化交易团队以及金融科技企业而言，犹如基石一般关键。尤其是英国股票市场，其蕴含着丰富的投资机会，吸引着全球目光。获取准确且实时的英国股票数据，离不开高效的 API 支持。那么，在众多免费英国股票实时 API 获取方式中，哪一种更具优势呢？接下来，我们

BigQuant 开始使用

BigQuant 导航

快速创建一个量化策略

1. 注册/登录 [BigQuant](https

日内卖跨期权策略（Intraday Short Straddle）

1. 回测结果

2. 策略简介

以“日内卖跨+强制清仓

因子评价本质是t时刻因子对t+1时刻未来收益率的corr

大多数研究者其实在因子研究中很少用到未来数据作为信息

但实际中并非使用某一时刻的未来数据就是作弊

例如

day1的数据中涵盖分钟（t）的信息

day1 数据结构为 day1t1～day1t240（日内交易时间为240分钟）

我们都怪错对象了吗？

如果你最近感觉自己的交易节奏完全被市场打乱，甚至开始怀疑人生，那么你很可能掉进了同一个陷阱：把矛头错指给了量化。每当股价上蹿下跳，行情变得诡谲难测，“万恶的量化”似乎成了最便捷的解释和情绪宣泄口。

但如果这只是一个广为流传的误解呢？如果量化本身只是一个工具，而真

cn_stock_prefactors是一个view，但对于北交所不能自动从底表里聚合，比如在2022-04-15查不到920000这只股票的pe_ttm，但在cn_stock_valuation表里可以查到

![](/wiki/api/attachments.redirect?id=2432c

VWAP偏离度因子 (factor_vwap_deviation)

该因子衡量成交量加权平均价格(VWAP)相对市场中间价的偏离程度,结合报价偏差和日内波动率。

核心逻辑:

• daily_vwap: 日内成交量加权平均价格

• avg_mid_price: 日内平均中间价

策略介绍

小市值策略是一种经典的量化投资策略，旨在通过筛选市值较小的股票，并根据市值对股票进行排序，选取市值最小的一部分股票进行投资。这种策略基于小市值股票在某些市场条件下可能具有较高的增长潜力和投资回报率。

策略背景

小市值策略的理论基础可以追溯到Fama-French三因素模

问答交流

**程序报错，求助！**报错信息：

IndexError Traceback (most recent call last) Cell In[1],

[line 52](

https://bigquant.com/codesharev3/41d72726-3db4-4f25-8566-b2f1398c4ee3

\

代码是这样的，回测没问题，跑的很好，但一提交到模拟盘上就报错，选的是实时交易任务。

from bigmodule import M

# <aistudiograph>

# @param(id="m8", name="initialize")
# 交易引擎：初始

择时研究关注资金的流动。资金流动有两种，债市股市的国家内部资金和外部增量资金。所以股市宽基择时应该是基于汇率对冲，以及长短债对冲获得，而不是简单的股价涨跌。查阅相关研报，居然没有把汇率和债市一起研究的择时。

\

获取数据

获取数据平台的数据到本地：

from bigquant.api import strategy, user, run, dai

# 用户登录(所有业务都需要进行登录)
user.login(username='xxxxxxx', password='xxxxx

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

\

桥水全天候策略探析：穿越经济周期的资产配置范式重构

一、投资的本质：资本跨期配置的风险与价值平衡

从金融史维度审视，投资的核心并非短期市场波动的博弈，而是基于经济规律与资产属性的资本跨期配置。其本质是在不确定性环境中，通过对资产内在价值与风险收益特征的判断，构建能够抵御周期冲击、实

因子逻辑：

1.订单薄不平衡度

（1）买方和卖方订单数量或总成交量之间的差异，本质是量化订单簿的即时供需力量对比，这是因子的基础

（2）基于1-5档委买/卖量的供需对比，更全面反映 潜在供需

（3）计算方法：

订单薄不平衡度=(买量-卖量)/(买量+卖

因子捕捉价格偏离与订单簿失衡的组合信号:

核心逻辑:

• 价格偏离项: (VWAP - 中间价) / 中间价 - 实际成交价相对理论中间价的偏离,反映主动买卖压力

• 订单深度比: 买盘深度 / 卖盘深度 - 订单簿失衡度,买盘优势时比值>1

• 成交量放大: log(总成交

大家在提交之前务必要在cpt_jyc_2025_stock_csi1000_bar1m上使用因子分析工具来查看。 如果在该数据集上无法展示因子分析绩效, 那么提交后也不会产生分数!

机器学习模型训练失败

经过这几天的跟踪, 有一部分的比例是因为使用了机器学习模型导致无法出得分, 此时