TypeError: raise: exception class must be a subclass of BaseException

![

从“羡慕”到“自动化”的迷思

在交易圈里，有一个普遍存在的“这山望着那山高”的现象：主观交易员常常羡慕量化交易员，认为他们可以“写好程序，躺着赚钱”；而量化交易员则羡慕顶尖的主观交易员，觉得他们能创造出凡人难以企及的“惊人业绩”。

这种心态，常常导致一个共同的困境：许多在主观交易上取

解开“黑箱”

作为一名普通的投资者，你是否常常感到困惑？为什么自己总是忍不住追涨杀跌，辛苦操作下来却收益甚微，而市场上那些神秘的“量化基金”似乎总能稳健地赚钱？这些基金就像一个不为人知的“黑箱”，其运作逻辑令人好奇又敬畏。

本文的目的，就是为你揭开这个“黑箱”的神秘面纱。我们将深入探

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）

0. 策略名词解释

（1）XGBoost模型

XGBoost 是一种基于梯度提升树（Gradient Boosted Trees）的高效机器学习算法，常用于排序、分类、回归等任务，在bigquant平台上只用于排序任务，主要有三种：排序学习（NDCG）; 排序学习（Rankne

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

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

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. 扫码开通万和证券账号（通过此开通的账号方可

是社区的一个策略，社区原始策略没有这样的。今日又提示我全部清仓，我感觉明天又要全部接回。重新一个该策略的新任务，是买入今天旧任务卖出的所有股票。WHY

BigModule

bigmodule模块是由Python语言编写的，主要是在可视化线性策略中使用的可视化部件，可以将繁杂的代码进行封装，而只把输入和输出暴露给使用者，这样用户就无需关心模块的内部实现，而只需提供相应的数据，便可以获得想要的结果。

由此一来，大大降低

打破“经验至上”的幻觉

我们通常认为，交易时间越长，水平就越高。一个交易了20年的“老手”，理应比新手厉害得多。然而，一个残酷的真相是：绝大多数交易者，无论入市五年、十年还是二十年，其实到最后连真正的“门”都没有摸到。这篇文章将揭示交易的真正门槛，告诉你为什么经验有时反而是最大的障碍。

\

一、提交模拟与回测结果不一致，具体策略案例供分析\n主程序 https://bigquant.com/codesharev3/db7f7936-bfcd-4fc2-ac07-00026d1ea93b，

hs300因子数据： https://bigquant.com/codesharev3

导语

大家好，今天详细介绍下私享会成员如何使用SDK。关于SDK的更多介绍，请移步：BigQuant终端本地SDK使用文档，原文介绍了用户管理、策略运行、策略查询等功能，本文只介绍数据相关功能。

\

做量化投资，参数优化是绕不开的关键步骤。很多人靠盲目试错调参数，要么陷入过拟合陷阱，实盘一塌糊涂；要么找不到核心规律，浪费大量时间。今天就以低估值 + 小市值双因子策略为例，带你搞懂参数平原的核心逻辑，用可视化方法高效找到既赚钱又稳健的参数组合。

一、什么是 “参数平原”？

参数

hello，请教个问题，我这边有一个策略是通过人工选股，然后使用策略进行买卖。由于人工选股不定时更新，现在策略是将人工选的股票写死的，如果要更新股票池就需要编辑策略并且重启，重启之后运行时的过程数据会丢失。有没有什么方式可以解决这个问题，在不重启策略的基础上完成股票池的更新。

比如是不是可以定制一

前言

感谢BQ-小Q送的礼物，礼物已经收到拉，一如既往的黑盒高科技风。高端大气上档次。

• 
  ![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/att

📖 文档说明

这个文档是什么

本文档是 BigTrader 量化交易框架的完整 API 类型定义文件（bigtrader.pyi），包含了所有可用的类、方法、枚举和数据结构的详细说明。BigTrader 是 BigQuant 平台的核心交易引擎，支持回测、模拟交易和实

背景

平台提供了港股和美股的行情数据，本文介绍如何基于港股和美股来实现stockranker多因子选股策略

策略实现

港股和美股需要用bigtrader的自定义数据回测功能来实现。

bigtrader使用我们传给它的行情数据来进行撮合回测，行情数据需要有date, instrum

基于平台的行业轮动和大盘风控策略模板做了个策略，在AI的协助下调试了两天还是无法解决问题，求老师诊断指导一下

[https://bigquant.com/codesharev3/35e92647-9c28-44b4-a524-95433266c028](https://bigquant.c

问题描述：策略在开发环境运行成功之后，提交了模拟报错。

提交任务详情：

[https://bigquant.com/codesharev3/1e31d136-99bd-4094-8884-74f94cf22516](https://bigquant.com/codesharev3/1e31d13

随便使用一个策略，以沪深300为基准，可以看到沪深300的基准收益是2.59%，但实际上沪深300指数的月度收益是3.2%

![](/wiki/api/attachments.redirect?id=80d47451-08e2-49d9-8ab7-af90918542e3 " =422x21

一、关于策略回测与提交模拟方面的问题

策略回测与提交模拟重叠的时间段内交易的股票标的不一样，如何处理？

1 . 第一种情况

我在可视化编程状态下的线性或机器学习模型策略，或者纯代码状态下的策略，完成正常回测与参数优化，然后，在两个调仓周期之间的任何时间里提交模拟（提交日任意）

策略概述

本策略是一个简单的趋势跟踪策略，主要思想是：

• 判断趋势：通过计算一段时间内的 Tick 价格的移动平均线（MA），来判断当前价格是高于还是低于平均水平。
• 跟随趋势：当价格高于移动平均线时，我们认为处于上涨趋势，就买入股票；当价格低于移动平均线时，我们

揭开量化交易的神秘面纱

在投资世界里，“量化交易”这个词几乎被一层神秘的光环笼罩——许多人想象着它是一个由代码驱动、永不犯错的印钞机器。我们常常将其神秘化，甚至神话，认为它是一种可以预知未来、彻底摆脱人类主观判断的终极武器。但量化交易的真实面目究竟是什么？它真的能取代人类的思考吗？

\

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.