一、引言

在量化投资中，组合优化的鲁棒性直接影响策略的实战表现。近期我们对基于 Wasserstein 距离的分布式鲁棒优化（DRO）策略进行了迭代，看似细微的调整背后，其实藏着对组合稳定性和资产适配性的深度考量。下面就来详细说说第二个版本（代码 2）到底改了什么、为什么改以及如何实现的。

从图中可以看到23年到24年有一段时间有问题。


# 1.1 获取A股每日融资余额（单位：万亿元，确保和总市值单位一致）
query_financing = '''
SELECT
    date,
    SUM(financing_balance)/1000000

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

0. 策略名词解释：

（1）突破因子（Breakout）：

• 上突破信号：

• 下突破信号：

我们可以使用现有模块M.factor_analyse.v7来评估我们的因子:

[https://bigquant.com/codesharev3/4f48d5bc-d51b-4eec-82de-5faefb86a89c](https://bigquant.com/codesharev3/4f

DAI数据抽取

DAI是BigQuant研发的高性能分布式数据平台，其详细介绍可参考 数据平台/DAI 。

import dai    # 导入第三方库

# 开始日期和结束日期
st

CatalogException Traceback (most recent call last) Cell In[2], line 75 61 m2 = M.input_features_dai.v30( 62 input_1=m1.data, 63 mode="表达

导语

平台已经整理好新旧因子对比，可以在基础特征抽取里面直接抽取。

A股

量价因子

lightgbm模型报错，但是stockranker可以，不知道什么问题

#https://bigquant.com/codesharev3/9cd9a4a0-4050-40f2-b3a7-8b7652ebff63

from bigmodule import M
# 

from collections import deque
import pandas as pd
import math

def initialize(context):
    # 策略参数
    g.security = "513310.SS"  # 替换为您的标的

特殊行业市场宽度带来的异象:

当银行、有色金属、煤炭、钢铁四大板块中任意一个进入 “市场宽度 TOP1” 时，A 股行情在 1-2 周内出现显著调整的概率高达 65% 以上

一 市场宽度核心内涵

市场宽度是衡量板块内股票整体强势程度的量化指标，一般采用 “20 日均线突破率” 作为核心计算

平台的数据有问题吗，没升级画布前回测是正120%收益，升级了画布什么都没动，就是负80%，，这是bug吗? ![](/wiki/api/attach

当前默认的Python3.11虚拟环境下的alphalens会出现ndexError: invalid index to scalar variable.，该错误是alphalens的原始团队quantopian不再维护故不再适应新的python开发环境造成的。建议更新到reloaded版本。\n<

本文件提供 BigQuant Python API 的使用说明，包括用户管理、策略运行、策略查询等功能。

安装包

首先需要手动下载并安装如下的 wheel 包

👉：<https://bigquant.com/cdnuploads/wheel/bigquant-0.1.0.post102

82nd Meetup 直播答疑， 11月21日 19:00 B站直播解答

问题1:在已有策略中筛选：只要20日内出现过涨停的股，请问怎样能最简单用最少的代码来构建？

回答：预计算因子表中,price_limit_status字段表示收盘时刻的涨停状态；往前取20日, 进行滚动

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

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

0. 策略名词解释：

定义：回撤是指投资组合或资产从峰值到谷底的最大亏损幅度，用来衡量投资风险。

（1）单期回撤（时点回撤）

在时间 𝑡 ，资产 𝑖 的回撤定义为：

![](/wiki/api/attachments.redirect?id=67ec38e9-30d0-43f2-9

• BigQuant 比赛
  • **[2025年进益杯因子大赛](https://bigquant.com/square/competition/5c3f7783-4158-4196-97ab-171b2721

• BigQuant 比赛
  • [BigQuant练习赛](https://bigquant.com/square/competitio

\

• 提示 1： 在处理大规模数据时，Python 的 for 循环是最高效的选择吗？
• 提示 2： 代码中获取的数据格式是 pandas DataFrame，这是一个为高性能计算而生的工具库。不妨探索一下它自带的计算函数。
• 提示 3： 能否在数据查询 `da

{{pro}}

[https://bigquant.com/codesharev3/090ebeeb-a6f0-4046-b72a-07c4bf7031de](https://bigquant.com/codesharev3/090ebeeb-a6f0-4046-b72a-07c4bf70

BigQuant进行实时交易

实时交易区别于我们的日频模拟交易，实时交易会根据实时行情变化产生即时交易信号并在对应的柜台进行撮合成交。实时交易策略在策略名称后跟有【==实时==】标签，日频策略没有。

实时交易的基本流程如下

1.绑定交易账户

2.编写策略-提交实时任务

3.观察策

这个策略的核心是通过动量效应和资产轮动实现收益,同时加入了风险控制机制降低波动,我将从基础投资原理开始为大家拆解我在设计该策略时的逻辑.

一 基础投资原理:策略设计逻辑

1.动量效应

定义:资产的价格趋势具有持续性 —— 过去一段时间表现好的资产，未来一段时间往往继续表现好；过去表现

本策略通过 “原始海龟的趋势内核 + ETF 的工具优势 + 多层风控的安全垫”，实现了 “风险可控下的趋势收益”。

一 本策略定位

• 核心逻辑：追随中期趋势（20 日周期），通过 “突破开仓、止损平仓” 实现 “小亏大赚”；
• 工具载体：ETF（免印花税、高流动性、分散