摘要

文章首先介绍了国际贸易的基本概念，包括进口和出口的定义，以及国际贸易的起源和重要性。文章提到，由于各国资源分配不均，国际贸易成为满足国内需求的重要手段。文章还回顾了国际贸易理论的发展，从亚当·斯密的绝对优势理论、大卫·李嘉图的比较优势理论，到赫克歇尔-俄林模型和克鲁格曼的新贸易理论。这

引言

资本资产定价模型（CAPM）长时间以来是资产定价的第一范式，它在一系列假设基础上认为资产的期望收益率由无风险利率和其承担的风险溢价所决定。但是，自20世纪70年代以来，学者们逐渐发现按照某种风格交易股票能够战胜市场，比如：Basu（1977）发现的盈利市值比（EP）效应和Banz（19

预处理数据

数据预处理在众多深度学习算法中都起着重要作用，实际上，对数据进行适当处理后，很多算法能够发挥最佳效果。然而面对各种各样的数据，很多时候我们不知道怎么样才能针对性进行处理。本文介绍了Python下的机器学习工具scikit-learn。其中，“sklearn.preprocessi

大家好，我是策略老李。作为《手把手编写miniQMT实盘量化执行程序》的开篇之作，给大家带来了整个实盘量化执行程序的完整版代码列表，老李在这里向各位读者保证，每一个关注了公众号的同学，无需修改任何内容即可正确运行与老李实盘一模一样的实盘量化执行程序，无任何套路，无需任何打赏。对代码内容有任何

1.市场观察和机会发现

优质高股息策略以稳定收益和抗风险能力为核心，在量化交易中具备独特价值。其逻辑层面，在经济下行或波动时，高股息企业商业模式成熟、现金流稳定，能提供防御性；股息再投资可实现复利增长，放大收益；被低估的高股息股存在估值修复机会；同时满足养老金等长期资金的配置需求。市场

直播回放：[点击此处查看](https://bigquant.com/college/courses/course-v1:public+l0508+2025-05/courseware/100259a77ce24e788e9f3a4ec26501ca/4fb95fe2f5a642f3ab6a86

从常规思路分析，高收益策略需要，抓近期热门策略，波动大，才有机会产生高收益，但一种逻辑很难在不同的市场行情下有效，所以，在选定近期热门票的基础上，需要在不同的市场行情下，选用不同的选股逻辑去应对。

步骤：

一、定义表达市场情绪方面的因子，如：

#当天涨停数比例

grou

{{pro}}

[https://bigquant.com/codesharev3/f4b9edbc-8360-412f-9600-ec8722281a20](https://bigquant.com/codesharev3/f4b9edbc-8360-412f-9600-ec8722

在风云变幻的投资领域，贵金属黄金市场一直备受瞩目。近期，黄金等贵金属报价API，价格走势犹如过山车，引发投资者高度关注。据 iTick 数据显示，截至 2025 年 5 月 6 日 15:30，黄金 T+D 价格为 792.97 元 / 克，较之前交易日涨跌额达 11.57 元，涨跌幅为 1.48%

https://bigquant.com/codesharev3/96e0f12c-6511-4d44-97b0-8d9a78b2da89

\

直接复制的策略，但是跑出来还是nan

[https://bigquant.com/codesharev3/b72507a1-561c-4137-b

下面代码获取某只股票（300676.SZ，或者是其他任意股票），运行得到结果都是nan。

是我的代码有问题，还是数据库没有均线数据？

########获取股票20日均线价格####################
import dai
import pandas as p

特别注意：本策略在编写和优化时基于当时的未更新的财务因子字段，目前该数据和字段经过了更新和错误修正。故目前利用本策略的代码尽管可以运行，但回测结果与文中的差异很大，效果大不如从前，以目前的数据回测结果为准，深表歉意。但本文介绍的策略编写思路和参数优化过程仍然值得学习，读者可以参考该思路进行策略编写。

一、直播介绍

大模型驱动流程自动化，揭秘行业因子挖掘智能体系统！由大模型驱动的革命性工具，重新定义量化研究的效率边界！

🌟 三大核心突破：\n✅ 算子文件库 - 20+底层函数自由组合\n✅ 动态评估体系 - 实时计算IC/IR/SHARP比率\n✅ 智能提示工程 - 自然语言一键生

pandasql这个包挺好用的，可以用SQL分析操作DataFrame，但没有预装。尝试在AIStudio里用安装，成功安装了，但不知道为什么还是无法import

![](/wiki/api/attachments.redirect?id=383458ac-a703-48b6-bbfb-826c

版本日志

• 3.1 2024-04-19
• 3.0 2024-04-07

\

希望可以在画布中对使用的模块进行rename，这样之后自己回看策略时可以一目了然。

\

大体的策略时是根据大盘指数和行业概念指数之间的beta关系 筛选出高beta的行业概念板块 再从这些板块挑选业绩量化 量价配合的个股进行组合 就这样简单的两个功能联动这破玩意写了一堆不知道啥破布出来 根据FIBO和一些高等金融数学的概率统计来计算 当前指数处于支撑位和压力位之间的百分位来分配仓位 就

💎想抓住秒级市场机会？\n💎想告别情绪化交易实现全自动盈利？

本次直播带你解锁日内高频策略的实战步骤！

👉点击此处[查看视频回放](https://bigquant.com/college/courses/course-v1:public+lv0430+2025-04/coursewa

ModuleNotFoundError Traceback (most recent call last) Cell In[2], line 3 **[1](vscode-notebook-cel

请教下面这个函数，是只在指定的调仓日（例如每个季度的第一天）才会调用这个函数？还是每天都会调用这个函数？

def m5_handle_data_bigquant_run(context, data):

如果只在调仓日才会调用这个函数，那么突发事件（例如突然大跌），怎么

高频交易经常被提起，却始终蒙着一层神秘面纱，仿佛那只是金字塔尖那一小撮人的玩物。今天我们就从期货高频数据下手，去揭开神秘面纱的一角，并尝试搭建神经网络模型对高频数据进行预测，抛砖引玉，希望能让对金融数据分析，量化交易，人工智能感兴趣的朋友有所收获。我们已经将本文的全部源数据+源代码+python环境

import jqdata

def initialize(context):

# 定义均线周期

context.ma5_period = 5

context.ma10_period = 10

context.ma3_period = 3

def handle_data(c