1. 策略概览

本策略面向 A 股沪深300成分股，采用多因子选股 + 指数增强思路：每次调仓前都用过去一段训练窗口的历史数据，重新训练因子权重，目标是让组合信号的 ICIR（Information Coefficient Information Ratio）最大化，从而得到

在实际的量化交易研发中，我们最重要的工作并不是写策略本身，而是如何快速获取、处理和验证数据。一个可靠的数据接口往往决定了策略能否顺畅落地。

过去我们用爬虫整理行情数据，跨市场、跨源的整合既费时间又容易出错。直到引入专业量化数据接口（例如 **[AllTick](https://alltic

笑宇老师在私享会线下课分享的新版机器学习滚动训练V2与旧版相比，重新组织了策略代码，结构更简洁清晰，让我这个退休程序员在AI的帮助下也读懂了各段代码的含义。在了解各种机器学习模型的过程中，了解到模型参数对模型的性能有极大的影响，于是根据AI的提示对模型参数做了简单的修改，使回测速度在4C16

简介：为何牛市里，多数人依旧亏钱？

A股市场从不缺少机会，甚至可以说“隔三差五就有翻倍股”，即便是指数下跌的熊市里也不乏结构性行情。但一个残酷的现实是：为什么在这样一个机会遍地的市场，绝大多数散户依然不赚钱？

或许答案就藏在这句市场老话里：

赚钱的人千篇一律，亏钱的人五花八门。

问题

欢迎各位参加“蝶威杯2026年高频因子大赛”，预祝各位能取得佳绩！这是一篇入门贴，手把手教大家从0到1走完整个比赛流程。

本次比赛的目标是 聚焦3秒 snapshot 数据构建15分钟频率因子，禁止使用模型合成的方式构造因子。我们将流程尽可能简化，大家只需要关注编写因子代码的逻辑即可，其他

做量化最怕的不是策略逻辑错了，而是你的逻辑是对的，但因为数据比别人慢半拍，导致进场就接盘。最近把一套网格策略移植到港股市场，实盘跑了一周，收益曲线惨不忍睹。复盘发现，核心问题出在行情源的滞后性上。

痛点直击： 港股市场的流动性分化很严重，蓝筹股和仙股的Tick密度天差地别。如果用免费的延时

在量化策略研发与落地场景中，多资产合约交易的全流程效率提升是核心研究方向。量化从业者在 trader-x 合约策略开发过程中，常面临数据接入效率低、策略回测周期长、自动化执行精度不足等问题，如何通过工具选型与策略模型优化，构建 “数据获取 - 策略回测 - 实盘执行” 的闭环体系，是提升量化交易落地

题图：本文内容于2026量化思享会 · 2026-01-24 · 上海场 首次分享

1、高频中的空头信息，有用吗？

在开发高频因子时，我

新建可视化策略，用的模板，用lightgbm替换stockranker训练，报错，请帮忙看看 https://bigquant.com/codesharev3/c252eae7-38d1-4f20-ba82-c4144de50a02

![](/wiki/api/attachments.r

# 查询代码 cn_stock_factors_base

import dai

sql = """
SELECT instrument, date, suspended
FROM cn_stock_factors_base
WHERE instrument LIKE

cn_future_warehouse_receipt这个表是不是不全，大部分天都缺了很多品种的数据？

目标：希望通过 SQL 精准的获取到某一天的时间序列函数计算之后的值\n现状：只要在 SQL 中带入了 date 的精准条件，就会导致返回的时间序列计算为空值。只能在 SQL 中不进行过滤，然后在代码中过滤具体时间。\n%%sql

WITH market_cap_with_warmup AS (

这个策略回测一天能运行，但是提交到模拟就报trainin为空

![](/wiki/api/attachments.redirect?id=82c

引言：散户的困境

你是否也经历过这样令人沮丧的循环？亏损的股票死死拿着，好不容易盼到一只上涨的，赚了几个点就匆匆卖掉，结果眼睁睁看着它一飞冲天，开启波澜壮阔的“主升浪”，自己却只能拍断大腿。其实，股市盈利的关键不在于精准猜底，而在于学会识别并驾驭这波最肥美的“主升浪”。本文将为你彻底拆解主升

以下信息由“豆包”生成，不一定完全准确。

BigQuant作为专业的量化投研平台，对**经典机器学习、深度学习、量化专用模型**均做了深度适配，支持**Python原生库调用**+**平台内置封装**两种方式，能完美衔接量化因子挖掘、模型训练、回测一体化流程，除XGBoost外，主

https://bigquant.com/codesharev3/e855a32c-e692-498b-b094-7413ff8c85c4

\

1

使用 bigtrader 提交实时模拟交易时提供的是原始的tick数据，虽然我们支持tick实时策略，但是有相当一部分交易者以中低频策略为主(也包括我自己)，这篇帖子的目的是为那些中低频交易者提供获取实时分钟k的解决方案。

核心逻辑设计

为了与主流行情软件（文华、快期、主流数据库）

当我们在用可视化模块构建日频策略的时候，如果想添加日内的执行逻辑，例如高开两个点买入，或者在日内指定时间买入，应该如何修改代码呢？\n实际上，我们只需要读取日频策略的调仓数据，然后调用这个数据接入日内回测即可，下面以平台内置的Stockranker可视化模板策略为例，讲解如何实现日内执行逻辑。

124-行业轮动的基本面选股策略

原来的输出结果如下：

当frequency为1m时，只能获取一个字段吗？fields=[‘open’,’close’]时是不是会报错。

open_price = data.history(context.ins, ["open"], 1, "1m")

\

策略\nhttps://bigquant.com/square/0230eda3-1c00-424c-9e38-c4e0128a2871

运行时为什么缺失 2025-07-23以后的数据，是数据库的问题吗？如果要回测到26年1月，如何修改？

我的策略如下：（完全按照宽客学院中视频老师的代码编写）

https://bigquant.com/codesharev3/ca001d95-6ca5-44f5-9a3d-a68c85a1e827

但是程序运行报错，\nCell In[2], line 58

 55     im

from bigmodule import M

# <aistudiograph>

# @param(id="m5", name="initialize")
def m5_initialize_bigquant_run(context):
    from bigtrader

回测中有最近日期的交易日志，但是模拟提交后没有产生信号。哪位大神可以指导一下，谢谢！

[https://bigquant.com/codesharev3/f09298db-cf17-49b2-8b94-724645cc4c84](https://bigquant.com/codeshare