各参赛团队：

感谢大家对 BigAlpha 2026 的关注与参与！

根据 AI 因子挖掘、端到端大模型、AI 开放创新 三大赛道的初赛私榜排名，现公布决赛预晋级名单。本名单目前处于公示阶段，最终晋级结果将在参赛意向确认及递补工作完成后公布。

🚨 决赛入围确认问卷（所有

各参赛团队：

感谢大家对 BigAlpha 2026 的关注与参与！

根据 AI 因子挖掘、端到端大模型、AI 开放创新 三大赛道的初赛私榜排名，现公布决赛预晋级名单。本名单目前处于公示阶段，最终晋级结果将在参赛意向确认及递补工作完成后公布。

🚨 决赛入围确认问卷（所有

各参赛团队及选手：

BigAlpha 2026「AI 开放创新赛道」作品评审工作已完成。评审组结合参赛作品的整体表现进行了综合评定，现将各作品的综合评分公布如下，请各参赛团队及选手查阅。

感谢大家对本次赛事的积极参与，以及在作品创作与提交过程中付出的努力！

| 作品名 | 综合评分 | |--

各参赛团队：

感谢大家对 BigAlpha 2026 的关注与参与！

根据 AI 因子挖掘、端到端大模型、AI 开放创新 三大赛道的初赛私榜排名，现公布决赛预晋级名单。本名单目前处于公示阶段，最终晋级结果将在参赛意向确认及递补工作完成后公布。

🚨 决赛入围确认问卷（所有

提交运行异常通知

本次检查发现部分参赛者的提交未能成功完成运行。

• 受影响提交数：46
• 受影响参赛方数：35

运行失败的提交

提交运行异常通知

本次检查发现部分参赛者的提交未能成功完成运行。

• 受影响提交数：20
• 受影响参赛方数：20

运行失败的提交

本文主要研究了量化选股场景中的数据标准化方法，分别对比了时序标准化和截面标准化方法的在量化选股模型上的效果。

主要的工作有：

一是构建DeepAlpha数据集，包含A股2011年到2022年98个量价因子的日线数据，label为股票未来5日的收益率；

二是采用基于时序的K折交叉验证方法，严格3

\

0. 策略名词解释：

（1）突破因子（Breakout）：

• 上突破信号：

• 下突破信号：

一、简介

在期货分钟策略研究中，常见的回测周期包括 1 分钟、5 分钟、15 分钟和 30 分钟。但在实际研究中，我们也可能希望使用 3 分钟、7 分钟、13 分钟等自定义周期运行策略。

例如，5 分钟周期可能过于敏感，而 15 分钟周期又可能反应较慢，此时可以选择 7 分钟、10 分钟或

从个人量化学习，到散户视角的策略实践，再到资管思维下的组合管理——这是一场关于“认知升级”的真诚复盘。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/7bbeb31d-6975-4cd2-a737-484989202bd7]

本次分享为一个基于变盘指数驱动的行业轮动策略 ，叠加行业内四因子选股，持仓为 每周动态调整的 6 只个股(3 个行业 × 每行业 2 只)。策略的核心思路可以概括为:

先用一个衡量"市场风格是否稳定"的指数,判断当下该用动量还是反转逻辑挑行业; 再在选出的强势行业内部,用"短期

行业轮动策略（优化版）介绍

本策略只做量化投研的学习交流，提供的策略模版存在历史数据失效的可能，不做任何其他建议！

一、策略概览

这是一个基于变盘指数驱动的行业轮动策略,叠加行业内四因子选股,持仓为 每周动态调整的 6 只个股(3 个行业 × 每行业 2 只)。策

一、阶段性使用心得：真实感受

用了一段时间CoWork 后，最大的体会是：CoWork 不是来替代你思考的，而是你的私人助手。它帮你扛下那些重复繁琐的工作——整理零散的想法、归纳知识点、拆解晦涩的概念、拆解复杂任务。省下来的时间和精力，你可以用在真正需要判断和决策的地方。这样工作效率

• BigQuant 比赛
  • 北京大学金融AI智能体创新大赛

\

问题

选到的股退市了，策略无法继续运行出信号，怎么处理？

绩效截图

我们先来看一个策略回测曲线，累计收益10.7%，总体是一个正收益系统的策略，需要注意，本次回测采用全部看多，有运气成分。

/ ![](/wiki/api/attachments.redirect?id=19e782d5-6d5d-4a8f-8824-0a257b2b790

小市值量价共振策略（带大盘择时）

一、策略核心逻辑

本策略聚焦小市值风格，通过「量价共振+基本面筛选+大盘择时」三层过滤，捕捉短期强势且估值合理的小市值标的，同时规避极端市场风险。

二、股票池筛选

• 范围：主板、创业板，排除科创板、北交所
• 过滤：剔除ST

{{pro}}

[https://bigquant.com/codesharev3/ecef67e6-bc9d-4426-a0ad-bfc3b6c014be](https://bigquant.com/codesharev3/ecef67e6-bc9d-4426-a0ad-bfc3b6c0

跑了大半年 A 股日内多因子（5 分钟 bar），每个时间点独立 TPE 贝叶斯优化选参。优化目标值（best_value）的日内分布有个很明显的规律：

• BigQuant 比赛
  • 北京大学金融科技智能体大赛

\

量化交易两大难题：择时靠猜、选品靠蒙？\n传统方法割裂两者，容易踏空或站岗。\nalphaGPT现已实现“择时+选品种”联合决策\n——像多因子选股一样，把主观判断变成可回测的信号。\n🎯 直播干货：\n✅ 从0到1跑通完整策略（择时+选品种）\n✅ 多因子选股逻辑迁移到品种&时机联合优化\n✅

系统梳理Alpha因子生成链路：检验→评估→合成。聚焦有效性、稳定性、标准化中性化、加权合成、相关性控制与过拟合防范，打造稳健、可解释、可落地的量化模型。

\

一、视频回放

[https://bigquant.com/bigapis/college/v1/files/5298705

2026年市场分化加剧，“固收+”性价比下降，FOF凭借多资产分散优势受捧。本分享整合头部研报，拆解宏观（增长/利率/通胀/信用）与微观（动量/估值/波动率）双因子配置，助您应对不确定性。

\

一、视频回放

[https://bigquant.com/bigapis/college