张伟_作业
由bqz709ry创建，最终由bqz709ry更新于
四金_作业
总结
因子更重要还是模型更重要？
因子和模型同样重要，模型相同的情况，不同因子在回测中，差异巨大。相同因子在不同的模型下进行回测，表现也各不相同。
一个好的策略，是因子和模型共同组合得到的。
相同因子下不同模型的区别？
因子可以决定回一个量化交易的潜在收益空间，好的模
由bqf6mces创建，最终由bqf6mces更新于
yinyu作业提交
由bqg4auih创建，最终由bqg4auih更新于
碧空净_作业提交
感谢：作业太难了，感谢TCB的作业可以抄抄，比较简洁。
变化：n1，n2两个参数可调；持仓50只股票；增加了几个过滤条件如非ST、非停牌、非北交所板块等。
洞察：将北交所剔除后，夏普率从2.15下降到1.69，说明微盘股可能和很多人没关系因为无法买卖北交所股票。
==问题：批改作业的老师，
由bq9ndiek创建，最终由bq9ndiek更新于
yinyu作业提交
对每一只股票，取最近 10个交易日 的最低价序列做 时间序列排序；在横截面（同一天所有股票）上，把上面得到的 0–1 分位值再排一次序，又得到 0–1 之间的分位值；因子值越大 → 股票当前价越接近 10 日最低点（时间序列排序值越低，再取负后反而越大）；**因子值越
由bqg4auih创建，最终由bqg4auih更新于
优秀策略分享——数据标准化策略
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
由bq71v3n7创建，最终由bq71v3n7更新于
yinyu作业提交
由bqg4auih创建，最终由bqg4auih更新于
yinyu作业提交
由bqg4auih创建，最终由bqg4auih更新于
邹的作业
换手率（turn）、股东变化数（shareholder_chg）和股东数量（a_shareholder），我将设计一个综合因子。以下是完整的因子设计方案：
设计思路
\n
- 核心逻辑：
- 换手率反映股票流动性（流动性越高，市场关注度越高）
- 股东变
由bq9dhg5r创建，最终由bq9dhg5r更新于
策略分享-基于XGBoost模型和滚动训练的预测策略
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
由bq0m8rec创建，最终由bq0m8rec更新于
基于CatBoost模型与分类任务的ETF选基策略
0. 策略名词解释
（1）CatBoost模型
CatBoost 是由 Yandex（俄罗斯的一家互联网公司） 开发的一个 基于梯度提升（Gradient Boosting） 的机器学习库，主要用于 分类、回归、排序任务，以处理结构化数据为主。它的名字来自 “*
由bq0m8rec创建，最终由bq0m8rec更新于
yzc作业提交
由yzc18811006016创建，最终由yzc18811006016更新于
bqae70pv作业提交
因子说明：
高成长+低换手+小市值(成交额波动小，流动性不足)
c_pct_rank(net_profit_to_parent_deduct_cagr_3_ttm) + c_pct_rank(-m_sum(turn, 5)) + c_pct_rank(-M_nanstd(am由bqae70pv创建，最终由bqae70pv更新于
kylin_作业
由bqrlttmv创建，最终由bqrlttmv更新于
bqbppxmo_作业
换手率与市值因子
[https://bigquant.com/codesharev3
由bqbppxmo创建，最终由bqbppxmo更新于
bq4jnrx6_作业提交
由bq4jnrx6创建，最终由bq4jnrx6更新于
【代码报错】组合策略提交模拟失败
我用“策略社区模板+万老师final全动态模板”与BQ的AI智能体编写了“宽指轮动选股策略-250807”，这个策略是针对沪深300、中证500、中证1000成分股股票池的股票，用Stock Ranker模型选股，然后将三个策略封装为三个用户因子表，再将三个因子表构成一个用三大宽基指数进行择时再对应
由peng1960hong创建，最终由bqadm更新于
0808作业提交
由small_q创建，最终由small_q更新于
四金_作业
因子说明：
低换手 + 高成长 + 小市值
c_pct_rank(net_profit_mrq_yoy) + c_pct_rank(-m_sum(turn, 10)) + c_pct_rank(-total_market_cap) AS factor
由bqf6mces创建，最终由bqf6mces更新于
策略分享-基于成长因子的电子行业多因子选股策略
==--具有行业风格特征的策略应该如何系统构建？==
0. 电子行业概览
电子行业是一个以电子元器件、电子设备及其相关材料和制造工艺为核心的综合性产业体系，覆盖从基础元器件制造到整机装配、系统集成等多个环节。该行业技术密集度高、更新迭代快，具有强烈的全球分工特征。
在 **申万行业
由bq0m8rec创建，最终由bq0m8rec更新于
BigTrader 量化交易引擎
简介
BigTrader 是 BigQuant 推出的专业级量化交易引擎，采用 C++ 核心实现，并提供 Python API 接口和回调函数。它为量化投资者提供了一个全面的交易解决方案，无论您是初学者还是专业投资者，都能轻松上手使用。
核心特性
- 全市场覆盖
- 多品种支
由qxiao创建，最终由bqaht3rj更新于
因子分析代码_matplotlib版本
由qxiao创建，最终由qxiao更新于
在投资组合管理中应用大型语言模型（LLM）：创建主题宇宙指数
在这篇文章中，我们将探讨大型语言模型（LLM）在金融领域的应用，涵盖以下主题：
- 量化金融
- 投资组合管理
- 情感分析
- 新闻分析
- OpenAI API和Python
我们将展示如何将LLM与OpenAI API和Python等工具结合使用，以简化生成主题投资组合和分析趋势等流程，从
由googleglass创建，最终由bqzau2ce更新于
bq4jnrx6_作业提交
由bq4jnrx6创建，最终由bq4jnrx6更新于
【代码报错】提交模拟失败
可视化编程状态下DNN模型针对沪深300、中证500、中证1000指数的ETF策略，策略回测正常，但提交模拟失败，请解决？\n策略分享链接： https://bigquant.com/codesharev3/079766cb-7157-4e26-abf1-d2faf4c965c7\n提交模拟链接：
由peng1960hong创建，最终由peng1960hong更新于