\

在金融科技蓬勃发展的当下，实时股票数据对于投资者、量化交易团队以及金融科技企业而言，犹如基石一般关键。尤其是英国股票市场，其蕴含着丰富的投资机会，吸引着全球目光。获取准确且实时的英国股票数据，离不开高效的 API 支持。那么，在众多免费英国股票实时 API 获取方式中，哪一种更具优势呢？接下来，我们

一.策略原理

本策略主要面向A股市场,结合了价值投资,动量效应和风险控制三类因子,通过合理配置多因子进行优选股票池，最终实现中长期稳健超额收益。具体逻辑与每个核心指标/因子的原理、有效性分析如下：

\

(1)动量效应

动量现象已被国内外大量实证研究证明有效：历史上涨较多的股票短中期仍

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

策略介绍

该策略是一个典型的事件驱动策略

事件驱动策略的典型特征是，交易信号的出现并不像每日调仓的日频策略那样连续，而是断断续续的

当满足条件后出现交易信号则交易，否则就空仓，从回测曲线也可以看出，这样的策略有很多的空仓期

策略流程

1. 股票过滤：剔除ST、退市、非主板、上

1. 可以增加未匹配的金额吗（9点25分的tick）？2. 这个数据需要早盘更新，不能是下午17点

%%sql
select
    date,
    instrument,
    open_auction_order_volume	as	竞价总委托量,

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

你好，我修改了这个策略的代码，想只保留主板的数据，但是运行回测数据没有变化，是什么原因呢？

策略：

[https://bigquant.com/codesharev3/fc26699e-a006-4e90-8609-8ebcbee38ff6](https://bigquant.com/codes

介绍

• 构建和管理自己的数据与因子
• 分享到策略社区并保护核心逻辑
• 支持数据付费订阅
• 支持他人克隆策略，每日获取信号

技术方案

![](/wiki/api/attachments.redirect?id=be72745b-dff3-4d11-918a-0dec5f5

操作符

一 策略核心原理

1.1 价值投资核心理念

本策略深度植根于价值投资的经典理论体系，融合了本杰明・格雷厄姆的 "安全边际" 理念与现代多因子模型的量化方法：

• 市场非完全有效假说：认为市场价格会系统性偏离企业内在价值，这种偏离为理性投资者提供了获利机会
• **基本面决定论

数据还是不够多，我需要更多的数据。行业日线数据(cn_stock_industry_bar1d)这个是三级行业的，正好缺一个二级行业的日频数据。虽然能自己合成，但是不想自己合成哈哈

1、bigtrader有没有版本的区别，我平时用bigtrader.run是否就可以，不用标识版本？

2、我多次实验了一下，包括可视化版本和直接代码的版本，我没看懂基准收益率的计算方式，比如中证500，为啥24年12月1号开始回测，2号开始买入持仓，到3号收益率是-0.19%，我选用的都是开盘价买

https://bigquant.com/codesharev3/8971b031-56fb-4a46-aed9-b9dcc4ac021e

M4读出来的

策略中的交易费用定义如下： ontext.set_commission(PerOrder(buy_cost=0.00008, sell_cost=0.00008, min_cost=1))

买入时交易费用是按照自定义进行，但是卖出仍然会默认扣除1‰的税，是因为可转债被分类到了股票中所以这笔费用是默

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

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

摘要

观点

A股市场是订单驱动型市场。从动力学的角度讲，股票行情的所有演化过程，都能由订单簿（order book）自下而上精确决定。逐笔成交与逐笔委托数据的信息量非常丰富。本系列研究取名为“订单簿的温度”，旨在分享我们在逐笔数据层面的研究心得。

作为“订单簿的温度”系列研究的第

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

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

一、引言

在 A 股市场里，小盘成长股凭借灵活的经营模式、对新兴机遇的敏锐捕捉，往往蕴含着爆发性的增长潜力，但也因抗风险能力相对弱、业绩波动大，给投资决策带来挑战。本次分享的量化策略，聚焦通过多维度财务与市值指标筛选优质小盘成长股，结合定期调仓机制，力求在控制风险基础上，挖掘小盘股的

在股市的波澜壮阔中，筹码集中度宛如一座神秘的灯塔，照亮着投资者前行的道路。它不仅是一个冰冷的数据指标，更是市场情绪与资金流向的细腻诠释者。当我们深入探索筹码集中度时，仿佛是在解读一本关于市场智慧与人性博弈的厚重书籍。每一个百分点的变化，都承载着无数投资者的希望与梦想，每一次波动的背后，都隐藏着市场脉

你好，请问一下, 为什么第一个c_neutralize有对数第二个c_neutralize_resid没有对数。是因为第一个会在函数内实现对数计算吗？ \n并且好像c_neutralize_resid对残差结果进行了标准化\n这两个方法的描述不够清楚 ![](/wiki/