若您提交的因子报错，需要知道原因，请根据下图将提交的ID进行复制，并粘贴本帖的评论区，我们会定期检查并告述您报错原因！

使用Git要解决的问题：通过Git来管理我们的代码，方便追溯历史版本，避免因为一次误操作导致代码无法恢复。

**GIt的使用介绍：**一般都需要一个Git客户端配合一个Git服务端来使用，在客户端修改的内容可以提交到服务端保存，这样就不怕客户端的代码或文件丢失了，即使换了一个客户端

引言：为什么99%的散户都抓不住强势股？

想不想每天都能抓到短线强势股，轻松“躺赢”？今天，我就把我一个顶尖游资朋友的“印钞机”心法分享出来。我亲眼见证，他仅凭这一个简单的方法，在去年一年的时间里，就将300万的资金体量做到了4000万。

这个方法只分为简单的三步，但其背后蕴含的交易逻辑却

首先，预测中国[量化投资](https://zhida.zhihu.com/search?content_id=253957252&content_type=Article&match_order=1&q=%E9%87%8F%E5%8C%96%E6%8A%95%E8%B5%84&zhida_sour

==Alpha因子==

我们先解释一下 Alpha 因子，再整体理解量化交易。

在金融行业，“Alpha 因子（Alpha Factor）”是量化投资和资产管理中最核心、最神秘、也是最受追逐的概念之一。它代表着一个交易策略能够战胜市场平均回报（即“超额收益”）的那部分能力。下面我们从

量化交易就是”用数学和代码做交易”。价格、收益、风险、回撤……在数学里都可以被抽象成变量和公式。本质上，我们就是在处理一串随机数（收益序列），用统计和概率的工具去度量”好不好”“稳不稳”。

本文将系统介绍量化交易中常用的数学公式和指标，包括：[夏普比率](https://zhida.zhihu

1. 策略概览

本策略属于中频多因子选股：使用价值、成长、质量、动量、波动/交易特征、规模等共 18 个因子构建特征，在滚动训练窗口（240 交易日）内训练 ElasticNet 模型，预测未来 20 个交易日收益的横截面排名（rank），并在每个调仓日选取 Top 30 股

1、从“科技英雄”到“量化镰刀”的争议漩涡

最近，幻方量化的老板、DeepSeek 的创始人梁文锋，在舆论场上坐了一趟过山车。

几个月前，他是“全村的希望”，是以一己之力硬刚硅谷巨头的“科技英雄”；几个月后，伴随着 A 股市场的震荡，他被推上了审判席，被指责为“量化镰刀”，是割

湘财证券开通账户

==没有湘财证券账号的，请扫下方二维码开户==

湘财证券实盘权限开通

1. **湘财

###三者的关系

Ridge 回归：使用 L2 正则化（平方和惩罚），会把所有特征的系数缩小，但不会把任何系数压到 0，因此不会做特征选择，适合处理多重共线性。 Lasso 回归：使用 L1 正则化（绝对值和惩罚），会把不重要特征的系数直接压到 0，实现自动特征选择，但在高度相关的特征中表现不

策略介绍

本策略AI算法来预测股票的未来表现，并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

在二级市场的博弈中，很多散户投资者常感叹自己陷入了“一买就跌，一卖就涨”的怪圈。看着心仪的标的拔地而起，自己却总是在高位“后知后觉”地买入，随后便迎来漫长的回调。

这种困境的根源，在于投资者未能读懂K线背后的“语言”，更未能洞察主力资金的真实意图。其实，任何大牛股在启动初期都会留下明显的“蛛丝马迹

策略信号被延迟拖慢节奏\n我做量化策略开发已经有一段时间，遇到的第一个“大坑”就是行情数据不稳定——尤其在做短线或日内策略调试时，几秒的延迟都可能让信号失真。曾试过多种免费数据接口，结果要么更新不及时，要么中途断流，导致回测与实盘数据对不齐，策略调优变得非常艰难。

**实时推送与多市场兼容

实盘整体流程

1.开通BigQuant合作券商账户（指定二维码开通享手续费优惠），并申请实盘、绑定实盘资金账号。

2.设置对应实盘资金账号的实盘策略，创建计划交易信号（实盘申请通过后：用户的实盘策略可选择用户的所有模拟交易策略）。

3.创建实盘访问凭证，获取对应访问凭证的密

在量化策略开发与实盘落地过程中，股票停牌/复牌状态是关键的风险因子与数据维度——停牌导致的标的流动性中断，会直接造成量化回测收益失真（忽略停牌期易高估策略表现）、实盘调仓执行受阻，甚至影响多因子模型中流动性因子的有效性。本文从量化开发视角梳理停牌数据特征，提供复牌状态实时监测的技术实现方案，为量化策

在 AI 量化的世界里，模型的效果高度依赖于输入数据的质量与粒度。当我们试图用机器学习模型预测短期股价走势时，分钟级甚至日线级的数据往往已经丢失了太多的微观结构信息。

数据颗粒度的痛点 为了捕捉市场微观层面的非线性特征，我们需要获取实时的 Tick 数据流。传统的爬虫或 API 轮询方式，

如何从众多股票中识别出具备长期增长潜力的“大牛股”？这是每位投资者都面临的挑战。许多人习惯于分析K线和趋势，但常常忽略了一个更具揭示性的指标——成交量。成交量背后隐藏着主力操盘的真相，是判断一只股票真实“性格”的试金石。本文将揭示如何通过两种截然不同的成交量模式，看透股票的真正潜力。

1.

import dai的时候，调试报了下面这个错误

• Traceback (most recent call last):
• File "_pydevd_bundle/pydevd_cython.pyx", line 1343, in _pydevd_bundle.pydevd_cython.P

各位大佬好，我之前都是通过图形界面来写代码的。现在就是想实现一个简单的功能，比方说每天遍历一下全市场，然后满足条件的股票我买入后持有3个交易日后再卖出。这个功能需要怎么怎么实现？能否提供一个简单能运行的demo程序，我在此基础上学习。

还有就是有没有专门讲如何通过代码来写策略的教程或方法，我有一定

在当前的A股市场，量化交易正沦为众矢之的。每当大盘震荡、个股跳水，社交媒体上便充斥着散户对“量化收割”的愤怒控诉，甚至不乏“彻底取缔量化”的激进呐喊。然而，一个极具讽刺意味的悖论摆在眼前：舆论的唾弃不仅没能让量化交易销声匿迹，反而使其在争议的洪流中越做越大，成了某种“大到不能撤”的权力怪物。

这背

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 [旗舰版](https://bigquant.com/s

简介

bigqunat强大的人工智能分析平台，提供了多元化的数据，方便的数据回测等，今天介绍bigqunat获取市场涨跌停统计数据，并入库，提交定时任务。

编写策略

1.点击编写策略

![](/wiki/api/attachments.redirect?id=929

在AI量化模型（如LSTM或Transformer）的训练中，数据工程（Data Engineering）往往占据了80%的时间。最近我们在构建港股的高频因子库，面临的一个巨大挑战是如何获取并清洗原始的Tick流数据。

数据工程师的噩梦 与A股不同，港股的交易指令更加复杂，且由于机构主导，

引言：大道至简

你是否觉得股票交易是一个极其复杂的世界？面对眼花缭乱的技术指标、层出不穷的金融模型和深奥的市场理论，许多投资者常常感到无所适从，仿佛陷入了知识的迷宫。然而，一个被反复验证的事实是：真正能在市场中长期生存并获利的交易方法，有时恰恰是最简单、最质朴的。

大道至简，交易的本质并

在金融交易圈，有一个直击灵魂的悖论：如果一套量化系统真能稳定盈利，开发者为什么要大费周章地推广，而不是躲起来闷声发大财？绝大多数人的第一反应是“收割绿韭菜”。但真相往往比这种直觉更具讽刺意味：很多时候，那个亲手筑起金矿的人选择卖铲子，并非因为矿里没金子，而是他发现自己根本拿不起那把沉重的矿镐。