研究背景

金融领域越来越依赖文本数据（如金融新闻、监管文件和社交媒体）来预测经济事件和市场走势。

传统的情感分析方法（如基于词典的方法）存在局限性，无法充分捕捉文本中的复杂信息。

大型语言模型（LLMs）如BERT、OPT、QuantAgent和FinBERT等在自然语言处理（NLP）任

Bigquant平台近期推出了与国金QMT结合的实盘自动交易方式，解决了策略实盘自动化交易问题，平台的优势在于封装了很多种类开因子，也具备AI能力，大大简化了策略研究门槛，回测效率也很高，便于策略研究。

新模式的推出，大家可能会有较多问题，我这边有4年的bigquant平台研究经验、2年的QM

https://bigquant.com/codesharev3/5841235c-c631-4016-9df1-0e9c72754770

\

# 问题描述
1，下面的策略代码，可以正常回测、可以正常模拟运行、但是到第二天模拟运行会报错
2，报错如下：
3，[2025-03-11 22:22:07.338366] ERROR: pypapertrading:moduleinvoker.py:38:_module_run 

https://bigquant.com/codesharev3/a5d436a4-6a1f-4d7f-b3f7-f79925d270db

\

因子表达式：c_indneutralize(pb, sw2021_level1) AS pb_

我检查了pb因子原始值，并没有缺失

\

from bigmodule import M



# 交易引擎：初始化函数，只执行一次
def m5_initialize_bigquant_run(context):
    from bigtrader.finance.commission import Pe

引言

最近上传了一个新版的随机森林模块，大家可以尝试使用一下。

策略思想

因子和标签选取

![](/wiki/api/a

[https://bigquant.com/aistudio/studios/f9b674f0-0f37-11ed-93bb-da75731aa77c/?payload=[["openFile"%2C"vscode-remote%3A//bigquant.com/home/aiuser/work

策略社区的XGBoost模板，只是修改了训练、回测数据日期，执行回测时正常，但提交模拟就报错，策略已分享给小Q，下面是报错信息

2025-03-10 20:24:00 任务运行开始调度 state=trigger event= 5ec3d941-73b9-47ca-8183-759397725f7

简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法，利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规

Qbot 不仅功能全面，在技术架构上也独具匠心。平台提供 GUI 前端 / 客户端（部分功能也支持网页），无论你是喜欢桌面端操作的稳定，还是钟情于网页端的便捷，Qbot 都能满足你的需求。后端则专注于数据处理、交易调度，通过事件驱动的交易流程，确保每一个交易指令都能迅速、准确地执行。在策略研究方面，

在量化投资的汹涌浪潮中，你是否渴望拥有一个强大且便捷的工具，助你乘风破浪，驶向财富的彼岸？如今，Qbot 与 iTick 强强联合，为广大投资者和开发者打造出一个前所未有的 AI 量化生态系统。

![](/wiki/api/attachments.redirect?id=60c5b10d-cbc

一个月收益30+%的策略是好策略吗？，相信不少人在策略社区选择策略都有这样的问题，也经常会出现买入一个月收益30%以上的策略后，自己跟随进去反而亏钱。我们该如何选择策略，个人给出一些见解（也不一定正确哈）

目录：

一、问自己，明确定位

二、保守型策略选择

三、激进型策略选择

四、干货判

File /opt/pyenv/versions/3.11.8/lib/python3.11/site-packages/bigmodule/modules.py:28, in call(self, **kwargs) File /opt/pyenv/versions/3.11.

研究背景

文章从现代投资组合理论出发，强调了通过多样化投资来优化风险和收益的重要性。再平衡（PR）是维持投资组合风险收益特征的关键策略，通过定期调整资产权重来应对市场变化。再平衡的频率（ORF）是一个关键参数，因为它直接影响交易成本和投资组合的灵活性。文章指出，频繁再平衡会增加交易成本，而过

https://bigquant.com/codesharev3/5ae737dc-b7c0-45a5-9d65-c1aac45030a0

\

当前最领先大模型关于投资、量化与BigQuant的第一性原理的思考。

投资的第一性原理

DeepSeek R1

投资的第一性原理可以归结为在风险与收益的平衡中，通过理性决策实现资源的长期最优配置。收益和风险并非对立，而是同一枚硬币的两面，其本质在于以下几点：

1. *

dai.DataSource("_56f0fa003b2940c3979986a0f73292aa")

from bigmodule import M

# <aistudiograph>

# @param(id="m2", name="initialize")
# 交易引擎：初始化函数，只执行一次
def m2_initialize_bigquant_run(con

sql = """
select date,instrument,
volume, -- 成交股数
free_float_shares, --自由流通股数
total_assets_lf, --总资产最新一期
total_assets_yoy_lf, --总资产同比

    for instrument in set(context.get_account_positions().keys()):
        if (data.current_dt - context.get_position(instrument).last_sal