《韩非子 · 五蠹》有言：“世异则事异，事异则备变”。

我们过去的策略对市场风格进行判断时，除了一些绝对化标准的方法，还介绍过用机器学习算法来学习市场风格变化的模式。但是，如果将这种风格判断应用在一些中短期策略上，可能会带来以下的问题：

（1）A 股短期波动中，突发消息（如政策微调、资

在变幻莫测的金融市场中，无数投资者终其一生都在寻找那个能预测未来的“圣杯”：一个完美的交易信号，一个能精准捕捉市场脉搏的技术指标。我们沉迷于复杂的图表、研究各种理论，希望找到一种确定性。但这种追寻往往伴随着困惑与挫败。

如果告诉你，那些我们深信不疑、看起来高深莫测的趋势指标，其预测的准确率，可能还

0. 名词解释

0.1. 主力

主力指的是大单和超大单之和，股票大小单主要是指买卖股票的单笔成交数量或金额，大单指的是股票市场中成交量为10-50万股，或者成交金额在20-100万元之间的交易；超大单指的是成交量大于等于50万股，或者成交金额大于等于100万元。这类交易通常由大型机构或

使用流程

1. 编写计算程序，并将其提交为任务；
2. 选择任务类型，例如数据任务、因子任务等，接着指定任务的相关参数，例如任务的执行时间等；
3. 在任务管理界面查看任务的执行状态，如果任务执行成功，您可以查看任务的执行结果。

![](/wiki/api/attachment

一、为什么股息率策略常被称为最温和、却最可靠的赚钱方式？

在股票市场里，大部分投资者都习惯盯着价格的涨跌，希望抓住下一次爆发带来的快速收益。但如果把时间尺度拉长，你会发现另一条更朴素、也更稳定的收益之路——来自企业真实赚到的钱，也就是股息。

股息率策略的逻辑并不神秘，却极其扎实：当一

一款支持港股、美股、A 股多市场的免费股票行情数据接口服务，能够提供股票基础信息、实时 Tick 数据、实时报价、历史 K 线及批量 K 线等多维度数据，数据返回格式统一为 JSON，接入便捷，满足各类金融数据应用开发需求。本文将详细介绍该 API 的接口规范、使用方法及数据字段说明。

一

https://bigquant.com/aistudio/studios/65d1b992-0f38-11ed-93bb-da75731aa77c/?folder=/home/aiuser/work

70年代，随着计算机技术的快速发展，量化投资开始迅速崛起，计算机的广泛应用使得大量历史数据的存储和处理成为可能，从而促进了量化分析方法在投资决策中的应用。

此时期，许多基于统计和数学模型的量化策略被开发出来，如指数化投资、算法交易等。

进入21世纪，量化投资经历了爆炸式的增长，数据的爆炸

普通人做不了量化交易？打破这三个常见误解，你也可以入门

对许多普通投资者而言，“量化交易”这个词总会勾勒出一幅神秘的高科技图景：一个由数学博士和顶尖机构主导的精英领域，常常因其复杂性而被敬而远之，甚至被“妖魔化”。但对于一个愿意学习、愿意思考的投资者来说，这种印象是否准确？本文将为你拆解围

运行轮动宝策略参数调优时内存不足，python内核崩溃？

内存不够不用怕！看我内存优化大法，单核6G内存照样跑全程！

[https://bi

量化策略投资中，“参数拟合”是策略失效最大的陷阱。在回测阶段很惊艳，一到实盘就水土不服；或者把回测时间一改，绩效结果就惨不忍睹。所以如何降低“过拟合风险”尤为重要。

1.什么是WFA

WFA（Walk-Forward Analysis）即滚动前向分析，是一种动态回测方法，它模拟“

雪球组合助手

\n ![](/wiki/api/attachments.redirect?id=33727dbe-72ff-4399-8c3

1.市场观察和机会发现

**策略目标：选取未来有较高稳定长期增长可能的股票，进行定期轮动，期望捕捉稳定增长，控制最大回撤。选择营业成本低、运营高效，且营业收入持续增长、发展态势良好的公司；同时要求资产负债率合理，确保财务稳健、风险可控；再结合低估值指标，挖掘被市场低估、具有价值潜力的股

一、核心逻辑

（1）交易计划生成：先通过历史数据统计 “价格突破事件”（上涨或下跌达到阈值）的频率，再根据近期事件中上涨 / 下跌的比例，生成未来一段时间的多空交易计划。

（2）马丁格尔加仓机制：持仓时若未达止盈但触发止损，在最大加仓次数内按倍数加仓以摊薄成本，若超过最大次数则止损离场。

《别再追微盘股了！“轮动宝”策略回撤更低、收益更稳》\n——打造实战价值策略\n\n🔥 亮点抢先看：\n1️⃣ 哪些标的是长期正收益\n2️⃣ 如何确定有效因子\n3️⃣ 如何进行组合优化\n4️⃣ 如何提升策略稳定性

\

一、视频回放与课件

[20251106151335-轮动宝

小市值策略是 A 股市场 “收益增强” 的经典路径 —— 中小盘企业的成长弹性、估值修复空间，往往能带来远超大盘的超额收益。但传统小市值策略 “波动剧烈、踩雷风险高、持有体验差” 的痛点，也让多数投资者对其望而却步。该策略通过分时段选股与波动控制，既保留了小市值的成长红利，又能保持稳健的收益，避免踩

这个策略是基于 A 股市场的短线量化交易策略，核心逻辑是筛选符合特定条件的强势股（连续涨停且属于强势概念，两个条件缺一不可），并在次日特定条件下买入，设置止盈规则卖出。

下面我们从策略各环节详细拆解：

1.回测结果

![](/wiki/api/attachments

为何市场走势越来越难懂？

你是否常常感到困惑：为什么手里的好公司股票就是涨不起来？为什么市场波动如此之快，上一秒还在上涨，下一秒就掉头向下，仿佛有一只无形的手在精准地收割？

那种挫败感并非你的错觉。它是一个直接后果，源于一个按完全不同规则行事的玩家主导了市场。这股力量就是量化交易。在如今

比如两个因子分别赋予何种权重，

因子 A 占比 x%、因子 B 占比 (100-x)%）时，

回测结果表现优秀？

现在只有m.tune在StockRanker里面调整参数 [161-alpha挖掘大杀器——并行模块tune](https://bigquant.com/wiki/doc/vw

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

高频价量数据的因子化方法-多因子Alpha系列报告之四十一-广发证券

\n这个高频因子表中忽略了最佳的多头因子**[amihud因子，建议增加到广发证券高频因子(hf_al

报告摘要

高频因子的优势：与低频因子相比，高频数据在量化选股中的优势主要体现在：因子拥挤度相对较低、因子多样性好、检验因子的独立样本多。

研究内容：本报告从四类不同的角度构建因子：日内价格相关因子、日内价量相关因子、盘前信息因子、特定时段采样因子。考察了 46 个因

导语

平台已经整理好新旧因子对比，可以在基础特征抽取里面直接抽取。

A股

量价因子

本文主要介绍股票的实时交易策略如何实现自动化实盘下单。当前仅支持万和证券BigTrader量化交易终端，文末提供的脚本只支持单一实时策略的自动化实盘，如果要运行多个实盘策略，请复制脚本分开运行，略微错开下单时间即可。

实时策略的实盘交易流程

1、在宽邦科技的bigquant平台上开发实时