1. 策略概览

本策略基于KAN模型，在2018年至2025年期间对每年进行滚动训练。训练集时段为过去5年，测试集时段为未来一年，如2018年训练集采用2013-01-01至2017-12-29，测试集时段为2018-01-03至2018-12-31。数据使用当期全市场数据，聚焦于量价数据及其

https://bigquant.com/codesharev3/390b356c-fe9e-4b37-ac8f-60abfb1ef5f1

\

1. 策略概览

本策略基于DNN（MLP）模型，在2018年至2025年期间对每年进行滚动训练。训练集时段为过去5年，测试集时段为未来一年，如2018年训练集采用2013-01-01至2017-12-31，测试集时段为2018-01-01至2018-12-31。数据使用当期全市场数据，聚焦于量

1. 策略概览

本策略基于lightgbm模型，在2018年至2025年期间对每年进行滚动训练。训练集时段为过去5年，测试集时段为未来一年，如2018年训练集采用2013-01-01至2017-12-29，测试集时段为2018-01-03至2018-12-31。数据使用当期全市场数据，聚焦于量

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

在行为金融学里有种心理叫处置效应（Disposition Effect）——人们倾向于过早卖出盈利的股票，过晚卖出亏损的股票。

资本利得突出量（Capital Gains Overhang，CGO） 就是把这个心理量化出来的因子。它试图回答一个问题：**当前市场上持有这只股票的投资

• BigQuant 比赛
  • 全球高校联赛之全场景AI

\

• BigQuant 比赛
  • 全球高校联赛之因子挖掘

\

一、策略概述

这是一个打板的分钟回测策略，如果要实盘的话肯定需要自动化。回测绩效结果如下：

从24年9月到25年3月，取得了年化82.43%的年化收益，最大回撤可控，-20.74%。策略的特点就是胜率较高，符合打板策略的特色。

![](/wiki/api/attachments

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

(HedgeCo.Net) 对冲基金行业2026年的复苏并非由单一交易、单一板块或单一风格驱动。它的驱动力来自离散度（dispersion）。而在离散度日益重要的领域，莫过于量化股票策略。

在经历了多年由 mega-cap 集中、被动资金流入和拥挤的因子主导所导致的市场异常狭窄的时

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com

• BigQuant 比赛
  • 全球高校联赛之端到端AI

\

days_since = (data.current_dt - context.last_rebalance_date).days

if days_since >= context.min_rebalance_days:

min_rebalance_days是最小持仓天数，我是想days_sin

配对交易策略模拟运行报错，id:d84e824d-2744-402e-b0c2-f65672deb6fd

[https://bigquant.com/codesharev3/5be22814-d2a2-438e-baa9-ea2f177d5e14](https://bigquant.com/cod

量化学院中“基于期货的CTA策略实现”的3个策略克隆模板均出现同样的报错。

3个策略运行后均会出现以下报错：

AttributeError: 'FuturePosition' object has no attribute 'avail_qty'

[https://bigquant.com

直播回放：https://bigquant.com/college/db68dd32-9980-4d1a-a6fa-9931782d7069

\

策略代码：

[https://bigquant.com/codesharev3/a50de189-47d8-441c-98e4-30f

{{pro}}

[https://bigquant.com/codesharev3/fa929062-2545-422f-bd01-c963eb9d95cf](https://bigquant.com/codesharev3/fa929062-2545-422f-bd01-c963eb9d95cf

引言：在虚假信号中寻找真相

在A股市场，指标可以造假，K线可以画图，就连成交量，主力都能通过对倒来骗你。面对这些虚假信号，我们如何才能拨开迷雾，找到真正的大机会？

如果你正在寻找一种能穿透主力迷雾的实战方法，那么今天这篇文章，你一定要认真读完。我要分享的，是一个由四大信号构成的组合。单个

下载 Claude Desktop

https://claude.com/download

按下面截图依次配置，

Help -

请问m_last的偏移方向是不是有问题

[https://bigquant.com/codesharev3/fab2ab0e-3c0e-483c-a1d4-ff00981f4980](https://bigquant.com/codesharev3/fab2ab0e-3c0e-483c-a1d4-

from bigmodule import M
import pandas as pd
from datetime import datetime, time

# ==========================================
# 1. 用户配置

优秀策略分享——数据标准化策略研究

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