测试比赛4
由bqfbr0rd创建，最终由bqfbr0rd更新于
由bqfbr0rd创建，最终由bqfbr0rd更新于
前面我们已经学习过了机器学习的树模型和神经网络模型，这些都是量化选股的主流模型。但是在监督学习中，还有一种很主流的学习方式，即支持向量机，本文则是基于支持向量回归模型开发的选股策略。
支持向量机（SVM）是应用最广泛的机器学习方法之一。在20世纪90年代，传统神经网络
由bq20kttn创建，最终由bqvp8bj7更新于
本文档为1月24日上海私享会线下分享会代码
因子自动更新框架（持续迭代）+ 机器学习滚动训练框架
直播回放正在剪辑中，之后会上传到本文档
[https://bigquant.com/codesharev3/c32956e9-6063-40bf-8a40-2740f91790
由small_q创建，最终由small_q更新于
由jliang创建，最终由qxiao更新于
本策略基于 BigQuant 平台的 StockRanker 排序学习算法，通过机器学习方法预测股票在未来一段时间内的相对表现，并对股票进行横截面排序，从而构建可交易的股票组合。
StockRanker 是 BigQuant 自研的一种 **Learning to Rank
由qxiao创建，最终由qxiao更新于
由bqfbr0rd创建，最终由bqfbr0rd更新于
量化交易，这个听起来充满科技感的投资策略，常常因其惊人的高回报率而成为市场的焦点。然而，当一种工具被热议时，我们更需要冷静地审视其本质。尽管量化交易在美国等成熟市场中扮演着特定角色，但它真的适合中国这个以散户为主的A股市场吗？这个问题
由bq7td619创建，最终由bq7td619更新于
在量化交易和技术分析中，RSI（相对强弱指数）、MACD（移动平均收敛发散指标）和移动平均线（MA）是三个最经典且广泛应用的技术指标。它们能帮助交易者识别市场趋势、动量和潜在的反转点。本文将详细介绍如何通过常见的市场数据 API 获取高质量的金融数据，并使用 Python 手动计算这些核心指标，为你
由bqrw4yft创建，最终由bqrw4yft更新于
由bqfbr0rd创建，最终由bqfbr0rd更新于
BigQuant Financial Quantitative Toolbox - 金融量化工具箱 Python SDK
BigQuant SDK 是一个强大且灵活的 Python 软件包，为金融从业者提供全面的金融量化工具和策略开发框架。
由small_q创建，最终由bqd8qfa4更新于
都说股市“开盘定生死”，这句出自传奇人物徐祥的话，道出了交易中最惊心动魄的时刻。每天开盘后的短短几分钟，往往决定了一整天的交易节奏和盈亏结果。然而，对于大多数小资金的散户投资者来说，这最初的波动常常让人感到困惑和焦虑，看不懂主力意图，抓不住市场方向。
忘掉那些复杂的指标和无穷无尽的“战法”吧。日复
由bqoa5ecn创建，最终由bqoa5ecn更新于
如果你还想像过去那样，靠着所谓的“经验”和感觉去做短线交易，那么用今天市场的话来说，无异于“找死”。
你是否也常常感到困惑：为什么现在炒股赚钱，似乎比以前难多了？明明还是那些熟悉的K线图，还是那些研究过的公司，但过去屡试不爽的方法，如今却频繁失灵。如果你有这种感觉，那么你并不孤单。这并非你个人的问
由bq7td619创建，最终由bq7td619更新于
市场上九成的交易者在两年内被淘汰出局，这是一个不争的事实。
大多数人将其归咎于“行情难做”或是“没有行情”。然而，这些都不是根本原因。真正的症结在于，绝大多数人不把交易当成一件严肃的事。本文将揭示几个颠覆性的观点，帮助你理解亏损的根源，以及如何在市场中长久地生存下去
由bq0sxhmu创建，最终由bq0sxhmu更新于
在BQ平台上部署Kronos模型，此内容仅部署了small模型(base模型可自行下载使用，预测较慢)，使用2026年1月20日之前3日5分钟K线图作为输入，预测1月21-22日的5分钟K线，使用2日后的预测结果计算预测回报与真实回报做趋势对比，横盘的剔除，small预测准确率为56.3%(100只
由bq355jhd创建，最终由mac更新于
cn_future_warehouse_receipt这个表是不是不全，大部分天都缺了很多品种的数据？
由jl2733创建，最终由jl2733更新于
在量化策略研发与落地的过程中，多数开发者初识 tick 数据时，往往仅将其定义为 “市场最小粒度的行情数据”；但实际完成 WebSocket 连接配置、启动实时数据接收程序后，最先感知到的并非数据字段本身的含义，而是数据流动的 “节奏”—— 时间戳的高频跳动、价格的瞬时波动、成交量的断续刷新，让 t
由bq5l7qg6创建，最终由bq5l7qg6更新于
“其实啊，99%的人都不会选股。” 这句话可能戳中了很多投资者的痛点。我们每天面对几千只股票，总感觉机会无处不在，却又屡屡错过那些真正的主升浪行情。
但顶尖的交易者都明白，最有效的方法往往不是最复杂的，而是最能坚持的。如果告诉你，有一套简单的方法，
由bqoa5ecn创建，最终由bqoa5ecn更新于
在 AI 量化策略中，我们常说 Garbage In, Garbage Out。但在高频策略里，Slow In 也是 Garbage Out。
训练模型时我们用的是清洗好的 CSV，但在实盘推理阶段，如何对接实时的 WebSocket 流并将其转化为模型可读的 Tensor，是一个巨大的工程挑战。
由bqb18wzv创建，最终由bqb18wzv更新于
为什么感觉在股市里赚钱这么难？这或许是每一位股民都曾扪心自问的问题。面对涨跌无常的市场，许多人感到迷茫、焦虑，甚至亏损连连。然而，尽管挑战重重，市场上确实存在着能够稳定盈利的少数赢家。他们并非靠运气，而是遵循着清晰、经典且经过市场验证的交易模式。本文将为你揭示A股市场中最经典的三种盈
由bq0sxhmu创建，最终由bq0sxhmu更新于
一个普通人，真的能用16个月，把100万本金做到一个亿吗？这个听起来像天方夜谭的战绩，据说是一位顶级操盘手创下的真实记录。而他所依赖的核心武器，就是一套被称为“一夜持股法”的短线交易策略。
这套战法的核心思想，是巧妙利用A股的T+1交易规则。通过在“下午买入，
由bq7td619创建，最终由bq7td619更新于
本策略为两融信用账户下的配对交易（Pairs Trading）/统计套利策略。通过同时交易两只高度相关或同一行业的股票（示例：601328.SH 与 601998.SH），在它们的相对价格出现短期偏离时进行多空对冲交易，目标是获取价差均值回归带来的收
由qxiao创建，最终由neoblackxt更新于
在AI量化的语境下，模型的上限往往取决于数据的信息密度。
传统的OHLCV（K线数据）其实是信息有损压缩的产物。如果你正在尝试用LSTM或者Transformer预测短期价格走势，仅输入K线数据，模型很难捕捉到高频的非线性特征。这时候，历史Tick数据就是你必须引入的高维燃料。
**Ti
由bqb18wzv创建，最终由bqb18wzv更新于
大家好～投研活动每周我们会汇总总结大家的结果，并且按进度汇总结果。
每个月会出一个投研报告，同时定期也会组织投研分享活动。
因为初期可能大家对整个投研流程有所不了解，包括大家进入私享会的时间不一致。
所以这次做个因子投研团启动会，包括初期投研方向介绍，投研工具介绍，以及结果如何沉淀。
会把投
由small_q创建，最终由small_q更新于
如果你也曾迷失在花里胡哨的技术指标中，被无数次假信号折磨得筋疲力尽，那么这篇文章就是为你准备的。我们总以为更复杂的工具能带来更高的胜率，结果却常常迷失在指标的丛林中，错失良机。
然而，成功的短线交易，其核心逻辑出奇地简单。它并非依赖于某种神秘的指标或是虚无缥
由bqoa5ecn创建，最终由bqoa5ecn更新于
1.通过代码画布编写一个策略（其本质是一种交易逻辑)→
2.运行回测（通过历史数据验证其合理性）→
3.提交模拟（在实践中检验该策略是否可行）→
由bqfwz7b6创建，最终由bqfwz7b6更新于