为什么两个结果不一样呢，不是应该用的哪个策略跑出来是一样的数据啊

设置每天早上5点钟运行模拟策略，在每次放假后的第一天 提示运行失败。

例如11月10号周一今天的报错。提示，ERROR: null sessions by start_date=2025-11-09, end_date=2025-11-09。就是说他以昨天周末设置起停时间。导致运行失败。

如果引

雪球组合助手

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

有谁知道这个怎么改吗？TypeError: raise: exception class must be a subclass of BaseException

![](/wiki/api/attachments.redirect?id=78a489d6-eafc-4d3d-82b0-3748c

在中国A股市场，有一个非常独特的文化现象。每逢市场调整，社交媒体上便哀鸿遍野，而“量化”二字总能成为千夫所指的完美靶心。有趣的是，这种现象在海外成熟市场中却很少见到。即便海外市场的量化交易占比远高于国内，投资者也很少在市场波动时将责任归咎于量化策略。

这种归咎于外因的做法，从心理学上可以理解

《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

本文件提供 BigQuant Python API 的使用说明，包括用户管理、策略运行、策略查询等功能。

安装包

首先需要手动下载并安装如下的 wheel 包

👉：<https://bigquant.com/cdnuploads/wheel/bigquant-0.1.0.post102

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

回测曲线过于平滑，但是实盘可能存在较大波动，未必能承受的住。换成日K线有助于了解策略实际波动情况，特别是回测结果包含上下影线的。\n\n突然想到的一个需求，不是很关键。因为我的策略风控都还可以。

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

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

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“

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

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

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