在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影

BigTrader 是 BigQuant 推出的专业级量化交易引擎，主要用于策略在历史数据中回测撮合。

BigTrader采用 C++ 核心实现，并提供 Python API 接口和回调函数。

它为量化投资者提供了一个全面的交易解决方案，无论您是初学者还是专业投资者，都能轻松上手使用。

\

告别赌徒心态

在市场的宏大剧场中，多数投资者扮演的都是悲剧英雄的角色——被希望与恐惧这两种致命缺陷所驱动，追逐着 ephemeral 的收益，最终却往往因一次无法预见的转折而功亏一篑。

如何跳出这个宿命般的循环？近期，笔者有幸与一位被誉为“量化之父863哥”的交易大师进行了一场深度

因子逻辑

量价背离是指股价与成交量的变化出现了“分歧”。当股价或指数在上升时，成交量减少，通常表示市场可能在隐约传递不好的信号。可以用“成交量加权价格”（VWAP）与成交量（VOLUME）的负相关性表示这种股市“冷场”现象。

![](/wiki/api/attachments.redire

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

恭喜各位同学进入最终的决赛阶段！本次决赛将采用线上答辩的方式，要求参数者撰写因子研究报告并提供源码，以压缩包的形式提供。如下图所示，须包含以下两个文件：

• 源码.ipynb：**必须是私榜阶段提交的代码！**不得上传其他代码，平台会逐一核实。
• 因子报告：您撰写

策略按照如下模板

from bigquant import bigtrader, dai

def initialize(context: bigtrader.IContext):
    context.set_commission(bigtrader.PerOrder(bu

from bigmodule import M
from datetime import date, timedelta

# <aistudiograph>

# @param(id="m5", name="initialize")
# 交易引擎：初始化函数，只执行

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

为什么你越努力，亏得越多？\n

你是否也陷入了这样的困境：每天花费大量时间紧盯盘面，研究各种市场热点和龙头战法，结果却是今天赚一笔，明天亏两笔，在这种恶性循环当中虚度光阴。最后时间过去了，本金变小了，人也焦虑了。

大多数股民都将亏损归咎于自己技术不好、不够努力。但一个残酷的现实是

传统的量化投资主要依赖于金融时间序列分析、统计学和经济学原理来构建模型。然而，金融市场是复杂、非线性、高噪声的动态系统，传统的线性模型在处理海量、高维和非结构化数据时常常力不从心。

机器学习和深度学习技术的崛起，为量化投资带来了革命性的工具。它们能够从海量数据中自动挖掘复杂的非线性模式，极大地

在当今信息爆炸的时代，金融市场充满了海量、高维、非结构化的数据。传统投资方法在处理这些复杂数据时常常力不从心。

而人工智能，特别是机器学习 和强化学习，正以其强大的数据挖掘和决策优化能力，为投资领域带来革命性的变化。

其核心思想可以概括为：**利用“机器学习”从浩瀚股海中精准筛选

本次直播为你揭秘风险管理：道与术｜从“被动防守”到“主动驾驭”

——破局之道：量化风控的认知升级

🌟 直播亮点：\n1️⃣ 揭秘量化风控的「道」——核心逻辑与长期思维\n2️⃣ 拆解实战「术」——持仓管理、波动控制、模型纠错\n3️⃣ 案例复盘：那些年我们踩过的坑与救赎策略\n4️⃣ 互动答疑

一个“千古难题”与投资世界

搞清楚女朋友到底生没生气，这堪称一个“千古难题”。但有人试图用数学方法来解决：把你女朋友的言行举止量化，然后打分。比如，和你有说有笑，记0分；只回一个“嗯”，记3分；直接不理你，记6分。所有分数相加，得分越高，你的麻烦就越大。

这个将模糊情感转化为冷冰冰数字的逻

策略绩效

\

策略思想

策略的核心是捕获 “方差溢价”，即市场中虚值看跌期权的隐含波动率（IV）会系统性高于未来实际实现的波动率

在量化策略当中，策略逻辑当然是排在第一位的。但是，在一个策略已经表现较好时，对参数进行调整，往往能收获更多的超额收益。本文以模板策略中的可视化AI策略为例，进行参数寻优过程，看能为绩效结果提高带来什么效果。

一、策略核心逻辑回顾

模板中的可视化AI策略的核心逻辑如下：

1. 因

\

本文将介绍

1.如何封装量化策略框架

2.提供多个预先封装好的量化策略框架

\

什么是策略框架？

说到量化，自然少不了策略。可能会有很多人认为A股中有很多不同的量化策略，实际上恰恰相反。就A股而言，可用的量化策略非常少。目前A股主流的量化策略只有2种，分别为筛选策略和多因

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 [旗舰版](https://bigquant.com/s

不少普通投资者可能都有过这种体验：自己炒股时要么跟着热点追高踩雷，要么盯着行情反复横跳，忙活半天收益却不尽如人意 —— 所以常听到一种观念 “散户别炒股，炒股不如买基金”。这话其实也有一定道理：基金作为近年来最受欢迎的低风险资产，有专业的投研团队跑调研、算数据，能挖到不少普通散户接触不到的优质标的，

风暴眼中的“量化”

近期市场风云突变，以高频交易和复杂算法著称的量化基金，似乎一夜之间成了风暴的中心。一个现象引发了广泛关注：“几个量化机构连夜提桶跑路”。这不仅是造成市场波动的核心原因之一，也让许多人感到困惑。很多人可能不明白什么是量化，但更关键的问题是，它们的盈利模式究竟建立在何种基础之

小市值策略，回测时，卖出的股数大于买入的股数。请问如何解决。如图：西大门，一共买了800股，6.13买了700股，7.13买了100股，7.20卖出的时候却变成809股了。

![](/wiki/api/attachments.redirect?id=c702ce56-0bb7-4275-bdb0

注：当前仅支持万和证券BigTrader量化交易终端，为保证实盘和模拟交易曲线一致，实盘是集合竞价下单，因此本代码也是集合竞价下单。

文末提供的脚本只支持单一策略的自动化实盘，如果要运行多个实盘策略，请将脚本复制几份，下单时间略微错开。

功能描述

本功能实现了从云端（bigqua

你是否也执着于每一次交易的输赢？

你是否将每一次交易都视为一场必须胜利的战斗？是否因为害怕亏损而迟迟不敢踏入那些气势如虹的“龙头”行情，又或因错失良机而懊恼不已？如果这些问题让你感同身受，那么你的交易思维可能正处在一个瓶颈期。

许多人认为，交易的核心是盈利。然而，一个与直觉相悖的

１超短线策略

涨停板策略

特殊形态组合策略

２短线策略：

ETF轮动策略

小市值策略

高频因子低频化

３中线策略

破净股策略

\