BigQuant SDK 使用文档
由small_q创建，最终由bq1fuwkt 被浏览 289 用户
BigQuant SDK 是一款为专业量化研究员打造的本地开发工具。它让您在保留本地 IDE 开发自由度的同时，无缝调用 BigQuant 云端的海量数据与分布式算力。
快速安装
BigQuant SDK 支持 Windows、Linux 和 macOS。我们建议在 Python 3.11 环境下使用 Visual Studio Code 开展您的量化研究。
# 安装全功能版（包含数据查询、本地回测与分布式算力模块）
pip install bigquant[all] -i https://pypi.bigquant.com/simple/
登录
在使用 SDK 调取云端资源前，需配置您的身份凭证。
- 登录 BigQuant 平台获取 API Key：BigQuant > 我的 > API Keys > 创建
- 在终端执行命令：
apikey替换为您复制的访问凭证
bq --save-auth --aksk apikey
Hello BigQuant
创建一个 start.py 文件。这段代码展示了如何在本地用 SQL 提取云端特征，并启动本地回测引擎进行策略回测。
from bigquant import dai
from bigquant import bigtrader
# 1. 提取数据
df = dai.query("SELECT date, instrument, close FROM cn_stock_bar1d WHERE date >= '2024-01-01' LIMIT 10").df()
print("✓ 数据获取成功：\n", df.head())
# 2. 极简回测
def initialize(context):
context.set_commission(bigtrader.PerOrder(buy_cost=0.00005))
context.asset = "000001.SZ"
def handle_data(context, data):
if context.get_account_position(context.asset).amount == 0:
context.order_target_percent(context.asset, 1.0)
performance = bigtrader.run(start_date="2024-01-01", end_date="2024-01-31", initialize=initialize, handle_data=handle_data)
print("✓ 回测完成，夏普比率:", performance.get_stats()["sharpe_ratio"])
通过上述步骤，您已经掌握了 SDK 的核心逻辑：
- dai：本地不存数据。通过 SQL，云端海量数据即取即用。
- bigtrader：策略逻辑 100% 留在本地。利用本地回测引擎和硬件设施，保护隐私且响应极快。
- 一致性：此处的代码与您在 BigQuant AIStudio 网页端运行的代码几乎完全一致。
更多资料
\