BigQuant SDK 使用文档

由small_q创建，最终由small_q更新于2025-12-15 09:17 被浏览 7 用户

介绍

BigQuant SDK 提供 Python API 接口，帮助开发量化投资策略和使用 BigQuant：

📊 数据查询：海量金融数据的 SQL 查询接口
📈 模拟交易：策略回测与模拟交易管理
💰 账户管理：交易账户的持仓、订单、资金查询
🔬 回测引擎：高性能本地策略回测
☁️ 云端计算：BigQuant AIStudio 云计算环境
🚀 分布式计算：基于BigQuant FAI 的大规模并行计算

安装

pip install bigquant

支持系统

操作系统：Windows / Linux / macOS
Python 3.11（目前仅支持 3.11，将支持更多 Python 版本）

数据

# 读

# 写

# 查

策略

第一个策略：实现代码

本地回测：python xx.py

云端回测：bq aistudio run -- python xx.py

部署运行

部署模拟交易：bq papertrading deploy xx.py，参数等等（代码编译？bq aistudio run -- xxxx xxx.py, …） or 在界面操作
获取绩效数据和信号等：用代码获取

大规模算力

创建集群
- 命令行
- 代码
运行代码
删除集群
- 手动命令行
- 代码

更多资料

BigQuant SDK 用户使用教程
BigQuant SDK 详细文档

如何查询数据？

示例：

from bigquant import dai


data = dai.query("SELECT date, instrument, close, volume FROM cn_stock_bar1d WHERE instrument = '000001.SZ' AND date >= '2024-01-01' LIMIT 5")

print(data)

示例结果：

           date instrument   close      volume

  0  2024-01-02  000001.SZ  10.15   512345678

  1  2024-01-03  000001.SZ  10.28   623456789

  2  2024-01-04  000001.SZ  10.12   434567890

  3  2024-01-05  000001.SZ  10.35   745678901

  4  2024-01-08  000001.SZ  10.42   856789012

直达教程：#

如何获取我的策略？

from bigquant import papertrading


strategies = papertrading.list()

print(strategies)

直达教程：#

如何查看策略绩效？

from bigquant.papertrading import get


strategy = get("your-strategy-id")
perfs = strategy.get_performances()
print(perfs)

直达教程：#

如何进行本地回测？

def initialize(context):
   context.symbol = "000001.SZ"

def handle_data(context, data):
  price = data.current(context.symbol, "close")
  context.order_target_percent(context.symbol, 1.0)
 
result = client.bigtrader.backtest.run(
         start_date="2024-01-01",
         end_date="2024-12-31",
         strategy={
                 "initialize": initialize,
                 "handle_data": handle_data
         },
         capital_base=1000000,
         market="cn_stock",
         frequency="1d"
)
print(result['algorithm_period_return'].iloc[-1])

示例结果:

0.1823

直达教程：#

如何使用云端计算？

from bigquant.aistudio import start


studio = start()  # 自动启动云端环境
# 等待启动...（约 10-30 秒）
result = studio.run("""
    import pandas as pd


    print(f'Pandas version: {pd.__version__}')
    df = pd.DataFrame({'A': \[1, 2, 3\]})
    print(df)
""", is_code=True)

print(result)

studio.close()  # 释放资源

示例结果：

  Pandas version: 2.2.0

     A

  0  1

  1  2

  2  3

直达教程：#

两种调用方式

BigQuant SDK 提供两种等价的调用方式：

方式 1：通过客户端对象（推荐）

import bigquant

client = bigquant.from_config(r“自定义配置路径“)

result = client.dai.query("SELECT * FROM cn_stock_bar1d LIMIT 10")

strategies = client.papertrading.list()

适用场景：多账户、需要显式管理客户端

方式 2：直接使用模块函数（首次认证默认账户）

from bigquant.dai import query

from bigquant.papertrading import list

result = query("SELECT * FROM cn_stock_bar1d LIMIT 10")

strategies = list()

适用场景：单账户、快速开发

1.4 接下来

📚 用户指南

深入了解各个模块的详细用法：

Dai 数据查询
Papertrading 模拟交易
Bigtrader 回测引擎
AIStudio 云端计算
Fai 分布式计算

🔍 API 参考

查看所有可用的类、方法和参数：

API 完整文档

💬 社区

https://bigquant.com/community - 提问、分享经验
示例代码库 - 查看更多实战案例

文档

BigQuant-SDK API 文档

BigQuant SDK 使用文档

介绍

安装

登录

数据

策略

部署运行

大规模算力

更多资料

1.4 接下来

标签

文档