简介

BigTrader 是 BigQuant 推出的专业级量化交易引擎，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。

核心特性

• 全市场覆盖
  • 多品种支持：覆盖股票、基金、期货、可转债、指数、期权、债券、两融等主流投资品种
  • 全面的数据支持：支持从日线到逐笔成交的各类数据
• 多场景适配
  • 回测环境：用于策略开发和历史表现分析
  • 仿真模拟：在实盘环境下进行模拟交易
  • 实盘交易：直接接入真实市场进行交易
  • 绩效分析：全方

配对交易策略

2.1 平稳与协整的概念

2.1.1 平稳的概念

一个平稳的时间序列变量Y的均值与方差不会随时间变化，它的图像变现为均值复归的形态

如果Y是平稳的均值复归的，那么我们可以合理地期待

• 当Y过高的时候，它就会下降
• 当Y过低的时候，它就会上升

2.1.2 协整的概念

如果两个时间序列变量之差是平稳的，就称这两个时间序列变量是协整的

• 如果时间序列Y与X的差Z=Y−X是平稳的

交易引擎简介

1.1 交易引擎的作用

交易引擎回测模块的功能是实现用户的交易逻辑

• 当用户将策略编写好之后，我们需要在一段时间当中，用策略逻辑，模拟一下在金融市场中的买卖，通过收益情况判断策略的好坏
• 如果想测试策略在某段历史时期上的表现，只需在本地运行回测模块即可
• 如果想测试策略从今天开始一直到未来的表现，需要将含有回测模块的策略提交到模拟交易
• 在交易引擎中，用户可以自定义一些买卖逻辑，也叫交易逻辑，它和策略逻辑还是有一定区别的

策略逻辑与交易逻辑的对比：

1.引言

在学术研究中，Alpha是数学表达式、计算机源代码和配置参数的组合，可以与历史数据一起用于预测各种金融工具的未来走势。而在实践中，Alpha通常意味着进行交易的合理“预期回报”。两者并不一定相同。许多情况下，能够带来合理“预期回报”的Alpha并不容易构建，因此，对于Alpha的挖掘和公式化的研究始终是业界的一个重要课题。在这样的背景下，世坤（WorldQuant）于2015年发布了报告101 Formulaic Alphas。在这篇报告中，世坤提供了101个真实生活中的量化交易Alpha的明确公式（这些也可以看作是计算机代码）。虽然其中的一些模型较为复杂，但世坤

API接口

策略请求接口

context.order(symbol, volume, limit_price=0, order_type=OrderType.MARKET, offset=Offset.NONE)

• 适用市场：股票、期货
• 下单，必须指定标的、下单数量
• param：

• symbol: str 下单标的 000001.SZ/600000.SH/510050.SH/rb2110.SHF
• volume: int 下单数量 大于0为买，小于0为卖
• limit_price: floa

交易是每天的排名第一，日频，怎么看回测和模拟交易的预测结果是是否一样

为啥会卡在1月4号就不动了，同时提交新的策略，也是一样的。

之前旧版是有一个按钮，现在新版没有啦。

使用raw_perf.read_df() 有是出来一堆东西。有没有简便一点的方法呀~~

Bigquant平台提供了较丰富的基础数据以及量化能力的封装，大大简化的量化研究的门槛，但对于较多新手来说，看平台文档学会量化策略研究依旧会耗时耗力，我这边针对新手从了解量化→量化策略研究→量化在实操中的应用角度，整理了一些视频+配套源码，有兴趣的朋友，可详见链接观看，https://note.youdao.com/s/RlfuJuCB

资料内容主要包括：AI策略编写、非AI策略编写、大盘数据分析等

如：下面这个策略就是非AI策略编写，接合大盘、板块、个股当前的市场特性，自定义选股逻辑。

![{w:100}{w:100}{w:100}](/wiki/api/attachments

这段时间开始使用bigquant数据做策略，但是一直和之前的网络上扒取的数据做的策略对不上，一直不知道哪里出了问题。花了一个多星期的时间，今天终于查到原因了。当采用

close / adjust_factor AS 收盘价,进行复权，在股票除权前后数据的收盘价就和招商证券，东方财富对不上了。举例0000001 平安银行。而招商证券，东方财富软件上的价格是一致的，其它交易软件我还没查。复权价格不对，计算的5，10，20均线等都是错的，策略跑出来的结果也是不同了！怎么会这样？\n我是一个正在学习量化的IT背景人员，比较几家平台后，觉得你们家的AI方面优势明显，所以正

比如991344游戏行业，指数里面没看到有这个

各位同学，请问如何衡量因子表现的可信度，与其实验次数的关系。

例如我用A因子回测，交易了100次，盈亏比是2:1，在同样的股票池范围内，我用B因子回测，交易了1000次，盈亏比是1.5：1，那么应当认为A还是B因子表现更好？

从直觉上来看，肯定是实验次数越多，表现越趋近于概率，但是回测交易次数与因子表现的各个指标的关系，有没有相关统计方法，能够量化地综合性地度量。

而且今天不给交易信号了

高手你好, 不好意思之前没表达清楚, 我想给代码的调仓函数移到调仓管理或其他函数中, 好让自定义运行扫描不同的调仓周期.

所以我之前问假设加上每5天调仓, 模块该在图中哪里加上, 线该怎么连?

https://bigquant.com/codeshare/a5bf9487-3e53-40ed-87b2-b1f614f10c08

\

高手你好, 我想给代码加上每5天调仓, 模块该在图中哪里加上, 线该怎么连?

https://bigquant.com/codeshare/157a00b1-6b68-4016-9a82-69b8a50aaaf0

\

我想将选取前十名股票的选股策略的基础上，融合亏损5%则卖出； 获利10%则止盈，换股的策略。

同一个问题，因为刚上手，原来可以1分钟解决的搞了1天，其实一开始文心一言就已经帮我改正了错误，只是我认为不是这个问题。

第一步

第二部

在修改交易代码时，遇到将原来的context.df = context.options['data'].read_df()与`positions_cost = {e.symbol: p.cost_bas

新手课程里面的源码，运行回测是好的，但是提交模拟之后就会报错。错误和源码附上，求助大神帮我解答一下，谢谢

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-1-b2f5bb4c55e4> in <module>
    191 
    192 # @module(position="

# 本代码由可视化策略环境自动生成 2023年11月20日 17:49
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。
 
# 显式导入 BigQuant 相关 SDK 模块
from bigdatasource.api import DataSource
from bigdata.api.datareader import D
from biglearning.api import M
from biglearning.api import tools as T
from biglearning.modul

选出的股不能交易，是写错了吗，这个是策略地址，

https://bigquant.com/experimentshare/d1a0a1335e934cb3afbb4770a53640e0

\

2015-06-12 15:00:00+00:00 [{'amount': -96900, 'dt': 2015-06-12 15:00:00+00:00, 'price': 32.619998931884766, 'order_id': 'a619b2d405a64bd7a2693505c9da7fa1', 'commission': 4109.141265449523, 'position_effect': None, 'offset_display': '', 'tran

https://bigquant.com/experimentshare/b8dcb35f303e4f16a7e6f5e24d3a704b

我的策略想要调仓周期为5天，想要先卖出转债，再买入转债，让账户始终处于一个满仓状态，可是现在出现卖出后，买入转债仅仅买入10手的情况，想问问在调仓时的代码是哪里写错了吗？