市场趋势
金融市场趋势通常是各种经济力量综合作用的结果，其变动不仅反映了当前的宏观经济环境，而且预示着未来可能的经济动向。市场趋势的形成往往受到众多因素的影响，包括全球经济政策、地缘政治风险、技术进步、投资者情绪以及基本面数据等。对这些因素的综合分析和准确判断，是投资者把握市场脉络、制定投资策略的基础。 在金融市场的日常波动中，趋势的识别尤为重要。上升趋势通常伴随着增加的投资信心，资本流入增加，以及对风险和回报的更加乐观的预期；而下降趋势则常常反映了资本外流，投资者的保守和担忧心理，以及可能的经济衰退或不确定性增加。 对于投资者来说，准确识别并跟随市场趋势至关重要。这通常需要对市场有深入的了解，掌握分析技巧，以及保持冷静的投资心态。同时，灵活适应不断变化的市场环境，及时调整投资组合，也是成功投资者的关键能力之一。在复杂多变的金融市场中，把握趋势往往意味着把握住了盈利的机会。
29th Meetup
\
更新时间：2026-08-15 01:34
行业轮动策略
更新时间：2026-03-28 14:59
19th Meetup
\
更新时间：2025-12-30 06:37
45th Meetup
\
更新时间：2025-12-30 06:37
46th Meetup
\
更新时间：2025-12-30 06:37
基于大数据的产业周期逻辑
更新时间：2025-12-30 06:37
风控和择时：情绪周期如何用于追涨策略
本文内容已经过期，不再适合平台最新版本，请查看以下最新内容，作为参考资料学习。
\
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
问题
风控和择时：情绪周期如何用于追涨策略
视频
[https://www.bilibili.com/video/BV1ui4y1m7Nx?spm%5Fid%5Ffrom=333.999.0.0](https://www.bilibili
更新时间：2025-12-30 06:37
行业轮动策略
更新时间：2025-12-30 06:37
59th Meetup
本期提问者：bq22fw19、bq61ym2n、1855680***、bqhz06vb
因子挖掘
如何利用市场信息？
利用市场信息进行量化投资主要涉及以下步骤：
- 数据收集：首先，需要收集和整理市场数据，包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
- 数据预处理：对收集到的数据进行清洗和预处理，处理缺失值、异常值、重复值等，保证数据的准确性和完整性。
- 特征工程：根据投资策略和模型需求，进行特征工程，提取有价值的特征和信号。
- 模型构建：选择合适的模型（如回归模型、机器学习模型、深度学习模型
更新时间：2025-12-30 06:37
50th Meetup
\
更新时间：2025-12-30 06:37
上涨和下跌预测的stockranker模型组合（买入）
【旧版说明】此文档为旧版，相关新版文档可参考：🌟102-第一个AI策略
https://bigquant.com/experimentshare/1c44e0bf56db424d8f2a5e617759a300
\
更新时间：2025-12-30 06:37
39th Meetup
\
更新时间：2025-12-30 06:37
一阳穿多线策略的因子描述-滚动训练
【此文档为旧版】 相关新版文档参考：
https://bigquant.com/wiki/doc/ai-rq8QOC2fDb
策略案例
https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883
\
更新时间：2025-12-30 06:37
日线策略信号进行日内择时
【旧版使用说明】此文档为旧版本，相关文档可参考：
https://bigquant.com/wiki/doc/126-KkS3pYVIAH
20210624 Meetup 策略案例
https://bigquant.com/experimentshare/f235e9ce26dc42b9ae9fb57ca6574bf1
\
更新时间：2025-12-30 06:37
基于财务数据构建策略
分享主题
基于财务数据构建策略
\
视频回放
\
直播资料
[https://bigquant.com/experim
更新时间：2025-12-30 06:37
海龟策略自定义运行
\
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数
更新时间：2025-12-30 06:37
交易逻辑案例_ST和退市股处理
更新时间：2025-12-30 06:37
构建一个明日涨跌停状态因子
更新时间：2025-12-30 06:37
策略分享——主力追踪策略
1.市场观察和机会发现
主力资金流向策略以捕捉市场资金动态和短期趋势为核心，在量化交易中展现出独特的实战价值。从逻辑层面来看，主力资金作为市场中的 “聪明钱”，其流向往往反映了机构投资者对股票的价值判断与预期。当主力资金持续流入某只股票时，通常意味着企业基本面得到认可、潜在利好预期或存在价值低估空间，股价也更易获得向上的推动力；同时，资金的集中流入会形成市场关注焦点，吸引跟风盘入场，进一步强化股价的上涨趋势。从市场表现观察，在市场上涨阶段，主力资金流入明显的股票通常是领涨先锋，能够快速积累收益；在震荡行情中，这些股票也因资金的支撑而具备更强的抗跌性；即便在市场下跌阶段，若某股票仍有主力资
更新时间：2025-07-11 02:55
行业轮动策略
更新时间：2025-04-20 03:29
【平台使用】如何选择配置规格
更新时间：2025-02-16 03:03
【代码报错】报错——底部反转策略
更新时间：2025-02-15 13:53
成交量震荡因子
更新时间：2024-12-10 06:38
布林带指标公式及使用技巧（含Python代码）
布林带指标（Bollinger Bands，缩写BOLL）是一种流行的技术分析工具，由约翰·布林格（John Bollinger）在1980年代发明。
布林带主要用于评估股票或其他金融资产的价格波动性和市场趋势。一般由三条线组成：一个中间带（移动平均线）和两个外带（标准差带）。
BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），可以验证布林带BOLL指标因子组成的AI量化策
更新时间：2024-06-07 10:48
AI选股是什么意思及适用场景和人群
AI选股概念
AI选股是指使用人工智能技术，特别是机器学习和深度学习，来分析大量金融数据，识别市场趋势，预测股价变动，并据此提出买卖建议的过程。它通过算法自动处理和解析历史数据、新闻报道、财务报表等，以揭示股市的潜在规律。
核心技术
- 数据分析和处理：AI系统能够处理和分析大量的数据，包括市场数据、公司财报、新闻报道、社交媒体信息等。这些数据远远超出人类分析的能力范
更新时间：2024-06-07 10:48