OPEN/DELAY(CLOSE,1)-1   这个函数中DELAY 是什么意思

\

如下午14点50，判断是否涨停，没涨停就卖出 这种

如图：

比如991344游戏行业，指数里面没看到有这个

一个小小的需求：可以提供十年期国债收益率和社融数据吗？

\

# 回测引擎：每日数据处理函数，每天执行一次
def m19_handle_data_bigquant_run(context, data):
    #...
    # 2. 生成卖出订单
    print(f'{today} before cash:{context.portfolio.cash}')
    if cash_for_sell > 0:
        for instrument in sell_instruments:
            res = context.order_target(context.symbol

如题，想引入分红率作为因子，但不知道该从哪里下手

上图为买入twap1 卖出为twap8时候的持仓比率

下图为买入open 卖出close时候的持仓比率 请问这是哪里的问题？

![{w:100}](/wiki/api/attachments.redirect?id=9b51f825-7d67-4158-a063

摘要

2/3光速对你我来说可能只是一瞬，但对于高频交易公司来说，可能就是事业的全部。在瞬息万变的市场上，棋先一招常常就在微秒之间。

眨眼 0.4 秒，常被形容快，但有家公司花了 1400 万美元，就为了让自己再快 0.07 毫秒（ 0.00007 秒），5700 分之一眨眼的时间。

Jump Trading 公司在全球最大期货交易所芝加哥商品交易所数据中心对面，买了一块 12 万平方米的空地。

买了之后，他们没盖楼炒房，也不是为了风水，就是架微波通信基站，用于第一时间把交易请求传到芝加哥商品交易所。

![{w:100}{w:100}](https://n.sinaimg.cn

因子原理

今天我们来聊聊 KDJ 指标，这个在股市中常被提及的技术分析工具，它可以帮助你更好地理解市场趋势。

KDJ 是由 K 线、D 线和 J 线组成的指标，主要用于判断市场的超买超卖情况。简单来说，KDJ指标可以评估股票是被高估还是被低估，从而做出更明智的投资选择。

我们先来看看KDJ指标是如何计算出来的：

首先，计算第N日的RSV值

其中C是N日收盘价，L是N日最低价，H是N日最高价。

再次，计算K值、D值、

实时股票指数报价数据、指数报价 API 以及股票报价 API 在股票交易中具有不可或缺的作用。这些数据和接口为投资者提供了关键信息，帮助他们精准地判断市场趋势，通过对指数报价数据的实时监测，了解市场的整体走向与节奏，从而更准确地把握股票的买卖时机。同时，借助指数报价 API 和股票报价 API，投资者能够迅速获取大量且精准的数据，助力投资决策的制定，无论是选择具有潜力的投资标的，还是确定最佳的入场离场时机，都变得更加高效和科学。在投资组合管理方面，利用这些数据和接口，投资者可以方便地评估投资组合的表现，并依据指数的变化及时调整资产配置，优化投资组合的结构。此外，它们对于风险控制也至关重要，投资

https://bigquant.com/codesharev3/8a49bcb4-c899-4fce-b68d-a273f46d03d0

因子逻辑

成交量震荡，是用来识别市场趋势和反转点的重要工具。为什么说它重要？因为成交量的变化往往可以帮助我们预测股价的走势。当成交量突然增加时，通常意味着大资金正在入场，这时股价很可能随之上涨；反之，成交量的突然减少，可能表明市场兴趣减弱，股价有下跌风险。就像一场草地音乐节，前几场小众独立歌手的演出只有少数人驻足观赏，大家可能三三两两坐在草坪上，但是当人群纷纷涌向前排，人潮迅速聚集时，大家就知道是压轴歌手周杰伦将要登场了。这就好比市场中大资金突然入场，成交量激增，往往伴随着市场趋势的变动。

通过分析成交量震荡，我们可以更好地把握市场的脉搏，做出更明智的投资决策！

那成交量震荡要

量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。

量化交易模型的一般由以下几个部分组成：

1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht

1. 股票涨跌的原理
2. 哪些群体影响股票涨跌
3. 个人如何应对股票涨跌
4. 股票涨跌计算公式及高级指标

BigQuant是以AI人工智能为核心的量化投资交易平台，为量化投资宽客提供机器学习AI技术、股票期货金融数据、高速精准回测和量化交易接口以及海量高级量化因子，让Quant宽客和量化投资者无门槛地使用AI做更好的投资决策。

一、股票涨跌的原理

宏观层面，宏观经济因素对股票市场整体趋势有重要影响，一些主要因素包括：

1. 经济增长：股票市场通常与经济增长正相关。当一个国家的经济表现良好，GDP增长时，企

因子就是用来解释和预测资产收益的某些特征或指标。可以把因子想象成一种“魔法工具”，帮助我们理解为什么某些股票或资产表现得更好或更差。

你可能听说过“市盈率”这个因子，它反映了公司股票价格与其每股收益的关系。一般来说，市盈率低的股票可能被低估，而高市盈率的股票可能被高估。投资者可以根据这个因子来决定是否买入或卖出某只股票。

在“一天一因子”中，我们可以每天学习一个新的因子，了解它的原理、如何计算，以及它在投资决策中的应用。逐渐积累这些知识，可以更好地理解量化投资策略的逻辑，不断地往我们的投资工具箱中增加新工具。

\

一、Z值定义

企业信用评估是投资决策中的重要环节，帮助投资者识别和评估潜在的违约风险，这对于保护投资者的本金和收益至关重要。通过对企业的财务状况、经营状况、管理能力等多方面因素的综合分析，投资者可以更准确地判断企业的信用状况和偿债能力。信用评级提供了一个衡量企业信用风险的有效工具，有助于投资者做出更为明智的投资决策。信用评估可以从财务数据分析、公司背景分析、同行业竞争对比分析等多方面入手。下面主要从财务数据定量分析的角度对企业信用风险的评估进行介绍。

20世纪60年代，美国学者爱德华·阿特曼（Edward Altman）提出了用于财务分析的Z值模型，用于预测企业破产的可能性。该模型通过

AI量化领域结合了人工智能（AI）、机器学习（ML）以及量化金融的技术和方法。这一领域的目标是使用算法和计算模型来分析大量金融数据，从而做出投资决策或提高交易效率。

一些在AI量化领域重要技术和方法，以及在金融领域的应用：

1. 机器学习算法：机器学习算法是AI量化领域的核心。它们包括监督学习、非监督学习和强化学习。
   • 监督学习，如支持向量机（SVM）、神经网络、决策树等，用于预测或分类任务，如股价预测、信用评分。
   • 非监督学习，如聚类、主成分分析（PCA）等，用于发现数据中的模式和关系，如市场细分、异常检测。
   • 强化学习，如Q学习

无论你如何看待数据科学这门学科，都不能轻易忽视数据的重要性，以及我们分析、组织和理解数据的能力。Glassdoor 网站收集了大量的雇主和员工的反馈数据，发现在美国“25个最好的工作职位清单”中排名第一的是数据科学家。尽管排名摆在那里，但毫无疑问，数据科学家们研究的具体工作内容仍会不断增加。随着机器学习等技术变得越来越普遍，像深度学习这样的新兴领域获得了来自研究人员、工程师以及各大公司更多的关注，数据科学家会继续站在创新浪潮之巅并且推动技术的不断发展。

尽管拥有强大的编码能力非常重要，但数据科学也并非全部都是关于软件工程的（事实上，能够熟练掌握python已经足够很好的开展工作了）。数据科学

导语

1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的alpha收益的数量化关系，这为主动组合投资管理带来一套令人信服的分析框架，这个数量化关系很好揭示了数量化技术(量化投资)可以如何或者应该如何切入投资管理领域。

和被动组合管理(passive porfolio management)相比,主动组合管理(active porfolio management)更显投资水平的能力，或者说运气。被动投资力求完全复制相应的基准成分股及其权重，所以每当某指数做成分股的调整时，新入选的股票

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

https://bigquant.com/experimentshare/9d63b4ca46fc40bfac5fa7843d4f89cf

\

问题

知识库的策略分析里面有个“标记买卖点”的代码，能不能请老师把这个代码讲解一下，方面以后分析其它策略的时候使用。链接在这里：标记买卖点

\

视频

https://www.bilibili.com/video/BV1554y1f7Rf/

策略源码

[https://bigquant.com/experimentshare/1f66fd8421044f2a9884c9f1d3614ce1](ht

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

新版数据平

https://bigquant.com/experimentshare/8671700b78014d6cbe44261ba23820f9

\