• 买入条件：选择过去120个交易日涨幅位于前30%的股票作为动量股。同时，选择过去30个交易日内表现最差的前10%股票作为反转股。股票必须在过去5个交易日内有超大单净流入。按照流通市值降序排列
• 卖出条件：持有期超过30个交易日或涨幅达到20%。
• 股票过滤：过滤ST，过滤北交所
• 最大持仓数：15

回测图：

\

策略源码：

请克隆下方策略，前往最新版开发环境3.0中运行

{{membership}

• 运行环境：AIStudio 3.0.0
• 线性回归：构建因子+单因子策略回测
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/cd8638d7-21c0-4df4-8a29-e9f1cc227df0](https://bigquant.com/codeshare/cd8638

• 声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 声明：本策略需要在AIStudio 3.0环境下运行
• 股票提取：筛选出全市场股息率最高的前 25%的股票，并且只选择股价低于 10 元的票
• 股票过滤：过滤科创板、过滤北交所、过滤 ST、过滤停牌、过滤涨停、过滤跌停，上市天数大于270天
• 股票排序：按照流通市值，从小到大排序，选择流通市值最小的前 10 只票
• 买卖时间：开盘买入，收盘卖出
• 初始资金：100万
• 持仓票数：10
• 持仓周期：15天轮动调仓一次，依然排名前 10 的继续持有，掉出前 10 的卖出

回测图：

![](/wiki/

接续：

![](/wiki/api/attachments.red

MeetUP直播答疑 时间：3月28日（周四）19:00 直播地址：B站（https://live.bilibili.com/21929948）

以下问题解答，对应源码请访问子目录， 本次MeetUP 直播答疑大纲如下：

\

一、因子分析中的行业因素

1. 如何构造板块因子或行业因子？
2. 行业间涨跌的相关性，对于行业的划分颗粒度和行业

模拟交易功能是BigQuant特有的量化服务，可以根据用户的策略每日为用户通过手机，email等途径推送信号。

在进行模拟交易信号接收之前需要确保以下几点。

1.账户更新余额充足（如更新数据需要大于1C的资源）

2.已经有一个成功回测的策略。

具体模拟交易提交步骤如下

1.完成回测，绑定实盘日期

2.提交模拟交易定时任务

3.查看模拟交易

4.接收信号

5.分享策略至天梯

\

1.完成回测

绑定实盘日期

首先需要保证回测时在数据抽取时需要保证开始和结束日期绑定实盘交易

![](/wiki/api/attachments.redirect?i

BigQuant量化交易开发平台是专为量化投资和交易设计的综合软件平台。提供一系列量化开发工具和服务，使交易者和投资者能够开发、测试、优化和执行复杂的量化交易策略。（文末附开发资源汇总）

基本概念

量化开发平台通常包括数据分析、策略开发、回测、风险管理和自动化交易功能。它们为量化交易者提供了一个集成环境，用于构建和实施基于数学和统计模型的交易策略。

核心功能

https://bigquant.com/codeshare/ce89ec06-3457-4f59-bfed-70d7bb95e4c7

导入策略试运行日志

[2024-01-02 22:45:32.247550] INFO moduleinvoker: input_features.v1 开始运行.. [2024-01-02 22:45:32.271768] INFO moduleinvoker: input_features.v1

在大宽看了不少策略，有一个关于具体使用当天还是前一天数据的问题

比如B站视频中的稳健深小策略

#==================== 数据准备

today = data.current_dt.strftime('%Y-%m-%d')

time = data.current_dt

# 根据权重计算排序得分

today_data['总市值_score'] = today_data['总市值'].rank(ascending=True)

today_data['流通市值_score'] = today_data['流通市值'].rank(ascending

导语

当我们策略回测完成时，系统会输出包含各种指标的收益曲线图，但可能因我们对这些指标的释义和内容不太熟悉，导致无法准群判断策略好坏，本文从回测各指标概念入手，希望可以帮助大家更好地理解策略回测结果。

当我们完成一个策略回测时，会得到如下图形，包含 收益概况 、 交易详情 、 每日持仓和收益 、 输出日志 。接下来，我们详细介绍这几个部分。

收益概况及指标含义

收益概况以曲线图的方式显示了

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？

输出：：：

\

发现Trade (回测/模拟)模块支持的基准收益代码还是比较少的，主要是几个比较大的指数。

但是在做策略回测的时候其实有时候是想比较择时的有效性，真正想对比的可能是股票本身的走势，不知道是否可以自定义某只股票或者行业指数作为基准收益？

https://bigquant.com/codeshare/e498cbde-bca0-4c63-a7b8-f2e411abf7ed

大佬们好，我刚刚了解这个平台，用得不太熟练，请问大家知道这个ETF RSI的策略为什么最后回测的时候报错吗？

https://bigquant.com/codeshare/3b5c66d6-ed5b-46a0-8dc6-3a48cc76a482

\

导语

大家在使用平台过程中常常会遇到一些问题，有些问题出现频率很高，这里，小编为大家进行了整理， 包含“数据”、“策略开发”、“模拟实盘”、“订阅”等多类问题 ，大家在遇到问题后可以先尝试在本贴中寻找答案，希望可以帮助大家第一时间解决心中的疑惑。

数据问题

BigQuant平台提供哪些数据?

答： 平台支持包括 沪深A股、期货、场内基金、期权数据、宏观经济数据、部分港股、美股 等丰富的数据，详细内容均在 “数据” 板块中列出，大家可以直接前往文档板块查

说在前面

在量化交易中，第一步也是最基础的一步就是获得数据，因为只有获得数据之后我们才能对我们的策略进行回测，进而判断该策略是否有盈利空间。

获得了数据之后，我们通常使用R、python等语言对数据进行处理。这其中往往会涉及格式整理、数据读取等步骤。于是我们想，如果可以直接通过R或python获取数据，就省去了很多麻烦，而R中的quantmod和python中的tushare正好可以实现这一目的，我将分两篇文章分别介绍一下这两个常用的工具吧。

这篇文章我们将如何使用R获取金融数据，我们经常使用的是大名鼎鼎的quantmod包。该包功能强大且简单便捷。下面我们通过一个例子进行

禁止转载、违者必究 问题重述

使用2011年1月1日至2013年12月31日的商品期货历史数据，构造 资金流模型，分析资金流向规律，以此设计一个商品期货量化交易策略，并使用对2014年1月1日至2015年12月31日的数据进行策略回测。

符号说明定义

![](data:image/svg+xml;utf8,<svg xmlns='<http:

问题

如下图，请教一下各位大佬，因子分析里面的收益价格，在因子分析的时候是取当天的还是第二天的？

看了alphalens的介绍，这里应该要取第二天的数据，不知道平台的因子分析里面有做了处理没有

策略

\

https://bigquant.com/experimentshare/5277de40609d4fffa7bbe6df2e5b1231

\

问题

为什么写出来的策略会在第一天全部买入呢？

代码

# 本代码由可视化策略环境自动生成 2022年8月13日 13:20
# 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。


# 回测引擎：初始化函数，只执行一次
def m6_initialize_bigquant_run(context):


    # 系统已经设置了默认的交易手续费和滑点，要修改手续费可使用如下函数
    context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.00

问题

策略代码是只读的，自己的代码 怎么插进去

年后，北京一个忠实用户问了几个问题，我整理了下，也方便持续交流。

他给我留言的问题如下：

1. 我们的策略回测时，用的模型有没有把验证集的数据学习了？
2. 滚动回测的效果远远不如常规的 可能原因时什么？
3. 短期交易，大户资金流比较重要，有什么帖子或者研报发我提供点思路？
4. 预测明天股票，一定要放在回测里，收通知吗？ 验证集最后一天也成最近一天交易日，可以预测吗？

这是他的原话，一个字没有修改，因为我怕理解有偏差。

回测是否学习验证集数据？

在机器学习算法中，我们把可以获得到的数据分为训练集，验证集和测试集，之所以这样划分，是因

问题

在量化投资中，经常犯的错误有未来函数、过度拟合、偷价漏价、幸存者偏差等，我想知道BigQuant平台是如何处理幸存者偏差这个问题的？