BigModule

bigmodule模块是由Python语言编写的，主要是在可视化线性策略中使用的可视化部件，可以将繁杂的代码进行封装，而只把输入和输出暴露给使用者，这样用户就无需关心模块的内部实现，而只需提供相应的数据，便可以获得想要的结果。

由此一来，大大降低

背景

平台提供了港股和美股的行情数据，本文介绍如何基于港股和美股来实现stockranker多因子选股策略

策略实现

港股和美股需要用bigtrader的自定义数据回测功能来实现。

bigtrader使用我们传给它的行情数据来进行撮合回测，行情数据需要有date, instrum

基于平台的行业轮动和大盘风控策略模板做了个策略，在AI的协助下调试了两天还是无法解决问题，求老师诊断指导一下

[https://bigquant.com/codesharev3/35e92647-9c28-44b4-a524-95433266c028](https://bigquant.c

问题描述：策略在开发环境运行成功之后，提交了模拟报错。

提交任务详情：

[https://bigquant.com/codesharev3/1e31d136-99bd-4094-8884-74f94cf22516](https://bigquant.com/codesharev3/1e31d13

随便使用一个策略，以沪深300为基准，可以看到沪深300的基准收益是2.59%，但实际上沪深300指数的月度收益是3.2%

![](/wiki/api/attachments.redirect?id=80d47451-08e2-49d9-8ab7-af90918542e3 " =422x21

一、关于策略回测与提交模拟方面的问题

策略回测与提交模拟重叠的时间段内交易的股票标的不一样，如何处理？

1 . 第一种情况

我在可视化编程状态下的线性或机器学习模型策略，或者纯代码状态下的策略，完成正常回测与参数优化，然后，在两个调仓周期之间的任何时间里提交模拟（提交日任意）

策略概述

本策略是一个简单的趋势跟踪策略，主要思想是：

• 判断趋势：通过计算一段时间内的 Tick 价格的移动平均线（MA），来判断当前价格是高于还是低于平均水平。
• 跟随趋势：当价格高于移动平均线时，我们认为处于上涨趋势，就买入股票；当价格低于移动平均线时，我们

揭开量化交易的神秘面纱

在投资世界里，“量化交易”这个词几乎被一层神秘的光环笼罩——许多人想象着它是一个由代码驱动、永不犯错的印钞机器。我们常常将其神秘化，甚至神话，认为它是一种可以预知未来、彻底摆脱人类主观判断的终极武器。但量化交易的真实面目究竟是什么？它真的能取代人类的思考吗？

\

本篇主要讲述如何获取BigQuant平台模拟交易信号，并将信号通过本地原生Python API （xtquant）将每日交易信号提交到国金QMT终端，进行实盘交易。

(还没有国金账号？ 开户链接)

1.

国金证券简介

国金证券股份有限公司，1990年12月成立，335亿元市值，超5000人公司员工人数，8家分公司、75家证券营业部、分布全国24个省市，经营范围包括证券经纪、证券自营、承销与保荐、资产管理投资咨询、财务顾问业务等。(数据日期:2024年4季度)

国金证券开通账户

==

\

本文将介绍

1.如何封装量化策略框架

2.提供多个预先封装好的量化策略框架

\

什么是策略框架？

说到量化，自然少不了策略。可能会有很多人认为A股中有很多不同的量化策略，实际上恰恰相反。就A股而言，可用的量化策略非常少。目前A股主流的量化策略只有2种，分别为筛选策略和多因

【因子理论基础】

在股票市场中，成交量的边际变化隐含着非常重要的信息，特别是在技术分析领域，成交量被认为是股票市场的原动力。俗语“量在价先”深刻的反应了成交量的变化对于股票价格波动的预测具有指示性作用。

成交量的大小，可以衡量股票市场或者个股的活跃程度，并由此来观察买卖双方进入或退出市场的状况。

为什么选它？

在盘口微观结构里，分钟级成交量的“加速度”比绝对量能更能反映主力行为：

1. 早盘 30min 放量斜率 ↑ → 机构抢筹，次日超额收益概率 +3.2%（2018-2023 中证 1000 统计）。
2. 午后斜率 ↓ 同时委卖单堆积 → 诱多出货，未来 5 日超额 −1.8

1.主动买入定义及因子逻辑

主动买入金额：当分钟内收盘价 > 开盘价时，认为该分钟的成交由主动买入主导，此时主动买入金额等于该分钟的成交额；否则为 0。

相应的，被动买入金额即为 当分钟内收盘价 < 开盘价

当分钟内收盘价 > 开盘价时，认为买方更主动（愿意以更高价格买入），这类成交被归

导语

本文介绍了因子模型、对冲以及Beta的相关内容，并针对如何进行市场风险对冲给出了具体的案例。

因子模型

因子模型是通过其他若干项资产回报的线性组合来解释一项资产回报的一种方式，因子模型的一般形式是：

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

影响策略效果的因子有很多，每个人所选择的因子也各有不同，选取因子后，如何分析数据，找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分，本文介绍，如何简化数据分析的工作：数据标准化处理

举例说明：

当天收益因子：5000支票，可能会有1000+个不同的值，如：1

培训说明

为了帮助参赛者更顺利地参与竞赛、深入理解平台功能并提升因子构建能力，赛事主办方将定期举办培训答疑会。具体安排如下：

• 举办频率：每周二或每周四举行一场，具体时间将提前在官方社群及赛事平台公布。
• 会议目标：
  • 系统介绍平台操作流程、数据接口调用及

实时交易策略

1.选择感兴趣的股票实时交易模板（详见模板），点击【克隆】复制对应策略至策略编写页面；

1）运行代码：点击右上角的【全部运行】，看代码运行结果是否报错

2）提交模拟：点击右上的【提交模拟】，进行实时任务提交

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

在BigQuant上，您可以对接期货公司进行期货实时交易，当前实盘仅支持日内（实时）交易策略！大致流程如下：

1.在BigQuant上构建实时期货策略。

2.开通申万宏源期货账号。

3.在BigQuant上绑定期货账号。

4.添加实盘策略并设置条件后开始交易。

这里，默认您

是什么原因导致的报错呢？

源码如下：

from bigmodule import M

# <aistudiograph>

# @param(id="m5", name="initialize")
# 交易引擎：初始化函数，只执行一次
def m5_initialize_b

1.策略核心目的

1.1市场过度反应假说

过度反应是由投资决策者在不确定条件下系统性心理认知偏差造成的，投资者面对突然的或未预期到的事件时，倾向于过度重视眼前的信息并轻视以往的信息，从而引起股价的超涨或者超跌，等到投资者理解了事件的实际意义，股价的超涨超跌就会反转，最终恢复到理性的

可转债三低策略（CB-Three-Low）

1. 回测结果

2. 策略简介

以“低价格、低溢价率、低余额”为核心筛选可转债

1.https://bigquant.com/live/shared/strategy?id=68076

选择进入主升浪的股票进入股票池；

用多因子策略；

江湖上一直流传着“交割日魔咒”的传言，说交割日股指期货会集中平仓，往往会造成股市下跌。还有短视频平台的一些散户博主抱怨股指期货交割太频繁，经常造成行情下跌，阻碍股市发展。

真的是这样吗？我不认同。股指期货是现金交割的，而不是ETF交割或实物股票交割，单纯的股指期货交割行为不会导致ETF买入或卖出。

@module(position="-430,-1211", comment="""""", comment_collapsed=True)

m5 = M.input_features_dai.v26\n( mode="""表达式""",

expr="""score""",

expr_