我很想尝试新推出的分钟级别的回测，但是怎么写都报错，希望能给我一个策略例子，当持仓股票盘中冲高5%回落1个点卖出以及亏损3%卖出就行，我就想看看这个分钟回测是怎么运作的，日级别出信号，回测时候如何安装约定的分钟条件进行细化买卖的，非常感谢，写了好久也写不出来。

AIStudio 3环境策略源码分享，可包含数据表的生成源码

链接：<https://bigquant.com/strategy/de

为什么同一个股票池，运行中性化函数，每次运行结果都不一样？我有下面的需求：今天有20个股票，我选了因子最大的5个买，明天又增加了20个股票，再次计算取因子最大的五个，昨天买的不在这五个里的卖了，然后买入剩余的。逻辑就是新增的这些票的因子是否比昨天已经买的要大，如果大的话那我就要换入，那如果中性化结果

什么是DAI

DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台

• 使用简单：通过统一接口访问BigQuant各类数据
• 数据丰富：提供PB级金融数据、另类投资数据和因子数据 ([数据字典](https://bigquant.com/data/ho

import dai 
dai.query("""select a.instrument,a.date,shift,report_date
                from cn_stock_financial_lf_shift a join cn_stock_pref

![](/wiki/api/attachments.redirect?id=71c0411d-d4dc-4d21-b10c-8acc31808

\

策略介绍

• 基于十大股东的持股信息实现一个较为复杂的选股策略模版
• 此策略可以作为一个选股和线性策略的常用模版使用

策略流程

1. 选股：选股逻辑——选择前十大流通股东中包含社保基金的股票
2. 打分：按照社保基金股东持股权重进行打分
3. 仓位：根据

策略介绍

• 在146-基于场内ETF预期低风险配置策略 基础上做了升级调整，通过全天候资产配置经验来设置更为合理的仓位权重
• 此策略可以作为一个选股和线性策略的常用模版使用

策略概述

低风险策略的系统介绍参考文档：[14

你们好像是用了 nuitka 把 python 转成 c++

但这导致我在你们代码中，设置一个断点。然后调试单元格会报错。

下面是一个你们的均线的模版策略，

![](/wiki/api/attachments.redirect?id=6a162d3c-0e5c-4f79-b33d

策略介绍

• 在113-大类资产配置ETF基金交易策略 基础上加入仓位权重再平衡的逻辑，来实现一个更完备的策略模版
• 此策略可以作为一个选股和线性策略的常用模版使用

策略逻辑

策略介绍

净利润同比增长选股策略旨在通过筛选那些净利润同比增长显著的公司，挖掘潜在的投资机会。该策略核心在于选择那些净利润增长率高的公司，以捕捉其盈利增长潜力，同时确保这些公司具备稳健的财务状况，如资本充足率和流动比率良好。此外，还关注这些公司股价的上涨趋势和成交量稳定，以及它们所处行业的增

因子研究

• 因子加工的时候，如何判断加工结果是否准确

两步：1）检查原始数据 2）检查计算加工逻辑

测试数据的覆盖度、准确性。

• 因子挖掘方面的问题，如何去挖掘因子，没有形成一套逻辑

参考研究报告：

着重推荐第一篇：《国盛证券多因子系列之八：日间量价模型研究》

![](

一、策略概述

1.1 背景介绍

行业轮动策略是一种量化交易策略，旨在通过在不同行业之间进行资金分配，捕捉市场趋势和行业表现的周期性变化。 从名字即可看出，经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业，因此我们如果能布局这些行业并定期轮动调整，那会取得还不错的投资效果。

策略介绍

红利策略也叫高股息策略，是价值投资的经典策略之一。简单来说，该策略基于股息率选取高分红个股进行投资，在获取分红收益之余，还能获取股价上涨带来的收益。

“新国九条”出台，红利有望成为中长期的投资逻辑。

新“国九条”落地之后，监管思路已经向“强监管、防风险、促高质量发展”转

策略介绍

双均线策略是一种简单而又广泛使用的技术分析工具，主要用于识别市场趋势的变化和生成交易信号。这种策略涉及两条移动平均线——一条短期（快速）和一条长期（慢速）——并通过观察这两条线的交叉点来决定买入或卖出的时机。

策略流程

1. 选择股票池：在银行业中利用双均线进行择时选股

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

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU（新版开发环境下的模版目录）

\

导语

RNN、LSTM和GRU网络已在序列模型、语言模型、机器翻译等应用中取得不错的效果。循环结构

例如 cell 1 里的 m1,

cell2 中 m2，以 m1.data 做为输入

使用流程

1. 编写计算程序，并将其提交为任务；
2. 选择任务类型，例如数据任务、因子任务等，接着指定任务的相关参数，例如任务的执行时间等；
3. 在任务管理界面查看任务的执行状态，如果任务执行成功，您可以查看任务的执行结果。

![](/wiki/api/attachment

若想 过滤掉 超过百分比95% & 低于百分比5% 的数据,只保留中间90%的数据, 以下代码可实现吗?

新版没报错,但代码运行不出来,是资源不够吗?

Python 代码入口函数，input_1/2/3 对应三个输入端，data_1/2/3 对应三个输出端

de

https://bigquant.com/codesharev3/66b9f520-b481-467c-95d6-ddd6996d7813

\