在量化策略的研发链条中，大家往往过分关注模型（Model），而忽视了数据（Data）。但在实战中，Garbage In, Garbage Out 是铁律。对于港股这种机构主导的市场，K线图已经丢失了太多的博弈细节，只有 Tick 级数据才能还原市场的微观结构。

今天分享一下，如何在本地构建

使用 bigtrader 提交实时模拟交易时提供的是原始的tick数据，虽然我们支持tick实时策略，但是有相当一部分交易者以中低频策略为主(也包括我自己)，这篇帖子的目的是为那些中低频交易者提供实施对应的解决方案。

核心逻辑设计

为了与主流行情软件（文华、快期、主流数据库）对齐，

在构建量化交易策略的过程中，你或许也遇到类似的问题——网页行情刷新跟不上价格变化，延迟导致信号失效，策略回测再完美也敌不过实时数据的时差。\n对于高频或短周期策略而言，数据延迟是影响收益率和执行效率的关键风险点。解决的思路其实很直接：将实时行情流接入系统内部，让数据以流的形式被策略自动消费。

引言：为何你总是拿不住牛股，却对亏损股“长情”？

在瞬息万变的市场中，绝大多数散户投资者都深陷一个共同的困境：抓住一只龙头股时，常因一时的调整便匆忙卖出，错失主升浪；而当手中的旧龙头风光不再时，却又因“执念”而固执坚守，眼睁睁看着利润回吐甚至深度套牢。他们在旧热点里挣扎，在新热点里追高，最

笑宇老师新版保温杯策略是一套非常经典实用的机器学习滚动训练框架，可在此框架上进行魔改。原模型使用的是XGB模型，实际使用时如果回测期较长的话，耗时比较长，笔者将模型改为基于LightGBM 机器学习模型，用于快速验证魔改效果。同样使用2C/8G情况下，XGB跑5年数据常常宕机，LGBM实测十

引言：那个不敢打开的账户

你是否也经历过这样的时刻？满怀期待地杀入某个热门板块，比如最近的商业航天或是AI应用，结果却在短短几天内亏损了几十个点。账户一片惨绿，以至于你连打开交易软件的勇气都没有了。这种挫败感和恐惧感，是许多交易者都曾体会过的切肤之痛。

在这种困境下，交易之路该如何继续？

很多人一提到量化投资，脑海里浮现的都是复杂的代码、闪烁的屏幕和神秘的“黑箱”。但实际上，量化投资的真正精髓并不在于编程，而在于一个更根本、更直观的概念：“因子”。本文将为你揭示三个关于量化投资的反直觉真相，帮助你拨开迷雾，理解其核心。

核心是“因子”，而非代码

量化投资的首要真相

from bigmodule import M

# <aistudiograph>

# @param(id="m5", name="initialize")
def m5_initialize_bigquant_run(context):
    from bigtrader

我的策略如下：（完全按照宽客学院中视频老师的代码编写）

https://bigquant.com/codesharev3/ca001d95-6ca5-44f5-9a3d-a68c85a1e827

但是程序运行报错，\nCell In[2], line 58

 55     im

策略\nhttps://bigquant.com/square/0230eda3-1c00-424c-9e38-c4e0128a2871

运行时为什么缺失 2025-07-23以后的数据，是数据库的问题吗？如果要回测到26年1月，如何修改？

124-行业轮动的基本面选股策略

原来的输出结果如下：

# 查询代码 cn_stock_factors_base

import dai

sql = """
SELECT instrument, date, suspended
FROM cn_stock_factors_base
WHERE instrument LIKE

\

视频回放：

1月24日：新版机器学习与滚动训练（上海私享会线下分享）

\

策略代码：

[https://bigquant.com/codesharev3/10a2af8e-4279-48

cn_future_warehouse_receipt这个表是不是不全，大部分天都缺了很多品种的数据？

如何通过捕捉高频交易中的卖空信号与空头回补行为，挖掘市场微观结构中的定价偏差。

在短期波动中获取与市场无关的超额收益（α）

\

视频回放

[https://bigquant.com/bigapis/college/v1/files/5881770d-7d15-4cc7-ba54-7a

高频因子投研工具包介绍：

1. 高频因子历史高速计算/存表
2. 高频因子每日批量更新
3. 高频因子入库
4. 高频因子分析
5. 不同类型高频因子快速计算

\

视频回放

[https://bigquant.com/bigapis/college/v1/files/c3b

本文档为1月24日上海私享会线下分享会代码， 因子自动更新框架（持续迭代）

高频因子投研工具包介绍：

1. 高频因子历史高速计算/存表
2. 高频因子每日批量更新
3. 高频因子入库
4. 高频因子分析
5. 不同类型高频因子快速计算

\

视频回放：

[1月24日：

新版“保温杯”策略构建

视频详解如何在新数据持续产生时，通过滚动窗口技术动态更新与优化模型，使模型能够适应数据分布的实时变化，有效应对时间序列预测、在线学习等场景。内容兼顾核心概念与实用技巧，助你掌握构建可持续进化智能系统的关键技术。

\

视频回放

[https://bigquant

可转债（全称：可转换公司债券，英文：Convertible Bond）是一种兼具债券和股票期权特性的混合型金融工具。它本质上是发行人（通常是上市公司）向投资者发行的债券，但附带一个“特权”：持有人可以在约定条件下，将债券按固定价格转换为发行公司的股票。

\

bigtrader引擎在提交模拟交易后，内部是启动容器去每日执行策略计算的。 所以如果要用策略的净值或者其他策略执行过程中的一些状态信息需要保存到本地。可以采用JSON文件的方式保存下来。

代码如下：

[https://bigquant.com/codesharev3/d4f893dc-72da

直播回放：https://bigquant.com/college/3bced27c-db84-4c6a-83b9-7f1fe35d7180

AI对我们生活的改变已不言而喻。

理论上来说，任何人能做的事其实AI都可以做。早晨有私享会会员在群里问我，如果AI可以量化投研，那未来私募做什么。

打开你的交易软件，看看自选股列表，是不是密密麻麻，一片“绿油油”？很多散户投资者都有一个共同的习惯：把几十甚至上百只股票塞进自选池，结果却是精力分散，抓不住重点，最终买了一堆表现不佳的“杂毛股”。

你可能不知道，顶级高手的自选池却异常简单。他们遵循一个核心原则：自选股不超过五个。这并非懒惰，而是一

• BigQuant 比赛
  • 量化大赛005

\

在量化研究中，外汇实时行情通常被视为“底层输入”，很少成为讨论的重点。但在策略从回测走向实盘，或从低频扩展到事件驱动、高频场景时，行情接入方式往往会直接影响结果的可解释性和可复现性。

本文从系统与研究视角出发，结合外汇市场的实时数据特性，讨论行情模块在量化研究流程中的合理定位，以及在工具选择与结构

• BigQuant 比赛
  • 测试比赛05

\