1、从“科技英雄”到“量化镰刀”的争议漩涡

最近，幻方量化的老板、DeepSeek 的创始人梁文锋，在舆论场上坐了一趟过山车。

几个月前，他是“全村的希望”，是以一己之力硬刚硅谷巨头的“科技英雄”；几个月后，伴随着 A 股市场的震荡，他被推上了审判席，被指责为“量化镰刀”，是割

###三者的关系

Ridge 回归：使用 L2 正则化（平方和惩罚），会把所有特征的系数缩小，但不会把任何系数压到 0，因此不会做特征选择，适合处理多重共线性。 Lasso 回归：使用 L1 正则化（绝对值和惩罚），会把不重要特征的系数直接压到 0，实现自动特征选择，但在高度相关的特征中表现不

策略介绍

本策略AI算法来预测股票的未来表现，并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

在二级市场的博弈中，很多散户投资者常感叹自己陷入了“一买就跌，一卖就涨”的怪圈。看着心仪的标的拔地而起，自己却总是在高位“后知后觉”地买入，随后便迎来漫长的回调。

这种困境的根源，在于投资者未能读懂K线背后的“语言”，更未能洞察主力资金的真实意图。其实，任何大牛股在启动初期都会留下明显的“蛛丝马迹

策略信号被延迟拖慢节奏\n我做量化策略开发已经有一段时间，遇到的第一个“大坑”就是行情数据不稳定——尤其在做短线或日内策略调试时，几秒的延迟都可能让信号失真。曾试过多种免费数据接口，结果要么更新不及时，要么中途断流，导致回测与实盘数据对不齐，策略调优变得非常艰难。

**实时推送与多市场兼容

在 AI 量化的世界里，模型的效果高度依赖于输入数据的质量与粒度。当我们试图用机器学习模型预测短期股价走势时，分钟级甚至日线级的数据往往已经丢失了太多的微观结构信息。

数据颗粒度的痛点 为了捕捉市场微观层面的非线性特征，我们需要获取实时的 Tick 数据流。传统的爬虫或 API 轮询方式，

如何从众多股票中识别出具备长期增长潜力的“大牛股”？这是每位投资者都面临的挑战。许多人习惯于分析K线和趋势，但常常忽略了一个更具揭示性的指标——成交量。成交量背后隐藏着主力操盘的真相，是判断一只股票真实“性格”的试金石。本文将揭示如何通过两种截然不同的成交量模式，看透股票的真正潜力。

1.

在当前的A股市场，量化交易正沦为众矢之的。每当大盘震荡、个股跳水，社交媒体上便充斥着散户对“量化收割”的愤怒控诉，甚至不乏“彻底取缔量化”的激进呐喊。然而，一个极具讽刺意味的悖论摆在眼前：舆论的唾弃不仅没能让量化交易销声匿迹，反而使其在争议的洪流中越做越大，成了某种“大到不能撤”的权力怪物。

这背

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 [旗舰版](https://bigquant.com/s

简介

bigqunat强大的人工智能分析平台，提供了多元化的数据，方便的数据回测等，今天介绍bigqunat获取市场涨跌停统计数据，并入库，提交定时任务。

编写策略

1.点击编写策略

![](/wiki/api/attachments.redirect?id=929

在AI量化模型（如LSTM或Transformer）的训练中，数据工程（Data Engineering）往往占据了80%的时间。最近我们在构建港股的高频因子库，面临的一个巨大挑战是如何获取并清洗原始的Tick流数据。

数据工程师的噩梦 与A股不同，港股的交易指令更加复杂，且由于机构主导，

引言：大道至简

你是否觉得股票交易是一个极其复杂的世界？面对眼花缭乱的技术指标、层出不穷的金融模型和深奥的市场理论，许多投资者常常感到无所适从，仿佛陷入了知识的迷宫。然而，一个被反复验证的事实是：真正能在市场中长期生存并获利的交易方法，有时恰恰是最简单、最质朴的。

大道至简，交易的本质并

在金融交易圈，有一个直击灵魂的悖论：如果一套量化系统真能稳定盈利，开发者为什么要大费周章地推广，而不是躲起来闷声发大财？绝大多数人的第一反应是“收割绿韭菜”。但真相往往比这种直觉更具讽刺意味：很多时候，那个亲手筑起金矿的人选择卖铲子，并非因为矿里没金子，而是他发现自己根本拿不起那把沉重的矿镐。

2026年2月4日 入门培训

• PART 1 录制文件：https://meeting.tencent.com/crm/NLRm0RbG47
• PART 2 录制文件：https://meeting.tencent.com/crm/2pjX5nxw5d

\

欢迎各位参加“蝶威杯2026年高频因子大赛”，预祝各位能取得佳绩！这是一篇入门贴，手把手教大家从0到1走完整个比赛流程。

本次比赛的目标是 聚焦3秒 snapshot 数据构建15分钟频率因子，禁止使用模型合成的方式构造因子。我们将流程尽可能简化，大家只需要关注编写因子代码的逻辑即可，其他

从“手动盯盘”到数据焦虑

作为一个长期进行高频外汇交易的个人交易者，我对“时间差”这个词格外敏感。几年前，我还依靠各种网站手工查询汇率，或者使用一些免费接口。但在市场剧烈波动时——哪怕延迟几秒——都可能意味着一次错失的套利机会。那种因为数据滞后而眼看行情溜走的无力感，让我意识到：**没有高

引言：抓住交易的“黄金半小时”

你是否也曾在开盘后对股价的走向感到迷茫？其实，一只股票在开盘后的半小时内，往往已经透露出其全天涨跌的迹象。这短短的三十分钟，是洞察主力资金动向、判断股价短期方向的关键时刻。

这些方法并非纸上谈兵，而是源自一位拥有七年交易经验的资深操盘手的实战总结。无论你是

【量化实战】外汇行情API接入与量化策略落地：低延迟数据驱动交易决策

外汇市场汇率数据以毫秒级更新，单日波动点位可达数百点，在量化策略研发与实盘执行场景中，低延迟、高可靠的实时行情数据是提升策略收益稳定性的核心基础。高频交易、事件驱动等策略对数据时效性的要求尤为严苛，依托外汇行情API搭建实时

引言：涨停之后，是陷阱还是机遇？

对于许多散户投资者来说，看到一支股票强势涨停无疑是令人兴奋的。但当兴奋劲还没过，股价却在第二天迅速回调时，心中不免充满疑惑和不安。这种回调究竟是上涨结束的信号，还是另有玄机？

事实上，这往往不是行情的终结，而可能是一次由主力资金精心策划的“洗盘”动作。在

资本市场的钟摆，总是在理性与狂热、机器与人心之间来回摆动。过去两年，量化交易凭借其精准的收割效率在市场上大放异彩，而主观投资则一度显得落寞，甚至被部分投资者质疑为“过时”。然而，步入今年，我们能明显感觉到市场的“水温”正在悄然升高——主观投资正逐渐回暖，这种范式的悄然转向，折射出资本市场一个深刻的底

作为一名在量化交易、金融数据分析领域摸爬滚打了多年的开发者，从最初为了做一个简单的股票回测系统，踩遍了免费 API 数据延迟、付费 API 对接复杂的坑，到现在能根据项目需求快速锁定合适的金融行情 API，2026 年的金融数据生态相比前几年又有了新变化 ——API 服务商的兼容性更强、轻量化对接更

• BigQuant 比赛
  • [BigQuant练习赛](https://bigquant.com/square/competitio

# ====== 已写入（按你要求避免麻烦）======
DINGTALK_WEBHOOK = ""
DINGTALK_SECRET  = ""

在此填入webhook和加签，格式如下：\n ![](/wiki/api/attachments.redirect?id

一、初步了解BigQuant平台

\

1. 注册并登录BigQuant账号
2. 了解BigQuant基础界面：Quant Agent、AI Studio、知识库、AI策略广场等等
3. 数据覆盖：了解平台提供的数据种类、历史长度与可用频率。常用数据表举例：
   • 股票后

简介

当股价一路下行，屏幕上满是刺眼的绿色，恐慌和焦虑几乎是每一位投资者的本能反应。许多人会忍不住按下卖出键，试图“割肉止损”。但问题是，所有的下跌都意味着风险吗？有没有可能，某些下跌反而是主力资金精心布局的信号？

本文将为你揭示机构投资者（即市场中的“主力”）操盘的四种经典形态。在这些