研究结论

传统多因子Alpha模型大多是在全市场范围内对股票一视同仁地进行打分评价，忽视了个股之间的基本面情况差异和选股因子在不同风格股票池里的适用性，能够捕捉不同股票之间差异性的动态情景模型(Dynamic Contextual Alpha Model)应运而生, 并且在海外市场获

摘要

本篇文章的核心内容是研究期货市场是否能够通过信息溢出效应改善中国指数ETF市场的高频技术交易规则（Technical Trading Rules, TTRs）。研究使用了遗传程序（Genetic Programming, GP）技术来寻找最优的技术交易规则，并分析了指数期货信息对这些规

操作系统：Mac OS

浏览器：chrome

操作：

在编写策略板块中，新建一个模板策略，不做任何修改，直接运行，就报错了。

按道理平台是服务器端部署的，所有的库都是平台部署的，为什么还有这种无法解析的问题呢？

求助。提前感谢。

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

本文参考Hugo大神的研报复现，移植到bigquant平台

[https://bigquant.com/codesharev3/13c94d37-ab98-47f0-be38-b1e9c848ce45](https://bigquant.com/codesharev3/13c94d37-ab9

https://bigquant.com/codesharev3/5841235c-c631-4016-9df1-0e9c72754770

\

https://bigquant.com/codesharev3/369f88a1-86d1-45cf-89aa-1c35fae19d1f

\

策略介绍

本策略是根据新国九条进行改良的新版微盘策略从而更好筛选需要的股票。

自从2024年新国九条出来后，小市值策略逐渐失效，部分小票退市概率变大，我们先看看国九条中关于股票ST的内容：

可能影响股票被ST或退市的关键因子，这些因子可以作为投资者避免潜在风险的参考：

1、分红情况：如

在全球金融市场波动率加剧的背景下，传统量化投资体系正面临数据维度单一、策略迭代滞后、决策响应缓慢等痛点。iTick 外汇股票报价 API 服务与 DeepSeek-R1 大模型的深度整合，通过 "数据 + 算法 + 场景" 三位一体的创新架构，为量化投资领域带来了革命性突破。

![](/wiki

# 问题描述
1，下面的策略代码，可以正常回测、可以正常模拟运行、但是到第二天模拟运行会报错
2，报错如下：
3，[2025-03-11 22:22:07.338366] ERROR: pypapertrading:moduleinvoker.py:38:_module_run 

https://bigquant.com/codesharev3/a5d436a4-6a1f-4d7f-b3f7-f79925d270db

\

from bigmodule import M



# 交易引擎：初始化函数，只执行一次
def m5_initialize_bigquant_run(context):
    from bigtrader.finance.commission import Pe

策略社区的XGBoost模板，只是修改了训练、回测数据日期，执行回测时正常，但提交模拟就报错，策略已分享给小Q，下面是报错信息

2025-03-10 20:24:00 任务运行开始调度 state=trigger event= 5ec3d941-73b9-47ca-8183-759397725f7

因子表达式：c_indneutralize(pb, sw2021_level1) AS pb_

我检查了pb因子原始值，并没有缺失

\

Trade

AIStudio 常用模块和开源

BigTrader 量化交易引擎

[交易引

研究背景

金融领域越来越依赖文本数据（如金融新闻、监管文件和社交媒体）来预测经济事件和市场走势。

传统的情感分析方法（如基于词典的方法）存在局限性，无法充分捕捉文本中的复杂信息。

大型语言模型（LLMs）如BERT、OPT、QuantAgent和FinBERT等在自然语言处理（NLP）任

引言

最近上传了一个新版的随机森林模块，大家可以尝试使用一下。

策略思想

因子和标签选取

![](/wiki/api/a

[https://bigquant.com/aistudio/studios/f9b674f0-0f37-11ed-93bb-da75731aa77c/?payload=[["openFile"%2C"vscode-remote%3A//bigquant.com/home/aiuser/work

简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法，利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规

Qbot 不仅功能全面，在技术架构上也独具匠心。平台提供 GUI 前端 / 客户端（部分功能也支持网页），无论你是喜欢桌面端操作的稳定，还是钟情于网页端的便捷，Qbot 都能满足你的需求。后端则专注于数据处理、交易调度，通过事件驱动的交易流程，确保每一个交易指令都能迅速、准确地执行。在策略研究方面，

在量化投资的汹涌浪潮中，你是否渴望拥有一个强大且便捷的工具，助你乘风破浪，驶向财富的彼岸？如今，Qbot 与 iTick 强强联合，为广大投资者和开发者打造出一个前所未有的 AI 量化生态系统。

![](/wiki/api/attachments.redirect?id=60c5b10d-cbc

File /opt/pyenv/versions/3.11.8/lib/python3.11/site-packages/bigmodule/modules.py:28, in call(self, **kwargs) File /opt/pyenv/versions/3.11.