BigQuant隐私政策

BigQuant是一个平台,也是一个社区。作为一个平台,它是一个开发和测试交易算法的平台。作为一个社区,它是一个结识其他策略开发者,并分享算法、工具、想法、策略和投资经验的社区。在访问和使用BigQuant,包括社区其他成员的策略和知识的同时,请遵守以下使用条款。

BigQuant (“宽邦”,“

由small_q创建,最终由small_q更新于

2022春节放假及升级通知

春节期间平台将会升级,届时可能会影响使用,升级内容如下: 1.平台存储和计算资源升级 2.平台资源管理优化 3.平台稳定性优化 4.2月4日停机维护,平台将不可使用

![{w:100}{w:100}](/wiki/api/attachments.redirect?id=a20999a2-

由qxiao创建,最终由qxiao更新于

BigQuant数据服务协议

1.总则

1.1.BigQuant服务平台的各版本、各客户端(包括但不限于电脑端、移动智能终端、车载端等的应用程序、网页、供第三方网站和应用程序使用的软件开发工具包(SDK)和应用程序编程接口(API)以及不断创新研发的产品及服务)中,开发环境的数据由成都宽邦科技有限公司授权使用,

由small_q创建,最终由small_q更新于

20211002平台维护通知

BigQuant平台计划于2021年10月02日18:00 至2021年 4月03日18:00期间进行常规维护,可能会影响策略开发运行,请大家知悉!

由small_q创建,最终由small_q更新于

优秀策略分享——数据标准化策略

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

由marico89创建,最终由bqv93dy2更新于

龙头战法实盘+AI-量化大赛NO.3-中证150增强_new

前言

感谢BQ-小Q送的礼物,礼物已经收到拉,一如既往的黑盒高科技风。高端大气上档次。


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

由qxiao创建,最终由bqqfhkl7更新于

港美股策略的stockranker的实现

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

由qxiao创建,最终由bq04xu57更新于

小市值策略:挖掘市场潜力

策略介绍

小市值策略是一种经典的量化投资策略,旨在通过筛选市值较小的股票,并根据市值对股票进行排序,选取市值最小的一部分股票进行投资。这种策略基于小市值股票在某些市场条件下可能具有较高的增长潜力和投资回报率。

策略背景

小市值策略的理论基础可以追溯到Fama-French三因素模

由jliang创建,最终由bqfezwvw更新于

label的技巧:对收益率打标的4种方法

在我们找到一堆因子后,下一步就是把这些因子打好标,丢入模型,让模型去寻找因子和标签的映射规律。

标签就是你要解决的问题,标签应该是和因子强相关的。随意的打标会增加模型预测的难度,而过于傻瓜的打标会限制因子的发挥。

普遍做法:n个周期后的收益率作为标签

普遍做法是用n个周期后的收益率作为标

由small_q创建,最终由bqrtlgif更新于

网格策略

from collections import deque
import pandas as pd
import math

def initialize(context):
    # 策略参数
    g.security = "513310.SS"  # 替换为您的标的

由bqazbxz1创建,最终由bqazbxz1更新于

AI选股策略——综合过滤

新建一个可视化AI选股策略,如下图所示:

在训练集流程中的缺失数据处理模块m13前加入模块“去除退市股”、“过滤市场”、“过滤st股票”(从“用户模块”——“共享模块”中找到并拖入画布)即可实现相应的过滤功能;

在验证集流程中的缺失数据处理模块m14前加入模块“去除退市股”、“过滤市场”、“选取

由crisvalentine创建,最终由bqskielx更新于

2025年最好用的A股实时行情数据API推荐

在金融科技高速发展的 2025 年,随着量化交易、智能投顾等应用场景的爆发式增长,A 股实时行情数据 API 的选择成为开发者与金融机构的核心竞争力。面对市场上参差不齐的解决方案,iTick凭借其免费、实时、易用、易对接、品类丰富的独特优势,成为 2025 年 A 股实时行情数据 A

由bq3b8uvh创建,最终由bqv93dy2更新于

用LSTM神经网络模型训练期货高频数据

高频交易经常被提起,却始终蒙着一层神秘面纱,仿佛那只是金字塔尖那一小撮人的玩物。今天我们就从期货高频数据下手,去揭开神秘面纱的一角,并尝试搭建神经网络模型对高频数据进行预测,抛砖引玉,希望能让对金融数据分析,量化交易,人工智能感兴趣的朋友有所收获。我们已经将本文的全部源数据+源代码+python环境

由lizhuo111创建,最终由bqrin4gy更新于

手把手带你编写miniQMT实盘量化执行程序(2) | 主程序入口

大家好,我是策略老李。五一小长假即将收尾,不知大家是否已经按照[上期教程搭建好了自己的本地代码库](https://mp.weixin.qq.com/s?__biz=MzkyODk1NzM4NA==&mid=2247483674&idx=1&sn=dd6acb0b70fb62b2fa3e5a

由bqft6vju创建,最终由bqft6vju更新于

【盘中实时数据监控的实盘自动化交易策略】

你是否被以下问题困扰过:

你跟随策略时,是否出现涨停票破板未卖出,导致收益大幅缩水情况?

你跟随策略时,是否出现股票快跌停无法及时卖出,导致未出手,第二天再吃跌停情况?

你跟随策略时,是否出现开盘买入,但买入后就立即下跌情况?

你跟随策略时,是否出现策略提示尾盘出手,但你想在盘中有合

由bqpguj9o创建,最终由bqpguj9o更新于

股指期货中证1000分钟策略研究(part 1)

股指期货分钟预测

  • 先研究中证1000:流动性和波动
  • 基于分钟数据、tick数据研究(旗舰版数据)
  • 时间周期:1/2/5/10/20/30分钟
  • 肥尾问题

研究代码

[https://bigquant.com/c

由jliang创建,最终由jliang更新于

手把手带你编写miniQMT实盘量化执行程序(1) | 完整源码结构篇

大家好,我是策略老李。作为《手把手编写miniQMT实盘量化执行程序》的开篇之作,给大家带来了整个实盘量化执行程序的完整版代码列表,老李在这里向各位读者保证,每一个关注了公众号的同学,无需修改任何内容即可正确运行与老李实盘一模一样的实盘量化执行程序,无任何套路,无需任何打赏。对代码内容有任何

由bqft6vju创建,最终由bqft6vju更新于

高收益策略编写心得及源码分享

从常规思路分析,高收益策略需要,抓近期热门策略,波动大,才有机会产生高收益,但一种逻辑很难在不同的市场行情下有效,所以,在选定近期热门票的基础上,需要在不同的市场行情下,选用不同的选股逻辑去应对。


步骤:

一、定义表达市场情绪方面的因子,如:

#当天涨停数比例

grou

由burton3创建,最终由bqeeuubx更新于

非湘财证券如何实盘——利用BigQuant 平台API与同花顺实现策略实盘操作:

  BigQuant 平台目前支持的实盘为湘财证券, 如果我们是在别的券商开的帐户,同时想在盘中读取分钟级别的行情或指标进行择时买卖,而不是按策略的开盘买收盘卖,应该如何实现呢? 通过BQ平台的API 和同花顺交易终端的python 编辑器就可以实现了:

1、 BQ API 读取

由gxlzlijing创建,最终由mi10更新于

机器学习应用于底部反转策略的表现

策略简介

A股表现整体呈现震荡趋势,熊市周期长,且经常出现虽然指数跌幅较低,但市场上的个股跌幅较大。于是提出猜想:是否能找到比较抗跌的策略,在市场表现一般的时候策略回测较小。

策略的特点:在大盘下跌时,策略相对大盘比较抗跌,策略回撤相对小。

构建步骤

确定策略目标市场

由iquant创建,最终由bq6qo7d5更新于

【3分钟教你在社区中找稳定性较高的好策略?】


一个月收益30+%的策略是好策略吗?,相信不少人在策略社区选择策略都有这样的问题,也经常会出现买入一个月收益30%以上的策略后,自己跟随进去反而亏钱。我们该如何选择策略,个人给出一些见解(也不一定正确哈)


目录:

一、问自己,明确定位

二、保守型策略选择

三、激进型策略选择

四、干

由geoffrey1创建,最终由geoffrey1更新于

分页:第1页第2页第3页第4页第16页
{link}