学习按照某券商的研究报告复现日内策略，编写好以后取不到1分的数据，具体代码如下：

[https://bigquant.com/codesharev3/669be142-fa8c-47a5-88ec-5aa1dd9c96a6](https://bigquant.com/codesharev3/669

import dai import pandas as pd import numpy as np

# -----------------------财务指标----------------------- # A3:=FINANCE(7)<1600000

select* from cn_stock_factors_ta  a where a.instrument = '000001.SZ' and a.date > today() - 15
│        date         │ instrument │       sma_

因子原理

高位成交因子是指个股在高位和低位成交的密集水平体现。高位成交较多的个股，交易行为中存在羊群效应，容易导致局部价格高估，而在未来呈现反转效应。反之，如果个股低位成交较多，存在低位加仓的现象，未来价格有较大上行空间。

高位成交因子计算公式如下：

![](/wiki/api/att

1.市场观察和机会发现

近期的A股市场呈现：从估值扩张转向盈利质量

• 政策催化：近期监管层强调 “引导上市公司提升 ROE”，叠加分红新规落地，高股息、高 ROE 的价值型资产吸引力提升。
• 资金行为：北向资金近一月净流入超 300 亿元，重点配

操作符

1. 我提交模拟的策略开始可以正常运行，在规定的调仓日给出交易信号，但运行一段时间之后，在调仓日则显示没有调仓信号了。\n**SR-50策略250406 \n提交模拟链接 <https://bigquant.com/trading/detail/16114fb4-d2f1-4e81-bd91-3

https://bigquant.com/codesharev3/25a00f8e-4f85-4ff6-bdfc-cbd028eb727a

\

老师们好：

    策略回测时发现，通过select close from cn_stock_prefactors获取的收盘价是后复权价格，但是context.order_value(stock, 100000)下单后，通过**context.get_positions()\[stock\

curl --request GET \
     --url 'https :/ / api.   itick.  org /stock/kline?region=SH&code=600941&kType=1&et=1741239240000&limit=100' \
     --hea

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

如下图，是因为2025-05-11是非交易日吗？该如何修改才能0512的change_ratio填充0509的收益率，而不是nan

[https://bigquant.com/codesharev3/a0238c30-5140-4ab0-8ea8-03268a3e6210](h

报错如下：

ParserException Traceback (most recent call last) Cell In[13], line 62 **[45](vscode-note

—— 揭秘风格因子收益预测\n❓ 为什么大盘震荡时有人持续盈利？\n❓ 价值/成长/动量因子轮动背后的规律是什么？\n❓ 如何用数据科学预判风格切换信号？

直播回放：[点击此处查看](https://bigquant.com/college/courses/course-v1:public+l

本文分享一个长期正收益的成长因子选股策略，以及分享如何在bigquant平台上利用M.tune工具进行不同参数的任务并发，统计并发运行结果，再寻找较优绩效的参数组合。

走势截图

![](/wiki/api/attachments.redirect?id=ea689c4d-161c-48a

select date, instrument, name, roic_lf, roic_mrq from 
cn_stock_prefactors
where is_hs300
and date = '2025-05-15'
order by roic_lf desc 

from bigmodule import M

# <aistudiograph>

# @param(id="m9", name="run")
def m9_run_bigquant_run(input_1, input_2, input_3):
    # Py

from bigmodule import M
import numpy as np
import pandas as pd

# 交易引擎：初始化函数，只执行一次
def m5_initialize_bigquant_run(context):
    from bigtrad

实盘整体流程

1.开通BigQuant合作券商账户（指定二维码开通享手续费优惠），并申请实盘、绑定实盘资金账号。

2.设置对应实盘资金账号的实盘策略，创建计划交易信号（实盘申请通过后：用户的实盘策略可选择用户的所有模拟交易策略）。

3.创建实盘访问凭证，获取对应访问凭证的密

\

一、 参数优化的必要性

• 提高策略性能：通过调整参数，可以使策略更好地适应市场或问题的特点，从而提高策略的盈利能力、准确性、效率等关键性能指标。例如，在投资策略中，合适的参数设置可能使收益最大化，同时降低风险。​
• 增强策略稳定性：优化参数有助于减少策略在不同市场条件或

1.市场观察和机会发现

**策略目标：选取未来有较高稳定长期增长可能的股票，进行定期轮动，期望捕捉稳定增长，控制最大回撤。选择营业成本低、运营高效，且营业收入持续增长、发展态势良好的公司；同时要求资产负债率合理，确保财务稳健、风险可控；再结合低估值指标，挖掘被市场低估、具有价值潜力的股

0.什么是可转债

0.1 基本概念

可转债是上市公司发行的一种特殊债券，它赋予投资者在特定条件下将债券转换为公司股票的权利。投资者持有可转债，既可以享受债券的稳定利息收益，又能在公司股票价格上涨时，通过转股获得股票增值收益，具有 “下有保底，上不封顶” 的特点。

0.2 交易规

特别注意：本策略在编写和优化时基于当时的未更新的财务因子字段，目前该数据和字段经过了更新和错误修正。故目前利用本策略的代码尽管可以运行，但回测结果与文中的差异很大，效果大不如从前，以目前的数据回测结果为准，深表歉意。但本文介绍的策略编写思路和参数优化过程仍然值得学习，读者可以参考该思路进行策略编写。

1.市场观察和机会发现

许多投资者热衷追逐热门概念，像曾火爆的新能源汽车概念，行业利好时股价飙升，吸引大量资金买入。但市场多变，热度减退后股价急跌。以2021年1月4日起跟踪买涨幅最大的策略，每日调仓，初期有涨幅，随后收益震荡下行，到2024年9月收益低至-50%左右，最大回撤超55%。