1、请用自己的话解释什么是量化投资。\n基于统计学分析得出的一些过去金融市场（股市、期货、数字货币等）运行的群体特征经验、方法，结构化、规模化以人机辅助或机器交易地方式应用在未来市场交易的统计学套利交易模式。

2、请你列出你认为的量化投资的优势和劣势。

优势：1、历史经验被科学度量及复现，可靠性强，预期可控。 2、避免情绪交易和主观判断。3、可以捕捉到短周期市场变化实现正收益。

不足：1、历史经验有可能失效，需要不断更新。2、整体置信不代表个体置信，个别周期、股票走势会偏离统计学结论。3、对知识、技能、硬件要求高。

1、请用自己的话解释什么是量化投资

答：相对于主观, 量化投资就是用数据驱动决策的交易方法

\

2、请你列出你认为的量化投资的优势和劣势

答：

优势: 规避人性的弱点

劣势: 没看到

目前看起来是最科学的方式, 结合一些主观的择时, 有可能做出来能长期持有的组合资产.

欢迎加入2025量化投资训练营，请大家将每一期的作业/思考/疑问等，提交到本文档的对应目录下。

\

提交流程：

1. ==找到对应日期的文档==，鼠标放置在文档标题，点击"+” 新建文档

   

   
   
   
   \

2. 文档标题格式：用户名+作业提交， 示例：smallq_作业提交

![](/wiki/api/attachments.redirect?id=73474fb9-1f19-4838

今日作业：

\

1、请用自己的话解释什么是量化投资

答：我认为XXXXXXXXXXXX.

\

2、请你列出你认为的量化投资的优势和劣势

答：我认为XXXXXXXXXXXX.

我的疑问与思考：XXXXXXXXXXXX

\

5大散户亏钱原因详解！总共25条，看看中了多少条！

BigQuant.com是适合散户并以AI人工智能为核心的量化开发平台，为量化投资宽客提供机器学习AI技术、量化金融数据、精准回测、量化因子等，去除人为情感，做到理性投资。

1、信息不对称

散户通常无法获取与机构投资者相同的信息资源。机构投资者拥有更多的研究资源、更高级的数据分析工具，以及行业内部的信息。这种信息上的差异导致散户投资者在决策时处于不利地位。具体分析：

![散户炒股-信息不对称概念图](https://pic1.zhimg.com/80/v2-c1b685028520f87a660385f4d79e68

BigQuant AI Platform deep learning models（BigQuant AI量化平台深度学习模型库）。

介绍

bigmodels是什么？

bigmodels是BigQuant AI量化平台的深度学习模型库，集成了AI量化研究过程中常用的深度学习模型。

为什么需要bigmodels？

我们用PyTorch封装了AI量化研究中常用的深度学习模型，包含DNN、1DCNN、LSTM和Transformer等，并持续更新。

平台用户可以用简单的方式调用经过大量实践检验的AI能力，赋能AI量化投资。

import toch
impo

本次分享黄金 &纳指ETF日内交易策略+期货日内交易策略\n✅ 真枪实弹：日内策略案例全解析\n✅ 保姆级教学：从策略回测到自动交易

会议讲师：大田老师\n💡讲师介绍：BigQuant首席策略工程师，东北财经大学金融硕士，10年+量化投资经验，曾任职私募基金经理，管理数亿资金，主导DeepAlpha的系列研究设计。

点此[查看直播视频回放](https://bigquant.com/college/courses/course-v1:public+lv0421+2025-04/courseware/21337ac3267f48359272bb8d5a5f5140/a12a61fb

\n💡本次分享将带你深入了解QuantAgent的高阶用法，手把手如何快速构建并优化量化投资策略！\n💡无论是量化投资新手还是资深从业者，都能从中获取实用技巧，开启量化投资新篇章！\n\n\n会议亮点：\n📌零代码入门：无需编程基础人人都能学会\n📌实战解析：从理论到实践掌握全流程\n📌专家答疑：与策略工程师在线交流\n

👉点击此处[查看直播视频回放](https://bigquant.com/college/courses/course-v1:public+lv0416+2025-04/courseware/f3c642f608cb4eb787b007f3658806f5/7e

/wiki/static/upload/8e/8e97415d-7da8-4842-9c1b-5410a41e5136.pdf

\

扛住市场大回撤，稳健红利因子

因子逻辑

这个年化**23%**的红利单因子策略，从2020年到现在经历过几次市场大回撤，他的表现依然稳健！

红利因子在量化投资中是一个重要的投资策略，主要关注的是公司向股东支付的红利。简单来说，红利因子就是衡量一家公司股票的红利收益率的方法。

你把钱存进银行，银行会给你利息。这就像公司把利润的一部分分发给股东，股东通过持有股票来获得这些分红。

红利因子就是用来评估这些“利息”（即红利）对于股票投资者的重要性。

假设你有两个朋友：小明和小华。

• 小明的公司每年都会有稳定的收入，并且愿意把部分利润分给投资他的人（这就像是发红利）。他

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平台：

https://bigquant.com/data/home

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

新版表达式算子：

<https://

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。

\

一、全维度数据生态构建

基于 iTick API 的全品种实时数据接入能力，系统可获取全球 200 多个交易所的外汇、股票、期权等超千万级 Tick

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律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

量化投资模型只是一种工具、一种方法、一种手段，能实现成熟而有效的投资理念，需要不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化，换而言之，有效的模型建立在适应市场环境的有效

随着 AI 技术的不断发展，其应用领域得到进一步扩展。同时，基于外汇API、贵金属API、股票API等量化投资凭借其科学、系统的决策方式，在金融领域中扮演着愈发重要的角色。QLib，作为一个专注于量化投资研究的开源项目，就利用了 AI 技术，结合iTick的免费外汇API、股票API数据接口，为广大研究者和从业人员提供了强大的量化投资工具支持。

\

QLib 简介

QLib 是一个由微软开源的量化投资研究平台，其代码仓库地址为

一、定义

在量化投资领域，数据是任何代码的底层架构，模型训练、策略运行都依赖于对应的数据。BigQuant 平台的模拟交易每天会基于策略所需的数据运行策略代码，最终产生下一个交易日的买卖信息。这种工作方式需要保证模拟交易运行前，其依赖的数据需要准备好。如果数据没有准备好会导致当日模拟交易运行结果是错误。

\

1. 参数可分为两组：依赖标签和输出标签，输入数据和输出数据；
   • 依赖标签：指该任务运行时需要依赖前置任务的输出标签，用户可通过输入关键字模糊匹配选择用户有权使用的依赖标签；
   • 输出标签：指该任务运行时的输出标签，用户可自由输入定义(该标签可作为用户自己的其他任务

如下图，只拿到了全市场3568个数据。

https://bigquant.com/wiki/doc/tezheng-ri-xIjPe1UFMu

这个例子程序也一直报错

像一些复杂的因子合成方法怎么实现呢，有没有相关的算子模块或者代码分享呢

https://bigquant.com/codeshare/1d87d715-5139-432b-9267-5b99154e598b

新手想问一下在trade运行中，这个错误是什么意思，需要在什么地方改正

\

三种构建大盘风控指标的方法关于LSTM+CNN的模型进行大盘风控的策略代码未找到，能否提供一下，谢谢。

https://bigquant.com/wiki/doc/dapan-zhibiao-fangfa-MoB3kNcAMG

根据官网《如何对AI量化策略进行管理？三步走》（https://bigquant.com/wiki/doc/celve-FeqcyLgLeU），并参考

【模板案例】（https://bigquant.com/community/t/topic/194074）策略组合

在将两个策略合在一起时报错，请问如何解决？

\

NameError Traceback (most recent call last) <ipython-input-20-6aeba62465a8> in <module> 1 M3 = M.

https://bigquant.com/wiki/doc/xinhao-fangfa-oxACTyy7MT我看到知识库里有个大神有这个再次分类提高选股策略的方法。但是，在测试集中把return_5_day=(shift(close_0, -5)-shift(open_0, -1))/shift(open_0, -1)给当作特征写进去了啊，这岂不就是用了未来函数么？还是说我理解错了

消息在股票交易中有很大的影响力，如果没有对消息的处理会导致策略经常中雷，怎么办呢？