什么是BigTrader

BigTrader是宽邦科技推出的致力于为用户提供便捷、功能强大的交易引擎。

在量化研究的过程中，量化研究员（宽客）需要在历史数据里回放模拟，验证策略效果，这就是BigTrader交易引擎的应用场景。

主要功能： 量化策略编写、回测分析、仿真模拟和实盘交易。

支持品种： 股票、基金、期货、可转债、指数；未来会支持期权、债券、两融等。

交易频率： 日线、分钟、Tick、逐笔。

交易引擎的优势：

• 回测研究贴近真实 交易，最大程度保证回测的准确性
• 回测研究、模拟交易、实盘交易为同一套代码，无需做任务修改

20230529-招商证券-量化研究2023年中期投资策略：“持续异常交易量”选股因子PATV\n该篇研报将5分钟平均交易量与30分钟平均交易量的比值作为因子，并求出该因子的截面排名，之后将截面排名的平均、标准差、峰度，三个指标组合为非正常交易量因子

研报地址：https://www.doc88.com/p-51473299993125.html

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/e0898830-1298-4429-b222-1fee3d3884af](https://b

面试题目说明

• 要求
  • 尽可能低的时间复杂度和空间复杂度
  • 代码逻辑清晰，变量命名合理，代码风格规范
• 点击如下题目的克隆策略按钮
• 完成代码
• 创建策略分享链接（策略开发界面右上角），发给面试官：分享策略 > 复制 分享链接
• 模版模版
  • 修改什么
  • 用什么因子？
  • 要求：

AI策略模版

\

传统策略模版

\

摘要

量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史，很多思维的火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白，将海通量化团队的分析师平日阅读、思考的心得与海外数据相结合，致力于为国内的量化从业人员提供新的灵感。考虑到篇幅，文中只呈现了研究思路和主要结论，对详细过程感兴趣的读者可与我们联系，海通量化团队时刻为您守候，与您分享。

基于横截面和时间序列指标的因子择时

使用横截面和时间序列变量，对指数构建因子择时模型。讨论在不同经济周期以及市场状态下，对估值、市值、动量、质量以及低波因子具有预测效果的择时变量。分析结果表明，若将经济周期（或商业周期）、

摘要

量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史，很多思维的火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白，将海通量化团队的分析师平日阅读、思考的心得与海外数据相结合，致力于为国内的量化从业人员提供新的灵感。考虑到篇幅，文中只呈现了研究思路和主要结论，对详细过程感兴趣的读者可与我们联系，海通量化团队时刻为您守候，与您分享。

宏观经济活动对债券收益同样有着明显的预测效果。我们收集了产出、利率、就业、库存等 15 个大类共 132 个宏观变量的月度数据，使用主成分分析法构建了8 个公共因子。这些因子不仅统计上显著，也有着重要的经济意义，能够解释未来一年债

报告摘要

主要观点

本篇是“学海拾珠”系列第五十四篇，本期推荐的海外文献研究了如何量化基金公司（基金家族）内部的信息传播速度，传播速度对业绩的影响，以及不同风格之间、同风格之间信息传播有何区别。得到了信息传播速度越快（尤其是不同风格之间信息传播速度越快），基金业绩越好的结论。回到国内主动权益基金市场，我们也可以衡量基金公司内部是否存在信息共享以及信息传播速度的快慢，并分析在不同风格基金经理之间的信息传播、同风格基金经理之间的信息传播是否对业绩有显著影响。

• 内部信息传播（information diffusion，ID）的量化方法

信息间隔（inf

正文

/wiki/static/upload/25/259b1aaa-df16-4ed2-abd6-8ad67bba7fb7.pdf

\

学海拾珠系列，是指从海外量化研究领域的海量文献中选取精华，将最有价值的文章推荐给国内广大的量化投资者们。如系列名称所述，我们团队希望通过不断深耕、探索，力图在茫茫学海中找到闪烁的、凝聚着宝贵知识的珍珠，并在提炼、萃取之后呈现给大家

报告摘要

基于CSCV框架计算三组量化研究案例的回测过拟合概率

本文基于组合对称交叉验证（CSCV）框架，以三组量化研究为案例展示回测过拟合概率（PBO）的计算流程，发现两组多因子选股模型的PBO较低，择时模型的PBO较高。案例1为7种机器学习模型的多因子选股策略，指数增强组合PBO大多在15%~50%，“XGBoost表现最佳”的结论大概率不是回测过拟合。案例2为6种交叉验证方法的多因子选股策略，多空组合PBO在20%~50%，“分组时序交叉验证表现最佳”的结论大概率不是回测过拟合。案例3为双均线50ETF择时策略，PBO在50%~90%，“参数组合[11,30]和

量化研究主要有两大类型：“非操作性研究”（nonmanipulative research）与“操作性研究”（manipulative research）。

有些研究者受到先前经验的制约，一谈到“统计”就退避三舍，想从事量化研究又迟疑不决，这就是研究者的“迷思”。 1.做量化研究的人统计方法一定很强？ 2.为了节省时间，直接引用先前的研究工具？ 3.参考前人的写法，依样画葫芦，一定不会错？ 4.研究变量越多，表示研究题目越有深度？ 5.统计方法越复杂，表示分析越深入？ 6.问卷题目的题目越多，越能测得所要的特质？ 7.取样的样本数越大，表示研究推论效度越高？ 8.差异或相关的

《alphanet GNN和GAN华泰金工深度学习量化研究》Deep Alpha 研讨会 small_q small_q 更新于 大约 1 个月前 · 阅读 785

#1、华泰人工智能系列研究：四年五主题四十七篇研究 首先非常感谢宽邦科技的邀请，这里我替换了一下标题，主办方给的题目是《国内投资机构深度学习量化实践》，我这里改成了《华泰金工深度学习量化研究》，因为我个人很难代表整个国内的投资机构，国内的买方和卖方，公募和私募研究差异还是挺大的。 总体来讲，买方机构会更务实，目标明确。卖方研究有特殊之处，市场对我们的期待是探索前沿内容，帮大家踩坑，所以需要我们仰望星空。但同时又不能太飘，也需

摘要

本文参考麻省理工斯隆商学院于2020年1月发表的论文“A New Index of The Business Cycle”，以读书笔记的形式介绍一类新的经济周期指数。

经济周期通常由经济体系内部因素导致，是宏观经济学领域的重要研究内容。1920年，美国成立了国家经济研究局（NBER）。发展至今，NBER业已成为全球经济周期研究领域的中心。其研究结果表明，经济始终以一种周期性变动的方式循环往复，并强调全社会都应该形成经济周期的意识。

经济周期指数

经济与金融领域的研究发现，许多指标与经济周期活动存在领先、同期或滞后的关系。由此，众多学者开发了一系列经济周期指数

{{use_style}}

一.导语

欢迎您来到BigQuant！

BigQuant是一个人工智能量化投资平台，平台内聚集了各类人工智能量化开发者、订阅者和学习者。

二.开发者

如果您是一位充满好奇心的学习者，在BigQuant您可以前往：

1.培训报名

与知识经验丰富的讲师团队，通过线上+线下的方式，学习AI量化入门、因子构建分析、AI量化实践、实战等，纵观全局获得AI量化全貌，由浅入深进阶成为量化大神。

![{w:100}{w:100}{w:100}{w:100}{w:10