一、背景说明

在量化研究和机器学习建模过程中，模型训练往往成本较高，如果每次使用都重新训练，不仅效率低，还会带来结果不一致的问题。

因此，模型持久化（Model Persistence） 是一个非常重要的工程实践，核心目标是：

• 一次训练，多次复用
• 回测、实盘、推理

介绍

• 构建和管理自己的数据与因子
• 分享到策略社区并保护核心逻辑
• 支持数据付费订阅
• 支持他人克隆策略，每日获取信号

技术方案

![](/wiki/api/attachments.redirect?id=be72745b-dff3-4d11-918a-0dec5f5

什么是DAI

DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台

• 使用简单：通过统一接口访问BigQuant各类数据
• 数据丰富：提供PB级金融数据、另类投资数据和因子数据 ([数据字典](https://bigquant.com/data/ho

在我们跑完回测后，想得到回测结果的绩效分析通常需要调用属性，但不同绩效往往无法用同一的属性查询，使得我们在这上面需要浪费大量时间。在许多文章和代码中，我们可以看到用了许多不同的方式来获取绩效结果，这既不方便记忆，也不方便大家使用，本篇帖子则是提供一个统一方法。

对于可视化代码，我们在M.bigtr

1. 回测 vs 模拟交易，最大的“隐藏差异”是什么？

在回测里，策略通常是一个连续进程跑完整个区间：

• initialize() 只执行一次
• 变量在内存里一直存在（计数器、上次调仓日、上次权重……）

但在模拟交易里，系统很常见的运行方式是：

• 每个交易日（或每次任

策略简介

本策略面向信用账户（融资融券），在单只A股标的上进行分钟级趋势跟随交易。核心信号为双均线交叉：使用10分钟短均线与40分钟长均线，当短均线上穿长均线（金叉）时触发融资买入做多；当短均线下穿长均线（死叉）时触发融券卖出做空。为贴近可交易性，信号产生后不在同一分钟成交，而是延迟到下一分钟

DataSource

DataSource是bigmodule原生支持的一种泛用数据类型，在底层实现了许多优化机制，以确保数据准确、安全、便捷地传输和使用是。

\

导入DataSource

DataSource相关的方法和属性，定义在库 dai 中，通过以下代

导语

可视化策略开发是一种高效的开发方式，但平台默认只提供了部分经常使用的一些模块，如果用户自己有不同的加工处理逻辑，需要自己写代码。我们怎么新建一个可视化模块并发布上线呢。本文主要对此进行介绍，并给出详细的使用示例：如何绘制一个净值图。

虽然我们的回测模块会输出累计收益率曲线，但这并不是

https://bigquant.com/codesharev3/782046ea-2c71-48a6-98c7-7f1b4bb59c08

\

前言

AI量化策略的独特之处在于存在一个AI人工智能模型，模型可以很简单比如是线性回归或决策树模型，模型也可以很复杂，比如是Transformer、CHATGPT等。在BigQuant上使用较多的是一个称为StockRanker的模型，该模型在量化金融数据上进行调优，能取得比xgboost

https://bigquant.com/codesharev3/25e792d6-06b0-47c3-9150-f1216e4c2cbd

\

https://bigquant.com/codesharev3/b035814c-2276-4fdd-b7b5-9265d1011133

\

1.引言

在量化投资领域，概念因子已从市场现象演变为系统性策略工具。从 2024 年 AI 芯片龙头寒武纪 387% 的涨幅，到低空经济概念板块 2300 亿元的资金净流入，概念因子正在重塑 A 股市场的盈利逻辑。我们构建策略的核心，在于将产业趋势的确定性转化为可量化的投资机会。

1.

文章目标

给出一个保存自己创建的数据列表的示例贴。

数据

本文所展示的数据列表如下：

\

数据生成与筛选

利用可

操作符

本文主要介绍股票的实时交易策略如何实现自动化实盘下单。当前仅支持万和证券BigTrader量化交易终端，文末提供的脚本只支持单一实时策略的自动化实盘，如果要运行多个实盘策略，请复制脚本分开运行，略微错开下单时间即可。

实时策略的实盘交易流程

1、在宽邦科技的bigquant平台上开发实时

导语

平台已经整理好新旧因子对比，可以在基础特征抽取里面直接抽取。

A股

量价因子

策略绩效

\

策略思想

策略的核心是捕获 “方差溢价”，即市场中虚值看跌期权的隐含波动率（IV）会系统性高于未来实际实现的波动率

使用流程

1. 编写计算程序，并将其提交为任务；
2. 选择任务类型，例如数据任务、因子任务等，接着指定任务的相关参数，例如任务的执行时间等；
3. 在任务管理界面查看任务的执行状态，如果任务执行成功，您可以查看任务的执行结果。

![](/wiki/api/attachment

BigModule

bigmodule模块是由Python语言编写的，主要是在可视化线性策略中使用的可视化部件，可以将繁杂的代码进行封装，而只把输入和输出暴露给使用者，这样用户就无需关心模块的内部实现，而只需提供相应的数据，便可以获得想要的结果。

由此一来，大大降低

📖 文档说明

这个文档是什么

本文档是 BigTrader 量化交易框架的完整 API 类型定义文件（bigtrader.pyi），包含了所有可用的类、方法、枚举和数据结构的详细说明。BigTrader 是 BigQuant 平台的核心交易引擎，支持回测、模拟交易和实

策略概述

本策略是一个简单的趋势跟踪策略，主要思想是：

• 判断趋势：通过计算一段时间内的 Tick 价格的移动平均线（MA），来判断当前价格是高于还是低于平均水平。
• 跟随趋势：当价格高于移动平均线时，我们认为处于上涨趋势，就买入股票；当价格低于移动平均线时，我们

实时交易策略

1.选择感兴趣的股票实时交易模板（详见模板），点击【克隆】复制对应策略至策略编写页面；

1）运行代码：点击右上角的【全部运行】，看代码运行结果是否报错

2）提交模拟：点击右上的【提交模拟】，进行实时任务提交

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

在BigQuant上，您可以对接期货公司进行期货实时交易，当前实盘仅支持日内（实时）交易策略！大致流程如下：

1.在BigQuant上构建实时期货策略。

2.开通申万宏源期货账号。

3.在BigQuant上绑定期货账号。

4.添加实盘策略并设置条件后开始交易。

这里，默认您

本文介绍量化因子三种常见的处理方式，分别为：

• 标准化处理
• 极值处理
• 中性化处理

这三种数据处理方式，都是截面处理，即当天全市场5000之票做预处理，不涉及时序数据。

标准化处理

把当天的因子值按均值为0，标准差为1进行标准化处理

c_normalize(mkt) as