简介

BigTrader 是 BigQuant 推出的专业级量化交易引擎，主要用于策略在历史数据中回测撮合。BigTrader采用 C++ 核心实现，并提供 Python API 接口和回调函数。它为量化投资者提供了一个全面的交易解决方案，无论您是初学者还是专业投资者，都能轻松上手使用。

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

理解 BigQuant SDK 的设计哲学，是构建高性能、可扩展量化交易系统的基础。

1. 本地代理架构 (Local Proxy Architecture)

BigQuant SDK 的本质是一个智能代理。它打破了“本地软件”与“云端服务”的界限：

• 逻辑本地化：您的策

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

\

问题描述

我有大量数据需要处理（如批量计算因子、训练多个模型、参数调优等），单机执行太慢，如何使用 BigQuant SDK 进行分布式并行计算，加速处理过程？

详细解答

BigQuant SDK 提供了 fai 模块（FAI = Fast AI Computing），可以创建多节点集

用户教程

“用户教程” 按场景划分，涵盖了几乎所有 BigQuant SDK 的功能。每个小节都介绍了一个使用场景（例如“编写一个简单的量化策略”），并讨论了 BigQuant SDK 如何解决问题，其中包含许多示例。

如果您是刚接触 BigQuant SDK，请从 [BigQuant SD

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

\

问题描述

我有一些 Python 脚本需要在云端运行（例如需要更大内存、GPU 资源，或访问云端专有数据），应该如何通过本地 SDK 将代码提交到 BigQuant AIStudio 云端执行？

详细解答

BigQuant SDK 提供了 aistudio 模块，可以启动云端 AISt

问题描述

我想在本地计算自定义因子（如技术指标、基本面因子等），然后上传到 BigQuant 平台，供线上模拟交易策略使用，应该如何实现？

详细解答

BigQuant SDK 提供了 DataSource 类，可以将本地计算的因子数据上传为数据源，然后在线上策略中通过 SQL 查询使用

问题描述

我是量化交易新手，想用 BigQuant SDK 对策略进行本地回测，应该如何实现?

P.S “本地回测” 功能因官方包发行版本不支持 mac 的原因，暂时仅支持 win / linux 平台

详细解答

示例策略——“买入并持有”

“买入并持有策略” 是最基

问题描述

我想用 BigQuant SDK 查询股票的历史行情数据（如日线、分钟线等），并在本地进行分析处理，应该如何实现？

详细解答

BigQuant SDK 提供了两种主要方式来查询历史数据：

方法一：使用 DAI SQL 查询（推荐）

适用于需要灵活查询、过滤、聚合数据

问题描述

我在 BigQuant 平台上运行了模拟交易策略，想在本地查询策略的持仓、订单、成交、绩效等信息，应该如何实现？

详细解答

BigQuant SDK 提供了 papertrading 模块，可以方便地在本地查询和管理模拟交易策略的各类数据。

1.获取策略列表

首先查

1 模块概述

本模块提供模拟交易策略管理功能，包括策略列表查询、策略详情获取、绩效数据、交易订单、持仓信息等。支持本地/云端代码无缝切换。

主要功能：

• 获取个人策略和社区分享策略列表
• 获取策略详情对象（支持管理员特权）
• 查询策略绩效、订单、持仓、计划订单等数据

1 模块介绍

本模块提供数据查询、数据源读写、自定义函数等功能，支持远程查询和 BDB 数据管理

2 API 介绍

2.1 自定义 UDF 函数

类名： dai.DaiUDF

功能： 自定义 UDF 函数定义

参数：

• name : str，必填，UDF 函数名

1 模块介绍

本模块提供 BigQuant 平台的用户认证和管理功能，支持多用户登录和信息查询。

2 API 介绍

2.1默认用户首次登陆

命令： bq --save-auth --aksk ak.sk\n功能：默认用户首次使用 AK/SK 登陆\n参数：

• `ak.s

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.