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。

首先，构建简单但能运行的策略

BigQuant平台回测主要使用bigtrader中in

策略介绍

净利润同比增长选股策略旨在通过筛选那些净利润同比增长显著的公司，挖掘潜在的投资机会。该策略核心在于选择那些净利润增长率高的公司，以捕捉其盈利增长潜力，同时确保这些公司具备稳健的财务状况，如资本充足率和流动比率良好。此外，还关注这些公司股价的上涨趋势和成交量稳定，以及它们所处行业的增

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：

<

BigQuant 开始使用

BigQuant 导航

快速创建一个量化策略

1. 注册/登录 [BigQuant](https

策略介绍

该策略是一个质量投资策略，即基于公司质量指标选择股票

在这里，我们将质量因子（score）定义为盈利能力（Profitability） + 成长性（Growth） + 安全性（Safety）

• 盈利能力指标由资产毛利率GPOA，ROE，ROA，资产流动资金比CFOA，毛利率G

信达证券简介

信达证券（证券代码“601059”）总部位于北京市，公司实控人为中央汇金，具备证券经纪；证券投资咨询；与证券交易、证券投资活动有关的财务顾问；证券承销与保荐；证券自营；证券资产管理；融资融券；代销金融产品；证券投资基金销售；证券公司为期货公司提供中间介绍业务资格。公司在

版本日志

• 3.1 2024-04-19
• 3.0 2024-04-07

\

https://bigquant.com/codesharev3/d0efb88d-5d91-407a-904b-2bf716947c6a

\

策略介绍

本策略是104选股策略（🌟104-选股策略）模板的具体应用。基本逻辑是股息率较高的公司能够持续支付较高的现金股息，这通常意味着这些公司拥有较为稳定和可预测的现金流。投资者通过持

策略介绍

本策略AI算法来预测股票的未来表现，并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

策略介绍

该策略是一个TALIB指标选股策略

买入条件是（1）今日开盘价大于昨日收盘价；（2）5日收盘价均线大于10日收盘价均线的股票

买入后，如果5日收盘价均线小于10日收盘价均线，则次日卖出。

策略流程

1. 股票过滤：剔除ST、停牌股、北交所
2. 筛选条件：上市天数大

当我们在用可视化模块构建日频策略的时候，如果想添加日内的执行逻辑，例如高开两个点买入，或者在日内指定时间买入，应该如何修改代码呢？\n实际上，我们只需要读取日频策略的调仓数据，然后调用这个数据接入日内回测即可，下面以平台内置的Stockranker可视化模板策略为例，讲解如何实现日内执行逻辑。

策略介绍

• 在 102 中我们使用了 [仓位分配](https://bigquant.com/wiki/doc/aistudio-HVwrgP4J1A#h-%E4%BB%93%E4%BD%

策略介绍

本策略基于 BigQuant 平台的 StockRanker 排序学习算法，通过机器学习方法预测股票在未来一段时间内的相对表现，并对股票进行横截面排序，从而构建可交易的股票组合。

StockRanker 是 BigQuant 自研的一种 **Learning to Rank

1. 策略定位与适用场景

本策略为两融信用账户下的配对交易（Pairs Trading）/统计套利策略。通过同时交易两只高度相关或同一行业的股票（示例：601328.SH 与 601998.SH），在它们的相对价格出现短期偏离时进行多空对冲交易，目标是获取价差均值回归带来的收

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

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

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

\