因子原理

市销率（P/S Ratio），是一种估值指标，用于衡量公司股票价格与其销售收入之间的关系。市销率可以帮助投资者了解公司股票的估值水平，相对于其收入而言是否被高估或低估。

在不同的行业中，市销率的合理区间也存在差异：

• 技术行业：技术公司通常具有较高的成长潜力，投资者预

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

\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

📌深入探讨数据量化分析的方法，挖掘数据中的隐藏价值和规律。

📌利用数据可视化，将复杂的分析结果转化为直观易懂的图形和图表，提升决策效率和准确性。

💡直播讲师：万笑宇老师\n毕业于墨尔本大学，拥有多年的量化投研和实盘交易经验。致力于探索和应用先进的量化策略。

视频回放：[点击此处查

❓ 总在苦恼策略参数调不好，收益难突破？\n❓ 眼馋高股息策略稳定回报，却不知如何搭建？\n❓ 听说参数优化能让收益飙升，但找不到方法？

本次分享一次性为你解开谜团！

🎯 核心看点：\n✅ 颠覆认知 | 参数优化不是玄学！3个底层逻辑让策略收益质变\n✅ 实战拆解 | 高股息策略5大核

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

\

本文将介绍

1.如何封装量化策略框架

2.提供多个预先封装好的量化策略框架

\

什么是策略框架？

说到量化，自然少不了策略。可能会有很多人认为A股中有很多不同的量化策略，实际上恰恰相反。就A股而言，可用的量化策略非常少。目前A股主流的量化策略只有2种，分别为筛选策略和多因

import jqdata

def initialize(context):

# 定义均线周期

context.ma5_period = 5

context.ma10_period = 10

context.ma3_period = 3

def handle_data(c

一、策略概述

1.1 背景介绍

行业轮动策略是一种量化交易策略，旨在通过在不同行业之间进行资金分配，捕捉市场趋势和行业表现的周期性变化。 从名字即可看出，经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业，因此我们如果能布局这些行业并定期轮动调整，那会取得还不错的投资效果。

策略概述

背景介绍

天蝎座0.6是社区用户woshisilvio开发的一个策略，还做过视频讲解。

策略源码和视频讲解请参照：==《天蝎座0.6》BQ天梯NO.2策略源码讲解==

股票实时交易策略

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

贵州茅台近一年收益是-7，还是-3。智能体生成的策略，基准收益是对的，累计收益是错的。

[https://bigquant.com/codesharev3/4fcfd000-1944-4773-ab71-681187ad6a3c](https://bigquant.com/codesharev3/

在bigquant平台可视化那个模块加的呀，训练集的实际参数可以，就是测试集不行。我尝试了test_data和eval_data都不行诶

策略简介

A股表现整体呈现震荡趋势，熊市周期长，且经常出现虽然指数跌幅较低，但市场上的个股跌幅较大。于是提出猜想：是否能找到比较抗跌的策略，在市场表现一般的时候策略回测较小。

策略的特点：在大盘下跌时，策略相对大盘比较抗跌，策略回撤相对小。

构建步骤

确定策略目标市场

简介

BigTrader 是 BigQuant 推出的专业级量化交易引擎，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。

核心特性

• 全市场覆盖
  • 多品种支

《彼得·林奇教你理财》通俗解读：普通人的“接地气”赚钱指南 一、核心思想：菜鸟也能打败华尔街 简单说： 彼得·林奇认为，普通人的日常生活就是最好的选股工具。超市里卖断货的零食、小区门口排队的奶茶店、办公室里同事都在用的电子产品……这些“身边的机会”比华尔街的复杂模型更靠谱。 他的战绩：管理基金13年

大田老师上课不是提到可以用之前特朗普1.0的时候那个关税政策做分析，然后来预测这一次的关税政策效应嘛，然后我就想用去上一次的数据做一个政策分析，请问有没有什么推荐的策略和数据呢？

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 [旗舰版](https://bigquant.com/s

复现了4个因子平台的因子，收益都与因子平台的收益相差太多。

复现思路：因子一致，回测时间一致，持仓股票数量500只，score ASC、DESC都可以试试。

老师也可以不复现这四个因子，因子平台上的随便一个都行，看看能不能复现：因子平台上年化20%，复现17%，我认为就是OK的。但是差的太多。

import os
from bigmodule import M
import numpy as np
from bigtrader import PerOrder
import pandas as pd 
from bigtrader  import Directi

想读取CSV文件中的因子F1和F2，在特征模块进行加工成F1+F2并命名为F3，请问如何实现？

按照文档里的读取SCV文件试了下，结果出现报错。

https://bigquant.com/codesharev3/4833d08f-8823-4a0d-9823-524ca41830a6