历史文档
文档目录
- 【历史文档】BigQuant使用文档
- 【历史文档】平台使用指南
- 【历史文档】因子
- 【历史文档】数据
- 【历史文档】算子
- 【历史文档】策略
- 【历史文档】策略-策略研究
- 【历史文档】策略-策略构建
- 【历史文档】策略-策略基础设置
- 【历史文档】策略-AI策略开发
- 【历史文档】策略-策略示例分类
- 【历史文档】策略示例-数字货币
- 【历史文档】策略示例-股票策略
- 【历史文档】策略示例-期货策略
- 【历史文档】策略示例-期货传统策略
- 【历史文档】策略示例-期现套利策略 v1.0
- 【历史文档】策略示例-择时策略-MACD指标 v1.0
- 【历史文档】策略示例-择时策略-AR人气指标 v1.0
- 【历史文档】策略示例-通道突破策略-ATR指标 v1.0
- 【历史文档】策略示例-通道突破策略——布林带指标 v1.0
- 【历史文档】策略示例-期货策略-基于协整的跨期套利 v1.0
- 【历史文档】策略示例-基于动量因子的商品期货多空对冲策略
- 【历史文档】策略示例-卡夫曼自适应移动均线-分钟 v1.0
- 【历史文档】策略示例-菲阿里四价策略-分钟 v1.0
- 【历史文档】策略示例-Dual Thrust日内策略-分钟 v1.0
- 【历史文档】策略示例-R-Breaker日内期货交易策略-分钟 v1.0
- 【历史文档】策略示例-日内网格交易策略-分钟
- 【历史文档】策略示例-均线突破策略-Tick
- 【历史文档】策略示例-期货智能策略
- 【历史文档】策略示例-期货传统策略
- 【历史文档】策略示例-基金策略
- 【历史文档】策略示例-期权策略
- 【历史文档】策略示例-债券策略
- 【历史文档】策略-回测研究
- 【历史文档】策略-模拟交易
- 【历史文档】策略-实盘交易
- 【历史文档】策略-策略研究
- 【历史文档】高阶应用技巧
- 【历史文档】高阶技巧-将自定义python模块封装成你的功能定制模块
- 【历史文档】高阶技巧-pytorch模型固化+提交模拟交易
- 【历史文档】高阶技巧-缓存DataSource的使用
- 【历史文档】高阶技巧-基于因子分组的快速回测
- 【历史文档】高阶技巧-自定义行情数据回测示例
- 【历史文档】高阶技巧-如何固化深度学习、随机森林和StockRanker模型|模型固化
- 【历史文档】高阶技巧-如何固化xgboost模型并调用|模型固化
- 【历史文档】高阶技巧-申万行业指数
- 【历史文档】高阶技巧-通过自定义Python模块使用固化的模型去做预测
- 【历史文档】高阶技巧-滚动训练在DNN策略上的应用分享
- 【历史文档】高阶技巧-如何表达近期金叉
- 【历史文档】高阶技巧-严格月初调仓示例
- 【历史文档】高阶技巧-多模型组合使用技巧
- 【历史文档】高阶技巧-月度调仓_可视化编程示例
- 【历史文档】高阶技巧-多策略回测教程
- 【历史文档】高阶技巧-计算个股连板数量
- 【历史文档】高阶技巧-开箱实盘即用,批量测试因子的实盘策略模板
- 【历史文档】高阶技巧-超参搜索:如何搜索Trade模块中的参数
- 【历史文档】高阶技巧-持有股票必须大于n天后才能卖出和买入的股票m天内不再买入
- 【历史文档】高阶技巧-如何画StockRanker模型的NDCG曲线
- 【历史文档】高阶技巧-如何计算过去N日指标1最大值当天指标2的值
- 【历史文档】高阶技巧-如何在模拟中使用持久化变量
- 【历史文档】高阶技巧-T.plot高级画图教程
- 【历史文档】高阶技巧-获取市场涨跌停统计数据,并入库,提交定时任务
- 【历史文档】高阶技巧-滚动训练视角下的超参搜索实现——以AI量化选股为例
- 【历史文档】高阶技巧-如何在BigQuant策略研究平台自定义library
- 【历史文档】高阶技巧-XGBoost模型增量训练
- 【历史文档】高阶技巧-情绪指标的构建和使用
- 【历史文档】常见问题
- 【历史文档】常见问题-数据API
- 【历史文档】常见问题-目前支持的Python模块
- 【历史文档】常见问题-如何上传/下载数据
- 【历史文档】常见问题-如何处理开仓时间晚于回测开始时间的现象
- 【历史文档】常见问题-策略回测报错如何处理
- 【历史文档】常见问题-如何处理因子提交失败的问题
- 【历史文档】常见问题-模拟实盘报错如何处理
- 【历史文档】常见问题-模拟交易没信号但没报错
- 【历史文档】常见问题-调仓信号如何使用
- 【历史文档】常见问题-BigVIP 产品使用说明(旧版)
- 【历史文档】常见问题-策略分成规则&提现流程
- 【历史文档】常见问题-用API获取模拟交易持仓数据
- 【历史文档】常见问题-AIStudio FAQ(AIStudio 2.0.0版本)
- 【历史文档】ChatGPT-使用教程
- 【历史文档】常见对象说明
- 【历史文档】策略分享
- 【历史文档】量化百科
- 【历史文档】问答交流
- 期货日线MACD策略
- DNN算法实现股票预测
- Pandas查看和选择
- StockRanker多因子选股策略
- 时间序列预测(二):ARMA模型
- 处理持仓中的"雷"股
- 50行代码实现股价预测
- 价值选股策略
- 主动投资管理之信息率
- 基于协整的配对交易
- 事件驱动之ST扭亏摘帽分析
- 获取指数成分和行业股股票列表
- 大盘风控
- 股票等权重设置
- 基于动量因子的商品期货多空对冲策略
- 早盘买卖
- A股股票过滤模块
- 多因子选股策略-股票日频
- 整百下单
- 行业轮动策略
- 另类标签推荐
- 等资金权重配置
- 可视化的方式提取某个板块和概念的股票涨跌幅进行统计,并构建成因子
- 高频回测模块择时策略
- 初识协整
- 组合优化器优化
- 头天满仓,后续每天交易两只,保持仓位10只
- 2023-06-30 孤雁出群
- 设定以策略的最大可回撤空间来控制开仓的仓位
- 策略中调用其他因子_AI
- 追涨类策略的两个模型融合:一个预测上涨,一个预测下跌
- 如何对1-3日内上涨的股票进行标注
- 借助talib使用技术分析指标来炒股
- 大盘风控和个股风控
- 一字涨停策略简单实现
- 121-基于StockRanker的AI选股策略
- LSTM大盘择时+Stockranker选股
- 均线突破策略-期货分钟
- 均线突破策略-期货快照
- 处理持仓中的ST和退市股
- 涨停取消卖单
最新文章
- 【历史文档】常见问题 · 2026-05-09
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 利用希尔伯特变换择时 · 2026-02-13
导语 Hilbert变换是一种有效的数据周期分析工具,将原始信号延迟90°相位,从而方便的提取出当前信号在周期变换中所处的相位,进而对趋势进行判断。 !/community/uploads/default/original/2X/6/6d688b13feb767dc64b487a1e32d05e5
- 【历史文档】因子构建与标注-认识因子逻辑 · 2026-01-18
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 【历史文档】策略回测-策略回测结果指标详解 · 2025-11-09
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 【历史文档】策略回测-重要对象 · 2025-11-03
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 【历史文档】因子构建与标注-自定义函数构建因子 · 2025-10-18
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 【历史文档】常见问题-策略分成规则&提现流程 · 2025-09-24
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): <https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW> 新版模版策略: <https://bigquant.
- 【历史文档】高阶技巧-月度调仓_可视化编程示例 · 2025-03-23
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): <https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW> 新版模版策略: <https://bigquant.
- 【历史文档】预计算因子 · 2024-10-16
{{usestyle:custom-style-default}} 更新 本文内容已经过期,不再适合平台最新版本,请查看如下最新内容: 预计算因子https://bigquant.com/data/datasources/cnstockprefactors 数据APIhttps://bigqua
- 【历史文档】常见对象说明 · 2024-07-26
常见对象 交易账户相关 TradingAccountStockTradingAccount/FutureTradingAccount交易账户资金相关,可访问如下属性: > tradingday: 交易日 YYYYmmdd > portfoliovalue: 总资产,主要是资金+持仓市值 > p
- 涨停取消卖单 · 2024-06-14
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 【历史文档】策略示例-通道突破策略——布林带指标 v1.0 · 2024-06-12
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 处理持仓中的ST和退市股 · 2024-06-12
https://bigquant.com/experimentshare/a3b69879c8a64567825df6d006b45da2https://bigquant.com/experimentshare/a3b69879c8a64567825df6d006b45da2 \
- 均线突破策略-期货快照 · 2024-06-07
https://bigquant.com/experimentshare/5d58aac171cc4f0da4c5ef68b8871c80https://bigquant.com/experimentshare/5d58aac171cc4f0da4c5ef68b8871c80 \
- 均线突破策略-期货分钟 · 2024-06-06
https://bigquant.com/experimentshare/ce74bc7af5cd4206bcb1b6334235e2f8https://bigquant.com/experimentshare/ce74bc7af5cd4206bcb1b6334235e2f8 \
- 【历史文档】算子样例-自定义Python模块_new · 2024-05-27
使用场景 可以编写自己的python功能代码,并支持封装成模块。 输入端 输入1:第一个输入端口,支持输入任意格式的数据,一般为DataSource类型。 输入2:第二个输入端口,支持输入任意格式的数据,一般为DataSource类型。 输入3:第三个输入端口,支持输入任意格式的数据,一般为D
- 【历史文档】算子样例-自定义Python模块 · 2024-05-27
更新 本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明 新版量化开发IDE(AIStudio): https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzWhttps://bigquant.com/wiki/doc
- 期货日线MACD策略 · 2024-05-24
这是旧版文档 MACD策略的交易规则 相关指标定义如下: DIF=EMAclose,12−EMAclose,26 DEM=EMADIF,9 DIF从下而上穿过DEA,买入开仓; DIF从上往下穿过DEA,卖出开仓; 策略构建步骤 1. 确定期货合约和回测时间 通过证券代码列表输入要回测的期货合约,以
- LSTM大盘择时+Stockranker选股 · 2024-05-24
请参考新版的大盘择时 机器学习+择时+跟踪止损+技术分析https://bigquant.com/wiki/doc/5py65zmo5a2m5lmgkalqeaxtivot5oukrmralmjz8r5oqa5pyv5yig5p6q-OXurM4SetN 策略案例 https://bigquant.
- 121-基于StockRanker的AI选股策略 · 2024-05-23
策略介绍 本策略使用StockRanker算法,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。 策略流程 1. 特征选择:输入对股票价格有显著影响的多维度因子,可以是包括基本面、技术指标、情绪指标等等 2. 预测目标:预测未来 5 日收益率 3. 数据抽取