开放能力API（旧版模拟交易）
由qxiao创建，最终由small_q更新于
智能策略
由qxiao创建，最终由bqzog1up更新于
期权
{{use_style}} ### 基本信息
期权基本信息
期权的基本信息
表名: basic_info_CN_OPTION
| 字段 | 字段类型 | 字段描述 |
|---|---|---|
| instrument | str | 合约代码 |
| ex |
由small_q创建，最终由bqvu0p8x更新于
算子
算子是平台可视化研究环境进行实验开发时基本组件，也称模块。
算子简介
AI量化策略研究平台将复杂的算法和逻辑代码封装为简单易用的算子。算子支持一致的命名约定、版本控制和缓存/增量计算等功能。
下图显示 因子分析这一算子。我们可直接从左侧拖动算子到研究环境。
![
由jliang创建，最终由xiaoshao更新于
缓存DataSource的使用
导语
很多用户刚来到平台对于平台的数据存储方式不是很清楚，本文对DataSource进行介绍。
平台使用缓存进行数据存储和缓存加速，每个模块运行后的结果都会自动保存到一个缓存地址中，并可以在平台磁盘上保存一段时间，通常是几小时至几天。平台的数据表读取、模块运行结果读取都可以通过DataSo
由ypyu创建，最终由laoz更新于
Dai读取高频因子构建一个简单多因子策略
由anthony_wan创建，最终由anthony_wan更新于
因子
大多数投资者都认为，是一些基本因素导致了股价的上涨、下跌，或者在一定交易范围内简单变动。这些因素在量化投资中，我们可以简单称之为“因子”量化始终围绕着因子展开，将其使用在投资组合中能产生稳定的正或负的的超额收益。
每个因子都代表一些有效的（产生正超额收益，即最高分位）和无效的投资策略（产生负超额收
由qxiao创建，最终由qxiao更新于
BigQuant AI策略详解
导语
AI策略和传统的量化策略有很大差异，本文根据策略背后代码详细讲解AI策略，了解AI策略运行机制。
前面我们通过可视化策略模板或者策略生成器，可以快速开发出一个AI策略，我们来详细解读一下策略的代码。
看看下面这个简单的AI策略抽象流程示意图，将帮助我们来理解AI策略代码。
!
由ypyu创建，最终由qxiao更新于
情绪指标的构建和使用
导语
很多朋友在股票行情软件上能看到很多情绪的指标，例如每日涨停/跌停数，每日上涨股票数，昨日涨停溢价，昨日连板溢价，行业板块百日新高等。此篇文章了介绍如何在宽邦平台上构建这些情绪指标以及如何使用的思路。
指标构建
每日涨停/跌停数
定义
统计每日的股
由qxiao创建，最终由qxiao更新于
A股
{{use_style}} ### 财报数据
财报变更日期
财报变更日期
表名: financial_changedate_CN_STOCK_A
| 字段 | 字段类型 | 字段描述 |
|---|---|---|
| instrument | str | 股 |
由bigquant创建，最终由bqrb8han更新于
可转债
{{use_style}} ### 行情数据
可转债折溢价信息
可转债折溢价信息
表名: discount_premium_CN_CONBOND
| 字段 | 字段类型 | 字段描述 |
|---|---|---|
| date | datetime64[n |
由qxiao创建，最终由bqo1ipdw更新于
预计算因子
{{use_style:custom-style-default}}
导语
平台已经整理好的因子数据，可以在基础特征抽取里面直接抽取。
A股
量价因子
| 字段 | 字段类型 | 字段描述 |
|---|---|---|
| adjust_factor_* |
由qxiao创建，最终由bqyq9vwl更新于
数据更新记录
设置数据为历史数据版本
# 设置数据版本
# 只需要再notebook最上面一个cell中设置好version,即可对当前整个notebook生效
DataSource.init(version="2022-01-10")
# 参数解析
version: 数据由small_q创建，最终由bq23hnvc更新于
公募基金
{{use_style}} ### 基金投资组合
基金资产配置
基金资产配置
表名: assets_CN_MUTFUND
| 字段 | 字段类型 | 字段描述 |
|---|---|---|
| date | datetime64[ns] | 报告日期 |
由qxiao创建，最终由hxgre更新于
场内基金
{{use_style}} ###
基金数据
基金基本信息
表名: basic_info_CN_FUND
| 字段 | 字段类型 | 字段描述 |
|---|---|---|
| instrument | str | 证券代码 |
| abbreviation |
由bigquant创建，最终由hxgre更新于
期货
{{use_style}} ### 基本信息
期货基本信息
期货的基本信息
表名: basic_info_CN_FUTURE
| 字段 | 字段类型 | 字段描述 |
|---|---|---|
| instrument | str | 合约代码 |
| de |
由small_q创建，最终由bq23hnvc更新于
1
\
由bqadm创建，最终由jliang更新于
数据
{{use_style}}
交易市场信息
平台交易市场对应的代码后缀。基本原则：code.exchange ，股票的exchange根据业务来划分，比如A股是SHA/SZA，ETF是 HOF/ZOF，指数是 HIX/ZIX 等；而期货则为全部统一为大写品种代码+四位年月+交易后缀，比如
由qxiao创建，最终由qxiao更新于
使用自定义损失函数训练DNN网络
为什么要用自定义损失函数
- 能够适应特定任务: 如在金融领域中，可以设计自定义损失函数来考虑不同的风险偏好、成本约束或者特定的投资目标。
- 提升模型性能: 自定义损失函数可以通过对模型输出和目标之间的差异进行更精确的度量，从而提高模型的性能。通常情况下，使用常见的损失函数如均方误差（
由qxiao创建，最终由qxiao更新于
T.plot高级画图教程
您好，现平台关于画图已更新使用BigChart包，请参考：https://bigquant.com/wiki/doc/tubiao-RwgbFC0lXy
将不在使用T.plot绘图，后期该文档将不再使用。
\
条形图
[https://bigquant.com/experiment
由qxiao创建，最终由qxiao更新于
常见问题
导语
大家在使用平台过程中常常会遇到一些问题，有些问题出现频率很高，这里，小编为大家进行了整理， 包含“数据”、“策略开发”、“模拟实盘”、“订阅”等多类问题 ，大家在遇到问题后可以先尝试在本贴中寻找答案，希望可以帮助大家第一时间解决心中的疑惑。
数据问题
BigQ
由xiaoshao创建，最终由xiaoshao更新于
高阶应用技巧
\
由qxiao创建，最终由qxiao更新于
策略
量化投资策略的开发是一个较为复杂的过程，每个子过程之间都有着紧密的联系。总体而言，主要包含以下几个流程：
①数据的准备与预处理
②量化投资策略的构建
③策略的回溯测试
④策略的优化
本部分将对以上4个部分进行讲解。
由qxiao创建，最终由qxiao更新于
BigQuant 最佳实践
- BigQuant使用案例
- 最佳使用方式
\
由jliang创建，最终由jliang更新于
如何固化深度学习、随机森林和StockRanker模型|模型固化
深度学习模型的固化
由于深度学习中牵扯到Dropout和随机种子等多处随机项，因此如果无法固化模型，当缓存丢失后会模拟交易/回测会触发重新训练，导致模型变化，本帖介绍固化已有的模型的步骤。
调试策略
好的策略应该经过多次训练查看模型的回测效果稳定性，如果发现同样参数下多次训练模型
由qxiao创建，最终由qxiao更新于