量化研究---bigquant宽邦实盘交易研究

文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途

bigquant是非常不错的量化平台，重点在机器学习，人工智能，我以前呆过，非常不错的公司，目前bigquant主要对接了几个证券公司的实盘，数量还不多，可以利策略api直接对接qmt实盘，对接国金的我开发，我弄了一下处理目前支持了全部的miniqmt，大qmt需要改一下代码，平台的给的api接口只支持3.11上的版本因为他使用的库是httpx，这个库我后面改一下用requests替代应该就可以兼容全部的大qmt，miniqmt我开发完成了

https://mp.weixin.qq.com/s/CvU7AsH4E413-fuN2emjbg

网页我上传了可以直接下载

BigQuant宽邦：AI赋能，让量化投资更简单

在当今数据驱动的金融时代，量化投资已成为市场主流策略之一。然而，高昂的技术门槛、复杂的数据处理和深奥的算法模型，让许多对量化感兴趣的投资者和个人开发者望而却步。正是在这样的背景下，BigQuant宽邦 应运而生，致力于通过人工智能技术，打造一个平民化、一站式、高效率的量化投资平台。

一、 平台定位：让每个人都能成为AI量化专家

BigQuant宽邦的核心使命是 “降低量化投资的门槛” 。它不仅仅是一个传统的量化交易平台，更是一个融合了AI、大数据和云计算技术的智能投资生态系统。无论是毫无编程基础的初学者，还是经验丰富的专业量化基金经理，都能在BigQuant宽邦上找到适合自己的工具和资源。

二、 核心特色与优势

1. 强大易用的AI策略引擎

• 低代码/无代码开发：平台提供了直观的“可视化策略生成器”，用户通过拖拽模块即可快速构建和回测复杂的AI交易策略，无需深厚的编程功底。
• AI算法库：内置了丰富的机器学习（如LightGBM、XGBoost）和深度学习（如LSTM、Transformer）算法，专门为金融时间序列数据优化，助力用户挖掘海量数据中的阿尔法因子。
• 自动化机器学习（AutoML）：平台能自动完成特征工程、模型选择、参数调优等繁琐步骤，极大提升了策略研发效率。

2. 高质量、多维度的基础数据 数据是量化的基石。BigQuant宽邦提供覆盖A股、港股、美股、期货、期权等多市场的：

• 行情数据：高开低收、分钟线、Tick数据等。
• 基本面数据：财务报表、估值指标、宏观数据等。
• 另类数据：网络舆情、新闻情感、产业链数据等，为创造独特策略提供可能。
• AI因子库：平台预置了由AI生成的数百个有效因子，用户可以直接调用，快速搭建策略。

3. 专业级的高频因子与策略研究工具 对于专业用户，BigQuant宽邦提供了：

• 高频数据因子合成：支持基于Level-2行情数据合成高频因子，捕捉更细微的市场信号。
• 高性能回测引擎：回测速度快，支持多维度分析，提供详尽的绩效报告（如夏普比率、最大回撤、信息比率等），帮助用户精准评估策略表现。
• 模拟交易与实盘交易：策略经过回测验证后，可以进行无缝的模拟交易，最终通过对接券商通道，实现一键实盘部署。

4. 活跃的社区与知识共享 BigQuant宽邦拥有一个非常活跃的在线社区。在这里：

• 策略商城：用户可以学习、购买甚至出售自己开发的策略。
• 知识库与教程：提供了从入门到精通的系列课程、文档和实战案例。
• 互动交流：用户可以与平台上的其他量化爱好者、专家进行交流，碰撞思想，共同进步。

三、 主要产品与服务

• BigQuant AI量化平台：核心的在线研发平台，集成了数据、研究、策略、回测和模拟交易全流程。
• 宽邦WQ：可能是其关联的资讯、社区或终端产品，与主平台形成互补。
• 因子库与策略库：作为核心资产，为用户提供“即插即用”的策略组件。
• API接口：为有定制化需求的企业用户和开发者提供灵活的编程接口。

四、 目标用户

• 量化初学者/个人投资者：通过无代码工具轻松入门，体验AI量化的魅力。
• 独立量化研究员/交易员：利用平台强大的AI能力和数据资源，高效地进行策略研发。
• 私募基金/金融机构：作为专业的投研工具，提升团队的研究效率和策略多样性。

参考他们的网页教程，需要安装3.11上的版本，建议安装3.11，因为目前证券公司的qmt版本就只注册到3.11，如果需要使用3.12，3.13去qmt网页下载最新版本的xtquant，但是担心和证券公司不太兼容，我不敢随便替代，用证券公司版本文本，需要使用的话建议使用ancoda的虚拟环境

教程网页https://bigquant.com/wiki/doc/aEIxJ9LAYK

这个版本我下载修改了一下bigquant，支持了全部的python版本，我剔除了里面使用不到的dai模板，直接复制到python安装目录下就可以使用

我一般放在项目下面，不需要那么多配置直接使用

使用的简单教程，需要先登录我建议使用keyair公钥私钥访问登录，不建议使用账户密码登录

复制keyair,点击我的点击个人账户，点击建立就可以

复制策略的id，点击自己运行的策略，复制de后面部分就是

点击可以查询到全部数据

代码全部上传了知识星球可以直接下载

不懂的问我就可以加我备注入群可以加入量化群

源代码

from bigquant.api import strategy, user, run
import pandas as pd
class xms_quant_bigquant:
    def __init__(self,keypair='TE6'):
        '''
        宽邦交易api
        作者:索普量化
        微信:xms_quants1
        我的凭证
        '''
        
        self.keypair=keypair
        self.user=user
    def login(self):
        '''
        登录
        '''
        login_info = user.login(
        keypair=self.keypair,
        )
        return login_info
    def whoami(self):
        '''
        用户信息
        '''
        login_info=self.user.whoami()
        return login_info
    def logout(self):
        '''
        退出登录
        '''
        self.user.logout()
    def get_strategy(self,page=1, size=10):
        '''
        功能：分页获取策略列表
        参数：
        page: int，非必填，页码
        size: int，非必填，页容量
        '''
        res = strategy.get_strategy(page, size)
        success=res['success']
        if success==True:
            df=pd.DataFrame(res['items'])
        else:
            df=pd.DataFrame()
        return df
    def get_position(self,strategy_id='102a6228-d17a-44fa-8dba-1e5c47421ef2'):
        '''
        获取持仓详情
        返回字段：
        account_type: 账户类型
        account_id: 账户ID
        trading_day: 交易日
        exchange: 交易所
        instrument: 代码
        name: 代码名称
        posi_direction: 持仓方向(1=多头, 2=空头)
        current_qty: 持仓数量
        available_qty: 可用数量
        today_qty: 今日持仓数量
        today_available_qty: 今日可用数量
        cost_price: 持仓成本价格
        last_price: 持仓最新价
        market_value: 持仓市值
        margin: 保证金占用
        position_pnl: 盈亏金额
        hedge_flag: 投保标记(1=投机)
        sum_buy_value: 累计买入金额
        sum_sell_value: 累计卖出金额
        commission: 累计交易费用
        dividend_qty: 当日分红数量
        dividend_cash: 当日分红金额
        open_date: 开仓日期
        open_price: 开仓价格
        settlement_price: 结算价
        profit_ratio: 盈亏比率
        initial_qty: 日初持仓数量
        hold_days: 持有天数
        '''
        positions_df = strategy.get_position(strategy_id=strategy_id, df=True)
        return positions_df
    def get_order(self,strategy_id='102a6228-d17a-44fa-8dba-1e5c47421ef2'):
        '''
        获取交易记录
        返回字段：
        strategy_id: 策略ID
        account_type: 账户类型
        account_id: 账户ID
        trading_day: 交易日
        exchange: 交易所
        instrument: 代码
        name: 代码名称
        direction: 买卖方向(1=买入, 2=卖出)
        offset_flag: 开平标志(0=开仓, 1=平仓, 2=平今)
        order_qty: 委托数量
        order_price: 委托价格
        average_price: 成交均价
        filled_qty: 成交数量
        filled_dt: 最新成交时间
        cancel_dt: 撤单时间
        order_status: 委托状态（0=未成交, 1=部分成交, 2=全部成交, ...）
        status_msg: 状态信息
        order_type: 委托类型(0=限价, U=市价)
        order_property: 委托属性
        hedge_flag: 投保标记(1=投机)
        order_dt: 委托时间
        order_key: 本地订单标识
        order_sysid: 交易所报单编号
        entrust_no: 柜台委托编号
        algo_order_id: 算法单号
        commission: 交易费用
        realized_pnl: 平仓盈亏
        '''
        orders_df = strategy.get_order(strategy_id=strategy_id, df=True)
        return orders_df
    def get_planned_order(self,strategy_id='102a6228-d17a-44fa-8dba-1e5c47421ef2',trading_day='2024-04-16', page=1, size=10000):
        '''
        获取计划交易详情
        返回字段：
        planned_order_id: 计划订单ID
        strategy_id: 策略ID
        account_type: 账户类型
        account_id: 账户ID
        trading_day: 交易日
        order_dt: 待下单时间
        exchange: 交易所
        instrument: 代码
        name: 代码名称
        direction: 买卖方向(1=买入, 2=卖出)
        offset_flag: 开平标志(0=开仓, 1=平仓, 2=平今)
        original_order_qty: 原始委托数量
        order_qty: 委托数量
        order_price: 委托价格
        order_type: 委托类型(0=限价, U=市价)
        order_status: 委托状态（0=未成交, 1=部分成交, 2=全部成交, ...）
        status_msg: 状态描述
        order_params: 下单条件参数
        order_placed_dt: 实际发单时间
        order_key: 本地订单标识
        entrust_no: 委托号
        algo_order_id: 算法单号
        stop_loss_price: 止损价格
        stop_profit_price: 止盈价格
        created_at: 创建时间
        '''
        planned_orders_today = strategy.get_planned_order(strategy_id=strategy_id,trading_day=trading_day,page=page,size=size,df=True)
        return planned_orders_today
    
if __name__=='__main__':
    api=xms_quant_bigquant(keypair='HIAFanxum')
    print(api.login())
    print(api.whoami())
    df=api.get_planned_order(strategy_id='ffa9136b-dc0',trading_day='2025-10-30')
    print(df)
    df.to_excel(r'数据.xlsx')