模拟交易变量持久化
1. 回测 vs 模拟交易,最大的“隐藏差异”是什么?
在回测里,策略通常是一个连续进程跑完整个区间:
initialize()只执行一次- 变量在内存里一直存在(计数器、上次调仓日、上次权重……)
但在模拟交易里,系统很常见的运行方式是:
- 每个交易日(或每次任
由qxiao创建,最终由bq1zb2kt更新于
在回测里,策略通常是一个连续进程跑完整个区间:
initialize() 只执行一次但在模拟交易里,系统很常见的运行方式是:
由qxiao创建,最终由bq1zb2kt更新于
由small_q创建,最终由bqbkn3d2更新于
这是一个打板的分钟回测策略,如果要实盘的话肯定需要自动化。回测绩效结果如下:
从24年9月到25年3月,取得了年化82.43%的年化收益,最大回撤可控,-20.74%。策略的特点就是胜率较高,符合打板策略的特色。
策略信号生成到终端自动获取并下单的完
由small_q创建,最终由small_q更新于
该策略是一个典型的事件策略,事件策略和选股策略是有本质上的区别的,事件策略的基本思想是,对于特定的股票,什么时候该买,什么时候该卖,本文介绍了一种基于MACD指标的事件策略
具体来说,MACD包括三个指标:
由small_q创建,最终由bqom6e5m更新于
传统投资想法主要存在于人脑,并由人脑运行产生决策信号。
在量化投资中,我们把投资想法编写为策略代码,使用数据来验证和完善想法,并将最终的策略部署到计算机/服务器上运行,产生策略信号。
BigQuant提供用于策略研究开发的数据、算法、算力和平台,同时也提供策略部署和托管运行。我们先
由small_q创建,最终由bqodgcg4更新于
策略思想丰富多样,尤其是在买入和卖出方面,一千个投资者可能有一千个交易想法。因此,本文告诉大家怎样进行灵活地买入和卖出,以便于大家能够更高效地开发量化策略。
BigQuant平台提供了很多策略生成器的模板策略,其买入和卖出的思想是确定了的。由于每个人交易的想法可能千差万别,因此如果能
由clearyf创建,最终由jayjaypp更新于
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
由qxiao创建,最终由bqgeewkn更新于
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:
<
由bqmokgou创建,最终由bqgeewkn更新于
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)
由bqbcl5zr创建,最终由bqgeewkn更新于
由jliang创建,最终由bq4ug02n更新于
由qxiao创建,最终由qxiao更新于
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
由small_q创建,最终由bqc7bj9w更新于
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。
由jliang创建,最终由bqadm更新于
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。
由bqbcl5zr创建,最终由bqhfnhpe更新于
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。
由qxiao创建,最终由qxiao更新于
由jliang创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由neoblackxt更新于
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:
由qxiao创建,最终由qxiao更新于
DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台
由jliang创建,最终由bqv93dy2更新于
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
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
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。
\
DataSource相关的方法和属性,定义在库 dai 中,通过以下代
由small_q创建,最终由small_q更新于