BigQuant平台常见问题汇总(持续更新)


(iQuant) #1

大家在初期使用平台过程中常常会遇到一些问题,有时可能不能第一时间得到解答,遇到的问题中有些问题出现频率很高,在这里,小编为大家进行了一个整理,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。

平台介绍

  1. 什么是人工智能量化投资平台?

  2. 平台支持什么数据?

  3. 平台包含的众多因子在哪里?

  4. 我该如何学习?

  5. BigQuant平台能否支持实盘?

策略编辑常见问题

  1. 模拟实盘/回测 策略报错怎么办?

  2. 如何上传和下载数据?

  3. 如何查看模块运行结果?

  4. ST股票如何过滤?

  5. 能否实现涨停不卖?跌停不买?

  6. 策略报错“no data left after dropnan”

  7. 回测如何设置整百下单?

  8. 价格为什么与看盘软件对不上?

  9. 为什么策略有细微改变,而策略收益变化很大?

  10. 编写策略到选多少个因子比较合适?

  11. 训练集时间越长越好吗?训练集测试集时间怎么分配比较合适?

  12. 策略展现的各个指标都是什么意思?

订阅&开发策略使用常见问题

  1. 模拟交易策略没报错为什么没有信号?

  2. 接收的调仓信号如何使用?

  3. 模拟交易信号推送时间?


(iQuant) #2

平台支持包括沪深A股、港股、美股、期货、场内基金、期权数据、宏观经济数据等丰富的数据,详细内容均在 “文档—数据字典” 板块中列出,大家可以直接前往文档板块查找自己所需要的数据。

https://bigquant.com/docs/develop/datasource/basic_info.html


(iQuant) #3

平台拥有2005年至今完整的行情数据、上市公司财务数据及1600个以上的特色因子数据,方便策略开发者直接使用,提升效率,具体支持因子可前往“因子库”进行查看,除此之外,大家也可在平台自行进行抽取。

因子库:https://bigquant.com/docs/develop/datasource/deprecated/features.html


(iQuant) #8
  1. 因为股票会有分红派息,直接拿价格做回测是不准确的,平台默认采取后复权价格,而一般看盘软件展示的是真实价格,多以对比会有些出入;
  2. 每个平台的复权因子都会有细微差别,比较两平台同一股票价格的话可以均转化成真实价格进行比较;

(chenys101) #9

回测用复权价格,实盘会是真实价格吧?


(iQuant) #10

是的,实盘会转换成真实价格。


(iQuant) #11
  1. 即使是完全相同的策略机器每次重新学习的结果都会略有不同,改了输入数据会改变模型,进而改变结果;

  2. 一个策略的表现是由多方面因素共同决定的,不同训练的时间段、不同的因子、不同的策略逻辑生成的模型所适应的行情都会有所不同,细小的改变可能会对结果产生不同的影响;

  3. 评价一个策略好坏有多个维度评价标准,如表达式简单,对于数据和参数的微小变化不敏感,是适用于多个市场等,若策略对于数据和参数的微小变化十分敏感,导致结果出现根本性改变,说明这个策略还不够成熟,需要进一步去改善

感兴趣的朋友可以通过下方帖子做进一步了解:《寻找市场中的Alpha(上)—WorldQuant的阿尔法设计理念


(iQuant) #12

BigQuant平台目前支持回测和模拟实盘,实盘功能正在开发和对接中,预计很快可以与大家见面,有实盘需求的用户,可以添加客服微信:bigq100,在小Q处进行登记,功能上线后我们会优先开放给部分用户进行试用。


(iQuant) #13

平台模拟实盘目前使用日线数据,在当天收盘后,接收当天最新数据后输入策略对次日进行预测,策略运行时间一般情况下为 每天下午5点—11点之间 ,策略运行出结果后会即刻推送给策略作者及订阅者,在此期间大家可以耐心等待,若超出此时间可参考 《模拟交易策略没报错为什么没有信号? 》进一步检查,若检查无误可联系微信客服小Q:bigq100 进一步咨询。


【宽客学院】常见量化投资策略
(iQuant) #14

因子的数量并没有一个明确的标准范围,一个的策略的好坏取决于多方因素,不同因子数量均可以组合出优秀策略,如果初学者想给因子数量规定一个范围,可以将下文中的“不同年份AI策略收益分布图”作为一个参考,从图中大致可以看出因子数量和收益率之间关系,但并不绝对,那么具体如何构建一个有效策略,又如何寻找有效因子,可以参考下面两篇文章。


(iQuant) #15
  1. 理论上来说,训练时间确实越长越好,可以让模型得到更充分的训练,但是,这并不是说训练时间越长的策略效果就会越好,策略的表现由多方面因素共同决定,如果您模型相对比较简单,那么少量数据就可以让您模型训练充分,可以用剩余时间进行回测检验,如果您模型比较复杂, 那么就需要大量数据进行训练,这个都是结合实际情况进行灵活选择的。

  2. 机器学习中有许多种评估方法,这里十分关键的一点是训练集与测试集尽可能的互斥,即策略样本尽量不在训练集中出现,没有在训练集中使用,我们常用到的是将大约 2/3~4/5的数据用于训练,剩下数据用于测试,其他方法感兴趣的朋友可以查阅机器学习相关资料。


(don1314) #17

前复权价格

D.history_data(‘600519.SHA’, start_date=‘2019-02-01’, end_date=‘2019-03-01’,
fields=[‘open’,‘high’,‘low’,‘close’,‘amount’,‘volume’],price_type=‘forward_adjusted’)

无法获取数据?


(达达) #18

暂时还没有前复权数据,可以使用动态复权和后复权数据


(wt772853700) #19

请问怎么在选股的时候过滤st和退市股


(iQuant) #20

可参考学院教程帖:【宽客学院】条件过滤