想问一下怎么筛选出一周内有涨停的股票
\
由bqta69a1创建,最终由bqta69a1更新于
\
由bqta69a1创建,最终由bqta69a1更新于
给出一个保存自己创建的数据列表的示例贴。
本文所展示的数据列表如下:
\
利用可
由qxiao创建,最终由qxiao更新于
m1模块是sql写的,输出是dataSource 类型么?那我在python模块中进行read_bdb为啥报错说input_1不是Datasource类型
但我看了m1.data又显示是datasouce类型,麻烦解答下,谢谢
![](/wiki/api/attachments.r
由luvymhq创建,最终由luvymhq更新于
由hxgre创建,最终由hxgre更新于
由hxgre创建,最终由hxgre更新于
由hxgre创建,最终由hxgre更新于
由hxgre创建,最终由hxgre更新于
由bqo4psj8创建,最终由bqo4psj8更新于
1、bigtrade的模式和聚宽很大的一个区别就是,策略要用的数据你们是先全部提取好了作为直接输入到回测引擎,这样就可以减少回测引擎每回测一天跑一天数据的麻烦,且再次回测也会有缓存,加快回测效率。我想问的是,我在取数据的时候是取整个回测时间段的,模拟的时候取数是当前的,这两个取数代码的写法肯定不同,
由luvymhq创建,最终由luvymhq更新于
由bqil6e0f创建,最终由bqil6e0f更新于
1、如果我的因子在sql之外还需要用Python做一些处理,请问提交因子的时候factor_sql 该怎么写?
2、因子分析中是否每个股票每个交易日都要有因子值,我是否可以每个股票只有月末有一个因子,其他时间都是空的。
由luvymhq创建,最终由luvymhq更新于
\
由luvymhq创建,最终由luvymhq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qxiao更新于
每个交易日尾盘需要清仓。
由iquant创建,最终由qxiao更新于
我们先来看一个策略回测曲线,年化17%多,最大回撤只有十几个点,交易不是特别频繁,但胜率极高。
这就是一个配对交易策略,只买
由qxiao创建,最终由qxiao更新于
由jliang创建,最终由qxiao更新于
最近上传了一个新版的随机森林模块,大家可以尝试使用一下。
![](/wiki/api/a
由bq7zuymm创建,最终由qxiao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qxiao更新于
动量策略是一种利用历史价格趋势来预测未来价格行为的量化交易策略。这种策略基于一个假设:股票或其他资产的未来价格趋势可能会延续其近期的表现。在实际应用中,动量策略通常会购买表现好的资产并卖出表现差的资产。
动量策略的核心是“追涨避跌”。具体来说,这种策略会:
由jliang创建,最终由qxiao更新于
MeetUP直播答疑 时间:8月24日(周四)19:00 回放视频请访问宽客学院-双周答疑-79thMeetup
\
**问题1:我主要使用价格K线形态来进行买入卖出依据,但是仅使用数学公式来描述形态(三角形,W,茶杯,头肩顶等)感觉比较局限,和难
由small_q创建,最终由qxiao更新于
由jliang创建,最终由qxiao更新于
该策略是一个典型的事件驱动策略
事件驱动策略的典型特征是,交易信号的出现并不像每日调仓的日频策略那样连续,而是断断续续的
当满足条件后出现交易信号则交易,否则就空仓,从回测曲线也可以看出,这样的策略有很多的空仓期
由small_q创建,最终由qxiao更新于
大类资产配置策略(Asset Allocation Strategy)是投资管理中一种基于投资组合理论的策略,其主要目的是通过在不同类型的资产之间分配投资来优化风险与回报的比例。这些资产类别通常包括股票、债券、现金及现金等价物、不动产、大宗商品以及其他替代投资品种。资产配置的目标
由qxiao创建,最终由qxiao更新于
本策略名称叫空中花园策略,是一个比较经典的日内交易策略。网上有大量的材料,感兴趣的可以搜索下。
\
隔夜跳
由qxiao创建,最终由qxiao更新于
\
本策略是日内回转交易可转债策略,其实和日内股票交易类似,毕竟可转债和股票非常接
由qxiao创建,最终由qxiao更新于