持仓

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5ase55cg5oyb5lut5lit55qeiumbtylogqe-fEyQrrHIjR

\

导语

通过数据过滤我们可以在预测的时候避开ST股和退市股，但如果很不幸我们的买入持仓中有股票变成了ST股或者退市股时，我们应该如何快速卖出逃脱呢？本节我们就聊聊如何处理持仓中的“雷”股

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

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

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

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

常见对象

交易账户相关

TradingAccount(StockTradingAccount/FutureTradingAccount)交易账户资金相关,可访问如下属性：

• trading_day: 交易日 YYYYmmdd
• portfolio_value: 总资产，主要是资金+持仓市值
• positions_value: 总持仓市值
• available: 可用资金，主要是账户资金-冻结资金
• pre_balance: 昨日账户结算净值
• balance: 账户资金
• frozen_cash: 冻结资金

本贴最早于2022年1月份创建，因平台升级之前分享的源码不能正常运行，分享个新的源码共大家借鉴

基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，附带的源码策略年化收益81%，基于此策略打开你的量化入门之路。

策略介绍： 平台策略主要分成二种，AI策略、自定义编码策略。\n AI策略：AI主要定义因子及过滤条件，由AI算法自动进行训练，根据训练出来的模型输出交易计划。优点：入门简单，利用AI能力自动形成选股算法；缺点：选股逻辑非完全自主控制，存在选出来的票，不清楚它的逻辑情况。

\n自定义编码策略：选股规则可根据自己的设想实现，便于验证自己的想法有

问题描述：

    新手学习中，目前跟着课程实现了一个小市值策略，想在模拟交易中看看运行效果，这几天发现一直没有任何变化

看日志也没有发现任何错误信息，有些日志信息还看不太懂，比如最近一次执行结果如下：

[2023-11-16 21:07:04.245966] INFO 基础特征抽取: 年份 2023, 特征行数=311576
[2023-11-16 21:07:04.349232] 

1、如何获取持仓成本？

通过context.portfolio.positions 得到一个字典，

例如{'FG9999.CZC': FuturePosition(bktfut,FG9999.CZC,current_qty:(4, 0),avail_qty:(4, 0),last_price:1748.0), }

但是这个没有成本价格，在哪里获取成本？

2、如何获取持仓数量

context.portfolio.positions['FG9999.CZC'].avail_qty[0]?

# 本代码由可视化策略环境自动生成 2023年11月21日 00:07
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。
 
# 显式导入 BigQuant 相关 SDK 模块
from bigdatasource.api import DataSource
from bigdata.api.datareader import D
from biglearning.api import M
from biglearning.api import tools as T
from biglearning.m

期货会员持仓数据表**(cn_future_member_position)提供了各个期**货会员的多空持仓量，能否构建一个策略，对沪深300 IF, 上证50 IH, 中证500 IC 三个品种，挑选出哪些会员看多或看空的成功率最高，哪个会员成功率最低？这样对后市的方向判断很有帮助，感谢

获取目前持仓的股票列表时可以使用以下两个接口，他们的区别是什么？

context.perf_tracker.position_tracker.positions.items() context.portfolio.positions.items()

上图为买入twap1 卖出为twap8时候的持仓比率

下图为买入open 卖出close时候的持仓比率 请问这是哪里的问题？

![{w:100}](/wiki/api/attachments.redirect?id=9b51f825-7d67-4158-a063

这个报错怎么解决

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

\

“神奇的港资”实际上已经成为了市场的明牌。如今，对于北向资金的每日的净流入、持仓等各种数据，通过随便一个论坛网站或是数据终端都已唾手可得。

但是采用什么方法将这些已知数据转化为赚钱策略呢？这个问题并不简单。

比如，去年港资重仓的海能达、平安银行等股票，即使去跟随港资年提前买入，今年如果继续持有不动，也已经下跌了超过30%；而港资持股比例最高的中国平安、贵州茅台等白马股，在基本面良好的情况下，今年也是起起伏伏，股价反复坐过山车。

所以，没有一套合乎逻辑的交易系统，即使有了港资的数据也是没法把这些钱轻松赚进口袋。

如果通过对股票多个选股指标进行定量评估，综合打分。结合定期轮动的交易

导读

1. 由于公募基金仓位公布频率较低且有滞后性，对公募基金仓位的实时跟踪非常有实用价值。本文提出了针对公募基金个股仓位的测算方法，并开创性地利用个股仓位测算结果构建选股因子。
2. 基于重仓股的公募基金个股仓位测算方法：我们基于基金收益率数据，通过多元线性回归方法，得到公募基金个股仓位的实时测算值。该方法的合理性体现在三个方面：首先，相邻两季度之间基金的重仓股保持着非常高的稳定性和重合度（变化数量小于等于5只的情况占比达60%）；其次，对于大家诟病的个股精准问题（即多重共线性问题），我们重点以医药主题基金为例分析，VIF值的统计结果表明回归中的多重共线性问题并不严重，且测算误差在可

摘要

分钟行情数据，提供了持仓量分析的微观视角。我们借助统计方法，从股指期货的分钟行情数据中，选出“交易激进”的部分样本，再进行交易行为的分析。由此构造的交易策略，年化收益为34.5%，年化波动为27.4%，最大回撤为36.5%，信息比率为1.26，Calmar比率为0.95。

成交持仓表，提供了持仓量分析的宏观视角。中金所每个交易日公布的“结算会员成交持仓排名”数据，是一项十分宝贵的市场信息。由此构造的交易策略，年化收益为17.0%，年化波动为12.1%，最大回撤为10.2%，信息比率为1.41，Calmar比率为1.67，日胜率为57.3%，盈亏比为1.48。

结合微观与宏观两

摘要

系列前期报告《高频数据应用系列研究（一）——使用高频数据跟踪核心资产的公募基金持仓变化》讨论了使用高频数据对于基金披露的持仓进行持续修正，并得到个股上公募基金持仓占比预期的方法。本文在前期研究的基础之上，探讨了公募基金持仓占比预期（后文简称公募持仓预期）在选股以及行业轮动策略中的应用。

模型跟踪表现良好

对于公募持仓占比较高的股票，个股公募持仓预期具有相对较好的拟合效果。此外，基于个股公募持仓预期，可向上合成特定行业的公募持仓预期。行业公募持仓预期样本外拟合效果同样较好。

基于个股公募持仓预期构建选股因子。在构建选股因子时，可考虑从以下两个角度出发：

研究结论

目前A股的机构化程度相较于美国市场还存在一定的差距，但长期来看A股的进一步机构化是必然的趋势。有研究表明，因子在不同机构持股比的股票中有着截然不同的表现，本文主要对这种特征做了详细的研究

本文基于半年报和年报的基金持股加上券商的集合资管计划再加上前十大流通股中的保险、阳光私募、信托、社保和QFII持股再加上陆股通的持仓数据来测算每个股票的机构持仓占流通市值的比例

研究发现机构持股占流通市值比最高的分组具有大市值，高历史收益，低Beta，低换手、高成长和高确定性的风格暴露，但是在估值、波动率还有国企民企的上的暴露其实偏向于中性。在行业配置上，机构长期超配医药、食品饮料、房地

摘要

近年来，A股市场机构化进程日益加快。公募基金作为A股市场最重要的机构投资者之一，规模增长较快，业绩较为优异。而公募基金的持仓数据中包含有诸多有用的信息，本文重点利用基金的持仓数据，构建一系列选股因子，为投资者利用基金持仓数据进行投资提供参考

由于基金持仓数据公布频率较低，且季报只公布前十大重仓股信息，因此我们利用上一期的年报或者半年报数据，在最近一期季报重仓股信息的基础上进行了填充，形成了完整的持仓数据

我们利用补全后的基金持仓数据，分别构建了三类选股因子：基本因子、主动权重因子、主动需求因子。其中，基本因子是从基金持有股票的数量、市值等出发所构建出的一系列简单、直观的因子，

主要观点

北向投资者选股能力较强 在逐鹿系列报告中，我们分析过整体北向资金以及不同类型机构持仓的特点。本篇报告我们对机构做进一步的深入研究，结果表明，摩根士丹利证券的持仓行为具有显著超越其他机构的超额收益。 我们利用摩根士丹利证券的持仓信息，构建了两类策略。策略具有收益高，容量大，相关性低，换手低等特点。 并且在原有持仓信息的基础上，叠加分析师上调以及超预期事件，使策略收益更加显著。

因子有效性 通过分析各个机构的静态持仓因子和动态增持因子的ICIR，结果表明，摩根士丹利证券无论在静态持仓还是在动态增持方面，表现均好于其他主要机构。 对比摩根士丹利证券持仓以及与北向的

开发环境，买入和卖出正常，在模拟环境有两个错误：

1、 买入的股票标的减少，开发环境买了9个，模拟环境只买了3个，

2、卖出时无法获取到持仓信息

麻烦看一下，感谢。

附图为2的问题：

问题

我想实现的策略是在T+5天卖出股票在T+1天建立的仓位。

假如我想在建仓T+5天，卖出票A。 这个票A分别在T+1 跟 T+2时分别建仓了200股与100股。 那么我只想在T+5的时候卖掉200股， 在T+6的时候卖掉100股。这个能实现吗？ 我试过用context加个成员变量memo的方式做，可是在模拟盘的时候这个context.memo好像每天都会重新初始化。

解答

可以参考以下变量的使用：context.extension[“memo'“] = ….

前期都是可以满仓买入，到到了回测末期就无法满仓了。

买入是每天买一个全仓第二天卖出，第三天继续买入循环。权重就是单股100%，按 context.portfolio.cash账户现金买入。

context.stock_weights = [1]
context.max_cash_per_instrument = 1
context.options['hold_days'] = 0

buy_cash_weights

问题

看之前的回答如下：

这里的持仓期指的是建仓期吧？然后每天交易上限是1W？ 有点不能理解为什么不一天买完所有股票，而是分为10天买入呢？这种方式有什么好处吗是？

请问一下策略在回测时没有问题，上模拟时却报了错误，麻烦看一下是什么问题，noteid=

liqf_5b7cc648-c439-11ec-8731-361fbc3525fa