昨晚到今天早上是回测引擎有问题还是咋回事,本以为自己代码写的不对,后来验证了一些之前老师课程里的一些代码模版也出现同样的报错,之前跑的好好的,昨天到今天就不行了。(链接:
https://bigquant.com/codeshare/29383a8a-db8e-4401-b409-3e349b71b5ec
报错日志如下:
![](/wiki/api/attachments.redirect?id=cd3f9630-65bb-4888-b228
更新时间:2023-10-09 02:29
- 下单[股票、期货],必须指定标的、下单数量、下单价格
想要每次以当日开盘价购入10手,文档里写必须指定下单价格。价格可以不输入,自动获取么?
\
更新时间:2023-10-09 02:28
https://bigquant.com/codeshare/e498cbde-bca0-4c63-a7b8-f2e411abf7ed
大佬们好,我刚刚了解这个平台,用得不太熟练,请问大家知道这个ETF RSI的策略为什么最后回测的时候报错吗?
更新时间:2023-10-09 02:28
一直有类似的错误,应该是该模块的代码有一些问题,需要查看一下
更新时间:2023-10-09 02:27
更新时间:2023-10-09 02:25
更新时间:2023-10-09 02:20
这个策略我想新增一个财务指标叫财务杠杆权益,但是在回测的K线处理里面只要添加财务杠杆,结果一加就出错。求解
财务杠杆权益= (fs_current_assets_0+fs_non_current_assets_0)/(fs_total_equity_0 )
策略地址:
https://bigquant.com/codeshare/729d8088-cabc-4559-a196-e49cf4a5fb5b
\
更新时间:2023-10-09 02:10
多策略回测,换手率分析等回测模块都显示plot is deprecated, 都画不出来,麻烦工程师们看一下是代码该更新了吗?
更新时间:2023-10-09 02:08
{{use_style}}
快速回测引擎,支持高频数据快速回测。不支持模拟交易和实盘。
输入: - input_data:输入数据,包含 date, price(价格), 和 position(仓位)
输出: - data: DataSource,完整交易和绩效数据,可以使用 data.read_df() 读取和查看详细数据。
表名: fastbacktest.v1
类别 | 显示名称 | 名称 | 类型 | 描述 | 必填/默认 |
---|---|---|---|---|---|
输入端 | 数据 |
更新时间:2023-10-07 06:16
AIStudio是BigQuant平台以AI为核心的Cloud IDE,可以用于量化投资数据分析、因子挖掘、模型训练、回测和交易,以及更广泛的程序开发和AI模型开发训练等。
/wiki/static/upload/31/315c1087-6d07-491a-90ef-43e717997077.mp4
\
更新时间:2023-09-07 03:12
本期提问者:bq22fw19、bq61ym2n、1855680***、bqhz06vb
利用市场信息进行量化投资主要涉及以下步骤:
更新时间:2023-09-01 02:45
{{membership}}
https://bigquant.com/codeshare/25fee71f-dcef-4fe4-a8a1-75bf511d9466
[ https://bigquant.com/codeshare/79b84aec-5eeb-4218-8c38-67e06f477216]( https://bigquant.com/codeshare/79b84ae
更新时间:2023-08-30 03:28
回测时间延后了20来天,之前的选股策略完全变了
随着时间的推移,之前选的股也变了
这是随着时间推移选股模型是变化的
就是说回测到1.1日收益200年化,测到1.2日回测就成100年化了
训练集不一样会导致训练出的模型不一样,
更新时间:2023-06-26 17:58
思考了很久从哪里讲量化交易,决定还是从人生中的第一本量化书籍开始,本专栏的目的也是把记录自己的读书过程,把书越读越薄!第一次读这本书的时候,已经是5年前了,作为量化实验室的新丁,被要求阅读的就是这本书,并且实现书中的交易策略,了解到了很多很多基础的概念,书中的代码多数已经不能用,所用的语言也是matlab,这次写系列读书笔记,我将使用PYTHON语言(现在用的比较多),这里并不是说matlab过时了,我到现在依旧认为在矩阵处理及可视化上matlab仍然具有绝对优势。周围很多策略开发者仍然在使用matlab!
Quantitative Trading是E.P CHAN的第一本书,在外网有响
更新时间:2023-06-20 06:57
故不积跬步,无以至千里;不积小流,无以成江海。--《荀子·劝学篇》
1.机器学习用于选股,对财务数据的特征学习,居然还是小市值NB....
2.机器学习,海量数据预测股票的未来趋势,+Model的研究
4.[随
更新时间:2023-06-14 03:02
如果你想回测交易策略,可能第一件需要的东西就是历史交易数据。的确,如果你有上帝之手或者从未来穿越回来,那么不经过测试,直接上线实盘交易,也能赚的盆满钵满。而我等凡人,则必须在历史数据中回测我们的策略。而国外有些基金公司,交易策略都有数月的回测和模拟盘考验期。
或许你会对自己说“这不是很难啊 - 就是拿到数据然后把数据加入数据库中。” 我们也希望这件事情如此简单!但是现实残酷,以国内股票数据来说:
更新时间:2023-06-14 03:02
作者:用Python的交易员原创文章,转载请注明出处
本篇比较简单,只有下面一张图,但是精华尽在其中,有问题欢迎留言。
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='1234' height='599'></svg>)
补充一下,避免误会:针对LTS接口,目前只有存量客户可以用(
更新时间:2023-06-14 03:02
量化投资需要回测。
然而回测只是第一步。考验买方Quant的最终标准仍然是盈利,而且是稳定和成规模的盈利。
从事量化投资的朋友经常会发现,在回测中非常好的策略,在实盘中表现不一定好。回测易,而实盘难。从回测到实盘还存在大量的问题,值得研究和思考。
很多原因可以造成回测和实盘的差距。第一个常见的原因是对交易成本考虑不够。这不是大问题。我们可以通过调整回测参数来修改回测结果,最后重新评价策略。第二个常见的原因是过度优化,知乎中有大量讨论过度优化的回答和文章,例如以下两篇:
[Vincent Leiberich:量化投资的哲学基础4:科学哲学家告诉你怎样避免过度优化zhuan
更新时间:2023-06-14 03:02
自己的一个小团队, 用python从头到尾搭了一个交易平台, 从数据到回测,到模拟仿真到实盘交易, 折腾了大半年, 基本该填的坑都填上了。 小团队做自动化交易,不容易,跟大家分享一下:
更新时间:2023-06-14 03:02
原创文章,转载请注明出处:用Python的交易员
Python在2016年里可以说是风靡国内量化投资圈,目前整个生态链已经初具规模:
随着用户越来越多,Python语言的性能问题也就逐渐成为整个社区关注的重点,经常遇到新手问:Python写的量化交易程序是不是很慢啊?
在他们心中,Python估计是这个样子:
![{w:100}](/community/uploads/default/orig
更新时间:2023-06-14 03:02
在这篇博客中,我们将制定一个交易策略,其中我们将对公司的基本面数据进行定量分析,并创建一个基本面强公司的投资组合并分析投资组合的表现。
本博客涵盖的主题:
更新时间:2023-06-14 03:02
一直以来,我都很想写一篇关于如何做全球资产配置的长篇文章,希望能够以翔实的文字和可靠的数据,在投资的路上,为大家填坑。为此,我写下了这篇2万字的【新全球资产配置白皮书】。
文中的内容,是根据多年资产管理的经验和实证研究得出的。在美国,我和几个合伙人为高净值客户、家族办公室及机构,咨询和管理了超过几十亿美元的资产,十多年来,做到了以数据为基础,化为手段,传统金融学和行为金融学为旁征的【基于事实】的资产管理。
资产配置是【大部分投资人】最应该要做的事:不管可投资产是10,000元,还是100,000,000元,虽然做法肯定会不一样,但道理都是相通的。特别是在过去的十几年间
更新时间:2023-06-14 03:02
原文章来自Aspect Capital网站,本文为原文章的中文翻译。本文仅用于交流学习使用,不得用于商业用途。如对相关著作人造成侵害,请立即联系译者及时删除。
原文标题:The Art of Simulation
原文时间:2017年2月
翻译:雷闻
能够回测交易策略在一段时间内的表现,是系统化投资方法的主要优点之一。但是,必须以科学和有纪律的方式进行。回测使我们能够在一系列市场和市场环境中测试投资策略。在最好的情况下,它使投资研究能够采用科学的方法,检验假设并设计策略,目的是评估一种特定的市场交易方法。然而,建立一个看起来盈利的回测策略看似非常容易,
更新时间:2023-06-14 03:02
围棋人类第一高手柯洁在与AlphaGo的第二局对阵中再次惜败。有报道称此次的AlphaGo已经比当初跟李世石下的版本进化了几代,想当于给上一版本”让3子“的水平,鉴于柯洁第一局仅输1/4子,可见柯洁的水平应该能完胜上一代的AlphaGo。
AlphaGo主要采取了两种模型——深度学习和增强学习。深度学习(Deep Learning)本质上是一种监督学习(Supervised Learning),或回归分析(Regression Analysis)。它从传统的神经网络发展而来,但最近几年在计算方法上有了突破,加上硬件上的发展,使得它可以拟合更复杂的数据,因此在计算机视觉、图像识别上发展
更新时间:2023-06-14 03:02
\
更新时间:2023-06-14 03:02