https://bigquant.com/college/courses/course-v1:public+2023110601+110601/courseware/7708009442174480802b3dd339f4ede0/45dafc16ea744216af376a7dc2961fa5/

老师您好，

我学习上面的视频文章，想试运行代码，但运行不下去，没办法回测，是我哪里没有配置对吗？谢谢老师！

• \

  # 我们取前0.6的数据量作为训练集
  date = data['date'].unique

问题

pyfolio_full_tear_sheet()收益风险分析函数不能使用，请求解决

fitness_func：必选，枚举，默认值icir，可选值['icir','mutual_info','long_sharpe','longshort_vol','long_vol','longshort_sharpe','long_return','longshort_return']，适应度函数

遗传规划模块的各个适应度函数是怎么定义的？返回的值的意义是什么？

自己通过import xgboost可以实现自定义目标函数，但是和平台的xgboost模块相比，自己的import xgboost比平台的xgboost模块慢了很多，时间花费几乎是30倍差距。

那么，如何基于平台的xgboost，实现自定义目标函数的定义呢？

\

做了一个关于2日均线的梯度因子，如下，将其放入Stockrank中呈现非常好的收益，怀疑有未来函数，投放模拟盘后无交易数据输出，但是放在xgboost求解器里没有这种现象发生，模拟盘也正常输出，所以是梯度函数和StockRanker一起使用导致的吗？原理上均线数据是用过去数据构成的，应该不会造成未来。梯度函数按np里的帮助应该也是用过去数据构成的，不会造成未来，所以很迷惑，希望有工程师能帮忙查一下。下面分别是因子分析，sr，xgb的策略，因子分析的收益看起来就很离谱，但似乎并不影响xgboost的结果.，还是说系统在处理梯度函数时带入了未来数据？

[https://bigquant.co

你好！请问AI选股策略输入特征无均线特征量，在回测部分特征抽取也是前述特征量，在最后回测部分卖出时想加上均线判断：

2. 生成卖出订单：hold_days天之后才开始卖出；对持仓的股票，按StockRanker预测的排序末位淘汰

if not is_staging and cash_for_sell > 0:
    equities = {e.symbol: e for e, p in context.perf_tracker.position_tracker.positions.items()}
    instruments = list(reversed(list(ra

根据如何实现XGBOOST的pairwise目标函数及metricd策略原码，https://bigquant.com/wiki/doc/mubiao-hanshu-metric-ANiNxUfmFa

，报错如何解决：

BQInputRejected Traceback (most recent call last) BQInputRejected: 编译错误，34: 抱歉，平台暂时不支持此模块：typing.Tuple

[https://bigquant.com/experimentshare/04cf24c01e17

https://bigquant.com/wiki/doc/xinhao-fangfa-oxACTyy7MT我看到知识库里有个大神有这个再次分类提高选股策略的方法。但是，在测试集中把return_5_day=(shift(close_0, -5)-shift(open_0, -1))/shift(open_0, -1)给当作特征写进去了啊，这岂不就是用了未来函数么？还是说我理解错了

小白请教大神们一个关于未来函数的问题，如：

shift(close_0, -5)-shift(open_0, -1)，如果这种因子放在特征列表里面，是不是就算是一个未来函数了？

在通达信中CROSS() 函数表示上穿，在BQ中应该使用什么函数快速实现呢？

另外，HHV（）表示求最高值，用max()是不是不太准确，通达信中也有MAX()函数

拷贝的训练营的策略，之前可以跑，现在跑不了了。

策略链接：

https://bigquant.com/wiki/doc/-zCgXuhm72a

报错提示：

--> 351 m33 = M.cached.v3( 352 input_1=m2.data, 353 input_2=m32.data,

<ipython-input-2-a70fc4bd659b> in m33_run_bigquant_run(input_1, input_2, input_3) 16 from bigmodels.models.transformer import Tran

• ols(result_type, x, y, d) #返回x与y的滚动回归所得到的result_type序列（result_type可为residual, intercept, coefficient三种（字符串）；y可为列表）
• （比如计算8日均线斜率及其相关系数），ols('intercept',close_0,y,8）我不知道y怎么标示？

\

回测引擎：每日数据处理函数，每天执行一次

def m19_handle_data_bigquant_run(context, data):

# 按日期过滤得到今日的预测数据

ranker_prediction = context.ranker_prediction[

context.ranker_prediction.date == data.current_dt.strftime('%Y-%m-%d')]

# 1. 资金分配

# 平均持仓时间是hold_days，每日都将买入股票，每日预期使用 1/hold_days 的资金

# 实际操作中，会存在一定的买入误差，所

在回测模块中，例如生成订单日期是1号，实际下单日期是2号。2号的时候是可以调用盘前处理的。盘前处理的时候如果使用data.histroy是可以在盘前就获取当天的开盘和收盘信息的。这个属于未来函数，不过如果下午交易，用上午开盘价是否低开做cancel order判断是ok的。但是问题来了。回测这样操作是可以的，可是如果模拟交易和实盘都是在前一天就生成信号，所以就想问一下这个盘前数据处理是否会在模拟交易和实盘中运行，如果运行取的是哪一天的数据。。。因为回测中2号盘前运行可以取到2号全天数据，这个在现实中明显取不到，当天开盘都是取不到的。。。

所以问题是

那么如果回测模块中布置了盘前数据处理，

本文目的在于给出自定义损失函数示例代码, 便于读者魔改. 基于BigQuant平台, 探索了使用不同损失函数对DeepAlpha-DNN模型优化的效果. 本文的基准模型为MSE优化的DeepAlpha-DNN模型, 进一步使用MAE、Pseudo-Huber以及负IC损失函数和有序回归损失函数. 最后多加一项使用wmse损失函数优化LSTM模型.

我们使用了基本面条件对A股进行筛选. 采用两到三年数据训练, 后一年数据进行回测. 由于本文的标签是未来五日累计收益率, 故采用5日调仓的方式进行回测.

通过对比常用损失函数在2023年的回测效果得出结论: 使用MAD损失函数综合效果最佳, 20

1. 什么是Softmax

Softmax要解决这样一个问题：我有一个向量，想用数学方法把向量中的所有元素归一化为一个概率分布。也就是说，该向量中的元素在[0,1]范围内，且所有元素的和为1。

Softmax就是这个数学方法，本质上是一个函数。

假设我们有一个k维向量z，我们想把它转换为一个k维向量 ，使其所有元素的范围是[0,1]且所有元素的和为1，函数表达式是：

![softmax(x)_i = \frac {e^{x_i}

什么是凸函数

直观的，图1是一维凸函数的示例。一维情况下，不严格的说，凸函数是弦在上的函数或者是曲线向上包（这些都是不严谨的说法）。

注意：在不同的教科书和资料中，对凸函数的定义有可能是相反的，在机器学习领域，一般都使用这个定义。

凸函数的一阶特征

设 SϵRn 为非空开凸集， f 满足一阶连续可导，并且是S上的凸函数，则满足下面

SELECT date, open, high, low, close

FROM bar1d_CN_STOCK_A

WHERE instrument = '000005.SZA'

AND date BETWEEN '2017-01-06' AND '2017-02-10'

ORDER BY date;

10分钟学会Pandas

Pandas最初被作为金融数据分析工具而开发出来，在金融领域被广泛使用。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具、函数和方法。

本文是针对pandas新手的快速入门学习指南。你可以在 **AI量化平台-编写策略

定理

首先我们来看定理：设f(x): Rn→R 为可微凸函数，如果 x∗∈R是驻点，那么 x∗ 为f的最优点(global.opt)。

换句话说就是，如果函数是凸函数，那么该函数的驻点就是全局最优点。

下面来证明一下：

要判断一个点是全局最小值的话，比如 x∗ 是全局最小值，那么该函数的其他任意点都会比驻点的函数值大，满足： ∀x,f(x)≥f(x∗)。

也就是说，我们来证明上面这个公式成立即可。

证明

由凸函数的一阶特征可得下面结论：[【最优化】凸函数及它的一阶特征](https://bigqu

主要作用

NumPy（Numerical Python的简称）是Python中用于处理数组、矩阵、数值计算以及高级数学函数的一个强大的库。在金融量化分析中，NumPy扮演着至关重要的角色，因为它提供了快速、高效的数值计算能力，适用于处理大量的金融数据。

NumPy的主要特点包括：

1. 多维数组对象：NumPy提供了一个称为ndarray的多维数组对象，用于存储和处理大型数据集。
2. 数学函数：NumPy包含了大量的数学函数，用于执行基本的数学运算（如加、减、乘、除）以及更复杂的数学运算（如线性代数运算、统计函数、随机数生成等）。
3. **广播功

导语

本文介绍Python编程中非常重要的函数调用与定义的相关知识点。

https://bigquant.com/experimentshare/8dba3693963948e88c7af73f098c4e5d

本文由BigQuant宽客学院推出，版权归BigQuant所有，转载请注明出处。

\

icir

IC即信息系数（Information Coefficient），表示所选股票的因子值与股票下期收益率的相关系数。IR=IC的均值/IC的标准差。

mutual_info

互信息 参考华泰证券研报 https://bigquant.com/wiki/doc/yinzi-2hG8xsX410 p5

longshort_return

将每天股票按因子值分成10组，取首尾两组平均收益率的差值为每一天的多空收益，计算每天收益的和。

longshort_sharpe

将每天股票按因子值分成10组，取首尾两组平均收益率的差值为每一天的多空收益，按照此收

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