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

一个最基本的策略测试，发现回测模块买卖和持仓数据不符合逻辑，不知是什么问题？

在print 中的交易数据与回测模块中的详情完全对不上！回测模块中没有买的股票，怎么有持仓？

买卖也不对！

https://bigquant.com/experimentshare/bac3a381371b4b338a84bbd3092e8398

\

https://bigquant.com/codeshare/d9fc6c92-ad4a-47ea-872b-72f95c28dce4

\

一：什么是快照数据与交易所数据的一些细节

打一个比喻，交易数据可以想象为河流，快照就是这个河流在某个横截面的数据。

对于国外的高频tick数据，有完整的order数据的过程，因此你可以利用这些order数据来复原快照数据。国内的两大股票和四大期货理论上讲都是快照数据。比如说典型的数据字段包括开盘价 最高价 最低价 最新价 成交量 成交额这里的最高（低）价就从开盘到现在成交发生过的最高（低）价，假设你有详细的每笔成交的明细，其实这个数据是可以用max(min)推算的，所以国外的tick数据里面一般是没有这个字段的。

同样的成交量和成交额代表的意思不是这个时刻的成交量和成交额而是这个

作者：fyiqi 原文链接：金融时间序列分析入门（一）

与时间序列分析相关的部分基础知识/概念

1.1 什么是时间序列

简而言之：对某一个或者一组变量 x(t) 进行观察测量，将在一系列时刻 t1,t2,⋯,tn 所得到的离散数字组成的序列集合，称之为时间序列。

例如: 某股票A从2015年6月1日到2016年6月1日之间各个交易日的收盘价，可以构成一个时间序列；某地每天的最高气温可以构成一个时间序列。

一些特征:趋势：是时间序列

5月29日周日下午1点我将在知乎 Live 做一次量化交易的分享。

我在2011-2015期间在英国一家高频交易公司做工程师，做过从交易数据的量化研究，高频交易系统开发，到系统部署运维等各方面的工作。2015年我回国加入了一家量化私募基金，仍然在做交易系统到开发和运维工作，只是关注点从海外市场转为国内市场。

这次 Live 我会对我所了解的量化交易这个行业做一个诠释。我将会尝试在有限的一小时内尽可能广的讲述行业的各个方面，而不去做某一技术细节上的深入探讨。特别希望可以帮助那些对这个行业有兴趣但尚不了解的朋友，增加大家对行业的认识。

我的主讲提纲如下：

• 什么是量化交易
• 这个行业的

摘要

随着陆股通的推进，内地投资者对港股的关注度也越来越高。在本报告中，我们对港股 Barra 模型进行了介绍，并对数据结果及应用进 行展示。

数据是分析的基础。我们在本地搭建了港股基础信息、行情序列、 交易数据、恒生行业分类、股票估值数据、资产负债、利润和现金 流量等数据表。港股数据质量相对于 A 股存在一定不足，还需进一 步完善。

对于行业分类，我们使用的是恒生一级行业分类：公用事业、原材 料业、地产建筑业、工业、消费品制造业、消费者服务业、电讯业、 综合企业、能源业、资讯科技业和金融业；风格包括市值、贝塔、 动量、波动率、非线性市值、BP、流动性、盈利、成长和杠杆等十 个因子。

咨询各位大神一个问题，如果已有持续盈利操盘手的交易数据，是否可以通过AI对数据进行分析，让AI程序识别出操盘手下单的策略，让这个Ai具备操盘手相似的交易能力，然后用程序代替人工交易，减轻人工看盘和下单的工作量。

问题

请问在模拟交易时，标准化是怎么做的，是每一天都重新把所有数据做一次标准化吗？

解答

你好，可以具体分享一下策略代码吗？我这边具体看看

如果是绑定实盘参数的数据，模拟交易是对每天的数据做标准化

以模版策略为例，如果要提交到模拟交易需要绑定实盘参数，这样策略每天都会以最新的日期来跑。

\

ps：非本人代码，来自网络开源分享 分享一篇，科赛网《〈 公开新闻预测A股行业板块动向〉〉比赛第三名的开源方案： 本次比赛使用的tushare免费数据，个人可以复现。

import datetime
import os
import sys
from multiprocessing.pool import Pool

import numpy as np
import pandas as pd
import talib
from loguru import logger
from sklearn.ensemble import RandomForestClassifier

摘要

尝试构建以真假序列识别为起点基于量价的主动投资研究框架

真假序列识别是检验市场有效性的有力工具。主动投资的核心是市场能否预测，如果市场无法预测，满足有效市场理论，主动投资就没有存在的价值。随机序列满足有效市场理论，无法预测。暂且抛开宏观、财务等数据，仅就交易数据看，如果人工智能算法无法识别真实量价序列和随机序列，那么弱有效市场假说可能成立；如果人工智能可以识别真假，那么可以进一步采用网络可视化技术挖掘模式，或采用遗传规划等算法来暴力挖掘特征。随后通过检验有效模式/特征、过拟合检验、风险控制等步骤，控制整体风险，实现完整的以真假序列识别为起点基于量价的主动投资研究流程。

“工欲善其事，必先利其器”。

在 如何搭建量化投资研究系统？（数据篇）中，作者介绍了如何依靠网络爬虫收集整理交易数据，搭建一个金融数据库。在数据的问题基本解决之后，量化投资的研究工作就要正式启动了。根据人类思维的一般规律，一项复杂的研究工作，通常以“个别、感性、直观”的方式开始，在获得了基本的认识和灵感之后，再逐步上升到“整体、理性、抽象”的认知。所以，量化投资研究的第一步就是——“看盘”，下面介绍如何在R中利用quantmod包“优雅、高效”的看盘。

quantm

打开知乎发现居然有800粉丝关注了，惊到了我，真的有点慌，开专栏的本意是督促自己读书，记录。

量化交易的第一步就是回测，还记得我的一个回测程序就是简单的写一个双均线策略，里面用了一个很多个vector(C++)来记录交易数据、还有成交信息等等。基本上就是面向过程的编程方法，没有做太多的抽象，很长一段时间里写新策略回测的成本非常高（并非专业计算机专业出身，所以啊技术高手可以绕道~），后来用老师写的平台，因为非开源，很多bug调来调去就是本身底层代码的原因，又因为封装了，报个内存错误，真的是欲哭无泪，这里VNPY的逻辑和体系是比较完整和易懂的，我自己借用了很多VNPY的源代码，改出了适合自己数