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

\

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。