一直试运行失败,看日志,日志也没显示任何报错信息。麻烦工程师小哥看一下。
求解救!
https://bigquant.com/experimentshare/3c9f9d53cf2b455e82675d9b79199aa4
\
更新时间:2023-10-09 06:16
有4个疑问求各位大佬帮忙解答一下:
Q1:关于持仓股的首次买入时间和最后一次买入的时间问题,不清楚这个日期如何获取,看到了Positions里面有个last_*sale_*date,不是很清楚这个日期是什么,看说明是最新的一个交易日对应last_*sale_*price?
\
Q2:context.options['hold_days']这个设置的是持仓周期是吗?那通过问题1,我如何求我某只股票拿了多少个交易日呢?需要剔除节假日和休息日,没有找到对应的方法去求这个数据。
\
Q3:如果希望涨停不卖出,那么应该是在盘前处理函数里面设置呢?还是需要在
更新时间:2023-10-09 03:43
https://bigquant.com/wiki/doc/shizhi-celve-v-10-Jhc4IN7nXK
直接克隆的知识库-平台使用文档中的样例策略(https://bigquant.com/wiki/doc/shizhi-celve-v-10-Jhc4IN7nXK),回测完全正常。但是模拟交易时,始终不出交易信号。不知道模拟交易时运行各个模块的原理和回测的原理有什么不同?
注:并不是因为22天才调仓的原因,第一天运行都不出信号。感觉在模拟交易时回测模块之前连接的模块运行结果不对,输入给回测模块的数据有误。只是个人猜测。不知道真实原因,请高手指点,谢谢!
模拟交易
更新时间:2023-10-09 03:40
各位同学,请问如何衡量因子表现的可信度,与其实验次数的关系。
例如我用A因子回测,交易了100次,盈亏比是2:1,在同样的股票池范围内,我用B因子回测,交易了1000次,盈亏比是1.5:1,那么应当认为A还是B因子表现更好?
从直觉上来看,肯定是实验次数越多,表现越趋近于概率,但是回测交易次数与因子表现的各个指标的关系,有没有相关统计方法,能够量化地综合性地度量。
更新时间:2023-10-09 03:37
如题,我最近跑了模拟交易,以下是一个例子,22年12月29日买入贵州百灵,买入价8.3,手续费5元,这没啥问题 然后到1月5日,程序自动卖出了,卖也有手续费的吧。。。。然后盈亏居然只是-6,这太令人匪夷所思了,那有没有可能回测的收益率都虚高啊。。。
更新时间:2023-10-09 03:37
运行了几天突然报错,日记提示
[2022-12-22 18:01:42.368814] ERROR moduleinvoker: module name: hyper_rolling_train, module version: v1, trackeback: pyarrow.lib.ArrowException: Unknown error: Unknow error in Bigma
\
更新时间:2023-10-09 03:30
输出:::
\
更新时间:2023-10-09 03:29
而且今天不给交易信号了
更新时间:2023-10-09 03:07
更新时间:2023-10-09 02:51
采用
data.current(context.symbol(‘000001.HIX’), 'price')获取沪指的实时行情。
在高频回测交易中没有问题,但是在模拟交易中获取到的值是None.
请问在模拟交易中怎样获取指数的实时行情。
更新时间:2023-10-09 02:50
回测一切正常,但是在模拟交易时一直提示下面的错误。请高人指点原因。不胜感激!
错误内容如下:
RpcTimeout Traceback (most recent call last) <ipython-input-1-f009ebd387c9> in <module> 506 ) 507 --> 508 m9 = M.hftrade.v2( 509 instruments=m1.data, 510 options_data=m5.data,
/var/app/enabled/biglearning/modul
更新时间:2023-10-09 02:50
而且给出的收益曲线也和以前完全不一样,这是怎么回事
更新时间:2023-10-09 02:44
更新时间:2023-10-09 02:42
更新时间:2023-10-09 02:25
更新时间:2023-10-09 02:20
更新时间:2023-10-09 02:02
(持续更新中)
时间序列数据是单一变量按时间的先后次序产生的数据,是投资研究中最常见的一类数据。
如下为数字货币合约ETHUSDT的分钟行情数据,这是一个典型的时间序列数据
import dai
df = dai.query("""
SELECT close FROM cc_binance_future_um_bar1m
WHERE date BETWEEN '2023-01-01' AND '2023-01-31' AND instrument = 'E
更新时间:2023-10-01 09:41
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
更新时间:2023-08-30 03:27
更新时间:2023-08-30 03:27
在学术研究中,Alpha是数学表达式、计算机源代码和配置参数的组合,可以与历史数据一起用于预测各种金融工具的未来走势。而在实践中,Alpha通常意味着进行交易的合理“预期回报”。两者并不一定相同。许多情况下,能够带来合理“预期回报”的Alpha并不容易构建,因此,对于Alpha的挖掘和公式化的研究始终是业界的一个重要课题。在这样的背景下,世坤(WorldQuant)于2015年发布了报告101 Formulaic Alphas。在这篇报告中,世坤提供了101个真实生活中的量化交易Alpha的明确公式(这些也可以看作是计算机代码)。虽然其中的一些模型较为复杂,但世坤设
更新时间:2023-08-29 10:20
研报:
{{membership}}
https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5
[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/
更新时间:2023-08-07 05:52
移动平均线(MA)是技术分析中常用的一类趋势跟踪指标,其可以在 一定程度上刻画股票价格或指数的变动方向。MA 的计算天数越多,平滑 性越好,但时滞带来的延迟影响也越严重。因此,在使用 MA 指标进行趋 势跟踪时,容易出现“跟不紧”甚至“跟不上”的情况。平滑性和延迟性 在 MA 指标中成为了不可避免的矛盾,这就促使我们去寻找化解这一矛盾 的工具和方法。
与 MA 类似的均线指标还有 EMA,其本质是在计算中对靠近计算日的 价格赋予更大的权重。EMA 指标的计算方式在信号处理理论中恰好对应着 一类一阶低
更新时间:2023-08-07 05:50
不论是在国内还是在海外,对于知情交易者的追踪向来是投资者关心的话题。在“琢璞”系列的第二篇中,我们详细介绍了用PIN方法来衡量市场中知情交易者存在的可能性(或者“指令流毒性”)。但是PIN方法存在的缺点也很明显,模型复杂,对算力和数据的要求高。2012年,原作者改进了对于知情交易者衡量的方式,提出了VPIN的衡量方法,该方法牺牲了一些准确性,但是却极大地提升了模型在实际应用中的可操作性。本期琢璞我们推荐David, E. , López de Prado Marcos M, & Maureen, O. 的《Flow toxicity and liquid
更新时间:2023-07-14 03:39
模拟交易如何加载上传的数据
运行的代码:
code_hot_rank2 = pd.read_csv('code_hot_rank2.csv')
<FileNotFoundError: [Errno 2] No such file or directory: 'code_hot_rank2.csv'>
\
https://bigquant.com/wiki/doc/shuju-KcZmfZ1ZVg
你好,需要把策略用到的数据放到userlib文件夹下面,然后再提交到模拟交易。看一下模型固化的例子,模型文件需要绝对路径,data = pd.read
更新时间:2023-07-10 03:36