实盘交易

前言

感谢BQ-小Q送的礼物，礼物已经收到拉，一如既往的黑盒高科技风。高端大气上档次。

• 
  

  \

![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:

Bigquant平台近期推出了与国金QMT结合的实盘自动交易方式，解决了策略实盘自动化交易问题，平台的优势在于封装了很多种类开因子，也具备AI能力，大大简化了策略研究门槛，回测效率也很高，便于策略研究。

新模式的推出，大家可能会有较多问题，我这边有4年的bigquant平台研究经验、2年的QMT研究经验，可以包括不限于如下内容：

1、国金证券开户、QMT权限开通，可以介绍客户经理，享受万0.85

2、Bigquant上已开发好的优质策略分享

3、Bigquant策略与QMT集成，实现Bigquant平台上的策略的自动化交易

4、QMT策略分享，QMT除可以提供实盘自动化交易接口外

在今年7月份平台升级之前，我想要使用这个函数，直接在代码里引用是datetime.timedelta(0)，没有报错，回测，模拟交易和实盘交易都可以正常运行、

然后在平台升级后，在AIstudio中，还是这么用，报错如下：

当我删掉前面的datetime，而直接使用timedelta(0)的时候，同样也报错，提示找不到这个timedelta，所以请教下如何在可视化的模式下优雅的解决这个问题，谢谢

回测如何设置一次全仓买入一只股票

昨日收盘价2.42元，早上8点的实盘交易信号是在此价位买入18100股。我设置的委托买入时间是09：16，卖五价位买入。个股最大仓位100%，策略资金占98%。

早上09：16时候，竞价在+8.2%。09：20，查看股票账户，没有委托买单。查看电脑实盘，显示下单失败，资金不够（占用资金到103%）。

我的理解，实盘委托买入的股票数会维持在18100股，因为高开了8.2%，所以导致资金需求超过了账户资金。

难道实盘委托不会自动减少委托买入的股票数量？

我是不是需要把策略资金占总资金的比例设置成80%，才能保证无论如何高开都能委托买单成功？

请问大家是如何解决这个问题

如题，自定义的交易逻辑会在模拟交易中执行，在实盘交易中是否执行？

回测模块中盘前处理是可以调用到当日数据的。这个写在回测模块中可以调用当日open判断当日下午交易，这样做并不会产生未来函数。可是实际模拟交易中信号是前一天下午收盘后产生，请问这是程序是否会调用盘前处理功能。

我的策略是当天开盘之后先卖出股票，再买入股票，可是在买入股票的时候，并不能把卖出的金额计算在可用资金内，实盘提示如图1：

图2显示账户前一日可用资金2万，当日预卖出2万，当日卖出后总可用资金

包括开平仓等。

还有，可以实盘？如何实盘？

回测模块中盘前处理是可以调用到当日数据的。这个写在回测模块中可以调用当日open判断当日下午交易，这样做并不会产生未来函数。可是实际模拟交易中信号是前一天下午收盘后产生，请问这是程序是否会调用盘前处理功能。。。

简介

BigTrader 是 BigQuant 推出的专业级量化交易引擎，采用 C++ 核心实现，并提供 Python API 接口和回调函数。它为量化投资者提供了一个全面的交易解决方案，无论您是初学者还是专业投资者，都能轻松上手使用。

核心特性

• 全市场覆盖
  • 多品种支持：覆盖股票、基金、期货、可转债、指数、期权、债券、两融等主流投资品种
  • 全面的数据支持：支持从日线到逐笔成交的各类数据
• 多场景适配
  • 回测环境：用于策略开发和历史表现分析
  • 仿真模拟：在实盘环境下进行模拟交易
  • 实盘交易：直接接入真实市场进行交易
  • 绩效分析：全方

请问实盘的时候是否需要把handle_tick(context, data)放在while循环中

提交模拟交易时，程序运行一下就结束了。是否应该写一个while(1)，然后把handle_tick函数放在while(1)中？请问有实盘的策略代码示例吗？

回测正常，提交模拟及实盘不能产生交易信号，试过100+次了都一样

![](/wiki/api/attachments.r

回测绩效

\

策略简介

我们在《127-期货布林带通道突破策略-日频》介绍了一种常见的期货CTA策略，该策略是非常经典的一个策略，常年在实盘策略排前。那篇文章里，我们交易的是某个期货品种的主力合约（8888）合约，但做个实盘的人知道，8888主力是没法交易的，我们真正实盘的时候交易的是具体的有明确交个日期的合约。

因此本策略是通过主力合约出信号，然后在具体合约上交易买卖，这和真实交易情形就是一致的了。

那么新的问题来了，

交易引擎介绍

HFTrade是宽邦科技推出的致力于为用户提供便捷、功能强大的高频量化交易策略编写、回测分析、模拟测试和实盘交易的工具。

支持的品种

股票、基金、期货，可转债，未来会支持期权、债券、两融

交易频率

日线、分钟、Tick、逐笔

策略编写

策略程序架构

问题

Q2:实盘中有没有办法根据策略的前期表现，在不同的策略间切换实施

视频

https://www.bilibili.com/video/BV15r4y1i7XP?share_source=copy_web

\

本期提问者：bq22fw19、bq61ym2n、1855680***、bqhz06vb

因子挖掘

如何利用市场信息？

利用市场信息进行量化投资主要涉及以下步骤：

1. 数据收集：首先，需要收集和整理市场数据，包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
2. 数据预处理：对收集到的数据进行清洗和预处理，处理缺失值、异常值、重复值等，保证数据的准确性和完整性。
3. 特征工程：根据投资策略和模型需求，进行特征工程，提取有价值的特征和信号。
4. 模型构建：选择合适的模型（如回归模型、机器学习模型、深度学习模型

8月19日Meetup问题模板：

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

{{membership}}

https://bigquant.com/codeshare/ffad41f4-0b34-4997-9702-5b7753950675

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

\

导语

本文主要分享一个基于Deep Q Network的对于个股的择时策略

算法简介

DQN与Q-Learning

本文主要使用的是Deep Q Network。DQN是强化学习的一种方法，结合了Q-learning和深度学习神经网络。

Q-learning是用一张表来记录各个状态下的各个行为的q值，它能记录的状态

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

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