实盘交易

https://bigquant.com/experimentshare/4d787bfaafaa40578641e6d2ae0b6fd0

\

问题

请问使用自定义运行之后，还能模拟交易吗？有没有例子

问题

1. 实盘交易只能按100的整数倍下单，但是为什么我写的策略都是按百分比下单（也就是股数不是整百的），这个问题该如何解决呢？
2. 模拟交易策略信号 每天的几点钟更新？是6点吗？

\

问题

如何对单只股票设置量化交易程序

谢谢小Q， 感谢BQ。四周年快乐\~

昨天收到了小Q寄来的礼物，好开心啊，双11不用我自己去买了。。。。一如既往的清新风。我已经猜到了，上一年是保温杯，今年是茶壶，下一年可不可以送包枸杞 ，

回顾上一章的3篇文章，我们从量化回测、实盘交易、以及中台化运营三个方面，逐步介绍了量化开发所需要涉及的工具及技术，已经有能力做到快速上线策略进行实盘交易。（量化开发之量化交易中台化）

现在我们的研究员小伙伴研究好了一个简单的MACD策略，他只需将研究好的策略代码提交到代码版本库，后续的任务就可以由我们的交易系统及中台完成。通过简易的报表式UI界面，看到策略的实盘效果，小伙伴应是兴奋又忐忑的。

![{w:100}](/community/uploads/default/original/3X/d/9/d990

问题

实盘中有一个手机端确认信号安全控件下载按钮，点击其会弹出一个二维码。

用微信扫码后，再选择用浏览器打开，提示下载宽邦实盘控件安卓版，但是点击这个链接却发现是空的。提示“您所请求的页面不存在”，请问如何解决。

解答

不能获取的用户请联系小Q获取

\

摘要

中国商品期货市场近30年来取得历史性突破和跨越式发展。近年来，伴随股票市场多因子选股策略的风靡，越来越多的期货界投资人士，在尝试使用多因子框架构建商品市场的CTA策略。这类策略的核心是找到各类可以影响商品市场价格涨跌的公共因子，如资产动量、波动率、宏观基本面等，构建统一框架来评估资产价格上涨、下跌的潜力，进而构建商品市场的组合投资策略，多因子策略是近年来CTA策略的一个重要分支。本文主要尝试对多因子CTA策略构建中一些常用的因子进行测评，并试图构建一个基本的多因子CTA策略，以深入洞察该类策略的运作，供投资者参考

测试的因子包括技术面因子以及宏观基本面两类因子。技术面因子采用横

\

涉及国内主要品种的不同的频率的回测与交易

\

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

\

Q1:现在海内外量化实践有什么代际差吗？海外接下来量化方向除了另类数据应用，还有什么发展潮流？他们对于国内量化市场是怎么判断的？

**关子敬：**在我看来海内外最主要的差别是：国内投资人是偏向喜欢直接对股价做预测，而海外直接预估股价比较少，主要做填充模型（imputation model），针对遗失数据做估算，特别是在

AI量化策略快速理解

https://bigquant.com/wiki/doc/celve-Uu3N6WbJNJ

/wiki/static/upload/7e/7e6629bc-ac8d-42ad-85a0-c74ecff7229b.pdf

\

作者：Harry Nicholls编译：caoxiyang

导语

你有没有想过如何使你的交易策略自动化并增加交易利润？在本文中，我们将介绍算法交易的基本知识，好处和风险。准备好开始自动交易吧！ 很多技术分析都涉及观察信号指标，然后根据信号进行交易。正如我在之前的文章“一个让优秀交易者高于其他交易者的行为”中所讨论的那样，你应该在你的交易日志中记录下你所有的交易，当你获得更多的经验时，你应

作为平台的铁杆用户，本文主要分享下使用StockRanker模型来实盘交易的一些经验。

在机器学习领域，预测的结果依赖于：数据、算法和特征，因此真正好的策略一定是特征选择和特征构建非常好。

平台的StockRanker模型策略生成器只是搭建了一个策略框架，输入不同的特征就可以看到不同的策略效果。去年的时候，我构造出了大约10个特征进行回测，从12年到16年底，平均年化收益达到了76%，因此就打算先用一部分小资金实盘，进一步验证特征的有效性。

因为政策原因，目前国内股票实盘交易接口并没有开放，因此量化平台都不会说自己平台上可以实盘交易，免得监管部门叫去喝茶。于是只有手动下单，好在股票持仓时

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，它能记录的状态的个数是有限的。而在金融市场上，价格、交易量等数据都是连续的，因此可以组合成无数种状态，如果用一张表来记录，那么这张表将大到无法想象。

而DQN不用表来记录Q值，而是用一个深度学习神经网络来预测Q值，并通过不断更新神经网络从而学习到最优的行动路径。结构

8月19日Meetup问题模板：

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

我一个策略研究员，怎么就写起交易系统来了呢？

动机

作为一个Quant，我一直以来都有一个愿望，就是自己写出一整套程序化交易系统并实盘交易，相信绝大多数刚刚接触量化交易的同学也都曾经有过这个想法。但受限于编程能力，估计很少有人能自己从最底层开始写出一套完整的交易系统。

quant自己写交易系统这个事也不新鲜，开源项目vnpy的作者就是交易员，这个项目的一个宣传语我很喜欢: by trader, for trader。quant自己接入交易所的好处显而易见：能深入理解下单成交是怎么一回事，跟IT的沟通会更流畅；能更深入的研究市场微观结构；如果是研究算法交易、高频策略那自己接入交易

策略案例

https://bigquant.com/experimentshare/05251c753111424eaff32648838ac24f

\

各位宽粉，大家好！ 明日（6月23日）平台升级：

• 6月23日平台的模拟/实盘交易更新将延迟，数据将在第二个交易日开盘前更新。
• BigQuant平台及XBigQuant实盘可正常使用。
• 微信/QQ客服正常提供在线服务。

如未添加微信客服小Q，请扫描以下二维码添加：

From：BigQuant 团队 Date：2021年6月22日

\