交易策略

老师好，自建了一个因子，自己的因子提取完成，但是平台的几个因子提取过程出现了

You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat的问题

请老师指正。

https://bigquant.com/codeshare/c1aa3ebd-a619-4cd6-9efa-dddd77c837be

\

https://bigquant.com/codesharev3/9e9ffa1e-d886-4a19-bf29-33eefad02000

如上是我写的交易策略，是希望选出来的股票每次都是按照总资金的十分之一进行购买股票，三天后进行卖出，我在仓位分配这个地方选了进行了调整也无法实现想要的需求，在交易策略地方也做了挑，不知道是那个模块出现了bug 还请老师帮忙指导一下。

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

针对交易策略，实现持有三天后卖出，这里的options用法看了文档还是没太理解，参考了bigtrade里面的文档还是没找到问题所在，还请老师帮忙指导一下如何实现股票持有三天后卖出，每天有票就买入。

https://bigquant.com/codesharev3/439d574c-821e-402c-a875-6ec13db3aeae

\

交易策略中实际执行的程序中执行的交易与回测系统中交易出现了偏差，请问一下老师，这种情况如何调节，还是应该在4月25日买入比较合适，可回测中显示为4月26日交易

[https://bigquant.com/codesharev3/2a91e633-3106-413f-916a-4d8f18c4d7b9](https://bigquant.com/codesharev3/2a91e633-3106-413f-916a-4d8f18c4

摘要

2/3光速对你我来说可能只是一瞬，但对于高频交易公司来说，可能就是事业的全部。在瞬息万变的市场上，棋先一招常常就在微秒之间。

眨眼 0.4 秒，常被形容快，但有家公司花了 1400 万美元，就为了让自己再快 0.07 毫秒（ 0.00007 秒），5700 分之一眨眼的时间。

Jump Trading 公司在全球最大期货交易所芝加哥商品交易所数据中心对面，买了一块 12 万平方米的空地。

买了之后，他们没盖楼炒房，也不是为了风水，就是架微波通信基站，用于第一时间把交易请求传到芝加哥商品交易所。

![{w:100}{w:100}](https://n.sinaimg.cn

凯利准则对于长期交易来说已经足够好，前提是投资者对风险是中性的，并且能够承受较大的回撤。然而，在实际交易中，我们无法接受长时间和较大的回撤。为了克服凯利准则导致的较大回撤问题，Busseti等人（2016年）提出了风险约束凯利准则，它将最大化长期对数增长率与回撤作为约束结合起来。这种约束使我们能够获得更平滑的权益曲线。你将在这里了解这种新型凯利准则的一切，并将其应用于交易策略。

本文涵盖以下内容：

• 凯利准则
• 风险约束凯利准则
• 基于风险约束凯利准则的交易策略

凯利准则

凯利准则是一个著名的用于分配投资组合资源的公式。你可以在互联网上找到许多关于它的资源。例如

回测成功，但是提交模拟却没信号产生

当我使用 m_sum(turn,250) AS score作为因子时，回测是成功的，然而提交模拟后却没有信号产生，而这在12月份之前是正常的，也就是说12月份之前模拟信号会产生，但之后就没有信号了。于是我换了另一个float_market_cap AS score作为因子，回测和提交模拟都是成功的。请问是什么原因导致回测成功而模拟不成功呢？

[https://bigquant.com/codesharev3/6d69a0b5-38fe-4693-abea-50f390143a30](https://bigquant.com/codesharev3

ATR即平均真实范围（Average True Range）是由著名的技术分析大师J. Welles Wilder Jr.在1978年提出的，主要用于衡量市场波动性。

ATR是衡量资产价格波动性的指标，表现为价格在一定时间内的平均最大波动范围，主要反映价格波动的强度。

计算方法：

ATR计算基于一定时期内的真实波幅（TR）平均值。

真实波幅（TR）考虑

量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。

量化交易模型的一般由以下几个部分组成：

1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht

持仓数量混乱，回测时产生很多即使满仓也会继续买入0.几%的零散股。删除K线处理函数里卖出持股数量变动的代码（holding_num -=1），不会买入零散股，但会导致当天仍有仓位但不买入，如何修改？

https://bigquant.com/codesharev3/d5a7027b-7234-437a-80d0-246e49f51e37

\

交易策略报错，请大拿们解决一下

https://bigquant.com/codesharev3/334e2174-1146-4cc4-9397-c6df35e7e005

\

救我，我写的这个可转债策略胜率太低了，呜呜呜

我的策略是：V起来后，V的左肩膀突破了 V的右肩膀时买入（右肩距离V的低点需要>=3.5个点），止盈止损都是0.7个点，最后出来的结果很差，呜呜呜

[https://bigquant.com/codesharev3/1bba9ec1-eabe-4147-9504-d8c5ce032426](https://bigquant.com/cod

盘中的模拟盘如何创建？

站在模拟盘角度考虑，假设今天还未开盘时，我挑选了N只股票，以股票A为例，我自己评估了股票A今天可能会达到的价格假设为10元，当股票A早上集合竞价结束开盘价高于10元，直接挂单开盘价买，否则直接挂单10元，盘中如果达到了这个10元价格就直接买入了，然后我再评估A股票的卖出价格为11元，如果在接下来的某一天，在中午收盘的时候价格低于11元了就直接挂当前价格卖掉了，这个是站在模拟盘的角度，我有一个标杆就是这个买入的10元和卖出的11元，与之做对比的是A股票当天盘中的实时变化价格，这种要依据盘中实时变化价格的模拟盘应该如何创建呢

策略介绍

大类资产配置策略（Asset Allocation Strategy）是投资管理中一种基于投资组合理论的策略，其主要目的是通过在不同类型的资产之间分配投资来优化风险与回报的比例。这些资产类别通常包括股票、债券、现金及现金等价物、不动产、大宗商品以及其他替代投资品种。资产配置的目标是利用不同资产类别间的非完全相关性来降低整体投资组合的波动性和风险，同时寻求合理的回报。

大类资产配置策略的盈利逻辑主要基于以下几点：

1. 分散风险：不同资产类别通常具有不同的风险回报特性和市场表现。通过多样化的投资组合，可以在某些资产表现不佳时，依靠其他资产的表现来平衡损失，从而降

策略介绍

该策略是一个TALIB指标选股策略

买入条件是（1）今日开盘价大于昨日收盘价；（2）5日收盘价均线大于10日收盘价均线的股票

买入后，如果5日收盘价均线小于10日收盘价均线，则次日卖出。

策略流程

1. 股票过滤：剔除ST、停牌股、北交所
2. 筛选条件：上市天数大于270，收盘价小于30
3. 信号设定：对符合买入条件（今日开盘价大于昨日收盘价；5日收盘价均线大于10日收盘价均线的股票）的股票设定买入信号，对5日收盘价均线小于10日收盘价均线的股票设定卖出信号，并按照总市值升序排列
4. 交易设定：开盘买入，开盘卖出，初始资金100万，持仓票数20只，持仓周

positions = context.get_account_positions()

for code, position in positions.items():

    print(code,position.last_sale_date, context.trading_calendar.session_distance(position.last_sale_date, data.current_dt))

\

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

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

《Machine Learning for Stock Price Forecasting》是Ali El-Shayeb撰写的机器学习系列文章 ，本文主要介绍其第二部分内容——《监督式机器学习算法的应用》，并将其思想和代码应用在中国股票市场，开发出具有择时功能的监督式机器学习算法，最后进行策略回测。对此感兴趣的小伙伴可以直接在

https://bigquant.com/experimentshare/a3b69879c8a64567825df6d006b45da2

\

https://bigquant.com/experimentshare/5d58aac171cc4f0da4c5ef68b8871c80

\

MACD（Moving Average Convergence Divergence）是一种常用的技术分析工具，用于识别股票或其他资产的价格动量和趋势转变。

它由三个部分组成：MACD线、信号线（或平均线），以及柱状图。

![](/wiki/api/attachments.redirect?id=a437c1f3-8491-46f7-a4b9-3a37bd79c

阿隆指标由两条线组成：阿隆上行（Aroon Up）和阿隆下行（Aroon Down），同时还包括阿隆振荡器AROONOSC，旨在识别股票或其他资产的趋势变化以及趋势的强度。

阿隆上行（Aroon Up）测量自最近一次高点以来经过的时间百分比，阿隆下行（Aroon Down）测量自最近一次低点以来经过的时间百分比。这两条线通常在0到100之间变动。指标的关键在于这两

分享一些量化交易相关的常识信息。

五因子模型公式及应用

五因子模型是哪五个因子

**[多因子选股模型及优缺点](https://bigquant.com/wiki/doc/5asa5zug5a2q6ycj6ikh5qih5z6l5zcn6kn6ke

请参考新版的大盘择时

机器学习+择时+跟踪止损+技术分析

策略案例

https://bigquant.com/experimentshare/a5ed3eddf32f4e4dad4811a1acc257f0

\

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