交易信号
在金融领域，"交易信号"是投资决策中的关键要素，它是基于各种分析工具和方法得出的，标志着潜在买入或卖出时机的指示。这些信号可能来源于技术分析中的图表模式、指标交叉，也可能基于基本面分析中的财务数据变动、新闻事件等。对于投资者而言，准确地识别并解读交易信号对于制定有效策略、优化风险回报比至关重要。然而，交易信号并非绝对，它需要在市场动态和投资者个人风险承受能力的背景下综合考虑。
策略小测试，增加20日均线向上过滤
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
更新时间：2024-05-20 06:17
基金双均线策略
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
以双均线策略为例，采用新的DataSource接口实现基金数据的读取及策略回测
[https://bigquant.com/experimentshare/ac13b3c580cd4f06ad2cce26dd718ecc](https://bigquant.com/experimentshare/ac13b3c580cd4f06ad2cce2
更新时间：2024-05-20 06:13
深度学习量化交易模型
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
更新时间：2024-05-17 03:49
分钟数据获取
策略案例
AIStudio3.0.0分钟数据获取请转移至:
https://bigquant.com/wiki/doc/5yig6zkf5pww5o2u6i635yw-6fK4a8ZOZx
[https://bigquant.com/experimentshare/893162aea1dc4c4f953f670293646709](https://bigquant.com/experimentshare/893162aea1dc4c4f953f6
更新时间：2024-05-17 01:13
可视化TALIB指标策略
新版策略请转向
https://bigquant.com/wiki/doc/talib-OZIAb2sLoM
策略案例
https://bigquant.com/experimentshare/5d43988b1b9a443284807f6614b8eb5b
\
更新时间：2024-05-16 06:35
【历史文档】策略-实盘常见问题
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
更新时间：2024-05-16 02:57
【历史文档】策略示例-基于订单流的高频择时交易策略
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
更新时间：2024-05-15 10:40
【历史文档】策略示例-双均线模板策略 v1.0
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
更新时间：2024-05-15 10:30
KDJ策略——顶背离，底背离
更新时间：2024-05-15 09:30
简单画出k线及均线
更新时间：2024-05-15 02:10
分钟数据周期转换与分时策略构建
导语
很多朋友都在尝试使用平台的分钟数据，下面介绍一下分钟数据的读取与分时策略的构建。
分钟数据的读取
- 股票分钟数据，以000001.SZA为例：
df1 = DataSource('bar1m_000001.SZA').\
read(start_date='2015-01-01',end_date='2015-05-01').set_index('date')
更新时间：2024-05-15 02:10
基于tick的日内接刀策略
更新时间：2024-05-15 02:10
为什么写的策略当天没数据，就没有卖出信号了
没有数据不能买入，为什么没有卖出
更新时间：2024-03-16 14:14
如何支持交易任意时段下单？
在知识库**实盘常见问题里有答复：X-BigQuant/AIQuant量化实盘平台** 现只支持日线级别策略实盘。每个交易日19:00-23:00间会运行并产生次日交易信号。但可以调整所有或单个交易信号委托时间，即支持交易任意时段下单。请请问如何做到的？谢谢！
更新时间：2024-01-09 06:04
实盘中会不会用盘前处理？
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。
更新时间：2023-10-09 07:08
策略回测有交易，但模拟盘没有信号
更新时间：2023-10-09 06:18
如何进行择时处理
看到好多策略的择时是根据大盘的5日下跌来的，有时候想参考其他的，比如上证是否站上5日线，是否大盘均线交叉等等，由于摸索起来有点困难，希望有大神指导一下，怎么在回测时增加上面的处理，感谢！！！
更新时间：2023-10-09 06:08
同花顺涨停板涨停封单量因子分析20230928
更新时间：2023-09-27 02:30
基于阻力支撑相对强度(RSRS)的市场择交易-20230815
更新时间：2023-08-30 03:27
WorldQuant Alpha101因子 附录三：所有因子的SQL实现
更新时间：2023-08-21 10:56
申万宏源技术指标测试大全之七—Bollinger
指标介绍
布林带指标（Bollinger）
所需数据和参数：Bollinger(close,mDay,nDay,nstd )
指标伪码：
UPP:MA(CLOSE,MDAY)+NSTDSTD(CLOSE,MDAY);
DOWNP:MA(CLOSE,NDAY)-NSTD(CLOSE,NDAY);
指标含义
/wiki/static/upload/87/87b94d12-f312-4049-9d32-de3f318b2f30.pdf
更新时间：2023-06-13 06:53
申万宏源技术指标测试大全之十八— Momentum Index
指标介绍
动量指标（Momentum Index）：简称Mtm
所需数据和参数：Mtm(close,nDay)
指标伪码：MTM:CLOSE-REF(CLOSE,nDay);
指标含义
/wiki/static/upload/55/55bef468-2d7d-46a5-b721-a522518ae0c0.pdf
\
更新时间：2023-06-13 06:53
申万宏源技术指标测试大全之十一—Bias
指标介绍
乖离率指标（Bias）：
所需数据和参数：Bias(close,nDay,threshold )
指标伪码：
MAVAL:=MA(CLOSE,nDay);
BIAS:=100*(CLOSE-MAVAL)/MAVAL;
指标含义
/wiki/static/upload/21/210c8875-0828-4472-a65c-1ee21ec1bfec.pdf
\
更新时间：2023-06-13 06:53
学界纵横系列：基于机器学习的日内波动率预测
摘要
历史背景
长时间来，学界及业界开发了包括日内估计、GARCH、连续时间模型等近200-300种描述及预测波动率的模型。从交易信号到算法策略，这些模型为许多量化组合提供了极为重要的参考。
预测波动率的重要性
波动率模型为建立交易信号、算法策略、量化组合的分配都提供了重要参考。
波动率预测的难点
对于金融市场上不同类的资产，仅仅一类模型将很难给出一个有效的预测。我们需要对不同的资产标的针对性地使用不同种类的波动率模型来得到可靠的结果。
人工选择合适的模型是一个非常复杂且低效的方法。通过监督性学习算法，我们可以自动化这一过程。同时，通过对一些指标的监
更新时间：2023-06-01 14:28
机器学习高频交易-安信证券-20180223
摘要
从高频到低频
机器学习在高频量化策略上应用更加容易
从线性到非线性
机器学习下的非线性比线性更能榨取数据的价值，但也更容易过度拟合，因此需要合理使用
从单次分析到推进分析
推进分析更加符合实盘状态下盘后更新模型的实际情况
从分类到回归
回归经常能优于简单的分成两类
预测值相关
好的预测值不一定带来好的交易信号
正文
[/wiki/static/upload/92/925cb7dc-1b8c-46db-aed5-54ccb355b557.pdf](/wiki/static/upload/92/925cb7dc-1b
更新时间：2023-06-01 14:28