实盘

def m6_initialize_bigquant_run(context): # 加载预测数据 context.ranker_prediction = context.options['data'].read_df() context.ranker_prediction.set_index('date',inplace=True)

交易引擎：每个单位时间开盘前调用一次。

更新时间：2024-01-18 10:18

用5万资金开通实盘，选用策略天梯上的策略，但是实盘给出的交易信号总是和模拟盘给出的调仓信号不一致，请问有谁知道原因？

说明一，选用的策略是2023年7月上架的天成3系列策略，试了两个，都是一样问题。

说明二，选用的策略没有选北交所股票，只有创业板和主板股票。自己的账户开通了创业板。

说明三，风险控制已经把个股仓位调到100%，策略占用资金分配了98%。

说明四，每次给出的交易信号与调仓信号都不一致，而且都不是st股。

说明五，因为才开通实盘10天，这十天模拟盘给出的都是创业板股票，而实盘给出的交易信号是主板股票。难道实盘是因为5万资金才不选创业板股票吗？

有谁知道这个问题原因的，请帮忙解答。谢谢！

更新时间：2024-01-18 07:06

当天高开，会不会导致实盘按照昨日收盘价计算的委托买单资金不够？

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

更新时间：2024-01-12 06:03

回测正常，实盘报错

https://bigquant.com/codeshare/ce89ec06-3457-4f59-bfed-70d7bb95e4c7

导入策略试运行日志

[2024-01-02 22:45:32.247550] INFO moduleinvoker: input_features.v1 开始运行.. [2024-01-02 22:45:32.271768] INFO moduleinvoker: input_features.v1

更新时间：2024-01-09 06:15

实盘导入报错

https://bigquant.com/experimentshare/1c2d91278c584f67a3942f639e0be7cf

导入策略试运行日志

[2023-12-22 17:05:54.948181] INFO moduleinvoker: input_features.v1 开始运行.. [2023-12-22 17:05:54.956085] INFO moduleinvoker: 命中缓存 [2023-12-2

更新时间：2023-12-29 10:55

求问回测和实盘的日期使用问题

在大宽看了不少策略，有一个关于具体使用当天还是前一天数据的问题

比如B站视频中的稳健深小策略

#==================== 数据准备

today = data.current_dt.strftime('%Y-%m-%d')

time = data.current_dt

# 根据权重计算排序得分

today_data['总市值_score'] = today_data['总市值'].rank(ascending=True)

today_data['流通市值_score'] = today_data['流通市值'].rank(ascending

更新时间：2023-12-14 07:34

模拟回测模块的交易逻辑代码是否会在实盘中执行

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？

更新时间：2023-11-27 06:10

为啥order_percent()有错误？（HFTrade (高频回测/模拟/实盘) (v2) 中）

your performance may suffer as PyTables will pickle object types that it cannot
map directly to c-types [inferred_type->mixed,key->block3_values] [items->Index(['instrument', 'name', 'suspend_type', 'suspend_reason', 'suspended'], dtype='object')]
pytables.to_hdf(
[2023-11-09 19:42:22

更新时间：2023-11-15 06:20