导语

在AI量化策略开发第六步：回测教程中，我们介绍了Trade回测/模拟交易模块的重要函数和策略构建的基本流程，本文主要介绍如何在Trade模块中设置手续费和滑点。

在评估策略的时候，我们设置一定的交易手续费和滑点以模拟真实交易。在策略编写中，我们通常在回测模块的初始化函数中进行设置。

设置手续费

通过调用set_commission方法，在初始化函数中加入如下代码块实现相应的功能： 股票，按成交金额百分比设置手续费，手续费不足5元按5元收取

# 示例代码1
# 交易引擎：初始化函数，只执行一

策略介绍

双均线策略是一种简单而又广泛使用的技术分析工具，主要用于识别市场趋势的变化和生成交易信号。这种策略涉及两条移动平均线——一条短期（快速）和一条长期（慢速）——并通过观察这两条线的交叉点来决定买入或卖出的时机。

策略流程

1. 筛选条件：将5日平均收盘价作为短线，50日平均收盘价作为长线；短线上穿长线买入，长线下穿短线卖出
2. 策略回测：开盘买入，收盘卖出，回测时间为2017-11-24至2024-11-24

策略实现

输入特征模块

• 将5日均线作为短线，m_avg(close, 5) AS _mean_short；50日均线作为长线，`

MeetUP直播答疑 时间：3月28日（周四）19:00 直播地址：B站（https://live.bilibili.com/21929948）

以下问题解答，对应源码请访问子目录， 本次MeetUP 直播答疑大纲如下：

\

一、因子分析中的行业因素

1. 如何构造板块因子或行业因子？
2. 行业间涨跌的相关性，对于行业的划分颗粒度和行业

BigQuant量化交易开发平台是专为量化投资和交易设计的综合软件平台。提供一系列量化开发工具和服务，使交易者和投资者能够开发、测试、优化和执行复杂的量化交易策略。（文末附开发资源汇总）

基本概念

量化开发平台通常包括数据分析、策略开发、回测、风险管理和自动化交易功能。它们为量化交易者提供了一个集成环境，用于构建和实施基于数学和统计模型的交易策略。

核心功能

策略介绍

本策略基于日频双均线策略基础上，衍生至分钟频。涉及两条移动平均线——一条短期（快速）和一条长期（慢速）——并通过观察这两条线的交叉点来决定买入或卖出的时机。

策略流程

1. 筛选条件：将5日平均收盘价作为短线，40日平均收盘价作为长线；短线上穿长线买入，长线下穿短线卖出。
2. 策略回测：开盘买卖，回测时间为2024-05-20 09:00:00至2024-05-28 15:00:00。

策略实现

输入特征模块

• 将5日均线作为短线，m_avg(close, 5) AS _mean_short；40日均线作为长线，`m_avg(close

https://bigquant.com/codeshare/3b5c66d6-ed5b-46a0-8dc6-3a48cc76a482

\

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

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

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/stockranker-qFD1Xg1Wz3

代码策略

[https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dccb8f](https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dcc

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

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

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

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')

• 买入条件：选择过去120个交易日涨幅位于前30%的股票作为动量股。同时，选择过去30个交易日内表现最差的前10%股票作为反转股。股票必须在过去5个交易日内有超大单净流入。按照流通市值降序排列
• 卖出条件：持有期超过30个交易日或涨幅达到20%。
• 股票过滤：过滤ST，过滤北交所
• 最大持仓数：15

回测图：

\

策略源码：

请克隆下方策略，前往最新版开发环境3.0中运行

{{membership}

• 运行环境：AIStudio 3.0.0
• 线性回归：构建因子+单因子策略回测
• 策略说明：==本代码以教学目的为主，请自行调参==

回测图：

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/cd8638d7-21c0-4df4-8a29-e9f1cc227df0](https://bigquant.com/codeshare/cd8638

• 声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 声明：本策略需要在AIStudio 3.0环境下运行
• 股票提取：筛选出全市场股息率最高的前 25%的股票，并且只选择股价低于 10 元的票
• 股票过滤：过滤科创板、过滤北交所、过滤 ST、过滤停牌、过滤涨停、过滤跌停，上市天数大于270天
• 股票排序：按照流通市值，从小到大排序，选择流通市值最小的前 10 只票
• 买卖时间：开盘买入，收盘卖出
• 初始资金：100万
• 持仓票数：10
• 持仓周期：15天轮动调仓一次，依然排名前 10 的继续持有，掉出前 10 的卖出

回测图：

![](/wiki/

问题

如下图，请教一下各位大佬，因子分析里面的收益价格，在因子分析的时候是取当天的还是第二天的？

看了alphalens的介绍，这里应该要取第二天的数据，不知道平台的因子分析里面有做了处理没有

策略

\

https://bigquant.com/experimentshare/5277de40609d4fffa7bbe6df2e5b1231

\

问题

为什么写出来的策略会在第一天全部买入呢？

代码

# 本代码由可视化策略环境自动生成 2022年8月13日 13:20
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。


# 回测引擎：初始化函数，只执行一次
def m6_initialize_bigquant_run(context):


    # 系统已经设置了默认的交易手续费和滑点，要修改手续费可使用如下函数
    context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.00

问题

策略代码是只读的，自己的代码 怎么插进去

年后，北京一个忠实用户问了几个问题，我整理了下，也方便持续交流。

他给我留言的问题如下：

1. 我们的策略回测时，用的模型有没有把验证集的数据学习了？
2. 滚动回测的效果远远不如常规的 可能原因时什么？
3. 短期交易，大户资金流比较重要，有什么帖子或者研报发我提供点思路？
4. 预测明天股票，一定要放在回测里，收通知吗？ 验证集最后一天也成最近一天交易日，可以预测吗？

这是他的原话，一个字没有修改，因为我怕理解有偏差。

回测是否学习验证集数据？

在机器学习算法中，我们把可以获得到的数据分为训练集，验证集和测试集，之所以这样划分，是因