AIStudio是BigQuant平台以AI为核心的Cloud IDE,可以用于量化投资数据分析、因子挖掘、模型训练、回测和交易,以及更广泛的程序开发和AI模型开发训练等。
/wiki/static/upload/31/315c1087-6d07-491a-90ef-43e717997077.mp4
\
更新时间:2025-04-24 03:34
策略逻辑编写完成后通过接口函数 M.hftrade (也是一个可视化模块的入口)来进行回测,如下是此函数的详细说明
M.hftrade.v2( #v2表示hftrade的版本号
start_date, #回测开始日期
end_date, #回测结束日期
instruments=None, #回测股票/基金/期货列表
initialize=None, #初始化函数初始化函数,initialize(context)
on_stop=None, #策略运行结束处理函数,on_stop(con
更新时间:2025-04-24 03:34
由于深度学习中牵扯到Dropout和随机种子等多处随机项,因此如果无法固化模型,当缓存丢失后会模拟交易/回测会触发重新训练,导致模型变化,本帖介绍固化已有的模型的步骤。
好的策略应该经过多次训练查看模型的回测效果稳定性,如果发现同样参数下多次训练模型得到的回测结果变动范围较大,多半是模型不稳定。模型稳定后可以考虑固化模型并开启模拟交易。
以上图DNN模型为例,
更新时间:2025-04-24 03:34
在默认的AI策略里,交易股数并不是整百,这和实际交易确实有一些不同。之所以这样做,是因为回测主要是验证思想,不想让资金管理、风险控制影响最初的策略思想。
但是,用户是可以手动修改代码,达到整百下单的目的的。
具体方法是修改handle_data函数里交易接口API,同时修改回测类型为:真实价格回测。相关文档可以参考:回测与交易引擎。具体要修改的位置为回测模块trade中的主函数,截图如下: :
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:2025-04-24 03:20
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。
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
def initialize(co
更新时间:2025-04-24 03:20
更新时间:2025-04-24 03:20
由于深度学习中牵扯到Dropout和随机种子等多处随机项,因此如果无法固化模型,当缓存丢失后会模拟交易/回测会触发重新训练,导致模型变化,本帖介绍固化已有的模型的步骤。
第一步,调试策略
好的策略应该经过多次训练查看模型的回测效果稳定性,如果发现同样参数下多次训练模型得到的回测结果变动范围较大,多半是模型不稳定。模型稳定后可以考虑固化模型并开启模拟交易。
第二步,记录模型文件到userlib文件夹
:
"""初始化"""
print("initialize")
# 股票设置费率的示例
context.set_commission(equities_commission=PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5.0))
# 期货设置费率的示例
comm_dict = {
更新时间:2025-04-24 03:20
• 点击新建对话,创建一个新对话
• 点击输入框,开始与QuantChat交流
• 您可以直接输入以下对话
:
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:2025-04-21 01:58
{{membership}}
一个简单封装的机器学习滚动的策略框架~可以方便的使用机器学习滚动训练回测~ \n可以在py文件内修改实际使用的模型,把mod2.py放在目录下, 直接import mod2 from mod2 配置一下config就可以一键进行机器学习滚动训练并看到回测了\n
https://bigquant.com/codesharev3/f76dfca2-cbba-44bd-a183-bd10f26619fb
\
更新时间:2025-04-21 01:52
回测图:

{{membership}}
[https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01f4](https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01
更新时间:2025-03-12 06:21
单因子策略:120日换手率之和
回测图:
\
{{membership}}
https://bigquant.com/codeshare/54d502d3-8cd7-45f4-97a5-55b912da0ef3
\
更新时间:2025-03-12 06:21
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:2025-02-27 02:34
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:2025-02-27 02:34
更新时间:2025-02-27 02:34
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:2025-02-27 02:34
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:2025-02-27 02:34
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:2025-02-27 02:34
更新时间:2025-02-27 02:34
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:2025-02-27 02:34
为了能更简单、更灵活同时在回测和实盘模拟中无缝支持滚动训练和模型自动更新,我们增加了滚动运行支持,并优化了相应模块。
使用模板新建一个策略:策略 > 新建 > 可视化AI策略
如下三步即可增加滚动训练支持:
更新时间:2025-02-27 02:34