回测

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：2023-10-11 10:51

了解AIStudio

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

从这里开始

点击进入 AIStudio

关键概念

更新时间：2023-09-07 03:12

R-Breaker日内策略-期货分钟

https://bigquant.com/experimentshare/3e5c4533c9fa4174a16f8784bccfb69b

更新时间：2023-05-23 02:30

回测如何设置手续费和保证金率

可以在Initial函数中通过context的set_commission设置

def initialize(context):
    """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：2023-05-11 03:12

QuantChat-小白如何学习量化投资

• 点击新建对话，创建一个新对话

{w:100}

• 点击输入框，开始与QuantChat交流

{w:100}

• 您可以直接输入以下对话

![{w:100}](/wiki/api/attachments.redirect?id=df515aaf-cef1-460

更新时间：2023-05-04 02:33

滚动训练不成功，ix属性问题

https://bigquant.com/experimentshare/0e3ee03644f24afb883e6acd26c8bca2

更新时间：2023-04-28 09:53

AI+涨停板特征提取

策略案例

https://bigquant.com/experimentshare/6ac00fc386f74acb886b8168d7809b98

更新时间：2022-11-20 03:34

技术面和基本面结合的传统股票策略（附代码）

平时喜欢做研究，分享一个策略，希望和大家多交流！欢迎拍砖！

image|658x497

策略思想：

买入条件

市净率尽可能小
股价创60日新高
3日线上穿5日线，5日线上穿10日线
当日成交量是昨日成交量的1.4倍
macd柱状处于红色区域

卖出条件

收盘价下穿7日均线
7日均线下穿30日均线

持仓天数

持仓天数30天

更新时间：2022-11-20 03:34

分享一个可视化深度学习建模的例子

策略案例

https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14

更新时间：2022-11-20 03:34

Python for Quants - 用于量化投资的Python

参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python

更新时间：2022-10-10 01:02

海外文献：基于社交媒体情感和新闻情感的市场时机策略

摘要

新闻和社交媒体提供的投资信号

首先，该篇文章研究 20 年来投资信号的历史特点，此类信号指标广泛来自新闻和社交媒体，这可以区分每个数据类型的独特性；此外，该文评估社交媒体和新闻的投资相关性随时间的变化；最后，该文进行市场时机策略的回测，该策略基于社交媒体情感和基于新闻情感的信号对超额收益进行预测。

新闻作为市场时机的情感来源胜过社交媒体

基于社交媒体和新闻历史数据，基于社交媒体的情感大多已经被基于新闻的情感所捕捉。尽管在研究期间社交媒体激增，但嵌入式情绪的投资重要性似乎并没有随着时间的推移而提高：社交媒体聊天的嘈杂本质并没有随着数据源的增加而消失。总的来说，

更新时间：2022-10-08 07:01

策略业绩归因分析

摘要

当我们构建并回测了一个策略后，就需要对策略的历史业绩表现进行评价，这一过程也称为业绩归因。本文主要向大家介绍业绩归因中涉及到的主要内容和实现方法。

通常，策略业绩归因分为两大组成部分：收益归因和风险归因。从盈亏同源的角度而言，能够产生收益的因子一旦广为人知可能随时就会变为一个无利可图甚至波动剧烈的风险来源，因此收益与风险相生相伴。

正文

业绩归因重要性

通过业绩归因，我们可以更加清楚组合的收益与风险来源，进而知道这种获取超额收益的能力是否能够持续，也能够明白组合发生剧烈波动的原因，从而改进策略或进行策略比较。此外，

更新时间：2022-09-20 03:54

机器学习能用于基金组合构建吗

摘要

文献来源：Demiguel V, Gil-Bazo J, Nogales F J, et al. Can Machine Learning Help to Select Portfolios of Mutual Funds?[J]. Social Science Electronic Publishing, 2021.

推荐原因：众所周知，事先确定未来表现优异的共同基金是一项困难的任务。本文基于大量投资者容易获得的基金特征数据，利用机器学习方法训练提升其预测能力。研究发现，利用1980年至2018年期间美国股票型基金的数据，基于机器学习方法构建的基金组合，经风险调整

更新时间：2022-08-31 09:22

机器学习时代，随机过程的数学知识还重要吗？

摘要

这是最近在Quora上的一个提问：

Is stochastic math and Brownian motion still important to quantitative hedge funds? Is it all about AI and machine learning now？

机器学习算法大流行的时代，传统的量化金融理论，如随机过程、布朗运动等在量化对冲基金还重要吗？这本质上还是Q-Quant与P-Quant发展的问题。在这个问题下面，很多网友给出了很精彩的回答。

正文

▌Aaron Brown

很多量化投资策略都是基于非常简单的数学。复杂的工具往

更新时间：2022-08-31 08:47

分页第1页第2页第3页