回测
回测在金融领域是一种重要的验证和评估策略性能的技术手段。它主要通过在历史数据上模拟投资策略的执行过程，以此检验该策略在过去时间段内的盈利能力和风险水平。回测不仅能够帮助投资者理解策略在不同市场环境下的表现，还能揭示策略的潜在风险和优化方向。有效的回测是金融决策过程中不可或缺的一部分，它增加了投资者对未来策略实施的信心，并为持续改进和优化投资策略提供了依据。
量化研究：投资决策的起点 海通证券_20180716_
更新时间：2022-08-31 08:06
商品期货量化趋势策略信号2022年08月29日
更新时间：2022-08-29 04:43
回测交易
涉及国内主要品种的不同的频率的回测与交易
\
更新时间：2022-07-31 01:58
海外文献推荐 第35期 天风证券_20180411
摘要
因子投资模型增强：基于深度学习来预测基本面数据经过回测发现，如果能够预知未来的基本面数据并构建组合，则能够大幅跑赢传统方式构建的组合。并且，基本面数据之间的关系可能比基本面数据与价格之间的关系具有更高的信噪比。因此，作者根据过去5年的基本面数据训练一个深度神经网络来预测未来的基本面数据，结果表明较之于简单预测（假设未来数据和当前数据一致）模型，神经网络模型在MSE、年化收益、夏普比率等指标都有明显的提升。
消费者的眼睛是雪亮的：消费者评价的投资价值本文探究了消费者的评价是否包含着对投资有价值的信息。利用上买家对产品的评价信息，发现消费者的评价对于选股具有一定的价值。
通过做多异
更新时间：2022-07-27 10:34
AI量化Meetup
\
更新时间：2022-05-17 02:56
Deep Alpha 研讨会-互动问答环节
Q1:现在海内外量化实践有什么代际差吗？海外接下来量化方向除了另类数据应用，还有什么发展潮流？他们对于国内量化市场是怎么判断的？
**关子敬：**在我看来海内外最主要的差别是：国内投资人是偏向喜欢直接对股价做预测，而海外直接预估股价比较少，主要做填充模型（imputation model），针对遗失数据做估算，特别是在
更新时间：2022-04-27 01:48
文档整合
更新时间：2022-04-11 11:00
回测两年内最大21%回撤 需要留邮箱
\
更新时间：2022-03-02 07:02
整百下单的一个例子
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： ——高频因子之已实现波动率分解-海通-170909
在系列前期报告中（《选股因子系列研究（十九）——高频因子之股票收益分布特征》），我们基于股票高频收益分布特征对于相关因子的选股效果进行了回测。
研究发现，股票高频偏度具有较好的选股效果，但是高频方差以及高频峰度并无显著的选股能力。考虑到股票日收益的波动率同样选股效果不佳，但将其拆分为系统波动以及特质波动后，两个因子皆具有较好的选股效果。本报告尝试对于股票高频波动率进行拆分，并期望从高频波动中提取出有效的选股因子。
“系统波动+特质波动”的拆分方式在高频维度上无法得到具有优秀选股效果的因子。在1分钟的数据频率下，高频特质波动率因子表现较差，并无明显的选股能力。随着数据间隔的增大，该因子的Ra
更新时间：2021-11-22 08:33
设置交易费率和价格
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
def initialize(co更新时间：2021-11-19 10:42
深度学习的模型固化
导语
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。
如何固化模型
调试策略
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。
记录模型文件
第二步，记录模型文件到userlib文件夹
很多技术分析都涉及观察信号指标，然后根据信号进行交易。正如我在之前的文章“一个让优秀交易者高于其他交易者的行为”中所讨论的那样，你应该在你的交易日志中记录下你所有的交易，当你获得更多的经验时，你应
更新时间：2021-08-24 05:46
确保回测和仿真一致的方案
更新时间：2021-08-24 05:46
lightGBM_AI选股
更新时间：2021-07-30 09:11
用线性随机梯度下降-回归算法实现A股股票选股
更新时间：2021-07-30 08:12
可视化均线金叉死叉策略
更新时间：2021-07-30 08:05
用线性-分类算法实现A股股票选股
更新时间：2021-07-30 07:26
使用bigexpr表达式引擎开发AI策略
更新时间：2021-07-30 07:26
Transformer在量化选股中的应用
一、基于时间嵌入的方法
当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及
更新时间：2021-02-03 07:05