你好！请问AI选股策略输入特征无均线特征量，在回测部分特征抽取也是前述特征量，在最后回测部分卖出时想加上均线判断：

2. 生成卖出订单：hold_days天之后才开始卖出；对持仓的股票，按StockRanker预测的排序末位淘汰

if not is_staging and cash_for_sell > 0:
    equities = {e.symbol: e for e, p in context.perf_tracker.position_tracker.positions.items()}
    instruments = list(reversed(list(ra

在特征中表示因子的表达式

ta_ma0 = ta_ma(close, timeperiod=20) # 20日均线的值

ta_ma1 = ta_ma(close-1, timeperiod=20) # 20均线的前一天的值

是这样写吗？

ma24=mean(close_0, 24) ma72=mean(close_0, 72)

同花顺2017年12月21日的数据：

ma24: 1734.62

ma72: 1576.36

![{w:100}](/wiki/api

提问chat，说系统支持均线夹角的相关特征值，但是实际使用却报错。

“目前BigQuant平台提供了以下与均线夹角相关的特征值：

1. 均线夹角：

   ANGLE
   

2. 均线夹角变化率：

   DIFF_ANGLE
   

\

https://bigquant.com/experimentshare/91d5e91c4aec407c95ea3aafdf0ac74f

\

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

\

https://bigquant.com/experimentshare/1eb503d1a209469aaf998b5c61f2da3b

\

https://bigquant.com/experimentshare/612fccdedb274977ba74636700ecc9b8

\

问题

使用特征输入

my1=where(close_0<mean(close_0/adjust_factor_0,60),1,0)

收盘价应该在60日均线下方

但是使用同花顺进行复查 结果是这样的 请问怎么调整才能减小均线的误差

[https://bigquant.com/experimentshare/3d1f952d065f49f7b7a

摘要

正文

/wiki/static/upload/c8/c889ea29-9c9e-4610-883a-d095ba76fca9.pdf

\

摘要

均线——发现趋势。均线过滤价格噪音，保留趋势，但信号天然滞后，敏感性差。长均线平滑度好，但敏感性差，短均线敏感性好，但平滑度差，两者不可兼得。本文尝试搭建既能跟踪市场的主要趋势，同时在市场拐点能够及时响应的均线系统。

趋势跟踪新视角。均线排列打分（MASS）模型通过分析均线之间的相对关系对市场进行状态跟踪，实现对市场趋势方向和强弱的定量描述。模型实现了长短期均线的优势互补，既保留了长均线对主要趋势的跟踪，同时保留了趋势拐点处短均线的高敏感度。

均线排列择时。MASS择时模型在趋势变强（弱）时做多（空），在上证综指、上证50、沪深300、创业板等主要宽基指数以及申万一级行业上择

摘要

市场继续处于底部震荡模式。市场的风险偏好较难提升，考虑市场短期上升动能仍然存在，建议利用短期均线进行防守，若跌破10日均线，可适当调整结构或降低仓位； 2.权益基金本周提升股票仓位。其中医药、电子、通信、计算机、传媒等行业的仓位下降，基础化工、机械、电力设备、国防军工、有色金属等行业的仓位提升； 3.净利润断层上周超额基准1.77%，今年以来累计绝对收益-5.67%。

市场整体（wind全A指数）：震荡 估值水平（wind全A指数）：中等偏低区域 仓位建议：50%（绝对收益目标） 市场大势：均线距离为-7.85%，均线距离的绝对值继续大于3%的阈值，但核心观察变量的赚钱效应指标

前言

传统的CTA策略多为多品种多周期的趋势跟踪策略组合。其中对于趋势的定义，大都基于时间序列计算出的传统技术指标，如MACD、均线等。然后根据趋势的多空，构建多品种的多空组合。随着深度学习的发展，很多研究者在量化CTA策略的研发中，开始尝试深度学习算法。常见的作法，如直接用深度学习预测每个品种未来一段时间的收益率，并根据预测收益构建品种多空的组合。但这钟做法有以下两个缺点：

• 直接预测收益，并没有考虑组合的风险；
• 没有考虑每个品种在组合钟的权重。

在Lim etl. 2019的论文《Enhancing Time Series Momentum S

策略案例

https://bigquant.com/experimentshare/10ddc26e7b674144ab9e3738b63010a1

\