可以做到实时更新吗？目前看更新时间好晚，根本不能盘中使用

回测如何设置一次全仓买入一只股票

策略请求接口

order(symbol, volume, price, order_type=OrderType.LIMIT, offset=Offset.NONE)

• 下单[股票、期货]，必须指定标的、下单数量、下单价格

想要每次以当日开盘价购入10手,文档里写必须指定下单价格。价格可以不输入，自动获取么？

\

我在运行BigQuant平台提供的例子中发现从平台提取的股票价格和真实的实盘价格并不相同。比如，我在跑“因子表达式”中提供的例子“实现时序最大值“时，发现000691.SZA的收盘价close_0和真实的实盘收盘价是不同的。如2019-10-08这天的实盘收盘价是3.79元，而例子从平台获取的close_0却是11.576945。其它日子的价格也不一致。

请问老师，这是怎么一回事？

BTW， 上面所提及的例子在”文档--因子--因子基本使用--因子表达式“中。我是100%拷贝例子的代码运行的，未做丝毫修改。另：其它的例子也有类似的情形。

请老师解答一下我的疑问。谢谢！

\

发现日行情数据提取错误，

1是通过使用查看结果的“导出csv”后的导出的csv，只有2023-08-01一天的数据，想导出全部数据要怎么样处理啊

2是导出的数据中，有macd数据不对，和通达信的对不上，通达信是0.X。不知道错误原因是什么，还有没有其他错误，你们能确保完全正确的数据源是那个？

谢谢

[https://bigquant.com/codeshare/882731c2-90fa-44d9-aab2-17b6fb7e8cfd]

摘要

在市场上，对于资产、基金的分类一直是大家讨论的话题，根据业绩走势对于基金进行分类我们也曾有相关研究。研究资产的相关性一个重要的应用就是可以利用相似资产找到原资产中不可购买的一部分资产。本期琢璞系列我们推荐Chen, Chun-Hao, and Chih-Hung Yu（2017）的《A Series-based group stock portfolio optimization approach using the grouping genetic algorithm with symbolic aggregate approximations》，文献利用遗传算

行为金融学表明市场的投机情绪会导致股票价格偏离基本面，许多投资者情绪指数已通过实证研究证明能够预测市场收益率。公司管理层与投资者一样也无法避免行为偏差，对公司产生偏离基本面的过度乐观或悲观情绪，进而导致市场出现非理性的反应，并且相较于投资者来说还拥有信息优势，然而管理层情绪对股票收益率的影响却鲜有研究。本期我们给大家推荐的文献《Manager Sentiment and Stock Returns》将补充情绪指数方面的研究，针对经理人情绪对股票收益率的预测能力进行探究。

本篇文章使用文本数据挖掘方法从公司财报和电话会议纪要中采集数据，提取其中隐含的经理人乐观或悲观的情绪信息，由此构建经理人情

指标介绍

梅斯线（Mass）：

所需数据和参数：Mass(high,low,smoothlength,summationlength,malength )

指标伪码：

MASSVAR0:=EMA(HIGH-LOW,SMOOTHLENGTH);

MASSVAR1:=EMA(MASSVAR0,SMOOTHLENGTH);

MASSVAR2:=IF(MASSVAR1>0,MASSVAR0/MASSVAR1,0);

MASSVAL:SUM(MASSVAR2,SUMMATIONLENGTH);

指标含义

[/wiki/static/upload/b4/b4d2ac13-d4

简介

投资者依靠股票-债券的相关性来构建最优投资组合、设计对冲策略和评估风险。大多数投资者只是通过推断月度收益的历史相关性来估计股票与债券的长期相关性，但这种方法显然是不可靠的。作者为产生可靠的股票-债券相关性的预测引入了四项创新。首先，本文引入单期相关的概念，以解决股票和债券收益的自相关和滞后交叉相关不为零以及长期相关性随时间变化的问题。第二，确定了股票-债券相关性的基本预测因子。第三，将股票和债券相关性建模为一些基本预测因子路径的函数，而不是单一观测值的函数。最后，对样本进行审查，进行部分样本回归。结果显示，股票-债券相关性预测的可靠性得到显著提高。

全文

[/wiki/

摘要

再平衡策略可通过多种改进方法，以提高在不同市场环境中的适应性

本文介绍了再平衡的定义、分类，对比了再平衡策略和买入并持有的差异，并针对再平衡策略进行改进优化。定期再平衡在投资组合中股票相对债券出现单边趋势行情时，表现不如买入并持有。为了提高再平衡在不同行情中的适应性，本文提供了一系列在实践中可行的方案。通过对中美股债组合再平衡的回测分析，发现适当降低定期再平衡的频率或采用超出范围再平衡策略可以在趋势行情中提高收益并减小回撤。此外将部分资金投入到股票趋势策略中，或以趋势信号判断行情走向后再选择性地进行再平衡，都能够增强再平衡策略在不同市场环境下的适应性。

定期再

利用算法进行股票量化交易是当今金融市场的一个重要趋势。在国际象棋和围棋等诸多复杂的游戏中，深度强化学习（DRL）智能体都取得了惊人的成绩。深度强化学习的理论同样适用于股票市场的量化决策。本文介绍了同济大学计算机科学与技术系的上海市大学生创新创业训练计划优秀项目：「基于深度强化学习的金融量化策略研究」，解读了如何训练一个 A 股市场的深度强化学习模型，以及回测的绩效表现。

在该项目中，研究者把股票市场的历史价格走势看作一个复杂的不完全信息环境，而智能体需要在这个环境中最大化回报和最小化风险。相比于其他传统机器学习算法，深度强化学习的优势在于对股票交易任务进行马尔可夫决策过程建模，没有将

报 告 摘 要

概念动量的理论基础

传统的资产类别划分方法（如行业划分）具有清晰的定义，但是现在很多股票都会被划分到不同的概念板块中，而概念板块的划分则相对模糊。当投资者很难厘清概念板块的信息时，概念的扩散就相对缓慢，此时“概念动量”就形成了。

概念动量策略实证结果

本文以概念板块成分股的等权组合构建概念组合，根据过去F个月概念组合的收益率按大小分为5组，随后买入赢家概念中的股票并卖出输家概念中的股票，持有H个月，且在每个月进行再平衡。

当选择形成期F=6个月，持有期H=6个月并剔除最近1个月收益时，经过FamaFrench五因子调整后的月均超额收益达到

{{membership}}

https://bigquant.com/codeshare/0527a8c8-9944-4c74-b845-2068dce50bd1

\

\

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 = {

\

问题

麻烦，问一下，期货日内分钟K线图画的时候出现这个错误，怎么解决完善？

https://bigquant.com/experimentshare/93512e5017b14351bad305ae671ba44e

解答

目前基础特征抽取只适用于股票，期货的因子计算需要用数据源模块把行情数据抽出，然后通过衍生特征抽取来进行因子计算，请参照

[https://bigquant.com/experimentshare/1e60493

\

问题

因为价格是浮点数的原因，计算出的涨跌停价与实际会有出入，会影响涨跌停判断，有没有相关的因子？或者说如何判定开盘价是涨停还是跌停价？

解答

可以通过读取DataSource(“limit_price_CN_STOCK_A”).read()表获取涨停价格。链接：https://bigquant.com/wiki/doc/-tOnkTw9FhH

\

问题

我使用这段python代码从代码列表提取不到任何ST股票呢？

解答

st是股票名字变为了st不是股票的代码，这里是股票的代码

问题

期货的教程在哪里啊，股票的毕竟不一样啊

程序弄好了是必须放在平台跑，还是可以在自己电脑上跑？

需要收费吗？哪些要收费？

请不要笑我太菜

解答

平台上股票和期货没做严格的划分。

期货策略样例 https://bigquant.com/wiki/doc/qihuo-celve-HZMGzfZbRx

回测引擎介绍 https://bigquant.com/wiki/doc/-7WQPjnHjSs

程序目前需要在平台上运行。

参考cash01的回复，会通过资源、模拟位等其他收费，平台的基本使用是免费的

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！

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

怎么实现呢？知识库里没找到。谢谢

问题

衍生特征抽取 (v3)这个模块的特征抽取应该是instrument分组后再用基础特征再计算出来，但事实上不是这样的。我来研究给大家看。

策略

https://bigquant.com/experimentshare/170e52011d264a7494a03243131a12ce

[https://bigquant.com/experimentshare/5f548029f659411f882b4b4dcab7afc9](h

引言

动量因子在金融市场有着广泛的应用。动量因子始于Jegadeesh and Titman(1993)，且动量因子广泛存在于股票，期货，债券等市场中。学术界关于动量的争议也层出不穷。一方面，有人认为动量因子的出现违背了有效市场假说；另一方面，人们认为动量背后的成因是投资者对市场信息反应的不充分或者过度，投资者获取信息的先后不一样，同时亦有部分观点认为长期来看，动量背后的成因同样也包含了基本面因素的驱动，在大环境条件不变的情况下，动量表现好的品种会在基本面供需的驱动下继续表现好。目前市面上已有大量的动量因子或者是使用技术指标构造的趋势因子，从动量的分类出发，动量可以分为时序动量