作者：chenao1106

导语

本次分享内容：拿⼀个策略案例，介绍盘中买卖量化如何实现，收益变化如何？

我们平时看到的策略，买卖时间点基本上是开盘、收盘这两个时间点，但经数据分析按年维度看，⼤盘即使在上涨情况，开盘买第⼆天收盘卖，胜率达不到50%，通过近5年数据分析，⼤盘如果全年持平情况，胜率约48%。全年按250个交易⽇计算，持仓2天的超短线，会有125轮交易。按48%的胜率，即胜率60次，亏损65次，做短线的朋友⼀般会选择波动相对⼤点的股票去做，持仓2天平均盈亏的幅度按4%计算，按开盘买、第⼆天收盘卖，这个买卖时机的因素会导致全年亏损预计为（65-60）*4%=20%。我们

摘要

量化择时交易策略

机器学习量化交易策略的制定，是通过从海量历史数据中，利用计算机强大的处理能力，挖掘并分析出那些能够为投资者带来收益的各种大概率可行的投资方式来实现的。通过数学模型对这些策略进行分析并加以验证，以期望让投资者获得更高更稳定的收益，或更合理地规避风险。

长短期记忆模型具有明显优势

长短期记忆模型通过记忆单元有效地学习长期依赖关系，在金融市场预测中具有明显优势长短期记忆网络是人工神经网络的一种，具有负责计算时间序列中各个观测值之间依赖性的能力，同时具有快速适应趋势中急剧变化的固有能力。所以，长短期记忆模型可以在波动的时间序列中很好地工作。在处理股

前沿

今天整个大市表现不好，可能是昨天任总的讲话，将寒气从制造业传导到了资本市场，咱也要居安思危，探索进取，在量化交易领域存活下去。

裹着被子爬(f)梯(q)子，看看大洋彼岸的宽客们，都在鼓捣些什么，有啥新奇的玩意儿。

你还别说，这次瞎逛还是蛮有收获的，最大的感慨就是，大神们的想法总是那么相通，开发的指标/策略总也是那么相似。

之前给大伙儿介绍过一个另类的量化策略：*[K线面积交易法](https://mp.weixin.qq.com/s?__biz=MzkyODI5ODcyMA==&mid=2247484161&idx=1&sn=85b980eb19f4d016b7f1a42f

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

问题

如何在日频交易模块（Trade）中实现涨停不卖？

解答

看这里：https://bigquant.com/wiki/doc/tiaojian-xinhao-5xvfPyKjQ0

这个教程里有。

\

问题

比如我想获得昨天以前30天内最高收盘价当天的MACD值，应该如何获取

\

解答

可以参考以下代码：

1. 通过 ts_argmax(close_0, 30) 获取过去30天内的最大值发生在哪一天

2. 通过 ta_macd_hist(close_0, fastperiod=12, slowperiod=26, signalperiod=9) 获取MACD指标

3. 通过 DataFrame 重置索引的方式获取偏移 n 天后的MACD指标

   
   [https://bigquant.com/experimentshare/fa0b9062d376487abf7

年后，北京一个忠实用户问了几个问题，我整理了下，也方便持续交流。

他给我留言的问题如下：

1. 我们的策略回测时，用的模型有没有把验证集的数据学习了？
2. 滚动回测的效果远远不如常规的 可能原因时什么？
3. 短期交易，大户资金流比较重要，有什么帖子或者研报发我提供点思路？
4. 预测明天股票，一定要放在回测里，收通知吗？ 验证集最后一天也成最近一天交易日，可以预测吗？

这是他的原话，一个字没有修改，因为我怕理解有偏差。

回测是否学习验证集数据？

在机器学习算法中，我们把可以获得到的数据分为训练集，验证集和测试集，之所以这样划分，是因

问题

如何对单只股票设置量化交易程序

{{membership}}

https://bigquant.com/aistatic/codeshare/?id=651c6c32-c6b0-47c7-9a13-2fc57884c237

https://mp.weixin.qq.com/s/vX4I9SpKRF3_HKQOGhtZcQ

同花顺选股平台最牛收益策略分析

​ 近年来，量化交易被越来越多的投资者认可，国内也出现了很多支持量化策略和量化交易的平台。其中同花顺旗下的量化策略平台BackTest（http://backt est.10jqka.com.cn/)因为支持自然语言创建策略而受到很多投资者的欢迎。在BackTest平台上有大量用户自编的量化交易策略，其中很多策略收益都非常可观，年化收益率甚至长期超过100%。

​ 这些策略是否可信呢？经过我们的分析，其中有一类包含“中证1000指数成份股"条件的高收益策略使用了错误的数据，相当于包含了未来

https://bigquant.com/experimentshare/d8fb2ec62bec4b57b09947850c349109

\

• 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

![{w:100}](/wiki/api/attachments.redirect?id=9421fac0-46ee

编写线段树代码

问题

于我而言，我更倾向于Rust，因为Rust很适合用在量化的交易或生产阶段，因为Rust可以很好地降低交易代码中潜在的Bug，也容易进行生产调试。

1. 与C++相比，Rust的性能相差无几，但是在安全性方面更优，特别是使用第三方库时，Rust的严格要求会让第三方库的质量明显提高。
2. 与Java相比，除了部分纯粹的数字计算性能，Rust性能全面领先于Java，同时Rust占用内存更小，因此如果想实现同等规模的服务，Rust所需的硬件成本显然更低。
3. 与Python相比，性能方面Rust完胜，同时Rust对运行环境要求较低，从这两点上就基本可以做出选择了，因为Python和

​ 国内量化交易起步较晚，大约15年开始，20年开始爆发，21年量化私募规模飙升。由于容量过大，出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说，量化交易仍然是一种相对较新的投资方式。自20年以来，监管已经关闭了证券公司的外部接口。因此，如果你想进行定量交易，你必须使用证券公司的level2行情数据接口和交易接口。今天，我将与大家分享如何一站式解决不同的定量交易需求。

自编程AI量化交易https://gitee.com/l2gogogo

解决方案：AI量化交易策略终端

简介：

极速交易策略终端是一款基于python语言C#，PHP的策略交易平台，是活跃交易者策略研究

模型板块包含了AI算法模型，多因子模型等一些研究内容。

国内量化交易起步较晚，大约15年开始，20年开始爆发，21年量化私募规模飙升。由于容量过大，出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说，量化交易仍然是一种相对较新的投资方式。自20年以来，监管已经关闭了证券公司的外部接口。因此，如果你想进行定量交易，你必须使用证券公司的level2行情接口和交易接口。今天，我将与大家分享如何一站式解决不同的定量交易需求。https://gitee.com/l2gogogo

自编程AI量化交易

解决方案：AI量化交易策略终端

简介：

极速交易策略终端是一款基于python语言的策略交易平台 ， 是活跃交易者策略研究 、 自动化交易

更通俗的来说，使用Level-2与使用普通行情相比，多了下述的好处：https://gitee.com/l2gogogo

1.  行情更快。Level-2数据实时推送报价以毫秒为单位刷新行情，并且不需要手动刷新行情。还可以实时监测多只股票的行情数据。主力动向，筛选底子好的股票，进行量化交易。

1. 对股票行情市场更加清晰。每笔交易的交易量和交易时间逐一列出，以便在交易量变化较大的早期阶段看到迹象，并看到判断买卖最佳时间的依据。

3.  行情更深入。买卖盘十档行情，列出买盘、买盘各十笔挂单价、挂单量；透过买卖盘3.，行情更深入。买卖盘十档，列出买盘、买盘各十笔挂单价、挂单量；透过买

策略案例

https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08

\

挖掘因子是构建策略的第一步，有效的因子组合可以获取超额收益，而沉余琐碎因子则会让策略失效，所以搭建具有显著收益正相关性的多因子模型，是策略研究前期工作的重中之重。基本面因子以财务数据和股东数据为基础构建，如下：

1.#盈利能力因子。相较于其他盈利能力因子，CFOA在不同选股域中的有效性均较为显著，体现其对收益率较强的预测能力。同时，CFOA因子的多头组合在全市场普遍具有较高的年化收益和较低的最大回撤。

2.#成长能力因子。在全市场中，多数成长能力因子的IC检验有效性较为显著，其中业绩趋势因子（QPT）和标准化预期外净利润因子（NP_SUE1）在不同选股域中具有较强的收益预测能力。

3

期货量化交易有什么特点呢？

1.速度快。交易市场如战场，尤其是在开盘的时候，很多品种的盘口特别活跃，成交量很大，这就是拼速度的时候。很多量化交易公司的交易办公室都在交易所附近，他们凭借速度的优势，频繁地买进卖出，拥有速度优势。

2.交易周期小。交易就是低买高卖，高抛低吸，是一个赚差价的游戏。谁都不愿意为他人做嫁衣，谁也不愿意为他人抬轿子。现在很多量化交易公司的员工都是名牌大学的高才生，他们拥有高智商，高技术，使用3秒的交易周期都嫌长。普通散户一开仓，量化交易就平仓了。因为别人在数着你的单子呢！

3.仓位灵活。很多量化交易公司都在做短线，导致许多品种早盘在大幅度的增仓，而收盘时又变成

摘要

回顾2018年中国资本市场，可谓风云诡谲，变幻莫测。在纷繁复杂的市场行情之下，华创金工团队独辟蹊径，以专业的量化视角和独创的分析工具，分别从市场反弹的历史大数统计、机构持仓分析、高送转行情预测、四季报行情推荐等角度为投资者展开分析，并利用华创金融科技团队独创的“数知”产品将基本面数据进行高频化，以求在2018年年尾为投资者回顾过往，预见未来。

本文分别从四个部分，即市场反弹的历史大数统计、机构持仓分析、高送转行情预测、业绩预期，最终试图解读部分2018年的市场行情。 本文的第一部分，市场反弹的历史大数统计中，通过对中证1000指数自年以来四次反弹行情的历史情况统计，我们发现在反

#业内人士透露，伴随量化交易的迅猛发展，越来越多的百亿级量化私募选择降频，目前主流量化多头的年均换手率已降至30倍至50倍。降频意味着夏普比率的降低，策略的周期性特点会更加明显，管理人如何继续保持获取超额收益的竞争力？

私募排排网最新数据显示，截至目前，百亿级量化私募数量已高达34家。而在1年前，百亿级量化私募数量只有18家。也就是说，短短1年时间，头部梯队扩容了翻了一番。

另外，据某大型券商统计，截至6月底，管理规模超过200亿元的量化私募达到10家，其中管理规模超过400亿元的机构有6家。

面对“高夏普”的离去，管理人该如何保持获取超额收益的竞争力呢？在多位业内人士看来，基本面因子

伴随着国内量化私募管理规模不断创出新高，量化交易中经常提及的算法交易工具逐渐被投资者熟知和青睐，市场上也涌现出了一大批优秀的算法交易服务商。

但与国外欧美市场算法交易份额80%-90%相比，国内算法交易发展方兴未艾，未来会有越来越多的专业投资者通过算法交易工具武装自己！

算法交易又称为黑盒交易，是指凭借IT技术的发展，利用算法完成订单拆分、挂单和撤单等交易环节，提供以成交为目的的自动化交易执行。其主要目标是保证执行效率、降低冲击成本、减少人力成本、保护交易意图、捕捉交易机会。

算法交易优势主要体现在三个方面：1.有效降低交易冲击成本；2.大幅提高交易执行效率；3.避免与竞争对手正面“交战

标题一张嘴，内容全靠吹。

量化玩数载, 学废占多数。

基础不打牢, 进阶两行泪。

人工与智能, 玩好人上人。

曲线与真实, 理想与现实。

问我怎么办, 闭眼直接上。

单票+满仓, 不死也重伤 。

分仓+风控 , 还好有点用。

为啥搞量化, 数据说实话。

人言不可信, 都是韭菜命。

师从百家长, 悟道一朝夕。

只晓一两招, 天梯屠榜客。

学尽屠龙技, 恨无龙可屠。

废话那么多, 源码在哪里？

链接直接粘，克隆就完事。

调参随便改，画图随你心。

回测皆浮云，实盘屌炸天。

发帖撞撞X， 深藏功与名