旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

\

导语

本文主要分享一个基于Deep Q Network的对于个股的择时策略

算法简介

DQN与Q-Learning

本文主要使用的是Deep Q Network。DQN是强化学习的一种方法，结合了Q-learning和深度学习神经网络。

Q-learning是用一张表来记录各个状态下的各个行为的q值，它能记录的状态

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/st-4e44uAfQ1i

\

ST摘帽事件逻辑

被实施ST的股票往往存在较为严重的财务问题或其他异常状况，股票风险较大；但是，当上市公司上述异常状况消除后，公司应当在董事会审议通过年度报告后及时向交易所报告并披露年度报告，同时可以申请撤销对其股票实施的退市风险警示，即“摘帽”。ST股票摘帽是一个利好事件，我们试图在其中挖掘超额收益。由于上市公司

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，相关策略请参考以下链接：

https://bigquant.com/wiki/doc/124-exuI9VGX1a

https://bigquant.com/wiki/doc/5z66yer5ym5z2h57q562w55wl-F6yoWKprOq

本策略主要分享如何以指定

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ

策略案例

[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co

前言

我们常用量化投资的方式预测未来可以交易的个股，从而获取最大收益。但能不能反其道而行之，通过量化的形式诊断个股：判断是否可以买入？仓位如何设置最合理？

对于资深投资者来说，可以根据历史交易经验，结合该股的特性及大盘环境，判断在这类情况下股票的胜率及收益如何，以此作为买入决策。

但有个更简单、快速的方法，可以借助量化快速找出股票在大盘环境下历史的收益率和胜率情况，作为买入决策。

本次分享将介绍如何用量化的方式诊断个股，并依据量化分析结果作为买入决策和制定交易计划。

正文

[/wiki/static/upload/9d/9d17fabf-6f78-4e80-8da0-5

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

策略案例

AIStudio3.0.0分钟数据获取请转移至:

https://bigquant.com/wiki/doc/5yig6zkf5pww5o2u6i635yw-6fK4a8ZOZx

[https://bigquant.com/experimentshare/893162aea1dc4c4f953f670293646709](https://bigquant.com/experimentshare/893162aea1dc4c4f953f6

https://bigquant.com/experimentshare/6508a3b7858b4d098a358a880b18b332

训练结果展示： \n

新版请移至, 新的链接

https://bigquant.com/codesharev2/dd736102-e54b-4d0b-b549-16bd7703a7ac

\

策略案例

https://bigquant.com/experimentshare/50587a5bf63646e0b50bac78a9658ba0

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

海龟交易法则

海龟交易的交易规则 今天的收盘价大于过去20个交易日中的最高价时，以收盘价买入； 买入后，当收盘价小于过去10个交易日中的最低价时，以收盘价卖出；

策略构建步骤

• 策略构建步骤 确定股票池和回测时间 通过证券代码列表输入要回测的单只/多只股票，以及回测的起止日期
• 确定买卖条件信号 在输入特征列表中通过表达式引擎定义 IF(close > hist_high AND m_lag(close,1) < m_lag(hist_high,1) , 1, 0) AS buy_sig，实现买入信号。 在输入特征列表中通过表达式引擎定义 `IF(close < hist

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

BigQuant策略模板库旨在帮助用户快速开始并优化他们的量化投资策略。无论您是初学者还是经验丰富的投资者，我们的策略模板都能提供从简单到复杂的多种投资策略选择。这些模板涵盖了基础策略、中级策略和高级策略。

• 基础策略模板：适用于刚开始接触量化投资的用户，例如简单的移动平均线交易策略。
• 中级策略模板：适用于具有一定经验的用户，包括多因子模型和基于事件的交易策略。
• 高级策略模板：针对高级用户设计，使用复杂的机器学习算法和高频交易技术。

模版使用

• 克隆模版策略
• 进入 [AIStudio 3.0](https://bigquant.com/aistud

BBI指标

计算方式：BBI=(3日均线+6日均线+12日均线+24日均线)/4

\

DMI平均线差

计算方式：10日均线-50日均线后再进行移动平均

\

DMI趋向标准ADX

计算方式：

1. 先计算上升下降指标线：ID+=(当日最高价-昨日最高价)；ID-=(昨日最低价-当日最低价)；
2. 真实波动幅度：TR=MAX(H-L,H-昨收,昨收-L)；
3. 计算上升指标线和下降指标线的14日移动平均值；
4. 计算相对强弱指标：PDI=(ID+/TR)*100；MDI=(ID-/TR)*100；
5. 计算相对强弱指标的6

• 本策略运行环境：AiStudio 3.0.0
• 策略描述：

https://bigquant.com/codeshare/f7c0d42e-a4ee-4856-8f97-246e97cd4cdd

\

因为很多量化在线平台目前还不支持期货交易，且KD指标对大盘和热门大盘股有着较高的准确性，此策略选取'605588.SH'为标的股票，000300.SH为参考标准。\n策略逻辑：\n当kt>80,dt>80, jt>100时，卖出\n当kt<20,dt<20, jt<0 时，买入

\

策略源码：

{{membership}}

[https://bigquant.com/codeshare/c4d61821-4048-4560-9ce4-372b28202ccb](https://bigquant.com/codeshare/c4d61821-4048-4560-9ce

接续：

![](/wiki/api/attachments.red

https://bigquant.com/codeshare/a4eb0c11-16ca-4fe2-99f9-b9a86dc78ee8

2024-02-19 15:56:38 任务运行开始调度 state=trigger event= 0061f39d-6448-485e-a04b-79f2e7c3b9e4 .. 2024-02-19

官方的小市值代码策略里面其中有这么一行

\

# 获取当前日期的所有股票市值
df = context.df[context.df['date']==dt].sort_values('total_market_cap', ascending=True)

这是未来函数么，在当天交易就能获取到当天的总市值

另外有人知道怎么获取上一个交易日么

高手你好, 我想给代码加上每5天调仓, 模块该在图中哪里加上, 线该怎么连?

https://bigquant.com/codeshare/157a00b1-6b68-4016-9a82-69b8a50aaaf0

\

# 交易引擎：bar数据处理函数，每个时间单位执行一次
def m2_handle_data_bigquant_run(context, data):
    target_asset = context.instruments[0]

    target_percent = 0.5  # 50%持仓
    
    # 计算目标资产的目标持仓价值
    target_value = context.portfolio.portfolio_value * target_percent
    
    # 计算目标资产当前持仓价值
    curr

如何把次日开盘数据加入策略？比如竞价金额，竞价成交量。开盘涨幅。