因子过滤
由iquant创建，最终由iquant更新于
由iquant创建，最终由iquant更新于
过滤是量化交易中最常用的选股功能，本文就来介绍几种常用过滤实现。
BigQuant平台提供了 数据过滤 模块，可以方便地针对DataFrame做列过滤。
我们首先在编写策略界面中新建一个可视化AI策略，如下图所示。 ![](/wiki/api/attachments.re
由clearyf创建，最终由clearyf更新于
由qxiao创建，最终由qxiao更新于
由qxiao创建，最终由qxiao更新于
[https://bigquant.com/user/alkaid/lab/share/平台可转债数据使用.ipynb?_t=1617700321695](https://bigquant.com/user/alkaid/lab/share/%E5%B9%B3%E5%8F%B0%E5%8F%AF%E
由ypyu创建，最终由ypyu更新于
我们一方面可以在交易详情的表格里查看交易细节数据，另一方面其实这个数据有接口，用户是可以直接可以查看并使用的，这里是一个简单例子，查询某几天的持仓、交易、成交详情。
[https://bigquant.com/experimentshare/f74fe642a0514746b17cc5439f67
由qxiao创建，最终由qxiao更新于
\
由qxiao创建，最终由qxiao更新于
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
由clearyf创建，最终由clearyf更新于
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。
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
由clearyf创建，最终由clearyf更新于
由qxiao创建，最终由qxiao更新于
本文主要介绍在执行回测时，成交撮合价格如何设置以及有哪些设置方式。
当我们新建一个模板策略时，我们默认情况是如下设置：
![](/wiki/api/attachments.redirect?id=d02e5dc3-7141-472d-8479-bd725a
由clearyf创建，最终由clearyf更新于
由qxiao创建，最终由qxiao更新于
由qxiao创建，最终由qxiao更新于
由qxiao创建，最终由qxiao更新于
由user3225x创建，最终由user3225x更新于
发现很少人研究抓龙头的策略，写了一个模型试试看。
感觉槽点是Label 龙头股的方法，考虑的比较天真，还需要继续改进 模型是GBT regression，Label是给龙头股打分 window内分数高的具有：涨幅高，回撤小，突破的时间早。 以此为idea 做label
还有个思路，是用概念板块的
由qwsbn创建，最终由qwsbn更新于
由qxiao创建，最终由qxiao更新于
由yangxinzao创建，最终由yangxinzao更新于
算子是平台可视化研究环境进行实验开发时基本组件，也称模块。
AI量化策略研究平台将复杂的算法和逻辑代码封装为简单易用的算子。算子支持一致的命名约定、版本控制和缓存/增量计算等功能。
下图显示 因子分析这一算子。我们可直接从左侧拖动算子到研究环境。
由xiaoshao创建，最终由xiaoshao更新于
由ypyu创建，最终由ypyu更新于
由yooo创建，最终由yooo更新于