{{use_style}}

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](https://bigquant.com/wiki/doc/demos-ecd

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

https://bigquant.com/experimentshare/674ea5c045844e0fa032173cbc230f4e

\

导语

为了能更简单、更灵活同时在回测和实盘模拟中无缝支持滚动训练和模型自动更新，我们增加了滚动运行支持，并优化了相应模块。

如何增加滚动训练支持

使用模板新建一个策略：策略 > 新建 > 可视化AI策略

如下三步即可增加滚动训练支持：

1. 添加滚动运行配置模块： ![](/wiki/api/attachments.redirect?id=94b246f8-ac6e-453d-bb62-e0325553

策略案例

https://bigquant.com/experimentshare/05c39d35fc4542cc9fc763d812220af9

\

单因子策略：120日换手率之和

回测图：

\

策略源码：

{{membership}}

https://bigquant.com/codeshare/54d502d3-8cd7-45f4-97a5-55b912da0ef3

\

单因子策略-60日收盘价均价比今日收盘价

回测图：

{{membership}}

策略源码：

https://bigquant.com/codeshare/0039ff8f-7d74-41a7-a97b-9a0586ada8a5

\

• 声        明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 交易逻辑：每隔30个交易日，以开盘价买入当日0<PB<1.5且0<PE<15且有成交量较前一日放大1.5~2.5倍的股票；
• 每隔30个交易日，将不符合上述标准的持仓股票在第二天以收盘价卖出。
• 股票过滤：换手率小于20%，过滤ST，过滤北交所，过滤科创版，上市天数大于270天，市盈率小于50
• 排序规则：按照换手率从大到小
• 买卖时间：开盘买入，收盘卖出
• 初始资金：100万
• 持仓票数：5
• 持仓周期：1天

回测图：

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

回测图：

\

策略源码：

声明：本策略需要在AIStudio 3.0环境下运行（点击克隆之后-选择最新环境）

{{membership}}

[https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01f4](https://bigquant.com/codeshare/f4d50c8c-dc68-44e2-89ef-e91c72ad01

回测代码的编写和运行

策略逻辑编写完成后通过接口函数 M.hftrade （也是一个可视化模块的入口）来进行回测，如下是此函数的详细说明

M.hftrade.v2( #v2表示hftrade的版本号
    start_date,    #回测开始日期
    end_date,  #回测结束日期
    instruments=None,  #回测股票/基金/期货列表
    initialize=None,   #初始化函数初始化函数，initialize(context)
    on_stop=None,  #策略运行结束处理函数，on_stop(con

如题所述，在回测过程中都好好的，一到模拟就出错。请大佬研究研究。

module name: filtet_st_stock, module version: v7, trackeback: ValueError: NaTType does not support strftime

AIStudio是BigQuant平台以AI为核心的Cloud IDE，可以用于量化投资数据分析、因子挖掘、模型训练、回测和交易，以及更广泛的程序开发和AI模型开发训练等。

/wiki/static/upload/31/315c1087-6d07-491a-90ef-43e717997077.mp4

从这里开始

• 点击进入 AIStudio

关键概念

\

{{membership}}

SAR抛物线模型研究

https://bigquant.com/codeshare/25fee71f-dcef-4fe4-a8a1-75bf511d9466

SAR抛物线模型回测

[ https://bigquant.com/codeshare/79b84aec-5eeb-4218-8c38-67e06f477216]( https://bigquant.com/codeshare/79b84ae

问题

回测时间延后了20来天，之前的选股策略完全变了

随着时间的推移，之前选的股也变了

这是随着时间推移选股模型是变化的

就是说回测到1.1日收益200年化，测到1.2日回测就成100年化了

解答

训练集不一样会导致训练出的模型不一样，

摘要

在前期发布的行业轮动专题报告中，我们对于有效的行业轮动因子进行了总结，部分基本面因子存在较好的行业轮动能力。然而，对于技术类行业轮动因子，我们并未得到较好的结果。

本文从高频数据的角度出发，借鉴因子选股报告中的高频因子构建行业高频因子，并对于相关因子的行业轮动能力进行了回测。本文主要分为四部分，第一部分介绍了相关因子的逻辑以及计算方法，第二部分对于各高频因子的月度行业轮动能力进行了回测分析，第三部分变换了模型参数，对于相关因子的行业轮动能力进行了敏感性测试，第四部分展示了2017年以来相关因子所选出的多头行业。

可参考高频数据类选股因子构建高频数据类行业轮动因子。考虑到使用日

摘要

自陆股通开通以来，北上资金较高的浮盈引起了市场中投资者较大的关注。在本篇报告中，我们对陆股通持股数据有效性进行了分析，据此构建相关策略并进行回测。

板块和行业配置

主板超配比例持续处于下降趋势，由最初的10.5%至最新的1%；对于创业板，持续处于低配状态，且比例变动很小；对于中小企业板，由最初的低配至最新超配1.1%。陆股通持股在食品饮料、家电、电子元器件和医药上持续处于超配状态，超配比例均值分别为13.36%，9.57%，4.47%和3.62%。

风格配置

陆股通持股在市值上有持续稳定的正向暴露，即偏向大盘；在贝塔上的暴露多数时间为负；在动量上

摘要

原始数据处理

原始数据的选取是多因子模型的基础，只有高质量的数据才能保证后续研究的准确。研究中遇到的数据问题主要有财务数据的滞后性与真实性问题，资产重组导致前后数据不可比问题，行业划分覆盖不全面等问题。对比数据在可比性与时效性上的不同侧重，使用最新的数据进行回测能得到更好的结果；考虑上市公司在借壳上市之前与之后的数据均含有较多的噪声，我们需要同时处理借壳公司与被借壳公司。

股票池构造

多因子选股的第一步是选择合适的股票池，而股票池的选取需要根据策略的需求进行相应的调整。类比全样本股票池，我们根据股票的流动性大小构造流动性1500股票池进行替代。

请问回测函数的输出TRA_FAC的每个元素到底是什么含义呢？

m19.raw_perf.read()[['trading_days','TRA_FAC']]

trading_days	TRA_FAC
2020-01-02 15:00:00+00:00	1	{}
2020-01-03 15:00:00+00:00	2	{}
2020-01-06 15:00:00+00:00	3	{}
2020-01-07 15:00:00+00:00	4	{}
2020-01-08 15:00:00+00:00	5	{}
...	...	...
2022-03-15 15:00:00+00:

问题

问题描述

有mean(x_0,2)因子的策略，如果不在基础特征抽取模拟向前Y天取数据，则无法模拟（能成功回测），错误如下图所示。x_0，可以是close_0-open_0等。

即使所有其它因子都取当天的数据，即以_0结尾。比如其它全部因子为：return_0, open_0, volume_0, close_0, high_0, low0, rank_return_0

mean(x,d) 表示过去 d 天x的均值，

**用(x_0+x_1)/2 或(x_1+x_2)/2 替换mean(x_0,2)，虽然没有向前取哪怕1天数据

问题

我用官网的小市值策略进行回测在2022.8.24-2022.10.25，为什么直到9月23日才产生交易？该策略的投资逻辑是选取全A股市值最小的前n只股票，每一天都可以选择出来呀.

https://bigquant.com/experimentshare/a8d8f348f2d0473793be6503e0c95f97

解答

这个策略是22天换仓一次。所以在回测这段时间只有一次交易

![{w:100}](/wiki

问题

文档里的描述不是很明白，它给每个策略的什么值分配权重呢？多策略回测到底能不能实现提高收益或者降低风险的目的呢，还是只是为了让单个策略回测的评价指标看着更好一些呀？就是它内部实现的回测过程是什么样的呀？

\

解答

目前这个模块是根据每个回测结果中的收益序列进行按设置的权重加权最后形成一条汇总的绩效曲线。

这个只是针对绩效曲线进行汇总绘制，至于能不能提高收益和降低风险，这个就看如何理解自己权重当中的每个策略了

问题

解答

模拟盘也好 实盘也好，和回测运行的是同一个notebook，但仍然会有一些细小的区别：

1. 模拟盘实盘是每个交易周期都会触发运行初始化函数，而回测只会运行一次初始化函数；
2. 模拟盘和实盘里，前一日赋值的变量无法保留到下一个交易期，比如在方法里自定义的context.a = 123这种变量，回测里是可以定义一次后在所有交易期均可以调用；而模拟盘和实盘里则不行，只会当天定义的变量当

问题

https://bigquant.com/experimentshare/3b7a39d4001a48958cc111181d52df07

策略已经根据教材跑通过一次，但秉持着举一反三的原则，对代码进行了微调，将远来的贵州茅台股票换成了平安银行股票，想回测双均线策略在其他股票上的使用普遍性。

但却出现了如上错误，甚是不解

为何基础特征的抽样，得出的特征行数=0，又为何造成了代码无法运行？

有大佬能够帮忙解决一下嘛？甚是感谢！！！

要考虑买入、卖出和最低三种手续费，并且考虑T+1交易机制，就是要和常规回测模块结果差不多的向量化回测模块，要求就是要尽量快。