想确认一下，除了P8888.DCE Y8888.DCE HC8888.SHF RB8888.SHF JM8888.DCE I8888.DCE A8888.DCE M8888.DCE TA8888.CZC C8888.DCE J8888.DCE之外，其他期货合约品种BigQuant上是不是都没有数据？

账户指标

账户指标

https://bigquant.com/experimentshare/1eb503d1a209469aaf998b5c61f2da3b

\

https://bigquant.com/experimentshare/3e5c4533c9fa4174a16f8784bccfb69b

\

https://bigquant.com/experimentshare/d8fb2ec62bec4b57b09947850c349109

\

https://bigquant.com/experimentshare/14142aa9e6dc4695bb326e88942d7661

\

https://bigquant.com/experimentshare/21f522493cc941129b94cfed5027f98a

\

高频交易经常被提起，却始终蒙着一层神秘面纱，仿佛那只是金字塔尖那一小撮人的玩物。今天我们就从期货高频数据下手，去揭开神秘面纱的一角，并尝试搭建神经网络模型对高频数据进行预测，抛砖引玉，希望能让对金融数据分析，量化交易，人工智能感兴趣的朋友有所收获。我们已经将本文的全部源数据+源代码+python环境打包好，做到开箱即用， 文末有获取方式，欢迎大家下载自己动手继续学习和研究。

先看我们最终的模型结果，在训练集和测试集上的表现：

下面开始探索数据。

交易时间

以本文要研究的螺纹钢（RB）为例， 与股票不同，期货不仅在工作日白天交易，很多品种还有夜盘， 每个交易日就是从夜盘开始计算的。

行

\

[2022-10-16 22:47:42.510015] ERROR: moduleinvoker: module name: general_feature_extractor, module version: v7, trackeback: Exception: no features extracted.

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

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

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

摘要

本周各因子波动较小，总体呈现小量回撤趋势。其中流动性因子、动量因子表现相对较好，收益分别为-1.00%和0.17%；量价因子以及成长因子收益表现较差，分别为-1.24%和-3.15%。

量化模型统计显示，本周动动量因子优选股票主要集中行业为电子信息、房地产以及化工行业；盈利因子优选股票主要集中行业为金融行业和能源行业；量价因子优选股票主要集中行业为电子器件、电子信息；成长因子优选股票主要集中行业为酿酒行业；流动性因子优选股票主要集中行业为金融以及电力行业。

统计数据显示，流动性因子采用风险中性权重搭配生成的投资组合Beta值最高；量价因子采用风险中性权重搭配生成的投资组合Be

摘要

我们从Carry收益的分解以及相关Carry收益的理论研究出发，通过Carry收益公式、持仓成本理论以及对冲压力假说等方面，阐述了投资者在不同期限结构下应做的交易决策︰当主力合约价格低于次主力合约，做多主力合约，反之，当主力合约价格高于次主力合约，此时应做空主力合约。我们将Carry收益由高到低排序分为5档进行测试，发现Carry收益与策略夏普率呈现单调的负相关性。Carry收益越高策珞夏普率越低，反之Carry收益越低策略夏普率越高。因此我们使用Carry收益最低一组作为多头组合，Carry收益最高一组作为空头组合，并以此形成Carry基础策略。Carry基础策略年化收益率11

大型期货公司，速度快，通道稳定，欢迎各位投资者，手续费加一分，量大可返还。

软件平台+通道 :快期，文华，TB开拓者，MC达钱，易盛，飞创，ctp，ctp二席，ctp极速，ctp迷你，恒生VIP，飞马，盛立高频，广策高频，股票期权

可以对接自研量化平台

欢迎加V信沟通：1-3-6-5-1-3-3-0-9-8-1

大型期货公司，速度快，通道稳定，欢迎各位投资者，手续费加一分，量大可返还。

软件平台+通道 :快期，文华，TB开拓者，MC达钱，易盛，飞创，ctp，ctp二席，ctp极速，ctp迷你，恒生VIP，飞马，盛立高频，广策高频，股票期权

可以对接自研量化平台

欢迎加V信沟通：1-3-6-5-1-3-3-0-9-8-1

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

报告摘要

道氏理论

我们从Charles H. Dow的传奇人生以及道氏理论的历史出发，对道氏理论以及道氏理论中对趋势的描述进行了简要介绍。

上升趋势与下降趋势

MACD（Moving Average Convergence/ Di-vergence）指标可以用来表征市场运行的方向，是动量类指标的一种。其基本原理是使用均线之间的距离对噪音进行过滤，从而对市场趋势进行初步判断。当MACD上穿信号线累计距离突破阈值后，市场可被初步判断为上升趋势，当MACD下穿信号线累计距离突破阈值后，市场可被初步判断为下降趋势。

拐点判断

如果只使用MACD作为信号进行交

摘要

主力合约是否为信号来源和交易的最佳选择

期货曲线中存在多个交易合约，我们普遍交易的是流动性最佳的主力合约。但国内大部分商品期货的主力合约为远月合约，其价格收敛特征可能并不明显，而大部分品种仅到期日意义上的近月合约流动性普遍较弱，价格可靠性不足。本文从流动性和价格敏感性出发重新梳理了各品种的“活跃近月合约”。

基差动量策略中的合约选择

我们在主力-次主力和活跃近月-次近月两种信号来源下计算基差动量因子（BM），并分别对比交易主力或活跃近月时的策略表现，结果发现：不同信号来源和交易合约策略在排序期大于100日后具有显著收益，且均对持仓期不敏感；当信号来源和交易合

摘要

商品价格预测仰赖于基本面分析和技术面分析商品期货投资的关键在于把握未来价格走势，价格预测模型的建立主要仰赖于基本面分析和技术面分析。基本面分析利用经济资料（包括生产、消费、可支配收入等）从供需角度预测商品价格，因果关系较强，而技术面分析专注于研究价格本身的形态。

五大类商品中黑色系高波动高相关特征最明显剔除“僵尸”品种后，本文将上市满一年且日均成交额大于2亿元的35个品种根据商品属性及产业链相关性，分成黑色系、化工品、农产品、有色金属、贵金属五大类。近两年数据显示，黑色系品种波动率最高，平均年化波动率达34.90%，化工、有色板块次之，平均年化波动率分别为和21.96%，贵金属、

摘要

库存基本面策略收益可观但回撤较大库存作为商品基本面信息中最重要的指标之一，具有未来价格走势的指向性作用。根据库存理论所蕴含的策略逻辑：做多库存偏低的品种、做空库存偏高的品种，我们引入库存偏离度作为库存偏离自趋势的量化指标，在横截面上构建多空中性策略。回测结果显示，当排序期（即移动平均窗口长度）为40-70个交易日时，策略表现较稳健，且受持仓期敏感性低，年化收益率大多在11%左右，夏普比率1左右，但Calmar比率均小于1。单纯依靠库存基本面信号的Stock策略仍存在较大回撤。

动量技术面策略波动大且参数依赖性强根据动量策略逻辑：做多高历史收益的品种、做空低历史收益的品种，我们同

摘要

股指期货开盘动量效应我们通过对股指期货开盘动量效应的研究发现，股指期货长期存在显著的开盘动量效应。为此我们定义：如果开盘价，最低价以及收盘价随K线依次上升，那么可以判定为上涨（多头）趋势。如果开盘价，最高价以及收盘价随K线依次下降，那么可以判定为下跌（空头）趋势。

风险控制我们在进行策略的开发与设计时，对于风险的考量永远是第一位的。因此本节首先探讨两种止损方法，对于策略的止损我们选择了反向信号止损以及吊灯止损法。其中，反向信号止损为多头趋势下连续5根K线最高价依次下跌，空头趋势下连续3根K线最低价依次上涨。吊灯止损法为多头趋势下最优价格回落2.5倍ATR止损，空头趋势下最优价格