仓位管理

将策略的调仓方式改为每2天调仓1/10，于6月22日回测成功，提交模拟成功。

6月23日至6月26日模拟运行虽然正常、无报错，但是没有按“每2天调仓1/10”执行，请帮忙看看问题出在哪里？

我的策略：https://bigquant.com/trading/detail/e5ded09c-6f63-4dd5-afe5-f78a76dfc809

![](/wiki/api/attachments.redirect?id=0

{{membership}}

https://bigquant.com/codeshare/9a29b13f-6ebe-46a4-a131-c356aed54a36

\

https://bigquant.com/codesharev2/0b4b68b6-b64d-4fdd-ae59-949bd87d3803

\

20210624 Meetup策略模板

https://bigquant.com/codesharev2/b67ebb2c-6812-44be-9dd9-0b06b3d3dfe2

\

问题

是否可以在回测引擎中进行仓位修改，在预测每天股票的环节，如果当天排名第一的股票被if条件过滤掉， 转用仓位买入排名第二的股票?

视频

点击去bilibili观看，p3分集

https://www.bilibili.com/video/BV1aq4y177Df?p=3&share_source=copy_web

策略源码

5月13日Meetup策略模板

[https://bigquant.com/experimen

问题

有哪些合理的大盘风控方案？

视频

https://www.bilibili.com/video/BV1TF41167ph?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/07791ba8fc354d4e9793ce963a735263](https://bigquant.com/experimentshare/07791ba8fc354d4e9

策略源码

A：《提升实盘收益的仓位管理策略》

\

在我的策略中， 实盘策略，设置，修改策略对应的资金规模，从10w 升级到11w， 希望自动化的扩从持仓信息， 我使用过的qmt 实盘

发现qmt 无法收到增加的扩仓信息，并自动加仓

策略介绍

• 在 102 中我们使用了 仓位分配 模块生成目标仓位，在 BigTrader 中 K 线处理中根据输入数据的目标仓位买卖
• 在旧版的 StockRanker 策略中，是在 BigTrader 中通过编写代码处理交易逻辑，这里复现这个策略逻辑
• 主要逻辑和 [102](https://b

第一次建仓：

按目标比例买入股票，各股票的目标比例相同【比例为A】。

建仓后，下一个调仓日：

1. 先卖出部分股票，
2. 对未卖出的仓内股票进行调仓，将之持仓占比固定回到目标比例A
3. 按目标比例买入新选择的股票。

其中的第二步也就是多退少补部分应该怎么实现呢?

我现在使用的context.order_target_percent函数偶尔会发生委托数量错误的报错显示，不论是赚的股票还是跌的股票都偶尔会出现委托数量错误的报错

https://bigquant.com/codesharev3/9e9ffa1e-d886-4a19-bf29-33eefad02000

如上是我写的交易策略，是希望选出来的股票每次都是按照总资金的十分之一进行购买股票，三天后进行卖出，我在仓位分配这个地方选了进行了调整也无法实现想要的需求，在交易策略地方也做了挑，不知道是那个模块出现了bug 还请老师帮忙指导一下。

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

因子原理

海龟交易是一个贯彻入场、出场、仓位管理全流程的策略，他倡议成功的交易不仅仅依赖于直觉或经验，而是可以通过一套明确的规则进行学习和复制。就像你根据一本菜谱，按照其步骤、用量、火候、时间就能做出美味可口的佳肴，任何人都可以复刻。

我们今天来探讨一下如何利用“过去20日收盘价”这个因子作为海龟交易的出场和入场信号。

海龟策略的步骤包括:

1. 入场信号：短期突破系统是以20日突破为基础，当价格突破最近20日最高价时，产生入市信号；
2. 仓位管理: 根据一个市场的绝对波动幅度来调整头寸规模, 如ATR指标（平均真实波幅）;
3. 出场信号: 突破过去10日最低价处止盈离

有些分的多，有些又分的少，这个分配逻辑是怎么处理的呢？

m = M.bigtrader.v14(
    data=data,
    start_date='',
    end_date='',
    initialize=m_initialize_bigquant_run,
    before_trading_start=m_before_trading_start_bigquant_run,

选股条件

动量指标选股

仓位设置

等权重

调仓规则

1-5个交易日

风险管理

无

回测设置

• 初始资金：500000

• 起始时间：2023-06-01

• 结束时间：2024-08-20

• 交易成本：买入万3，卖出千分之1.3，不足5元按5元收取

• 撮合价格：开盘价

  
  
  结果分析

  整个策略表现不错，普遍超越基准；

  \

  结论与展望

  主要发现

  本文讨论了一种主观思想构建低风险策略的简便方案，且可以直接投资，有股票户就可以投资。

  
  改进建议

策略介绍

• 在 101-简单动量策略 基础上，我们来实现一个更完整的选股策略模版
• 此策略可以作为一个选股和线性策略的常用模版使用

策略流程

1. 选股：选择基础股票池
2. 打分：对股票打分
3. 仓位：根据打分和持股数量分配仓位
4. 回测：设置调仓周期和买卖点等，回测查看效果

策略实现

A股-基础选股模块

• m1 选股，使用 A股-基础选股 模块，剔除掉北交所以及ST的股票，下拉还可以按照申万行业、融资融券等基本条件进行筛选。

![

策略案例

https://bigquant.com/experimentshare/a3dac910ca0442aeb170f73a2fe7168c

\

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/10-WptofJfpcQ

20210624 Meetup策略模板

[https://bigquant.com/experimentshare/fe5b36317a3a4149862680619c10f5ad](https://bigquant.com/experimentshare/fe5b36317a3a4149862680619c10f5ad

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

作者：woshisilvio

导语

在以往的认知中我们认为一个量化策略的选股>择时>风控，但经过多次的实盘交易发现风控处理不当会导致我们牛市赚的少、熊市亏更多。因此提出一种次优解的风控思路：风控>择时>选股。根据人工择时的经验，设计执行的固定量化风控准则（交易纪律），可以决定我们收益的下限，以及回撤的上限。

在本次分享中，将从以下四个方面展开：

1.仓位管理的策略。同时，优化上期分享的超跌反弹策略。

2.常用来做优化的工具和方法

3.对抗过拟合的方法

4.彩蛋策略：资金流大单追涨策略。预告下一期meetup

仓位管理策略

一个完整的AI-量化模型由三部

请问如何修改下面的卖出订单的代码，实现判断当股票总仓位大于总市值金额的60%时，卖出大于60%的那部分排序末位的仓位？

if not is_staging and cash_for_sell > 0:
        equities = {e.symbol: e for e, p in context.perf_tracker.position_tracker.positions.items()}
        instruments = list(reversed(list(ranker_prediction.instrument[ranker_predicti

希望实现每日早盘买入2只股票，各占总仓位的1/4,每天卖出2只股票，各占总仓位的1/4,但是怎么设置都达不到我预期的效果，不知道是不是我哪里设置的有问题，求大神指点..

问题

思路：当一支股票获利10%　有1000股为了保住利润，先卖出500股降低仓位，留下500股扩大利润。

那位大神帮忙写一下回测中的代码。先谢了！！！

\

摘要

一维回撤率控制策略原理根据回撤调整引理（DrawdrownModulationLemma）可以构造出一个使用样本内数据，无论在任何股票价格走势下，都能确保最大回撤率维持在容忍度之内的策略。基于以上理论，我们构造出一个不涉及未来数据的回撤率控制策略，后续用实例证明其有效性。

回撤率控制仓位管理策略的沪深300实证沪深300回撤率控制策略，在5%的最大回撤率容忍度设定参数下，基本可以将月度回撤率控制在10%以内。该策略中参数具有以下特点，投资比例分布在0%和100%附近居多且最优γ*往往取得取值范围的最大值。

基于回撤率的指数择时策略将沪深300回撤控制策略退化成简单的择时

涉及国内主要品种的不同的频率的回测与交易

\

摘要

多维回撤率控制策略原理

先前的外发报告《基于回撤率控制的仓位管理及择时策略》中阐述了单一维度的回撤调整引理（Drawdrown Modulation Lemma）的原理，并应用于沪深 300等指数证实其有效性。该引理可扩展到多维证券的组合当中去，然而涉及多维优化问题求解最佳γ时继续使用蒙特卡洛模拟求解是不现实的。因此，我们根据单一维度的结论，直接制定γ的选取方法，省略蒙特卡洛模拟求解步骤。

多维回撤率控制

日频策略选取经国信证实金工组证实有效的 ROE、CanSlim、GARP、多因子模型按照多维回撤控制策略进行组合，生成日频的持仓金额比例指导信息。结果