你好,我修改了这个策略的代码,想只保留主板的数据,但是运行回测数据没有变化,是什么原因呢?
策略:
https://bigquant.com/codesharev3/fc26699e-a006-4e90-8609-8ebcbee38ff6
\
更新时间:2025-08-07 06:27
1.对原策略拉长回测周期校验效果,发行在24年之前该策略收益为负,经测试后发现24年后的高收益主要来源于北交所的增长。当小市值策略包括北交所时,由于北交所的票市值较小,会受北交所风格影响严重。所以修改策略去除北交所。
2.使用剔除北交所的数据做回测,年货收益30%左右,基本符合微盘股的年化收益。我对市值和换手率合成的权重,做超参优化,结果显示市值权重越高,策略效果越好,效果如下:
[https://bigquant.com/code
更新时间:2025-08-06 06:14
https://bigquant.com/codesharev3/e0d036bb-be2e-43a9-91ce-13dc1bcf39c6
做了一点修改,回测的效果有了明显提升:
后续还要做以下完善,限于能力,现在还没法实现:
更新时间:2025-08-04 00:31
影响策略效果的因子有很多,每个人所选择的因子也各有不同,选取因子后,如何分析数据,找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分,本文介绍,如何简化数据分析的工作:数据标准化处理
举例说明:
当天收益因子:5000支票,可能会有1000+个不同的值,如:1.01%,1.02%, -0.1%,-0.2%….,实际上收益值1.01%,1.02%对于策略数据分析来说,理论上无本质区别,固1.01%、1.02%这类数值接近的值,需要把它标准化为同一个值,就可以大大提升数据分析上的效率
数据标准化处理方法:
1、可以按天为维度,把因子的值,按数
更新时间:2025-08-01 13:41
先随便调了两次参数,根据结果变化趋势发现应该不行。
然后尝试加了个close排序的权重,一次就将夏普提升到1.5以上了。所以,特征因子组合的底层逻辑才是策略灵魂,调参只是锦上添花的辅助手段。以下为修改后的策略:
https://bigquant.com/codesharev3/51e25514-6570-4e57-b6e6-816edb4d8e64
\
更新时间:2025-07-31 02:39
影响策略效果的因子有很多,每个人所选择的因子也各有不同,选取因子后,如何分析数据,找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分,本文介绍,如何简化数据分析的工作:数据标准化处理
举例说明:
当天收益因子:5000支票,可能会有1000+个不同的值,如:1.01%,1.02%, -0.1%,-0.2%….,实际上收益值1.01%,1.02%对于策略数据分析来说,理论上无本质区别,固1.01%、1.02%这类数值接近的值,需要把它标准化为同一个值,就可以大大提升数据分析上的效率
数据标准化处理方法:
1、可以按天为维度,把因子的值,按数
更新时间:2025-07-02 12:46
更新时间:2025-05-27 11:04
策略是从策略社区克隆过来的,然后在原策略(每日调仓)的基础上修改了调仓周期的逻辑(每8天调仓)形成新的策略,回测正常后提交模拟交易。
回测已变为每8天调仓,但是模拟交易仍为每日调仓,见附图1和2。
请问如何解决此问题?谢谢。
标注上加-,如-shift(close,-2)/shift(open,-1)或-shift(open,-1)/shift(open,-2),随机生成几百甚至上千的策略回测所取得的效果普遍没有做多好,大多数情况甚至连正收益都达不到,而做多好多都轻松取得正收益,是算法的特性还是有其他窍门?
https://www.bilibili.com/video/BV1Ny4y1E7KJ
\
更新时间:2025-04-15 07:19
假设同样的label下,IC从0.04提高到0.06但是策略收益却没有明显提升,怎么看待这个现象,怎么处理能让Ic与收益强相关呢?
[https://www.bilibili.com/video/BV1JV4y1J7cU?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1JV4y1J7cU?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086
更新时间:2025-04-15 07:19
\
**徐啸寅
更新时间:2025-04-15 07:19
备注:本策略含有未开放的数据,故克隆之后无法运行。
{{membership}}
https://bigquant.com/codeshare/b6e80d6b-f5e0-4778-97cf-77fcadb7b488
\
更新时间:2025-04-15 07:19
更新时间:2025-04-15 07:19
深度学习在期货高频上的应用
8月19日Meetup问题模板:
https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea
\
更新时间:2025-04-15 07:19
请教catboost的详细使用方法,对于原先使用xgboost或者stockranker的策略,如何用catboost替换掉xgboost或者stockranker?
https://www.bilibili.com/video/BV1US4y1n79r/?spm_id_from=333.999.0.0
[https://bigquant.com/experimentshare/c2422c6678a8
更新时间:2025-04-15 07:19
一个关于止损策略的疑问
以下是我的止损模块代码:
def m5_before_trading_start_bigquant_run(context, data):
# 获取当前持有的所有股票
holding_instruments = context.get_account_positions().keys()
# 计算非调仓日当天是否需要卖出,记录至待卖出列表
if not context.rebalance_period.is_signal_date(data.current_dt.date()):
for ins
更新时间:2025-02-21 03:21
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。
更新时间:2025-02-16 01:24