如题，我最近跑了模拟交易，以下是一个例子，22年12月29日买入贵州百灵，买入价8.3，手续费5元，这没啥问题 然后到1月5日，程序自动卖出了，卖也有手续费的吧。。。。然后盈亏居然只是-6，这太令人匪夷所思了，那有没有可能回测的收益率都虚高啊。。。

运行了几天突然报错，日记提示

[2022-12-22 18:01:42.368814] ERROR moduleinvoker: module name: hyper_rolling_train, module version: v1, trackeback: pyarrow.lib.ArrowException: Unknown error: Unknow error in Bigma

\

采用

data.current(context.symbol(‘000001.HIX’), 'price')获取沪指的实时行情。

在高频回测交易中没有问题，但是在模拟交易中获取到的值是None.

请问在模拟交易中怎样获取指数的实时行情。

回测一切正常，但是在模拟交易时一直提示下面的错误。请高人指点原因。不胜感激！

错误内容如下：

RpcTimeout Traceback (most recent call last) <ipython-input-1-f009ebd387c9> in <module> 506 ) 507 --> 508 m9 = M.hftrade.v2( 509 instruments=m1.data, 510 options_data=m5.data,

/var/app/enabled/biglearning/modul

而且给出的收益曲线也和以前完全不一样，这是怎么回事

最近提交成功的新版模拟交易手动运行才有信号，不能自动运行是怎么回事？

https://bigquant.com/codeshare/a4eb0c11-16ca-4fe2-99f9-b9a86dc78ee8

2024-02-19 15:56:38 任务运行开始调度 state=trigger event= 0061f39d-6448-485e-a04b-79f2e7c3b9e4 .. 2024-02-19

我怀疑问题是这样：\n现在的新版模拟交易必须使用M.bigtrader.v9。然而这个模块回测和之前我使用的M.hftrade.v2不一样，回测区间如果只有一天是不能绘图的。问题是提交模拟交易的时候，每天运行的时候确实就只有一天，所以绘图失败了。

\

2024-02-05 22:45:21 任务运行状态更新 state=failed event=20240205 cfa00cef-240f-4586-9e05-10f0f2fa38f6
Traceback (most recent call last):
  File "/var/app/enabled/aif

年前跑的一个策略

昨天显示运行失败，日志报错如下，之前都跑得好好的不知道出了什么问题

https://bigquant.com/live/strategy?notebook_id=6f51df86-b957-11ee-b4d7-760bcf22f689

1.引言

在学术研究中，Alpha是数学表达式、计算机源代码和配置参数的组合，可以与历史数据一起用于预测各种金融工具的未来走势。而在实践中，Alpha通常意味着进行交易的合理“预期回报”。两者并不一定相同。许多情况下，能够带来合理“预期回报”的Alpha并不容易构建，因此，对于Alpha的挖掘和公式化的研究始终是业界的一个重要课题。在这样的背景下，世坤（WorldQuant）于2015年发布了报告101 Formulaic Alphas。在这篇报告中，世坤提供了101个真实生活中的量化交易Alpha的明确公式（这些也可以看作是计算机代码）。虽然其中的一些模型较为复杂，但世坤

简介

BigTrader 是 BigQuant 推出的专业级量化交易引擎，采用 C++ 核心实现，并提供 Python API 接口和回调函数。它为量化投资者提供了一个全面的交易解决方案，无论您是初学者还是专业投资者，都能轻松上手使用。

核心特性

• 全市场覆盖
  • 多品种支持：覆盖股票、基金、期货、可转债、指数、期权、债券、两融等主流投资品种
  • 全面的数据支持：支持从日线到逐笔成交的各类数据
• 多场景适配
  • 回测环境：用于策略开发和历史表现分析
  • 仿真模拟：在实盘环境下进行模拟交易
  • 实盘交易：直接接入真实市场进行交易
  • 绩效分析：全方

模拟交易功能是BigQuant特有的量化服务，可以根据用户的策略每日为用户通过手机，email等途径推送信号。

在进行模拟交易信号接收之前需要确保以下几点。

1.账户更新余额充足（如更新数据需要大于1C的资源）

2.已经有一个成功回测的策略。

具体模拟交易提交步骤如下

1.完成回测，绑定实盘日期

2.提交模拟交易定时任务

3.查看模拟交易

4.接收信号

5.分享策略至天梯

\

1.完成回测

绑定实盘日期

首先需要保证回测时在数据抽取时需要保证开始和结束日期绑定实盘交易

![](/wiki/api/attachments.redirect?

量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。

量化交易模型的一般由以下几个部分组成：

1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht

核心观点

短期涨跌的预测相比长期更容易，但覆盖交易成本后再获利的难度更大。所以在高频交易场景，机器学习更适合有限状态下的订单执行。而对于长期的预测，机器学习的训练目标可以不是评估在给定状态下的每股总利润或买入行为的回报，而是监控在该状态下买入与在所有可能状态下买入的相对盈利能力。

Michael Kearns在2010年的关于讨论机器学习在高频交易应用的论文中，提出了很多机器学习应用与高频交易的限制，很多思考放到现在都值得我们去学习。机器学习在高频交易中主要有两个方向，一是订单的执行优化，二是高频涨跌方向的预测。这两者本质的区别是执行优化是在一个确定性的空间寻找最优解，即交易

布林带是一种技术指标，用于以更好的方式分析市场并帮助我们对资产价格做出更好的假设，即资产是否超买或超卖。布林带之于交易就像莎士比亚之于文学，如果你想在交易世界中留下印记，这非常重要而且很难避免。

布林带实际上由三个波段组成：

1. 20天移动平均线
2. 上布林带
3. 下布林带

1. 20日均线

你一定想知道为什么它被规定为20天移动平均线。嗯，一方面，它是由布林格乐队的创始人约翰布林格先生本人指定[的](https:/

什么是量化交易？

度娘官方版 — 理论这么说

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策 。（注：文末含所有量化核心工具）

简介版 — 职场上的量化交易

量化交易主要是根据纯粹的数

AI量化指标的选择和排序取决于特定的投资策略、市场条件和数据可用性。

以下是30个常见的AI量化指标，按照一般在量化分析中的重要性排序：

1. 收益率（Return）
2. 夏普比率（Sharpe Ratio）
3. [波动率](https://bigquant.com/wiki/doc/5roi5y

配对交易策略

2.1 平稳与协整的概念

2.1.1 平稳的概念

一个平稳的时间序列变量Y的均值与方差不会随时间变化，它的图像变现为均值复归的形态

如果Y是平稳的均值复归的，那么我们可以合理地期待

• 当Y过高的时候，它就会下降
• 当Y过低的时候，它就会上升

2.1.2 协整的概念

如果两个时间序列变量之差是平稳的，就称这两个时间序列变量是协整的

• 如果时间序列Y与X的差Z=Y−X是平稳的

交易引擎简介

1.1 交易引擎的作用

交易引擎回测模块的功能是实现用户的交易逻辑

• 当用户将策略编写好之后，我们需要在一段时间当中，用策略逻辑，模拟一下在金融市场中的买卖，通过收益情况判断策略的好坏
• 如果想测试策略在某段历史时期上的表现，只需在本地运行回测模块即可
• 如果想测试策略从今天开始一直到未来的表现，需要将含有回测模块的策略提交到模拟交易
• 在交易引擎中，用户可以自定义一些买卖逻辑，也叫交易逻辑，它和策略逻辑还是有一定区别的

策略逻辑与交易逻辑的对比：

AI量化重要指标包括：

ADX（平均方向性指数）；布林带（Bollinger Bands，简称BBANDS）；MACD（Moving Average Convergence Divergence）；

CCI（商品渠道指数）；阿隆上行（Aroon Up）和阿隆下行（Aroon Down）；ATR指标；指数移动平均值；MFI；MOM；

OBV；RSI；SAR；简单移动平均值；STOCH (KDJ) ；TRIX；WILLR；加权移动平均值；

AI量化选股利用AI的强大数据处理和分析能力，旨在寻找那些被市场低估但具有增长潜力的投资机会。

[BigQuant](https://bigquant

分享一些量化交易相关的常识信息。

五因子模型公式及应用

五因子模型是哪五个因子

**[多因子选股模型及优缺点](https://bigquant.com/wiki/doc/5asa5zug5a2q6ycj6ikh5qih5z6l5zcn6kn6ke

BigQuant是国内领先的适合个人投资者的量化交易软件开发平台，基于Python语言且支持AI人工智能以及机器学习的量化交易投资平台，帮助量化开发者和投资者更好地使用量化策略进行交易。

一 核心模块

1、 AiStudio — 量化交易策略开发平台

AIStudio是BigQuant平台以AI为核心的Cloud IDE，专门为使用AI量化开发者设计的免费量化交易软件开发工具，包括数据分析、因子挖掘、模型开发、回测和自动化交易； 通过AIStudio可以分析金融市场数据，挖掘可能影响股票价格和市

不会代码也可以使用量化工具提升投资效率和收益概率的。

今天简单介绍下量化交易如何快速入门。

量化交易是什么意思

量化交易是一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法，应用范围一般包括股票、期货、外汇和衍生品等金融市场。它主要依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据，用以识别市场趋势、估值、波动性等关键因素。

量化交易者可以通过使用复杂的数学（包括统计学、概率论、机器学）模型来分析数据和预测市场行为，并通过计算机算法预设的规则和模型自动执行交易。

![量化交易平台](/wiki/api/attachments.redirect?id=05

金融交易概念

金融交易是指在金融市场上买卖金融工具的过程，例如股票、债券、衍生品（如期货和期权）、货币以及其他金融资产。这些交易可以在各种平台上进行，包括交易所、场外市场（OTC）和电子交易平台。金融交易的主要目的是为了投资、对冲风险或从市场价格变动中获利。

\

金融交易类别

一般可以大致分为以下几类：

1. 股票交易：股票代表了公司的所有权份额。通过买卖股票，投

**概念定义：**一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法。

**应用范围：**一般包括股票、期货、外汇和衍生品等金融市场；

**主要原理：**依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据，用以识别市场趋势、估值、波动性等关键因素；使用复杂的数学（包括统计学、概率论、机器学）模型来分析数据和预测市场行为，并通过计算机算法预设的规则和模型自动执行交易。（文末含量化核心资源）

核心工具

数据分析

历史数据分析：通过分析历史价格、成交量等数据来预测市场趋势。

实时市场数据：收集实时交易数据，对市场