个股每日的炸板次数该怎么获取呢？

见 链接：

https://bigquant.com/experimentshare/e939e9c9a1ef43ec8f267205b530219b

\

3. 启动回测

策略回测接口: https://bigquant.com/docs/module_trade.html

m = M.trade.v4( instruments=['510330.HOF'], start_date=start_date, end_date=end_date, initialize=initialize, history_ds = history_ds, before_trading_start=None, handle_data=handle_data, # 买入订单以开盘价成交 order_pric

根据【模板策略】LSTM+CNN深度学习预测股价案例没有成交？

https://bigquant.com/wiki/doc/shendu-gujia-4teFqoC7MV

或

https://bigquant.com/community/t/topic/194980

https://bigquant.com/experimentshare/52d3c0772a2d4ef9bb5950c7c6646170

\

上图为买入twap1 卖出为twap8时候的持仓比率

下图为买入open 卖出close时候的持仓比率 请问这是哪里的问题？

![{w:100}](/wiki/api/attachments.redirect?id=9b51f825-7d67-4158-a063

根据【模板案例】盘前撤单再委托

https://bigquant.com/community/t/topic/191526

结合视频

在模板案例及视频中7月14日只有浦发银行成交，但是我克隆了上述策略，发现7月14日，成交了两笔，分别是浦发银行及万科A，为什么不一致？

[https://bigquant.com/experimentshare/55bcf4598c2b40b58f5b74c47af151b3](http

最好更细粒度的， 比如分钟级别。

好像没找到。 求例子。

用同花顺看 当时是没有除权和其他情况在的 麻烦看一下

老师好，我想基于强化学习ddpg训练一个交易策略，由于强化学习训练时每次需要和环境（gym）交互，想用交易引擎实现一个env，在训练的时候直接调用该env进行训练。这个有相关的案例可以参考么？

153 # 今天和上次交易的时间相隔hold_days就全部卖出 datetime.timedelta(context.options['hold_days'])也可以换成自己需要的天数，比如datetime.timedelta(5) -->

154 if data.current_dt - positions_lastdate[instrument]>=datetime.timedelta(0) and data.can_trade(context.symbol(instrument)):

155 context.order_target_percent(co

回测如何设置一次全仓买入一只股票

{{membership}}

https://bigquant.com/codeshare/7fd0ea69-d032-46f3-8b0e-7e0fda50f573

\

{{membership}}

https://bigquant.com/codeshare/4b05b2aa-5dbd-49b2-b88d-331a625ccc07

\

{{membership}}

https://bigquant.com/codeshare/1ed3fa07-c733-47fd-8fbc-4e441ed37672

\

研报：

{{membership}}

LLT低延迟趋势线择时交易模型研究

https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5

LLT低延迟趋势线择时交易

[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/

{{membership}}

https://bigquant.com/codeshare/38085c4a-2332-4ceb-ba0e-eed448c3c6e5

\

指标介绍

梅斯线（Mass）：

所需数据和参数：Mass(high,low,smoothlength,summationlength,malength )

指标伪码：

MASSVAR0:=EMA(HIGH-LOW,SMOOTHLENGTH);

MASSVAR1:=EMA(MASSVAR0,SMOOTHLENGTH);

MASSVAR2:=IF(MASSVAR1>0,MASSVAR0/MASSVAR1,0);

MASSVAL:SUM(MASSVAR2,SUMMATIONLENGTH);

指标含义

[/wiki/static/upload/b4/b4d2ac13-d4

指标介绍

心理线（Psychological line）：简称Psy

所需数据和参数：Psy(close,nDay,threshold1, threshold2 )

指标伪码：

PSY:COUNT(CLOSE>REF(CLOSE,1),NDAY)/NDAY*100;

指标含义

/wiki/static/upload/c3/c3c6e415-2abe-4c54-885f-a338fffb2e73.pdf

\

指标介绍

顺势指标（Commodity Channel Index）：简称CCI

所需数据和参数：CCI(high,low,close,tp_per,md_per,const )

指标伪码：

TYP:=(HIGH+LOW+CLOSE)/3;

CCI:(TYP-MA(TYP,tp_per))/(const*AVEDEV(TYP,md_per));

指标含义

[/wiki/static/upload/66/66738cbe-f3d6-4cfe-b4da-2219d83947a3.pdf](/wiki/static/upload/66/66738cbe-f3d6-4cfe

摘要

前情回顾：传统上，研究人员需要以劳动密集型的方法去研究因子，因子组合和规则组合。这样的方法是低效的，非常像工业化之前的手工作坊。

本方法针对现有技术存在的不足，依靠当今强大的计算力，提供一种能满足用户预期收益风险需求的、高效的自动批量产生交易策略的方法。

去伪存真：自动产生出来的策略并不能直接用，而是需要策略研究员的进一步筛选。我们给策略研究员提供了一系列能够避免未来函数、过度拟合和贴合实际交易环境的方法

具体实践：

避免未来函数——推进分析+模拟盘

过拟合——参数敏感性分析+主观归因

策略周期——最大回撤失效+预测值和实际值IC判别法

摘要

分钟行情数据，提供了持仓量分析的微观视角。我们借助统计方法，从股指期货的分钟行情数据中，选出“交易激进”的部分样本，再进行交易行为的分析。由此构造的交易策略，年化收益为34.5%，年化波动为27.4%，最大回撤为36.5%，信息比率为1.26，Calmar比率为0.95。

成交持仓表，提供了持仓量分析的宏观视角。中金所每个交易日公布的“结算会员成交持仓排名”数据，是一项十分宝贵的市场信息。由此构造的交易策略，年化收益为17.0%，年化波动为12.1%，最大回撤为10.2%，信息比率为1.41，Calmar比率为1.67，日胜率为57.3%，盈亏比为1.48。

结合微观与宏观两

摘要

中高频机器学习再出发

区别于传统的主观规则交易，机器学习模型可以挖掘出更多的非线性模式。我们设计的集合分类回归策略采用XGBoost机器学习模型，并使用集合学习对机器学习模型进行融合来预测日内涨幅。

日内涨幅影响因子

我们共挖掘出15个因子：隔夜涨幅，集合竞价阶段第一阶段涨幅，集合竞价阶段成交金额占比，第一阶段委比变化，第二阶段委比变化，第二阶段涨停和第二阶段持续上行与日内涨幅有正向影响；集合竞价阶段第二阶段涨幅，集合竞价阶段成交金额占当天总成交金额的比例，第一阶段涨停，第二阶段的委买一价，委卖一价均值的平均值，第二阶段的委买一价，委卖一价均值的最大值，第二

摘要

文献来源：Brogaard, J., & Garriott, C. (2019).High-Frequency Trading Competition. Journal of Financial and Quantitative Analysis, 54(4), 1469-1497.

推荐原因：证券电子化交易平台发展诞生了高频交易，而频繁出现的闪崩事件导致金融机构和学术界对高频交易均表现出了负面的担忧。根据加拿大Alpha交易系统的股票订单簿数据，本文作者发现在高频交易商进场后股票价差将收窄，流动性大幅改善。基于双重差分事件研究模型，作者认为高频交易竞争能显著提高股票市

无处不在的动量效应

自从Jegadeesh和Titman（1993）验证了“买入过去收益较高的股票，卖出收益较低的股票“的交易策略能够带来显著的正收益，动量效应的提出至今已经有30多年。这种动量效应在各种资产类别和全球范围内都很强劲，这可能是对有效市场假说最直接的反驳。对投资者来说，动量是一种稳健、多变且有利可图的投资策略，这种策略已被共同基金、对冲基金和被动ETF广泛采用。对于金融研究来说，动量与Fama（1970）的弱形式有效市场假说存在显著矛盾。

如图1所示，大量研究发现，除了股票和不同地理区域，大量资产类别都有动量效应。Rouwenhorst(1998)将Jegade

摘要

国内外研究普遍认为应计异象存在，且基于此可构建交易策略。学者普遍认为应计异象真实存在，但交易策略有效性存在争议，此外多数研究时间较早且样本选取范围较窄。

应计利润持续性小于现金流利润，且市场无法反映这一信息。我们对A股应计异象进行实证分析，通过对下期利润与当期利润拆分后的当期应计部分及现金流部分回归发现，应计部分系数小于现金流部分系数。根据市场有效性理论检验发现市场无法反映上述不同持续性特征的信息，且近年异象特征明显。

全市场按应计因子排序多空对冲效果明显，剔除亏损公司后多头超额和多空对冲收益均有提升。全市场按应计排序分组，多空对冲收益明显。在剔除亏损公司后，多头超额收益和多