问题

3月26日B站直播中老师讲的pairwise目标函数的例子，克隆后改为pairwise默认值后，修改num_boost_round参数值不起作用回测结果没有变化。请帮看一下如何修改程序？谢谢。

https://bigquant.com/experimentshare/f72517d845824be38fac709a8768bbaf

\

我想在一个脚本中对比多个模型的回测结果，但单个脚本中只能运行一次

M.trade.v4，如何达到这个目的？

如何在一个脚本中得到多个已经训练好的模型在某一段时间内的回测结果，但一个脚本无法运行多个m.trade，建议如何解决这个需求？谢谢

问题

我是刚接触AI策略的新手，在BigQuant平台上利用策略生成器新建了一个AI策略。 运行的过程中，标注结果图如下：

问题截图

不太理解这幅图的具体含义和价值，到底是怎么计算来的，这幅图到底对开发AI策略有何指导意义。有谁可以解释一下吗？谢谢~~~

https://bigquant.com/experimentshare/b49ce7536cfa40d4b4d39bc59f5d3c6d

好像日期前后错了一天，不知道那个对？

在aistudio中，新建py文件，如何显示M.trade的回测结果图？

如下图，回测代码是在一个py文件中写的。运行结束后，到哪里查看回测结果呢？

\

问题

回测结果中的特征值权重是什么意思？

问题

有无办法将回测结果的每日收益率写入csv

解答

df = m19.raw_perf.read_df() df['algo_dailyret'] = (df['algorithm_period_return']+1).pct_change().fillna(0).to_frame()

问题

\

解答

参考下这篇文档

https://bigquant.com/wiki/doc/celve-jieguo-zhibiao-xiangjie-odCSHxlMER

问题

context.order_value调用时，实际下单金额跟传入金额有正负3%差距，请问是什么原因？

我发现同一天，不同股票，下单相同金额，看回测结果发现金额最多有正负3%左右的差距，这个是什么原因？

调用context.order_value之前我print了value参数，确定是一样的，排除了手续费和滑点（成本价跟开盘价一样）。

下面是一个样例，value参数传入是16.8398万，可是回测结果是

173883.719 (+3.2%差距)

168494.351 (0.05%差距)

163319.581(-3.1%差距）

![{w:100}](/w

问题

上图自动出的回测结果，如何使用trade模块直接导出交易列表？

解答

交易详情页面无法直接导出，建议直接进行下载后单独做分析

或者在回测模块中，有一个raw_perf字段的输出，可以参考这里头的：

1. 'LOG'；每天的策略发单和成交日志
2. 'TRA_FAC'；每天的交易情况
3. 'POS_FAC'：每天的策略持仓

\

问题

您好！

我超参寻优了一个策略，得到的结果却不能复现。

请问是什么原因呢？

https://bigquant.com/experimentshare/b1eea534448b495999ef4fde27b67799

解答

我这边尝试了几组参数，目前看来回测出来的绩效结果和超参搜索出来的结果是一样的呢

要不你把哪组参数没能复现详细说一下呢

![{w:100}](/wiki/api/attachments.redir

问题

将因子全部替换成其他的因子后，运行出来的回测结果总是与未替换前的结果相同，这是怎么回事

解答

你好，可能是命中缓存了，改一下策略的测试集代码列表模块的开始时间和结束时间

作者：神乐（shen1，colol）

去量化基金公司面试，和从事量化的朋友，同事之间交流等经常会被问到一个问题，因子重要or模型重要？量化策略中最重要的是什么？有些人会认为因子比较重要，有些会认为策略的猜想比较重要。当然，关于这些问题没有标准答案，给出合理的解释，讲述对量化开发的个人观点是问题的本质。鄙人认为，一个稳健的量化策略的核心是一个合理的工业化量化策略开发体系，这也比较好的解释了某些量化公司部分核心策略工程师的离开，对公司的业绩产生影响不是特别大。工业化的量化策略开发体系包括但不限于以下流程。

5.1提出猜想：猜想的提出往往是在交易市场中对交易策略的深刻理解，从而提出相关想法，并

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

将周期三因子引入随机森林模型中构建带有因子择时效应的选股策略本报告中，我们将多因子截面数据和华泰周期三因子进行合并，构建了因子择时+选股一体化的随机森林模型。周期三因子在随机森林模型中起到了状态切换的作用，不同状态下对应不同的截面因子选股逻辑。加入周期三因子的随机森林模型能获得更好的回测结果，本质上利用了周期因子的两个效应：（1）在周期因子取值单调的训练期内，模型侧重于遵循离当前更近的截面期样本的投资逻辑。（2）在周期因子取值非单调的训练期内（即拐点处），模型能够利用到周期因子在拐点处所带来的增量信息。 加入周期三因子的随机森林模型选股表现有稳定的提升加入了周期三因子的随机森林模

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，我们同样

研究报告

本报告在采用更合理的中泰行业划分和剔除微型股（主要受壳价值驱动）之后，从估值、盈利、成长、技术和一致预期五大类因子构建行业内选股模型，取得了稳健样本内和样本外（16年至18年2月）的回测结果。从行业内选股因子的效果来看，2017年仅部分技术类因子失效，其他类因子效果并没有发生颠覆性变化。

量化行业内选股理论分析

相对全市场的量化选股模型，行业内选股可以避免了行业间固有差异的影响，提升因子的可比性，而各行业可能存在独特的数据源能贡献新的alpha。尽管行业内样本数的不足造成统计意义的下降以及消除行业偏离后造成整体有所下降，但我们可以通过基本面逻辑和行业配置模型来补充。

作者：dkl297836

策略思想

基于32个短期价量因子，训练集使用2016年1月1日至2020年12月31日共5年数据，每个交易日买入模型当日预测结果排名靠前的10只A股股票，个股最大仓位限制为20%，持股时间设置为5个交易日，初始资金100万。

Lightgbm策略

原有策略是基于Lightgbm机器学习算法，该策略的表现见图1：

![图 1：lightgbm-2021年1月1日至2022年6月10日回测结果{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachment

怎么用bigquant的架构来获取每天涨停的个股，不是用传统的代码打出来的那种，试过好多次！老是运行的结果错误！

导语

本文分享了一个简单的基于双均线的基金策略，主要是使用平台的回测引擎做一个基金的回测，给大家分享一些关于基金回测的tips。

策略基本思路

策略思想是：当短期均线上穿长期均线时，形成金叉，此时买入基金。当短期均线下穿长期均线时，形成死叉，此时卖出基金。研究表明，双均线系统虽然简单，但只要严格执行，也能长期盈利。 具体可参考 金叉死叉策略。

二、基金回测

• 证券代码列表中的交易市场需要选择 CN_FUND.
• 由于平台现在的基础特征抽取模块不支持对基金的特征抽取，因此需要连入一个自定义模块来读取基础数据，然后可以使用衍生