基金双均线策略
由qxiao创建,最终由qxiao更新于
由qxiao创建,最终由qxiao更新于
由ypyu创建,最终由ypyu更新于
由qxiao创建,最终由bqzog1up更新于
之前有许多帖子是关于tensorflow的模型固化, 这一篇讲的是pytorch框架搭建的模型下的固化.
本文使用DNN模型模拟过去四日的动量因子, 输入特征是过去四日的最高价、最低价、开盘价、收盘价, 这些特征能够合成任意形式的动量, 这里
由qxiao创建,最终由qxiao更新于
{{use_style}}
adaboost自适应提升树算法,用于分类,此算法基于boosting,根据上次分类的准确率确定下次训练每个样本的权值,将修改过权值的新数据集送给下层分类器进行训练,最后将每次训练得到的分类器融合,作为最后的决策分类器。
由polll创建,最终由bq2q7poq更新于
线上申请,当前仅支持湘财证券。如无,可扫描以下二维码开通(重庆营业部)。 注:通过此码开通享受优惠。 ![{w:100}{w:100}{w:100}](/wiki/api/attachments.redirec
由small_q创建,最终由small_q更新于
实盘交易作为投资环节中最后也是最重要一环,一直是广大投资者最核心的诉求。本着用AI赋能投资的初心,BigQuant与湘财证券联手推出实盘交易功能,助力用户完成从研究、回测、模拟到实盘的闭环,并有效降低冲击成本、消除操作失误、减少情绪干扰,从而大大增加实现策略理论收益的可能性。
由small_q创建,最终由small_q更新于
本文内容已经过期,不再适合平台最新版本,3.0版本请参考以下链接:
[https://bigquant.com/wiki/doc/5lql5lu25z6l562w55wl77ya5rw36b6f562w55wl5y2v6ikh-5EGr1kNprG](https://bigquant.co
由clearyf创建,最终由small_q更新于
平台的交易引擎具备以下功能:
由qxiao创建,最终由qxiao更新于
[https://bigquant.com/experimentshare/54911fee4f45421ba84891cc4864e0b6](https://bigquant.com/experimentshare/54911fee4f45421ba84891cc4864e0
由iquant创建,最终由iquant更新于
\
由qxiao创建,最终由qxiao更新于
由qxiao创建,最终由qxiao更新于
抽取衍生特征因子(非预计算因子抽取),接基础特征抽取。
\
由qxiao创建,最终由qxiao更新于
定义
class TradingCalendar
示例代码
session_distance(start_session_label, end_session_label):
获取两个交易日之间的差值交易日
参数:
由qxiao创建,最终由qxiao更新于
Ng and Wing-Kam(2008) 对MACD和RSI两个指标的盈利性进行了实证检验,文中采用FT-30为研究对象,样本跨期为60年。检验结果发现,单纯的MACD和RSI交易策略都能够获得远高于买入并持有交易策略的收益。Shik TC(2007)以外
由ypyu创建,最终由ypyu更新于
由qxiao创建,最终由qxiao更新于
如何开发一个好策略,最常见的问题是
有哪些常见的筛选因子方法,因子如何进行评估?
如何从研报中获取有用信息?
这就是因子构建的问题
BigQuant平台创建默认模板策略后,可以看到默认的因子,并且已经被组合在一起了。
**因子来源有很多
由ypyu创建,最终由ypyu更新于
对于不会写代码的交易者来说,能够零代码生成量化策略是一个非常大的需求
于是BigQuant最近开放了针对传统量化策略的向导式生成器,本文主要介绍向导式生成器的使用
\
经典策略向导式生成器一共分为四个步骤
由ypyu创建,最终由ypyu更新于
区别于传统策略开发,AI策略开发是利用AI模型的预测结果构建策略逻辑。根据不同类型的AI模型,策略构建的方式也有所不同。本文主要向大家介绍一下常用的AI策略构建方法。
在AI模型的构建教程中,我们已经介绍了机器学习在分类、回归和排序三类典型应用场景中的应用,并针对这三类问题介绍了常用
由clearyf创建,最终由clearyf更新于
需要数据时使用。
输出数据:数据源。
由qxiao创建,最终由qxiao更新于
本文主要介绍在AI可视化模板策略上的一些尝试,加入一些更为复杂的逻辑,最终提高策略开发能力达到进阶水平。
不知道大家是否有这样的疑惑,在按照平台给出的模板开发了策略以后,不知道从哪些角度提升策略效果,只知道增删一些因子不断调试。本文以一个实际的策略案例,希望大家能够掌握以下几点:
由clearyf创建,最终由clearyf更新于
{{use_style}}
快速回测引擎,支持高频数据快速回测。不支持模拟交易和实盘。
输入: - input_data:输入数据,包含 date, price(价格), 和 position(仓位)
输出: - data: DataSourc
由polll创建,最终由small_q更新于
相信大家已经很熟悉平台的表达式引擎功能了,在创建因子的过程中我们经常会遇到需要批量生成因子比如close_0,close_1,close_2...close_20,又或者因子本身有很多重复的项只是参数不同,例如生成一个规则循环因子close_0turn_0 + close_1tur
由clearyf创建,最终由clearyf更新于
如何对X日内出现某指标金叉出现做出统计,如下样例给出20个交易日5 ema和10 ema的金叉数
[https://bigquant.com/experimentshare/6f3bd281d3d94a4a9979bf6a3816849e](https://bigquant.com/experim
由qxiao创建,最终由qxiao更新于
BigQuant平台的因子库上有许多因子,但是如果想计算一些个性化的自定义的因子,比如相对大盘的收益率等因子应该怎么构造呢?本文将通过几个示例进行展示。
自定义因子的方式很灵活,为大家介绍几种常用的自定义因子构建方式。
第一步:通过DataSou
由clearyf创建,最终由clearyf更新于