交易

模拟交易始终不出信号是什么原因

一直试运行失败，看日志，日志也没显示任何报错信息。麻烦工程师小哥看一下。

求解救！

https://bigquant.com/experimentshare/3c9f9d53cf2b455e82675d9b79199aa4

\

https://bigquant.com/wiki/doc/shizhi-celve-v-10-Jhc4IN7nXK

直接克隆的知识库-平台使用文档中的样例策略（https://bigquant.com/wiki/doc/shizhi-celve-v-10-Jhc4IN7nXK），回测完全正常。但是模拟交易时，始终不出交易信号。不知道模拟交易时运行各个模块的原理和回测的原理有什么不同？

注：并不是因为22天才调仓的原因，第一天运行都不出信号。感觉在模拟交易时回测模块之前连接的模块运行结果不对，输入给回测模块的数据有误。只是个人猜测。不知道真实原因，请高手指点，谢谢！

模拟交易

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

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

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

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

量化交易软件是一种专门设计用于执行量化交易策略的软件工具，广泛应用于金融市场。这种软件使投资者能够运用数学和统计方法，自动化地进行交易决策和执行。（tips：文末含所有量化交易软件平台入口及核心工具）

概念

量化交易软件基于预设的算法和模型，进行市场分析、决策制定和交易执行。它通常包括数据分析、模型构建、回测、风险管理和自动化交易等功能。量化交易的核心是将投资策略数学化，使交易过程标准化和

**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

BigQuant量化交易开发平台是专为量化投资和交易设计的综合软件平台。提供一系列量化开发工具和服务，使交易者和投资者能够开发、测试、优化和执行复杂的量化交易策略。（文末附开发资源汇总）

基本概念

量化开发平台通常包括数据分析、策略开发、回测、风险管理和自动化交易功能。它们为量化交易者提供了一个集成环境，用于构建和实施基于数学和统计模型的交易策略。

核心功能