量化进阶——多策略量化回测实录(一)

Backtrader 量化回测实践(6)——量化回测评价工具Quantstats quantstats主要有三个功能,对每个功能进行解读和测试,提供测试用例: 1.统计功能,计算各类性能指标,夏普率,胜率,波动率等; 2.绘图功能,可视化性能指标,最大回撤,滚动统计,月度回报率等; 3.报告功能,生成度量报告,批量绘图,创建HTML报告; 阅读详情

阅读原文:http://club.jr.jd.com/quant/topic/1428261

京东金融官方资讯QQ群:456448095 有什么想咨询的都可以来询问我们

移动平均线是技术分析中最常用的,作为一种简单有效的数学模型而被广泛使用。均线使用的方式的差异在于均线的计算方式与价格使用方式。不同的均线计算方式会产生不同的结果,不同的价格使用也会有不同的效果。此外,使用一条、两条、三条甚至更多条均线的交易策略,也会有很不一样的结果。 因此,本文对传统的均线交叉策略进行了改进,测试了不同的止损策略,尽可能实现了收益的最大化。

策略说明

买入条件:
多头排列时 ma30,ma30<ma10,ma30<ma20,close>open,close>ma5

本策略用R软件对比了不同的清仓信号、止损信号组合的回测效果。对于选股方面并不做太多对比,有兴趣的小伙伴可以自行尝试R软件更换选股操作。

卖出条件分别测试
卖出是close<ma5 ,
卖出是close<ma10 ,
卖出是close<ma20 ,


查看前6条数据
head(data)

Time Open High Low Close MA5 MA10 MA20 MA30 X
1 2014/07/30 5.72 5.77 5.68 5.74 5.652 5.645 5.776 5.657 NA
2 2014/07/31 5.75 5.78 5.72 5.77 5.716 5.648 5.768 5.675 NA
3 2014/08/01 5.76 5.76 5.64 5.67 5.726 5.640 5.754 5.687 NA
4 2014/08/04 5.65 5.73 5.63 5.72 5.726 5.655 5.748 5.702 NA
5 2014/08/05 5.73 5.82 5.72 5.82 5.744 5.680 5.739 5.718 NA
6 2014/08/06 5.82 5.85 5.75 5.82 5.760 5.706 5.739 5.735 NA


蜡烛图



带指标的蜡烛图


移动平均均线图


选择滑动平均指标

均线图+散点

plan 1 卖出是close<ma5



查看每笔交易
Value op cash amount asset diff
2014-07-30 5.74 B 3.46 17421 100000.0 0.00
2014-07-31 5.77 S 100522.63 0 100522.6 522.63
2014-08-01 5.67 B 4.87 17728 100522.6 0.00
2014-08-05 5.82 S 103181.83 0 103181.8 2659.20
2014-08-08 5.73 B 1.72 18007 103181.8 0.00
2014-08-11 5.84 S 105162.60 0 105162.6 1980.77

盈利的交易
Value op cash amount asset diff
2014-07-30 5.74 B 3.46 17421 100000.0 0.00
2014-07-31 5.77 S 100522.63 0 100522.6 522.63
2014-08-01 5.67 B 4.87 17728 100522.6 0.00
2014-08-05 5.82 S 103181.83 0 103181.8 2659.20
2014-08-08 5.73 B 1.72 18007 103181.8 0.00
2014-08-11 5.84 S 105162.60 0 105162.6 1980.77

亏损的交易
Value op cash amount asset diff
2014-11-10 7.39 B 5.99 16776 123980.6 0.00
2014-11-17 7.06 S 118444.55 0 118444.6 -5536.08
2014-12-05 7.46 B 1.93 15898 118601.0 0.00
2014-12-11 7.25 S 115262.43 0 115262.4 -3338.58
2014-12-16 7.11 B 2.22 16211 115262.4 0.00
2014-12-24 6.92 S 112182.34 0 112182.3 -3080.09

股价+现金流量

现金流量画图

plan1的盈利区间

阅读原文:http://club.jr.jd.com/quant/topic/1428261

基于QMT的Python量化策略系统:从回测到实盘的完整架构与避坑指南 量化交易的核心是从策略回测到实盘执行的全链路打通,而Python因其丰富的生态和灵活的开发方式,成为个人投资者搭建程序化交易系统的首选语言。在实际工程中,行情接入、信号计算、订单执行与风控熔断需要一套清晰的架构来协作,才能确保低时延和稳定运行。QMT作为券商主流的极速策略交易平台,提供了合规的行情与交易接口,让开发者可以将策略逻辑从基础设施中解耦,通过配置文件灵活调整参数。双均线等经典策略在回测中表现良好,但实盘时往往受滑点、手续费和数据断流等细节影响,因此需要借助模拟盘验证系统可靠性,并通过日志监控逐步优 阅读详情

相关推荐

PyQt量化交易系统:选股回测微信提醒一体化实现

量化交易系统本质是将市场信号转化为可执行、可验证、可响应的数据决策闭环。其核心原理在于构建本地化、低延迟、高隐私的桌面级工作流,通过Python实现数据清洗、指标计算与策略回测,并借助PyQt提供可视化交互界面,解决传统Excel或通达信中‘逻辑不可验、数据不可见、信号不可达’的工程断层。技术价值体现在降低策略验证门槛、保障实盘响应时效、支持非程序员快速迭代。典型应用场景包括个人策略开发、私募内部验证平台搭建及A股T+1机制下的实时信号推送。本文聚焦基于PyQt与Python的桌面端量化系统落地实践,深度融

weixin_34116482的博客 311

量化交易-Backtrader回测

如果将backtrader包分解为核心组件,主要包括以下组成部分:"Lines"是backtrader回测的数据:Open(开盘价),High(最高价),Low(最低价),Close(收盘价),Volume(成交量),OpenInterest(无得话设置为0)。DataFeeds(数据加载)、Indicators(技术指标)和Strategies(策略)都会生成Lines.价格数据中的所有“Open”(开盘价)按时间组成一条Line。所以,一组含有以上6个类别的价格数据,共6条Lines。如果算上“Data

linxiarain的博客 3877

夜鹰EA策略包解析:夜间图表形态与摆动交易实战指南

程序化交易中,智能交易系统(EA)是连接交易策略与市场执行的桥梁,其核心价值在于用规则化的方式捕捉特定行情结构。在24小时连续交易的外汇、黄金等品种中,夜间时段往往呈现低波动、高规律性的特征,此时图表形态如内包线、锤子线及假突破回踩等具有较高的识别价值。基于这种“Night chart pattern”的形态识别,结合波段持仓的摆动逻辑,形成了“night hawk swing”这一经典策略方向——在平静市场中等待结构确认,以紧凑止损换取盈亏比优势,实现稳健的波段收益。此类策略尤其适合白天无暇盯盘、夜间需自

weixin_34232744的博客 362

回测平台哪个好用?量化新手首选的几款靠谱工具推荐!

在深入推荐之前,先简单解释一下什么是回测平台。回测,简单来说,就是用历史数据来测试你的交易策略是否有效。一个好的回测平台,应该能提供足够的历史数据,灵活的策略编写环境,以及直观的结果展示。以上就是我为量化新手推荐的几款回测平台。每个平台都有其独特的优势,你可以根据自己的需求和喜好来选择。记住,选择一个合适的回测平台只是开始,真正的挑战在于如何编写出有效的交易策略。希望我的分享能帮助你在量化交易的道路上越走越远。如果你有任何问题,欢迎在评论区留言,我会尽力为你解答。量化交易,我们一起加油!我们下期再见!

云策量化的博客 3204

Windows Server+SqlServer Always On实战:5步搞定高可用集群搭建

本文详细介绍了在Windows Server环境中,通过5个关键步骤搭建SQL Server Always On高可用集群的实战指南。内容涵盖从底层故障转移集群配置、SQL Server实例启用Always On功能,到创建可用性组和侦听器的完整流程,并提供了核心运维与故障排查思路,帮助企业构建稳定可靠的数据库高可用架构。

milk5的博客 858

跨时钟域传输数据——单bit和多bit信号(总结)

总结单bit和多bit信号的跨时钟域传输

qq_42135020的博客 1万+

量化回测(还没写完

回测,backtrader和zipline

Orange 1776

手把手教你设计反激开关电源:从整流滤波到PCB布局的实战避坑指南

本文是一份反激开关电源的实战设计指南,重点解析了从整流滤波电路到PCB布局的关键细节与常见陷阱。文章深入探讨了输入保护元件协同设计、EMI滤波器优化、整流桥与滤波电容选型,并详细阐述了如何通过优化PCB布局来确保安规、最小化功率回路面积以控制噪声,旨在帮助工程师和爱好者规避设计误区,提升电源的可靠性与性能。

yhn45678901的博客 692

量化投资单因子回测神器 — Alphalens

量化投资往期推荐量化投资实战教程(1)—基于backtrader的简单买入卖出策略量化投资实战教程(2)—MACD策略(+26.9%)量化投资实战教程(3) —A股回测MACD策略Pyth...

Python实用宝典网 4240

如何快速下载Gaia DR3星表数据?中国虚拟天文台镜像站保姆级教程

本文提供了一份详细的保姆级教程,指导用户如何通过中国虚拟天文台镜像站高速、稳定地下载Gaia DR3星表数据。文章详细介绍了镜像站的访问地址、数据组织结构,并给出了使用wget、aria2c等工具进行批量下载的实战策略,帮助国内用户避开国际网络延迟,高效获取近20亿颗天体的海量数据。

weixin_29231263的博客 301

systrace分析 之 问题初步定位

如下surfaceflinger空缺点,上面对应的bufferTX 中有buffer,但VSYNC-SF 过来后,SurfaceFlinger却没有去取,检查测试app “android.settings”, 也没有GPU completion 时间长的问题,所以该部分可以请SurfaceFlinger的owner 进一步确认为何不取buffer。. GPU拿的是acquireFence HWC拿的是releaseFence, GPU是绘图,HWC是合成显示,这两个是互相等待的关系,

yangzex的专栏 3195

量化进阶——多策略量化回测实录(二)

阅读原文:http://club.jr.jd.com/quant/topic/1428618 京东金融官方资讯QQ群:456448095 有什么想咨询的都可以来询问我们 plan 2卖出是close<ma10跑一次, 查看每笔交易 Value op cash amount asset diff 2014-07-30 5.74 B 3.46 17421 100000.0 0

JDquant的博客 778

Zemax实战:20×超高清变焦镜头设计全流程解析(从架构到制造)

本文详细解析了使用Zemax软件设计一款20倍变焦比、恒定F2.8光圈8K超高清镜头的全流程。从应对恒定光圈、宽光谱与8K解析力三大挑战的初始架构规划,到构建多重组态模型、分七阶段进行像差优化与公差分析,最终跨越制造鸿沟,为广播级影视与高精度工业检测应用提供了实战指南。

sun99的博客 551

最速量化回测:Backtrader百万K线数据处理优化指南

你是否曾因回测卡顿而错失策略迭代机会?当K线数据突破100万根时,普通回测框架往往陷入"数据越多,速度越慢"的恶性循环。本文将揭示三个层级的性能优化方案,让你的Backtrader在处理海量数据时效率提升3-10倍,从根本上解决量化研究中的算力瓶颈。 读完本文你将掌握: - 内存占用降低60%的数据源处理技巧 - 回测速度提升3倍的指标计算优化方案 - 百万级数据高效迭代的底层原理与实践 ##...

gitblog_00358的博客 503

保姆级教程:在Ubuntu 22.04上用Conda搞定nuPlan数据集环境(Python 3.9 + PyTorch)

本文提供了一份详细的Ubuntu 22.04环境下使用Conda配置nuPlan自动驾驶数据集的保姆级教程,涵盖Python 3.9安装、Conda环境管理、PyTorch配置及数据集可视化验证等关键步骤,帮助开发者高效搭建开发环境。

weixin_29061997的博客 254

robosuite 入门教程(一)安装与基本用法

摘要:Robosuite是基于MuJoCo的模块化机器人仿真框架,提供标准化基准测试环境和多样化机器人控制功能。作为ARISE计划的一部分,该框架支持强化学习、模仿学习等算法研究,包含程序化环境生成、多模态传感器、多种控制器及遥操作设备。支持macOS/Linux系统,提供详细安装指南和功能演示脚本,包括随机动作测试、控制器验证、域随机化等。最新版本v1.5新增人形机器人支持、全身控制器和照片级渲染功能,旨在降低机器人学习研究门槛,促进算法开发与评估。

2506_90492529的博客 1267

AI投资实战书单:四本穿透回测与实盘断层的硬核指南

AI投资不是简单套用机器学习模型,而是构建能应对市场动态漂移、数据污染和实时执行约束的工程化系统。其核心原理在于将金融工程思维前置——从订单流特征替代传统指标,到滚动窗口归一化避免未来信息泄露,再到显性化策略失效边界。这类技术价值体现在显著压缩回测与实盘收益鸿沟,支撑分钟级信号稳定输出与实盘衰减补偿。典型应用场景包括量化私募的因子挖掘pipeline优化、券商算法交易系统的接口级部署,以及个人投资者在聚宽/AKShare多源环境下的低延迟策略落地。本文聚焦真正经受过实盘检验的AI投资方法论。

weixin_34198762的博客 438

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

三易交易系统构建指南:从策略回测到风控部署的量化实战

量化交易系统的核心在于将投资逻辑转化为可执行、可验证的自动化流程。其基本原理是通过数学模型和计算机程序,对市场数据进行分析,以纪律性执行替代主观情绪决策,旨在获取超越市场平均的稳定收益。这一技术价值在于能够处理海量数据、快速响应市场变化,并严格遵循预设的风险管理规则,从而在波动的金融市场中实现更优的风险调整后回报。典型的应用场景包括股票、期货、数字货币等金融市场的趋势跟踪、套利及高频交易。本文以构建一个具备“易学、易用、易盈”特质的**三易交易系统**为例,深入剖析其模块化架构,并重点阐述如何通过严谨的**

weixin_34026276的博客 346

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

Backtrader回测踩坑实录:我的策略年化80%,为什么实盘就亏钱?(附解决方案)

本文深度剖析了Backtrader回测框架中常见的陷阱,揭示了从年化80%的回测收益到实盘亏损40%的原因。通过分析市场摩擦成本、数据幻觉、未来函数等关键问题,提供了实用的解决方案和实盘准备清单,帮助量化交易者避免过拟合,实现稳健收益。

weixin_28706923的博客 248

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

蒋俊阳:如何在量化投资的趋势中寻找金子

2012年7月16日,“金融创新下的绝对收益——量化对冲投资发展思路”申银万国2012年中国量化投资论坛在成都新东方千禧大酒店举行。和讯网在现场做图文直播。申银万国证券研究所分析师蒋俊阳在现场作主题报告。他介绍了海外CTA行业发展以及投资业绩,并对如何在量化投资的趋势中寻找金子作了详细阐述。   以下是演讲实录:   蒋俊阳:我的报告题目是趋势中寻找金子,前面有很多专家提到CTA以及海外CTA

zhoubl668的专栏:远帆,梦之帆! 3039

量化投资实战:从策略开发到风险管理

量化投资是一种基于数据和算法的投资方法,通过数学模型和计算机程序执行交易决策,相比传统主观投资更具纪律性和可回溯性。其核心原理包括统计套利、动量策略等经典方法,通过历史数据回测和参数优化提升策略表现。量化投资的技术价值在于能够有效规避情绪干扰,实现规模化资金管理,适用于股票、期货等多种金融产品。在实际应用中,从Python开发环境搭建到数据源选择(如Tushare、Wind),再到策略优化(如双均线策略改进)和风险管理(如过度拟合检测),每一步都至关重要。本文通过实战案例,展示了如何通过纪律性交易和科学的风

weixin_30919571的博客 309

量化交易中价格模式存在性的可证伪检验框架

在金融时间序列分析中,价格模式识别并非玄学,而是建立在市场非有效性窗口、噪声过滤阈值与因子稳健性检验基础上的工程实践。从有效市场假说的局限出发,现代量化策略需直面微观结构层(tick级订单流)、事件驱动层(财报/政策)与宏观周期层的分层随机性——所谓‘随机’,实为观测维度缺失或时间尺度错配所致。技术价值在于将模糊形态转化为可执行、可回测、可证伪的规则体系,例如通过滚动波动率动态设定突破阈值,或用订单流不平衡识别真实对手盘。典型应用场景覆盖新手避坑、实盘信号衰减诊断及多策略动态置信度分配。本文聚焦一套融合Le

weixin_34284188的博客 515

从零开始:用Python实现凯利公式,科学控制仓位大小

量化不是印钞机,但确实是散户少有的公平武器。去年帮个退休教师做了套凯利策略,年化16%他开心得请我吃饭。关键是要控制住手,很多人明明有好策略,结果一激动就满仓梭哈。最近营业部在搞量化实盘大赛,用Python的组平均收益比手动交易组高27%。要是你也想试试,不妨找我开个户——现在开户送Level2行情,还能进我们的量化交流群,每周都有代码分享会。记住,投资是长跑。用凯利公式的人,最后拼的不是谁赚得快,而是谁活得久。

wencaitouzi的博客 1398

遗传算法进阶:种群多样性监控与自适应收敛控制

遗传算法(GA)作为经典启发式优化方法,其核心原理源于生物进化机制,但实际工程应用中常因早熟收敛、种群退化和参数敏感等问题失效。关键瓶颈在于缺乏对种群多样性与收敛动态的量化感知能力。本文聚焦种群多样性分析(如基因位熵、个体距离熵)与收敛性诊断(适应度方差、收敛速率),揭示多样性枯竭与局部最优陷阱的内在关联,并引入自适应交叉/变异、分层精英策略及可行性引导等工程化调控手段,显著提升GA在多峰、约束、高维真实问题中的鲁棒性与可调性。内容覆盖从监测指标设计到闭环干预落地的完整技术链,适用于已掌握基础GA实现、正面

cm333666的博客 475

Python算法交易实战:从信号计算到订单执行的完整闭环

算法交易本质是将交易逻辑转化为机器可执行、可回测、可实盘的确定性流程,其核心在于理解金融市场微观结构与订单执行机制。它依赖时间序列处理(pandas)、向量化计算(numpy)、金融建模(statsmodels)等关键技术能力,强调可解释性、低延迟响应和风险可控。相比黑箱模型,基于价格行为、订单流与统计检验的策略更易调试、迭代和落地。真实场景中,数据质量、滑点、手续费、时序对齐等‘摩擦成本’往往比策略本身更能决定成败。本文聚焦Algorithmic Trading在Python生态中的工程化实践,覆盖行情获

weixin_30642869的博客 595

AI“炒币”实录:DeepSeek翻倍,Qwen3下重注,GPT亏60%

从现有的持仓看,DeepSeek持有BTC、ETH、SOL、XRP、DOGE 和BNB六大看涨合约,均采取10倍杠杆,值得注意的是,这一模型在交易上会设置高止盈点(10%-20%)与低止损点(-5%至-3%),以小亏确定方向,高盈亏比,例如其现持有的比特币看涨合约在107343美元买入,止盈点为118136美元,止损点为102027美元。需要注明的是,为了避免场外信息的干扰,这场大赛中的模型处于完全的封闭状态,所有模型不能根据消息面进行决策,仅能获取技术面数据,换而言之,模型们是完全的技术派,仅以。

陀螺财经 1075
上一篇: 量化进阶——量化交易策略之羊驼和均线策略
下一篇: 量化进阶——多策略量化回测实录(二)
JDquant
博客等级 码龄10年 326粉丝 56原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值