掘金量化3参数优化（使用掘金3的策略师必读）

最新推荐文章于 2023-10-02 03:00:06 发布
原创 最新推荐文章于 2023-10-02 03:00:06 发布 · 2.4k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了掘金量化3平台的参数优化思想和实现步骤。通过循环遍历心目中的参数进行回测，记录并分析回测结果，以找到最佳策略参数。文章以双均线策略为例，详细阐述如何配置基础策略、记录回测指标和进行结果排序，提醒注意避免过拟合问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

原 掘金量化3参数优化（使用掘金3的策略师必读）

参数优化目的

​ 我们在进行策略编写时，很容易受到参数调整的困扰，比如说双均线策略，到底长短均线的周期怎么来定义？“5日线”和“10日线”组合一定是最好的吗？如果多次回测，怎么记录回测结果？

​ 带着这些疑问，我们来共同探讨掘金量化3的参数优化示例程序。

参数优化思想

​ 我们将心目中的参数进行循环遍历回测，记录每次回测结果和参数，然后就可以根据某种规则将回测结果排序，这样就可以找到最好的参数了，当然，建议不要用“最好”的参数，因为可能会出现“过拟合”问题。

参数优化实现步骤

基础配置

  • 首先，需要有个策略（init函数和on_bar(tick)函数或algo函数），策略里面有参数可以调整（废话）。

  • 将两个策略函数复制进示例程序中替代示例策略。

  • 调整run里面回测的各个参数。

记录每次回测结果

def on_backtest_finished(context, indicator):
    report=[indicator['pnl_ratio'],indicator['pnl_ratio_annual'],indicator['sharp_ratio'],indicator['max_drawdown'],context.short,context.long]
最低0.47元/天 解锁文章

200万优质内容无限畅学
二十、欢迎来到掘金量化
微信号：RunsenLiu
06-19 2691
回溯测试的原理，简单的说，就是用完全真实的历史行情数据，构造出一个模拟的交易环境（回溯环境），让策略在其中运行，像时空穿越一样，回到历史上的某个时间节点，重头开始运行一遍。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。在主界面中选择“策略研究”，点击新建策略，这里提供了多个不同类型的策略研究页面，可选择最合适的模块开始编写，如果都不匹配，可选择“空策略”来构建全新的策略，如下图6-27所示。
掘金量化实盘开发分享
wuyan8866的博客
06-25 1317
掘金量化实盘策略介绍
Python-掘金量化.pdf
12-05
Python-掘金量化平台开发文档，每日免费数据多，回测简单，就是函数有点抽象化，做量化的可以看下哦。
掘金量化—Python SDK文档—1.快速开始
量化交易研究
07-13 2648
掘金量化支持python、matlab、C++、C#四种编程语言，需在安装专门的掘金SDK后方能进行回测、仿真等，以下为Python SDK的介绍内容，供初学者参考使用。
掘金量化—Python SDK文档—5.API 介绍（3）
量化交易研究
07-21 1613
以下接口在终端版本号大于 3.17.0.0 的版本不再维护，请切换到新的通用接口- 查询基本面数据获取基本面数据此函数掘金公版(体验版/专业版/机构版)不支持，请切换到stk_get_fundamentals_balance - 查询资产负债表数据等新接口参数名类型说明tablestr表名，只支持单表查询. 具体表名及 fields 字段名及 filter 可过滤的字段参考财务数据文档symbols标的代码, 多个代码可用(英文逗号)分割, 也支持这种列表格式，使用时参考symbol。
掘金量化—Python SDK文档—5.API 介绍（1）
量化交易研究
07-19 2266
init - 初始化策略初始化策略, 策略启动时自动执行。可以在这里初始化策略配置参数。参数名类型说明contextcontext上下文，全局变量可存储在这里# 订阅bar# 增加对象属性，如:设置一个股票资金占用百分比回测模式下init函数里不支持交易操作，仿真模式和实盘模式支持schedule - 定时任务配置在指定时间自动执行策略算法, 通常用于选股类型策略参数名类型说明function策略定时执行算法date_rulestr。
分享掘金量化实现参数优化的过程步骤
Q_2037696191的博客
12-07 811
掘金量化主要是为了打造功能齐备的终端，集合了策略开发到实盘的功能，便于使用，具备可靠的性能，帮助投资者提高开发策略的效果，降低IT成本。小编来分享一下掘金量化实现参数优化的过程步骤，将参数进行回测，并且记录每一次的回测结果和参数。 以双均线策略为例，循环输入参数回测： 和长短周期参数的调整需要循环嵌套，输入进中，是用来记录回测 在传入参数的时候，同时还要修改策略运行函数的输入参数，并且通过context把参数传入策略。通过记录回测结果和参数，根据规则来排序回测的结果，这样可以找到最好的参数。当然
风格轮动策略代码（股票），掘金量化策略Python代码
02-10
值得注意的是，虽然这份文件中提到的是具体的量化策略代码，但是在实际操作中，要充分考虑市场环境、交易规则、成本控制以及投资者自身的风险偏好等因素，综合多方面的因素来优化和调整策略。此外，根据中国股市的...
双均线策略代码（期货），掘金量化策略Python代码
02-11
使用掘金量化策略，意味着策略开发者可以享受到包括数据提供、策略回测、自动执行、资金管理等一系列便捷功能。策略开发者可以将主要精力集中在模型的构建和参数优化上，而不必过度担心策略执行的复杂性。因此，对于...
掘金量化—Python SDK文档—5.API 介绍（2）
量化交易研究
07-19 2721
Python SDK文档 5.API介绍 5.6通用数据函数（免费） python 通用数据 API 包含在 gm3.0.148 版本及以上版本，不需要引入新库 get_symbol_infos- 查询标的基本信息 获取指定(范围)交易标的基本信息，与时间无关. 此函数为掘金公版(体验版/专业版/机构版)函数，券商版以升级提示为准 函数原型： get_symbol_infos(sec_type1, sec_type2=None, exchanges=None, symbols=
经典策略-掘金量化.pdf
12-03
以Python语言，经典量化交易策略，可以用以基础的学习和改进参照。
如何使用掘金进行量化策略绩效分
塞尔达的传说
04-29 2411
原 如何使用掘金进行量化策略绩效分析？ 自掘金量化绩效分析推出后，受众多掘金用户的热烈反响，今天掘金小Q给大家整理下掘金绩效分析的使用指引，帮助大家快速入手使用。 一、掘金绩效分析功能特点 1.专业分析引擎 用高仿真清算模型，清算准确，处理效率高，完整重现交易场景 2.可交互分析图表 提供动态可交互的模型界面，让投资细节和全局一目了然 3.分析全面 绩效分析包含多指标、多模型，能够全面剖析交易特点...
金融平台（掘金量化）量化PYTHON（一）-量化交易介绍
weixin_38496610的博客
09-15 4537
定位 掌握数据挖掘/机器学习技术的应用场景； 从事量化策略工程师、量化策略分析师方向； 目标 掌握回测框架的使用； 掌握股票的量化投资策略； 量化交易简介 了解量化交易的定义以及类型； 说明量化交易的研究流程； 了解量化交易项目的工作内容； 1.量化交易定义（Quantitative trading） 定义： 量化交易是指借助现代统计学和数学（机器学习）的方法，利用计算机技术来进行交易的证券投资方式。 量化交易（量化投资）是从庞大的历史数据中...
掘金量化 网格交易代码 个人练习使用
qq_19557899的博客
10-02 1985
最近在家没啥事，写点量化的代码，下面的代码全部复制了放在掘金量化的一个新建的策略里就能运行，main函数的token 换成你自己的token就行，在系统设置里有token。可以调参试试，也许可以增加收益。大致思路是：网格交易 下降买的多 上升卖得少 且ATR高减仓。ATR有点鸡肋，好像一直都很低，没有帮助提高收益，去掉也行。总之年化17%左右，还是不错滴，仅供参考。
laravel只读取指定的$request数据
lion的博客
05-19 894
只获取指定$request数据可以用 $request->only() 或者只排除指定数据 $request->except() public function goods(Request $request) { //获取全部数据 $all = $request->all(); //只获取name和type $only = $request->only('name','type'); //获取除了type的所有数据
量化交易入门软件安装使用与策略开发视频教程
rede
04-24 1045
原 量化交易入门—软件安装使用与策略开发视频教程        很多从事金融交易或编程的童鞋听说量化交易、程序化交易，想去学习但是不知如何入手，其实做量化交易除了熟悉一门基本的编程语言，还是懂得一些金融知识以及财务数据分析等。目前国内量化交易平台主流支持python编程语言，毕竟python不仅较容易入门上手，对于处理数据来说也是很强大的，今天以业内做得比较...
Python编程掘金3量化交易之各技术指标的实现
sz168998的博客
12-28 1160
coding=utf-8 from future import print_function, absolute_import, unicode_literals import numpy as np import pandas as pd import tushare as ts #import matplotlib.pyplot as plt import talib from gm.api import * from datetime import timedelta def init(context
如何评价掘金量化的质量？
qq1841085904的博客
12-12 958
首先，掘金过去一直支持机构实盘交易，所以实盘的问题小编想不必太担心，而且使用过程中会有团队的持续支持。交易API部分是本地直连交易柜台，平台整体的结构设计上是蛮简洁的，而简洁的东西通常有更好的可靠性。因为是交易接口，所以其他功能我们只需要自己设定就可以了，有了接口我们可以获取实时/历史行情，可以随心指定策略，还是比较方便的。事实上，我们在选择做量化交易时，可以选择的渠道有很多，掘金只是其中一个方向而已。有些人想用掘金这个平台进行量化交易，但又担心掘金sdk质量不过关，那实际情况怎么样呢？
量化交易简介
终回首的博客
02-25 2142
这里写目录标题1 是什么2 为什么3 开源量化交易项目中国德国美国4 商业版交易平台5 量化界大佬3.1 先驱者3.2 其他知名人物 1 是什么 借助数学方法，利用计算机技术进行交易的证券投资技术。 一般流程 想到一种策略。例如股价大于5日均价则卖出，股价小于5日均价则买入。 把策略细化成可操作的步骤 用代码实现策略的细化操作步骤 检验策略效果 用历史数据回测。在历史数据上模拟执行该策略，看经过给定的一段时间之后的收益情况如何。 模拟交易。用真实市场数据来模拟执行策略，看经过一段时间之后的收益情况如何。
掘金量化3策略
最新发布
07-30
掘金量化平台是一个专注于量化交易的平台，它提供了多种工具和功能来支持用户进行策略回测和仿真交易。该平台不仅支持多种金融产品的交易策略开发，还提供了一个丰富的策略库和详细的教程，帮助用户构建自己的交易系统[^2]。以下是基于掘金量化平台特性和文档资料整理出的三种常用交易策略示例： ### 多因子选股策略 多因子选股策略是一种基于多个财务或市场指标筛选股票的方法。这些因子可以包括市盈率（PE）、市净率（PB）、盈利增长率、动量效应等。通过综合评估这些因子，投资者可以选择那些在多个维度上表现良好的股票。例如，在掘金量化平台中，可以通过编写Python脚本来实现这一策略，利用平台提供的API获取所需的数据，并根据预设的因子权重计算得分，最终选出得分最高的股票组合。这种方法的优势在于可以同时考虑多个影响股价的因素，从而提高投资决策的质量。 ### 技术指标结合的交易策略 技术分析是量化交易中的一个重要组成部分，而技术指标则是技术分析的核心工具。掘金量化平台支持使用Talib这样的金融库来计算各种技术指标，如移动平均线（MA）、相对强弱指数（RSI）、布林带（Bollinger Bands）等。一个简单的交易策略可能是当短期移动平均线上穿长期移动平均线时买入，反之则卖出。此外，还可以结合RSI指标来判断市场的超买或超卖状态，进一步优化交易信号。这种策略的优点在于能够快速响应市场变化，并且适用于多种时间框架。 ### 配对交易策略 配对交易是一种统计套利策略，其基本思路是在两个相关性较高的资产之间寻找价格差异进行交易。当两个资产的价格差异扩大到一定程度时，预期这种差异会缩小，于是采取相应的买卖操作以获利。在掘金量化平台上，可以使用历史数据来确定资产间的相关性，并通过回归分析来估计它们之间的关系。一旦发现价格偏离了正常范围，就可以执行交易。这种方法特别适合那些希望利用市场短期非效率来获取收益的投资者。 以上三种策略只是掘金量化平台上可以实现的众多策略中的一部分。实际上，用户可以根据自己的投资理念和市场理解，结合平台提供的强大工具和API接口，创造出更加复杂和个性化的交易策略。 ```python # 示例代码：简单移动平均线交叉策略 from gm.api import * def init(context): # 订阅标的 context.symbol = &#39;SHSE.600000&#39; # 设置滑点 set_slippage(symbol=context.symbol, type=&#39;fixed&#39;, value=0.01) # 设置手续费 set_commission(symbol=context.symbol, type=&#39;ratio&#39;, value=0.001) def on_bar(context, bars): # 获取历史数据 history_data = get_history(symbol=context.symbol, frequency=&#39;1d&#39;, count=20, fields=&#39;close&#39;) close_prices = history_data[&#39;close&#39;].values # 计算短期和长期移动平均线 short_ma = close_prices[-5:].mean() long_ma = close_prices.mean() # 获取当前仓位 position = get_position(symbol=context.symbol) # 如果短期均线上穿长期均线，则买入 if short_ma > long_ma and not position: order_value(symbol=context.symbol, value=10000) # 如果短期均线下穿长期均线，则卖出 elif short_ma < long_ma and position: order_close_all(symbol=context.symbol) if __name__ == &#39;__main__&#39;: run(strategy_id=&#39;your_strategy_id&#39;, filename=&#39;file_path&#39;, mode=MODE_BACKTEST, token=&#39;your_token&#39;) ```
评论
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