BetterBench的博客

交易持久化是指在实际交易中交易相关的数据（如订单信息、持仓状态、策略参数等）保存到本地或远程存储中，以便在程序重启、系统崩溃或网络中断后能够恢复交易状态，确保策略的连续性和稳定性。将交易数据保存到远程服务器或云存储中，如AWS S3、Google Cloud Storage或Redis。通过持久化，可以将关键数据保存到磁盘或数据库中，确保在异常情况下能够恢复交易状态。将交易数据保存到数据库中，如SQLite、MySQL或MongoDB。将交易数据保存到本地文件中，如JSON、CSV或Pickle格式。

将量化策略从回测转到实际交易时，通常需要对程序进行一定的修改和优化，以确保策略在实际市场中的稳定性和可执行性。在正式实盘交易之前，建议进行模拟交易或小规模实盘测试，以验证策略的实际表现。• 确保数据源的稳定性和实时性，避免因数据延迟导致策略失效。：需要使用实时行情数据，数据是动态的且可能存在延迟或缺失。：策略逻辑可能基于理想化的假设，忽略实际市场中的复杂情况。：使用少量资金进行实盘交易，测试策略的稳定性和执行效果。：通常使用历史数据进行测试，数据是静态的且已知的。• 优化代码结构，减少不必要的计算和循环。

•普通股票买卖：适合基础交易，流动性高但风险较大。•可转债买卖：适合风险收益平衡的投资者，兼具债券和股票特性。•融资融券交易：适合有经验的投资者，提供杠杆和双向交易功能。•ETF申赎：适合指数投资和资产配置，分散风险且成本低。

列出了Ptrade量化交易软件中，基础高级与订单管理、高级交易与策略执行的常用API

列出了Ptrade软件中，获取回测数据的常用API

在投资领域，量化策略已成为一种重要的投资手段。通过对大量数据的分析和处理，量化策略能够帮助投资者做出更加科学、理性的投资决策。本文将根据不同的分类标准，对量化策略进行详细的分类和介绍。

对于计算机专业的人来说，系统学习量化投资需要从金融基础、量化基础知识和实践项目三个方面入手。这是因为量化投资是金融与计算机技术的深度融合，计算机专业背景为学习者提供了显著优势，如扎实的编程能力、高效的数据处理与分析技能、强大的逻辑思维以及快速学习和适应新技术的能力。这些优势能够帮助他们在量化投资领域快速掌握核心知识，构建复杂模型，并通过实践项目积累经验，从而实现从技术人才向量化投资专家的转型。

银行、有色金属、钢铁、煤炭等板块被部分投资者视为反向指标，主要是因为它们在市场避险情绪、宏观经济周期波动以及资金流动中的特殊地位。然而，这种“反向指标”并非绝对，投资者仍需结合宏观经济数据、行业基本面和市场情绪等多方面因素进行综合判断。

在量化投资中。通过回测，可以了解策略在历史数据上的表现，并通过一系列指标来衡量其优劣。一个优秀的量化策略通常具有以下特点：- 高策略收益和年化收益。- 高Alpha和低Beta，表明策略具有超额收益且对市场波动敏感性低。- 高Sharpe比率和Sortino比率，表明策略的风险调整收益较高。- 高胜率和盈亏比，表明策略的盈利概率高且盈利能力强。- 低最大回撤，表明策略在市场下跌时的风险控制能力强。

投资者的金融工具，通常包括货币、债券、股票、基金、虚拟货币、ETF和期货等。根据最新的搜索结果和相关数据，对股票、基金、债券、货币、虚拟货币、ETF、期货等投资领域的人数占比进行估算。

理财产品（本金100元）第1天：3% ：（1+3%） ✖ 100 = 103第2天：2% ：（1+2%）✖ 以上 = 103 +2.06第3天：5% : （1+5%）✖ 以上 = 收益 ✖ 以上第4天：6% ：（1+6%）✖ 以上 = 收益 ✖ 以上… 累计收益=(1+当天收益率)的累计乘积-1这里的计算公式为什么需要减去1呢？因为我们上面的公式都是包括本金的，比如说103应该减去100，只有3元才是我们的利润，所以这里需要减去1，将本金删除掉。

如何对企业进行估值？有2个方法估算，分为绝对估值法和相对估值法。

FOF（Fund of fund），即基金中基金，是一种投资于其他投资基金的基金。说白了，就是基金经理是买入多只基金取投资，作为一个组合来发售。作为散户也可以去做这件事，买入多只基金，去管理这些基金，自己充当基金经理。FOF的分类如下思维导图。基金组合配置，又称为基金配置，是指根据投资需求将投资资金在不同基金之间进行分配。说白了，就是将钱怎么分配到每只基金上。

杠杆交易：部分ETF基金可以进行杠杆交易，即通过借入资金进行投资，这种交易方式可以提高投资资金的盈利概率，但也容易增大交易风险。投资门槛低：ETF基金的投资门槛很低，只需较少的资金，就可以实现对股票市场的多元化投资，同时，ETF基金的费用一般也比较低廉。可复制性强：ETF基金的投资策略一般为被动跟踪某种指数，因此，ETF基金贴近市场表现，可以获取市场整体表现。交易性强：ETF基金可以在证券交易所交易，像股票一样可以买卖，交易时间非常灵活，交易流程也非常简单便捷。

主动型基金是指由基金经理或管理团队根据市场行情、个股研究等主观因素进行投资决策的基金，其资产配置和投资组合均由基金经理通过主动选股、择时等方式加以调整。被动型基金则是指根据某个指数进行投资的基金，其资产配置和投资组合均是模拟指数所投资的资产，不经常进行主动调整。两种类型的基金采用的投资理念和方式有根本性的区别，主要表现在以下方面：投资策略：主动型基金采用主动管理策略，快速调整仓位以获取更高的收益，而被动型基金则采用被动管理策略，模拟指数投资，不追求超额收益率。

（1）构建备选池（2）定量分析-构建核心池指标来衡量基金的相对优劣在按上述思路剔除掉不满足要求的产品后，我们便构建起了一个股票型基金的备选池。对备选池中的基金，通过定量方法进行分析、评价和打分，便可筛选出在各个单项指标以及总评中得分靠前的一定数量的产品作为核心池产品。

FOF归因的具体方法包括统计分析、回归分析等。在回归分析中，通过回归模型计算出各个投资决策因素对FOF组合绩效的影响，以便更准确地衡量FOF组合的投资绩效。资产配置归因是指FOF组合在资产配置上的决策对绩效的影响，包括决定股票、债券、货币市场等各个资产类别的配置比例；FOF归因是一种投资组合绩效分析方法，FOF代表“基金中的基金”，是指将多只基金组合成一个整体投资组合的投资方式。FOF归因通过对FOF组合绩效进行分解，确定其各个投资组成部分对整体绩效的贡献，以此评估FOF组合的投资决策和风险控制能力。

通常来说，投资组合或基金的风格暴露可以通过分析其持有的股票、债券等资产的市场、行业、公司规模、价值、成长性等特征来确定。例如，如果一个股票型基金的投资组合中持有大量的高成长性股票，那么该基金就可能存在高成长性的风格暴露。如果一个债券型基金的投资组合中持有大量的高收益债券，那么该基金就可能存在高收益的风格暴露。了解投资组合或基金的风格暴露对投资者非常重要。在投资中，风格暴露是指某个投资组合或基金持有的资产在风格特征上与某个特定的市场、指数或其他资产组合相关联的程度。这种关联可以是正面的，也可以是负面的。

在金融市场中，股票、债券、期货等金融产品发行之后，投资者可以通过交易所或其他场所进行交易，这个交易场所就称为二级市场。在二级市场上，投资者可以在交易所内自由买卖已发行的金融产品，交易的价格由市场供求关系决定，与发行价格无关。公司会通过承销商向投资者发行新股票或债券，而机构投资者则是一级市场的主要买家，他们通过认购新发行的股票或债券来获得投资回报。因为一级市场的发行价格较为固定，所以一级市场的投资回报一般是稳定的，但同时也存在着较大的市场风险。在二级市场上，证券的价格由市场供求关系决定，与发行价格无关。

在学术界，建模一般不直接使用资产价格，而是使用资产收益率(Returns)。因为收益率比价格具有更好的统计特性，更便于建模。下经典的收益率算法如下：假设Pt​Rt​Pt−1​Pt​−Pt−1​​其中，分子Pt​−Pt−1​表示资产在持有期内的收人或利润，如果该值为负，则表示亏损。分母Pt−1​，表示持有资产初期的原始投资。

因子就是对个股有解释的因素。因子的种类很多，不同类别的因子从不同的维度对个股收益进行解释。比如基本面因子的数据来源方面有很大一部分是财务报表，从估值、成长、盈利能力等多个方面对股票收益进行解释。量价因子是围绕价格、成交量等技术指标构建的因子。一般来说，因子可以分成三大类：反映外部影响的因子、代表资产特点的截面比较因子、纯内部因子或者统计因子。

通道突破策略包括了多种策略，分别有布林带策略（Bollinger Band ）、肯特纳通道策略（Keltner Channel）、唐奇安通道策略（Donchian）

做空做多设置一个上轨和下轨，这个轨的范围（Range）的设定，计算公式如下，从（bar中的最高价的最高价HH-收盘价的最高价HC）和（bar中的收盘价的最高价HC-最低价的最低价LL）中选择最大的作为轨的上下范围。特点是：需要日线数据产生信号，分钟线数据进行回测。（3）计算入场价格：开盘价加减。缺点是：日内策略，不持仓过夜。（1）全撤委托：清空策略状态。（2）缓存K线：判断是否隔日。Dual Trust 策略。优点是：思路简单、参数不多。

什么叫市价单、限价单和停止单？

CTA策略分为信号、过滤和出场三部分。信号是指赌涨还是跌或者不玩。信号主要分为两类，第一类是信号跟踪类。其中SMA是指算术平均、EMA是指指数平均、AMA是指自适应性平均。以RSI指标举例，RSI进入超买区，做多，RSI进入超买器做空。过滤是指是否应该下注，出场是指手气不顺要跑。出场逻辑，是指什么时候平仓。第二类是趋势突破性信号。价格百分比，移动止损。

Tick 不是下左图中的水滴答的声音，而是下右图中某种金融产品交易时的逐笔数据。Tick 数据也是交易所对定单薄 (order book) 中进行增加、删除、更新和成交四个操作产生的数据。换句话说，只要在定单薄中买价、买量、卖价和卖量发生变化，那么就产生一个 tick。下图展示了某加密货币的 tick 数据。

1、一手股票：100支股票2、收盘比开盘上涨的百分比：（收盘-开盘）/开盘3、开盘比前日收盘的百分比：（开盘-前日收盘）/前日收盘4、从dataframe中取每个月的第一天5、从dataframe中取每个年的最后一天6、什么是均线对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些移动平均值连接起来，成为一条线，就叫做N日移动平均线。移动平均线常用线有5天、10天、60天、120天和240天的指标。计算5日均线7、金叉日期和死叉日期。

分为五大科目，分别为《量化投资基础》、《Python语言编程入门》、《基于Python的经典量化投资策略》、《交易系统设计》、《量化实盘交易》。证书要求学员掌握量化投资基础、Python编程基础、经典量化交易策略以及交易系统设计思想。

VNPY是基于Python 的开源量化交易程序开发框架，起源于国内私募的自主量化交易系统。一键在本地部署，操作简单，且开源。但是由于VNPY团队太勤奋，VNPY版本更新迭代较快，本文提供了完整系统的学习资料，从入门到进阶金融量化。1、VN.PY公众号视频教程（付费）教程名称：《全实战进阶策略—CTA策略》。该教程由于是一边操作电脑页面，一边授课，且逐步分解，由易到难，非常适合作为首选学习资料。根据自身的定位（投资家、策略开发者、平台开发者），可以选择性观看不同的章节。2、VN.PY官网的项目文档。

一家金融公司的电话口试题。