<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[xg_factor的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/xg_factor</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; xg_factor]]></copyright><item><title><![CDATA[持股还是持币过节？看完这组数据再决定]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/166845828</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/166845828</guid><author>xg_factor</author><pubDate>Tue, 29 Sep 2026 16:58:27 +0800</pubDate><description><![CDATA[国庆节长假，很多朋友在纠结是卖出持币过节还是继续持有股票等待交易，我也好奇历史上数据是怎么样的，我今天大概统计分析一下历史国庆节前5天和后5天涨跌幅一个情况，用ai快速分析，写代码也可以写，但是ai方便，使用教程先配置mcp方便ai调用数据分析，可以参考以前的教程配置源代码这个显示就是数据库对接成功把这个要求发给ai，ai就会自动分析，生成我们需要的报告生成报告= 国庆假期前最后一个交易日（一般为 9/28—9/30 中的交易日）；T1 = 假期后首个交易日（一般为 10/8—10/9）。]]></description><category></category></item><item><title><![CDATA[QMT动量策略回测全流程拆解，看完就能跑]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/166488738</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/166488738</guid><author>xg_factor</author><pubDate>Wed, 23 Sep 2026 17:33:45 +0800</pubDate><description><![CDATA[昨天仔细的介绍了动量策略1的原理，计算公式，运用等，今天看怎么样利用QMT实现动量策略的回测，做策略的研究，给一个简单的学习代码。点击回测按钮就可以，注意区分回测按钮和运行按钮，运行按钮是实盘调试当前数据，回测按钮是驱动历史回测的。点击建立策略，编辑进入策略就可以，简单的回测框架的认识，账户在回测模块中不需要输入都可以。点击自己需要的数据补充就可以，也可以自定义标的补充，自定义时间等。动量的买卖轮动交易算法，不在排名的卖出，在的继续持有。点击返回界面就可以看见回测的详细数据。回测的开始时间，结束时间。]]></description><category></category></item><item><title><![CDATA[动量研究-1斜率动量策略为什么涨得稳比涨得快更重要？]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/166462175</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/166462175</guid><author>xg_factor</author><pubDate>Wed, 23 Sep 2026 10:18:58 +0800</pubDate><description><![CDATA[今天在浏览量化文章，发现动量策略基本都是一样的底层算法，其他复杂策略比如五福，七星等策略都是在这个算法基础加入其他条件演变而来，万变不离其宗，常见的动量大概就几种，斜率，涨跌幅，均线相对位置，本质就是比较某一个因子值的大小排序，在交易分析，我整理了几个常见的很慢详细介绍。点击回测看看效果怎么样，全部的参数，模块都是自定义的，整理需要特别注意就是，标的的选择，etf有很多一样的标的，有的上市时间早，有的晚，一般选择上市时间长的标的回测，比如创业板etf就有很多个，选择上市时间长的标的回测。]]></description><category></category></item><item><title><![CDATA[别再手动一页页翻了：用 QMT 一次性拉取全部可转债历史数据]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/166350807</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/166350807</guid><author>xg_factor</author><pubDate>Tue, 22 Sep 2026 11:16:56 +0800</pubDate><description><![CDATA[本地的qmt不能使用，可以使用的数据源越来越少，需要研究策略，做可转债策略回测需要历史的行情数据做分析，我们可以利用qmt的行情函数，把历史数据下载到本地比如保存卫csv，xlsx，json都可以，做研究分析使用，大QMT下载本地保存数据是加密的.data格式文件不方便读取，自己保存就可以，前面介绍了下载，股票，基金的教程。第一步，补充历史数据，如果订阅读取在下载速度会很慢，可以一次性下载保存在本地，在读取本地的数据保存到excel就可以，这样快，点击界面的数据管理，下载历史数据。]]></description><category></category></item><item><title><![CDATA[1000个策略--5日动量因子策略真的有效吗]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164226375</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164226375</guid><author>xg_factor</author><pubDate>Mon, 31 Aug 2026 17:33:46 +0800</pubDate><description><![CDATA[5日动量是我们常见的一个绝对动量的因子，具体我们检验一下这个因子是不是有效的因子，还要因子相关性等问题，第一步进入模型，当然也可以使用ai去分析，skill可以正常的使用，全部的ai工具都可以，比如WorkBuddy，trae等都可以使用，把这个内容发给ai就可以。看一下策略排序的因子相关性和策略的关系，在选择买卖的因子基础上，涨跌幅基础上，排序从小到大买入，买入动量小的标的，相关性改成负相关就可以。目前来看正相关排序，没有跑过指数，回测也巨大，正相关排序，买因子里面最大的标的，容易追高，看一下回测分析。]]></description><category></category></item><item><title><![CDATA[1000个策略--2回测了N个动量增强参数我发现的规律]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164150510</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164150510</guid><author>xg_factor</author><pubDate>Fri, 28 Aug 2026 17:32:45 +0800</pubDate><description><![CDATA[滞后效应在周期过长时会指数级放大尾部风险，而市场本身的趋势持续时间有限，一旦动量窗口超过市场主流趋势的平均长度，信号中包含的更多是噪声和反转信息而非有效趋势信息，导致策略从"跟踪趋势"变成"追逐已结束的趋势"。原因：上升阶段：动量天数过短时，信号受日内噪声和随机波动干扰严重，频繁出现虚假突破，交易方向不稳定，收益无法有效累积。规律： 动量周期从短到长，策略表现呈现清晰的"甜区"结构——短周期未达最优，中短周期各项指标同时达到最佳平衡，中长周期策略有效性急剧衰减，长周期进入完全钝化状态。]]></description><category></category></item><item><title><![CDATA[量化研究--QMT怎么样下载全部ETF数据]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164048620</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164048620</guid><author>xg_factor</author><pubDate>Wed, 26 Aug 2026 09:10:43 +0800</pubDate><description><![CDATA[3下载历史行情数据，如果订阅实时读取的话，数据下载会比较慢，我们补充好数据一次性读取下载就可以，点击界面的操作，下面的数据管理下载。读取的函数注意不要输入时间，输入时间有问题读取不到，realtime参数我输入有问题读取不到成分股，不输入可以正常读取。，今天我们详细的介绍一下，怎么样把QMT的数据保存在本地研究，比如做因子分析，回测，交易的模拟等需求。最后一步选择模型交易，把策略挂交易，点击运行就会下载行情数据，运行的结果。第一步打开QMT，点击策略编辑，进入下载数据策略，设置里面的参数。]]></description><category></category></item><item><title><![CDATA[策略研究--实现动量策略的回测交易研究]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164048216</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164048216</guid><author>xg_factor</author><pubDate>Tue, 25 Aug 2026 10:42:00 +0800</pubDate><description><![CDATA[策略研究中，我们经常会看见2种常见的交易算法，因子的排序交易轮动，和因子的选择交易2种算法，因子的排序交易，按因子的排名来轮动交易的一种方式，因子的选择交易就是按因子的买入条件，排序条件，卖出条件选择标的交易，和因子排序交易是2种算法，常见的交易方式有动量交易，趋势交易，套利交易等，思路都不一样，今天利用例子来看怎么样建立一个动量的策略回测。点击第一个进入多因子排序算法，我目前是计算了680多个因子，基本覆盖常见的全部量化因子，闲理解一些策略的思路，因子的排序交易。可以看见我们自己设计的算法的成交数据。]]></description><category></category></item><item><title><![CDATA[量化研究--怎么样快速开发量化交易skills]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164047867</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164047867</guid><author>xg_factor</author><pubDate>Tue, 25 Aug 2026 10:35:51 +0800</pubDate><description><![CDATA[支持语言：Python（.py）、Bash（.sh）、Node.js（.js/.ts）等 调用方式：AI 在执行 SKILL.md 指令时按需调用，输出结果合并到最终回复中 设计原则：每个脚本应承担单一职责，并包含错误处理。在AI时代，外面经常会听到skill，mcp等名称，各式各样的skill，最近小伙伴问我怎么样写skill，skill有哪些问卷，哪些固定的格式要求，哪些必要的选项，AI智能体（Agent）开发中最核心的两个概念，skill，mcp。为了让你快速理解，我先用大白话解释，再深入技术细节。]]></description><category></category></item><item><title><![CDATA[量化研究--QMT下载全部的股票历史数据]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164046337</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164046337</guid><author>xg_factor</author><pubDate>Tue, 25 Aug 2026 10:11:20 +0800</pubDate><description><![CDATA[最近小伙伴问我，本地的qmt使用不方便，需要历史行情数据做研究，问我怎么样找数据源，目前市场的数据源很大，但是有的收费，可以利用qmt的数据，把历史行情数据保存到本地，比如csv，xlsx。第一步下载全市场的股票数据需要读取市场板块的成分股，qmt界面的左边板块都可以读取。第三步，下载历史数据函数，因为订阅太慢，所以我没有订阅，直接读取本地保存的数据导出。用来计算技术指标，因子等分析，数据导出到本地可以多线程计算比如qmt平台快。随便打开一个数据看看，重点是要补充下载好数据，如果是订阅的方式下载不需要。]]></description><category></category></item><item><title><![CDATA[算法研究--定投量化交易策略算法研究]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164045896</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164045896</guid><author>xg_factor</author><pubDate>Tue, 25 Aug 2026 10:03:19 +0800</pubDate><description><![CDATA[最近在回测交易的策略，发现每次跳转交易参数，都需要重新运行一次回测的代码，发现很不方便，所以就想把常见的交易策略模型，常见的策略交易算法，轮动算法实现网页的版本，只需要输入参数就可以，检验我们最近的策略，同时如果可以支持策略的仿真交易是最好的，这样就可以看不同策略参数的表现，目前完成了几个部分。通俗来说，就是在固定的时间（比如每月8号），投入固定的金额（比如1000元），买入同一只基金（或股票）。根据定投的几个内容建立回测的参数，需要3个主要的参数，金额，时间间隔，标的建立回测的参数系统。]]></description><category></category></item><item><title><![CDATA[算法研究--ETF套利交易算法研究]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/164045586</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/164045586</guid><author>xg_factor</author><pubDate>Tue, 25 Aug 2026 09:55:30 +0800</pubDate><description><![CDATA[本文探讨了利用ptrade平台实现ETF和LOF基金套利的策略。ETF套利通过一级市场申赎和二级市场交易的价格差异获利，但门槛较高（100万起）；而LOF基金套利门槛较低，更适合个人投资者。文章重点介绍了ETF溢价率计算公式（溢价率=(当前价格-参考净值)/参考净值×100），并提供了实时监控ETF盘中溢价率的Python代码实现，包括获取行情数据、计算溢价率及异常状态判断等功能。该策略可帮助投资者捕捉折溢价套利机会，但需注意ETF套利的资金和份额限制。]]></description><category></category></item><item><title><![CDATA[策略研究--qmt实现新股自动申购卖出策略]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/163310094</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/163310094</guid><author>xg_factor</author><pubDate>Wed, 29 Jul 2026 17:28:10 +0800</pubDate><description><![CDATA[风险提示：本内容为量化技术及平台操作的纯知识分享，不构成任何投资建议，不推荐任何具体证券或交易时机。部分内容可能理解包含错误，请自行核实。优化了一下以前的完整新股新购，晚上了一下功能，检查账户持股，新股上市第一天卖出，其他写了一个ptrade教程。今天研究一下怎么样在ptrade上实现这个功能，新股的申购卖出，第一步设置定时函数，启动策略。读取ipo数据申购，注意北京的交易所要看证券公司支持不。策略研究--新股新债自动申购上市当天卖出策略，读取新股的上市时间，上市时间等于今天的卖出。]]></description><category></category></item><item><title><![CDATA[策略研究--新股新债自动申购上市当天卖出策略]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/163278747</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/163278747</guid><author>xg_factor</author><pubDate>Tue, 28 Jul 2026 17:24:20 +0800</pubDate><description><![CDATA[打新每年还是有一个不错的收益的，我具体进一步的优化了一下，对账户的标的检查，新股上市当天进行卖出，2个不错，，一个部分是每天自动进行新股的申购，一部分是每天检查持股，上市当天卖出，实现新股的自动申购，卖出功能。最近在把全部qmt的策略迁移到ptrade，qmt维护服务器麻烦，放在ptrade上运行省心，唯一的缺点就是ptrade模拟盘太卡了，回测慢，不好检验策略，等待时间长。申购的部分我上次说了就没有必要再重复，这里重点介绍检查新股上市，第一步读取股票上市时间，获取证券基础信息函数有一个上市时间。]]></description><category></category></item><item><title><![CDATA[算法研究--QMT策略怎么样迁移到Ptrade]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/163156353</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/163156353</guid><author>xg_factor</author><pubDate>Fri, 24 Jul 2026 11:06:11 +0800</pubDate><description><![CDATA[今天我在把QMT的策略迁移到ptrade，发现2个系统的差别还是很大的，今天就简单的分享一下经验，对比一下框架函数，怎么样快速把QMt策略迁移到ptrade，ptrade实盘代码和回测的代码有的函数使用还是有区别的，不注意就会触发未来函数，下面是简单的对比qmt和ptrade系统的差别，方便快速迁移策略。下面是官方简单的例子，方便怎么样去迁移对比区别参考，qmt例子。大QMt的写法，比较复杂，对比下来ptrade稍微简单一点。回测的ptrade写法，还是有很大的差别。一、策略框架与事件函数。]]></description><category></category></item><item><title><![CDATA[量化研究-羊群效应”撞上“冰冷代码”，狂热期的量化，专接最后一棒]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/163155930</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/163155930</guid><author>xg_factor</author><pubDate>Fri, 24 Jul 2026 11:02:57 +0800</pubDate><description><![CDATA[下面开始验证，主力利用QMt的数据，因为QMt本身没有换手率这个指标需要自己计算，换手率等于成交量比流通市值，需要注意，QMT给的数据，成交量单位是手，流通市值是股，100股等于1手，可转债10股一手。这个是题材的，如果需要检验全市场一般可以考虑沪深300ETF，A500等可以体现市场全局的ETF来检验市场的拥挤度，我本来是利用上证指数的，但是指数数据出来是流通股是0，也合理，市场分析拥挤的大概情况。利用换手率建立拥挤度指标这个是常见的拥挤的指标，还要其他的比如资金的拥挤，情绪的拥挤等，常见的是换手率。]]></description><category></category></item><item><title><![CDATA[量化研究--策略迁移算法1研究]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/163081146</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/163081146</guid><author>xg_factor</author><pubDate>Tue, 21 Jul 2026 16:29:36 +0800</pubDate><description><![CDATA[风险提示：本内容为量化技术及平台操作的纯知识分享，不构成任何投资建议，不推荐任何具体证券或交易时机。部分内容可能理解包含错误，请自行核实。市场有风险，投资需谨慎。：交易下单需先创建 连接对象，然后通过 连接对象.函数名() 调用。：交易下单直接调用全局函数 passorder。大qmt简单的例子代码，来自官方例子，4总结：迁移策略时需要调整的关键点。量化研究--策略迁移算法1研究。3策略框架与辅助函数对照。]]></description><category></category></item><item><title><![CDATA[量化研究--量化怎么样实现文件单交易研究]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/162899105</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/162899105</guid><author>xg_factor</author><pubDate>Thu, 16 Jul 2026 17:04:15 +0800</pubDate><description><![CDATA[文件单简单的可以理解为多个条件单的集合，我最近在研究这个功能，在交易中需要使用到这个模块，主要包含交易的标的，交易方向，交易数量，价格等,它就是用来记录你所有交易指令的一个数据文件，通常支持 CSV、Excel (xlsx)、DBF 等格式。这个很复杂，不满足简单的指定交易，需要更复杂的功能，数据的交互，同时，多线程异步读取数据，文件单交易主要服务于对效率和批量操作有高要求的专业投资者，特别是量化交易团队和私募基金。还涉及到数据的插入，信号的推送，比较复杂，可以参考思路研究，数据的检验，去重等问题。]]></description><category></category></item><item><title><![CDATA[量化研究--QMT开发漂亮的界面策略]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/162941785</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/162941785</guid><author>xg_factor</author><pubDate>Thu, 16 Jul 2026 17:03:27 +0800</pubDate><description><![CDATA[bind，在qmt中绑定的参数名称，name，参数名称可以随便取，只需要绑定的参数bind唯一就可以，value默认的参数值，type是参数的类型，note，参数的说明提示，鼠标放在qmt的界面上会显示的提示。我们在做QMT策略开发中，经常看见，其他人开发的漂亮的参数面板，不需要再源代码里面修改参数分别方便，还有提示，这样的话可以加密策略，再外输入参数，可以保护自己的策略，比如我写的简单例子。xml界面内容的参考，包含了常见的全部内容，策略的名称必须和xml文件的名称保持一样。CheckBox 复选框。]]></description><category></category></item><item><title><![CDATA[量化研究--ptrade全部函数大全]]></title><link>https://blog.youkuaiyun.com/xg_factor/article/details/162899042</link><guid>https://blog.youkuaiyun.com/xg_factor/article/details/162899042</guid><author>xg_factor</author><pubDate>Wed, 15 Jul 2026 11:10:14 +0800</pubDate><description><![CDATA[在做量化交易研究中，使用ptrade,我们会遇到写好的回测代码，在实盘无法运行，写的实盘代码在回测中无法运行，这个主要的问题在ptrade有的函数只能在回测运行，有的函数只能在实盘运行，有的函数实盘，回测都可以。第三类：回测 + 实盘通用，核心定位：量化策略的“灵魂骨架”。这些函数直接接触券商柜台，掌握着新股申购、两融交易、实时快照行情、ETF篮子下单等核心实盘能力，是策略从理论走向实战的桥梁。第一类：仅回测专用，核心定位：模拟真实交易环境的“参数配置器”，用于设置交易成本、流动性限制和初始状态。]]></description><category></category></item></channel></rss>