【Quant】BigQuant学习笔记(1) 可视化策略

设置投资目标

点击编写策略->新建选择可视化AI策略，进入如下界面
选择自动标注股票模块，设置投资目标，假设我们的投资目标为未来7天收益率最高，股票持仓时间为3天，则在标注模块中修改计算收益代码

# 计算收益：5日收盘价(作为卖出价格)除以明日开盘价(作为买入价格)
shift(close, -7) / shift(open, -1)

在回测模块中修改持仓天数和每支股票可占用资金比例，这里设置为30%

# 回测引擎：初始化函数，只执行一次
def bigquant_run(context):
    # 加载预测数据
    context.ranker_prediction = context.options['data'].read_df()

    # 系统已经设置了默认的交易手续费和滑点，要修改手续费可使用如下函数
    context.set_commission(PerOrder(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
    # 预测数据，通过options传入进来，使用 read_df 函数，加载到内存 (DataFrame)
    # 设置买入的股票数量，这里买入预测股票列表排名靠前的5只
    stock_count = 5
    # 每只的股票的权重，如下的权重分配会使得靠前的股票分配多一点的资金，[0.339160, 0.213986, 0.169580, ..]
    context.stock_weights = T.norm([1 / math.log(i + 2) for i in range(0, stock_count)])
    # 设置每只股票占用的最大资金比例
    context.max_cash_per_instrument = 0.3
    context.options['hold_days'] = 3

策略运行

1.运行自动标注模块, 需要等待一段时间，提示充会员（QAQ）
得到股票的rank序列(在label)中，当label的值越大表示该股票越值得持有

2.设置策略训练时间区间为2010年至2014年，在代码列表(v1)中设置；测试时间区间为2015年整年，在代码列表(v2)中设置即可

参考资料

AI策略构建