分享
张经理 股票
资质已认证
深圳 实名认证 服务贴心专业满分经验丰富
黄金会员
推荐会员
5分钟 平均响应时间
  • PTrade中的止损止盈条件单:保护利润与控制亏损
    止损止盈是交易的生命线。PTrade提供了灵活的条件单功能,可以设置固定止损、移动止损、止盈等,无需编程。本文详细介绍如何在PTrade中使用条件单进行风险控制。首先,创建条件单。在PTrade的“条件单”模块中,选择“止盈止损”类型。你需要设置:标的代码、触发类型(价格触发或回落触发)、止损价(例如买入... 阅读全文

    238次浏览 2026-5-19 15:22

  • 量化交易中的常见回测陷阱:未来函数、幸存者偏差、过拟合
    回测是量化策略开发的核心环节,但也是错误最多的地方。许多看似完美的策略,实盘一塌糊涂,原因往往是回测中隐藏了陷阱。下面列举三大常见陷阱及应对方法。第一个陷阱:未来函数。指在回测中使用了当前时间点之后才能获取的数据。例如,在下午3点收盘前,用了全天最高价作为买入条件;或者在财报发布前使用了财报数据。未来函数会严重高估策略表现。避免方法:确保在回测循环中,... 阅读全文

    220次浏览 2026-5-19 15:05

  • 量化交易入门:从手工交易到程序化交易的转变
    量化交易,简单说就是用数学模型代替人的主观判断,由计算机自动执行交易。它与传统交易的本质区别在于:决策依据是数据和规则,而非情绪或直觉。对于普通投资者,理解量化交易的核心逻辑有助于更好地运用工具,提升投资纪律性。从手工交易转向程序化交易,需要经历观念和技能的双重转变。手工交易依赖经验、盘感、新闻解读,容易受贪婪和恐惧影响。而量化交易要求投资者将交易逻辑... 阅读全文

    173次浏览 2026-5-19 15:03

  • PTrade中的资金曲线分析:从回测报告中提取关键信息
    PTrade生成的回测报告包含丰富的图表和数据,但很多人只看了最终收益率。深入分析资金曲线可以帮助你理解策略的真正风险。本文教你如何从回测报告中提取关键信息。第一步,下载回测报告中的每日净值数据。在回测结果页面,点击“导出数据”,得到CSV文件。第二步,使用Python分析。加载数据:`pythonimportpandasasp... 阅读全文

    140次浏览 2026-5-18 16:03

  • QMT中的本地模拟盘:使用历史数据回放测试策略
    除了标准的回测,QMT还支持“历史数据回放”模式,即用历史数据模拟实时行情,测试策略在仿真环境中的表现。这种方式比回测更接近实盘,因为策略代码不需要修改(与实盘一致),且能测试事件驱动逻辑。步骤一:在QMT中选择“模拟交易”->“历史回放”。选择开始和结束日期,选择初始资金。... 阅读全文

    200次浏览 2026-5-18 16:02

  • PTrade中的自动复盘:每日生成策略绩效报告
    每日复盘是量化交易的重要环节。PTrade可以自动生成策略的每日绩效报告,并发送到邮箱或微信。本文介绍如何实现自动复盘。步骤一:在策略的after_trading函数中,收集当日的交易和持仓数据。`pythondefafter_trading(context):  report={}  report['date']=context.... 阅读全文

    107次浏览 2026-5-18 16:01

  • QMT中的市场数据缓存:提高策略运行效率
    QMT策略中频繁调用history_bars或get_market_data会拖慢速度。合理的数据缓存可以大幅提升性能。本文介绍几种缓存技巧。技巧一:在init中预加载历史数据,存入context。`pythondefinit(context):  context.price_cache={}  stocks=['000001.SZ'... 阅读全文

    106次浏览 2026-5-18 16:00

  • PTrade中的算法交易回测:模拟TWAP/VWAP执行效果
    在回测中模拟算法交易(如TWAP)可以更准确地评估策略的真实成本。PTrade的回测引擎支持算法交易模拟。本文介绍如何设置和解读算法交易回测。步骤一:在策略代码中,使用order_algo函数代替普通order。`pythondefhandle_bar(context):  ifsignal_buy:    order_algo('00000... 阅读全文

    93次浏览 2026-5-18 15:59

  • QMT中的策略模板重用:构建自己的量化函数库
    随着策略数量增加,重复的代码(如风控、下单、日志)会降低开发效率。QMT支持导入自定义模块,实现代码重用。本文介绍如何构建自己的量化函数库。步骤一:创建一个公共Python文件,例如my_lib.py,放在QMT工作目录下。内容示例:`pythonmy_lib.pydefmoving_average(data,window):  returnsum(data[-window:])/windowdefcheck_risk(context):  ifcontext.total_value<context.daily_initial*0.97:    forstockincontext.portfolio.positions:      order_ta... 阅读全文

    97次浏览 2026-5-18 15:59

  • PTrade中的高频数据存储:使用SQLite记录Tick数据
    对于高频策略研究,需要存储tick数据以便离线分析。PTrade策略可以实时接收tick并写入本地数据库。本文介绍如何使用SQLite存储tick数据。优点:SQLite轻量级,无需安装,支持SQL查询,适合个人使用。步骤一:在init中创建数据库和表。`pythonimportsqlite3definitialize(context):  conte... 阅读全文

    83次浏览 2026-5-18 15:58

  • QMT中的仓位计算:处理融资融券的复杂情况
    在信用账户中使用QMT进行量化交易,仓位计算比普通账户复杂,因为涉及融资负债、维持担保比例、可用保证金等。本文介绍如何在QMT策略中正确计算两融仓位。首先,获取账户信息。QMT提供了以下函数:-get_margin_ratio():维持担保比例。-get_available_margin():可用保证金(融资额度)。-get_credit_positi... 阅读全文

    70次浏览 2026-5-18 15:57

  • PTrade中的条件单与策略组合:实现半自动量化交易
    并非所有人都需要全自动量化,半自动模式(条件单+人工决策)可能更适合部分投资者。PTrade的条件单功能可以与策略组合使用,实现“策略产生信号,条件单执行”的流程。本文介绍一种高效的手动+自动混合模式。思路:使用PTrade的Python策略生成交易信号,但不直接下单,而是将信号输出到条件单中。这样,投资者可以审核信号后再决定是... 阅读全文

    108次浏览 2026-5-18 15:56

  • QMT中的实盘监控面板:用Dash构建实时交易仪表盘
    实盘运行时,能够实时查看账户净值、持仓盈亏、策略信号等信息非常有帮助。QMT策略可以配合Dash(PythonWeb框架)构建一个本地仪表盘。本文介绍实现方法。原理:QMT策略在运行中,将关键数据(总资产、持仓、最新信号)写入一个共享文件或内存数据库(如Redis)。Dash应用读取这些数据,动态刷新网页。步骤一:在QMT策略中,定期写入数据。例如,每... 阅读全文

    138次浏览 2026-5-18 15:55

  • PTrade中的机器学习集成:使用外部模型预测次日涨跌
    虽然PTrade不能直接训练机器学习模型,但可以加载外部训练好的模型文件进行预测。本文介绍如何在PTrade中集成一个简单的逻辑回归模型,预测次日股票涨跌。步骤一:外部训练模型。在本地Python环境中,使用历史数据训练模型,特征包括过去5日收益率、成交量变化、RSI等。训练完成后,使用joblib保存模型文件。`pythonfromsklearn.l... 阅读全文

    81次浏览 2026-5-18 15:54

  • QMT中的期权量化:简单买入看涨策略的实现
    期权是非线性的金融工具,量化交易可以充分利用其杠杆和风险对冲特性。QMT支持期权交易,本文介绍一个简单的买入看涨期权策略,并给出代码实现。策略逻辑:当预期某只股票将大涨时,买入其平值看涨期权,而非买入股票本身。优点是损失有限(权利金),潜在收益无限。缺点是需要判断方向和时间。步骤一:获取期权合约列表。使用QMT的get_option_list函数,根据... 阅读全文

    62次浏览 2026-5-18 15:53

点击收起
黄金会员认证
张经理 股票 当前我在线...
深圳 帮助 7.7万 好评 550 从业3年