回测策略实战检验 1.1策略准备 这次前期工作帮我们准备了很多,体验感很强,对于软件不懂的一下子就能进入回测环境当中。 刚开始是用跨周期和经典macd策略,一下子就捣鼓明白,看下图的成果 2.配置并试运行 为新导入的策略创建一个独特的工作流名称(如“跨期套利_实盘测...
一回测和跨期套利的概念 1.1回测:给交易策略做历史彩排 说白了就是把写好的策略代码,放进过去的真实行情数据里跑一遍; 我这次选了2024.10.22-12.31的期货数据,初始资金、佣金/保证金都按实盘1倍设,尽量还原真实交易; 不光能看赚没赚钱,还能算出夏普比率、最大回撤,清楚策略的问题在哪,避免实盘瞎试错。 1.2期货跨期套利:赚“价差回归”的钱 不是赌单合约涨跌,是赚同一品种近/远月合约的价差钱; 比如螺纹钢2501(近月)和2505(远月),价差会围绕合理区间波动,偏离时“买低卖高...
框架基本方法 基础方法说明 该策略为事件驱动性策略,需要实现框架中约定的事件回调方法,实现后回测、仿真、实盘通用。 策略头部需要默认引用内置API,运行代码为:`frompanda_backtest.api.apiimport`,后文不再重复赘述。 --- 策略初始化(必选) 函数:`initialize` 描述:策略初始化,主要用于初始化策略上下文中的变量,只在策略启动时运行一次 代码 python definitialize(context): 参数 |字段|类型|描述| |--|--|--| |context|Context对象|策略上下文对象| 例子 python d...
在对白银期货配对套利回测的过程中,让我体会到理论与实践结合的重要性。 今天拿这个基于AG2604和AG2602合约的价差交易策略,进行实盘回测,让AI帮我解释交易逻辑,最后也搞明白这是一套遵循着经典的均值回归逻辑——当价差偏离历史水平时建仓,待价差回归时平仓获利的交易策略。 然而在修改代码的过程中,我发现几个关键问题:价差阈值的比较单一,简单的固定数值可能无法适应市场不同阶段的波动特征;这个策略的交易成本也完全忽略,后面添加随机增加交易成本和成交概率。 这次实践让我明白,一个能在回测中盈利的策略,距离实盘盈利还有很长的路要走。未来我需要更深入地研究价差序列的统计特性,加入动态风险控制模块...
本周终于到了一直关心的策略回测如何使用的问题,案例是期货策略回测。整体是通过在AI任务流中,拖拽节点的方式,完成策略、"期货回测"、"策略回测结果"三个节点的组合。执行,并在策略回测结果的节点中,点击查看结果。 1.1期货跨期套利策略   1.2MACD策略   1.3总结 本周的练习比较关键,在日常策略研发中,历史回测是避不开的一环。在工作流中拖拽画布去做历史回测的方式...
工作流功能使用 在主页点击工作流进入工作流空间,然后点击创建工作流,在模板页选择创建空白工作流,也可以选择上面的模板;在已经有策略代码的情况下可以点击创建空白工作流,然后把策略代码拖入进工作流内,点击策略代码可以查看,同时可以使用AI调整策略和阅读策略。在出现策略跑不通时AI助手可以帮助检查并改正问题给出修正代码,应用保存即可。保存完代码可以在左侧节点库找到回测相关,然后把回测节点拖到代码旁边,然后在左侧节点库找到策略回测结果,同样拖到旁边,用连线链接策略代码和回测任务。然后点击旁边工具栏的保...
1.期货跨期套利_仿真 实现了一个基于两张白银期货价差进行对冲套利的日频策略:当两合约价差超过开仓阈值时买低卖高开仓,并在价差触及止损或回归到止盈区间时平掉全部相关持仓。   2.MACD-仿真 实现了一个基于MACD指标的螺纹钢期货(RB2605.SHF)双向开平仓策略:根据MACD线与信号线的金叉/死叉信号,在无持仓时开多或开...
这周开始的内容有点深度了,之前没有很关注量化策略回测的各个指标,借助这个机会了解了一番,扩展了自己的知识面,感觉对量化有了更深的认识。 1、夏普比率=(RpRf)/σp 其中 Rp:策略年化收益率 Rf:无风险利率(如国债利率) σp:策略收益率的年化标准差 指标综合考虑了风险和收益,可以用来筛选更符合自己交易风格和风险承受能力的策略。 2、最大回撤 整个交易周期内从峰值到谷底的最大损失幅度,是衡量策略极端风险和资金管理需求的最直观指标,反映了策略在历史上可能经历的最严重亏损。 回撤幅度越大...
模拟盘测试-12月记录【内测心得】 测试流程 工作流的模式、低耦合可视化编辑能很大降低操作门槛;并且和模型交互、回测的功能都已经较为完善;整体体验都还好,可能有微量细节需要打磨,加油! AI工作流 模型交互也相对便捷;  超级图表&模拟盘测试 整体界面功能完成度也很高,和市场上的盯盘工具的功能已经大体上都做到了,并且本次内测的模拟盘功能也是一个很好的使用点;  右上角点击启动后跳出提示框可以输入策略名称,便于后期查找,巨方便!点赞 1.2加入实盘 1.先要删除一个先前的测试流程(如果少于3个,可以不删除),留出空位,这样不仅要停止策略; 2.然后点击创建实盘,写名称,选择刚才完成的策略和账号即可,结果如图所示;
一【回测策略实战检验】 1.1日内MACD策略以及期货跨品种套利策略 有了封装工作流之后,不需要把大量精力放在代码上,集中精力迭代策略。 期货的日内高频策略,仿真实盘解决了数据滑点失真的情况。 将来的个体量化期货日内高频交易,在Pandaai上会有不错的发展。    二、超级图表连接仿真实盘账户, 创建实盘任务 实盘里的创建实盘找到已通过回测验证的策略工作流。 选择“创建实盘”功能。 ...
量化回测实战心得 提升量化回测的效率 在接触PandaAI之前,我过往的回测工作大多耗费在手动编写数据处理代码上,回测耗时费劲。而这次实战让我真切感受到,自然语言驱动的数据处理是真正的“效率利器”。 回测的本质是“验证逻辑”,而非“追求完美收益率” 1.此次回测让我彻底摒弃了“回测收益率越高,策略越好”的错误认知,深刻理解到回测的核心是验证策略逻辑的合理性,而非堆砌漂亮的数据。 2.简单有效的经典策略,远胜复杂花哨的“空中楼阁”; 此次PandaAI量化回测实战,既是一次工具的实操演练,更是一次量化认知的重塑。我既感受到了智能工具带来的效率提升,也深刻认识到量化交易的核心并非“炫...
回测策略实战检验-期待打通“因子分析、回测、仿真、实盘”全链条 第三周的任务看似简单,但意义非凡,优秀的PandaAI技术团队把回测和仿真打通了,也就是说“因子分析、回测、仿真”链条,现在既可以每步单独研究分析,又可以顺滑前后过渡,更期待后续把实盘功能完善,实现“因子分析、回测、仿真、实盘”全链条贯通,再加上各环节的AI辅助,一定能成为一款优秀的量化平台。  2.xxxx;实盘里创建一个”仿真实账户“,然后选择工作流,这里选择我们刚刚进行回测的策略。点击「运行」 总结:这周...
期货跨期套利策略&MACD分钟级别策略 回测工作流  仿真实盘运行情况 