学习学习

@null pointer (g.stocknum * 10) 这里有个乘号。

放到一创运行，130行order_by报错呢

牛，学到了

**策略实盘遇到两个重要问题** 非常感谢楼主无私分享。带着好奇，最近实盘验证策略，发现两个问题，自我感觉比较重要，供大家参考。如有不对的地方，请包涵。 1、实盘成交价格和回测成交价格差异很大。目前策略采用市价单的方式。回测时候，下单是当时的市场价格，默认为成交量无限的方式成交（涨跌停除外）。而我一创实盘时发现买入订单价格是涨停价下单，卖出订单价格是跌停价下单。通过这样的方式实现最大成交机会。而我们的策略又是一个选择全市场最小市值、最低流通性的策略，比如最近操作的法狮龙605318，全天成交额只有一千多万，平均一分钟成交额3万元，经常一分钟的成交额只有几千元。实盘金额稍大，或者多几个人同时下单，很可能就买成了涨停价，或者卖成了跌停价。这样就与回测所期望的结果完全不同。究其原因买还是小市值策略本身所带来的问题。 下面是我实盘的一个交易记录，查询后发现委托价格是当天的涨停价，幸亏我的订单小，或者当时下单人不多，买的不是很贵，万幸。  2、第二个问题，与第一个问题类似，也是回测与实盘差异的问题。 策略里面的卖出函数如下：  程序设计下单后立刻判断订单状态。回测是瞬间完成，if语句可以满足， g.sold_stock[security] 变量会被符值。但实盘成交需要时间，这个条件几乎永远不可能成立，所以g.sold_stock[security]这个变量，实盘的时候永远不可能为0。这样实盘和回测的结果就完全不同。

@Danny.Deng 市价单就是涨停买跌停卖，基本上肯定能成交。至于买卖贵贱问题，那属于滑点，小市值策略滑点就是高，不要用默认的时间交易，避免冲击成本太大。

感谢分享，请教下 我在聚宽和一创相同代码运行但是策略收益不同，有遇到类似情况的小伙伴么

感谢分享学习！

@Danny.Deng 小市值定点成交肯定是有滑点的，这个策略最值得学习的地方应该是选股的部分，真正实盘的时候考验的才是技术活，怎么成交，用什么方式下单，怎么撤单，这些细节处理的好坏才是一个策略盈利能力的体现。换句话说就是把选股和具体成交分为两部分来写，交易的部分代码量可能比选股还多，交易的细节做好了，策略盈利能力就上去了。

这个策略采用对多因子打分选股的方式，确实是经常被采用的方式。不过，比较迷惑的是，我稍作调整参数，收益变化非常大，并且参数变化没有发现规律性。我不能冒然结论说过拟合，不知道你们有没有试过对参数稍作修改的结果，以及如何理解这样的差异。

学习一下

@Danny.Deng 另外和群主再探讨一个可能会导致实盘，甚至回测结果不正常的地方。买入函数部分如下： for i in range(min(g.buyrank, len(hold_stocks))): free_cash = free_value - context.portfolio.positions_value if hold_stocks[i] not in get_blacklist() and free_cash > context.portfolio.total_value / (g.stocknum * 10): # 黑名单里的股票不买 if hold_stocks[i] in context.portfolio.positions.keys(): log.info("已经持有股票：[%s]" %(hold_stocks[i])) current_percent = context.portfolio.positions[hold_stocks[i]].value / context.portfolio.total_value if current_percent >= minpercent:continue tobuy = min(free_cash, buycash - context.portfolio.positions[hold_stocks[i]].value) else: tobuy = min(buycash, free_cash) order_value(hold_stocks[i], tobuy) 循环获取可用现金数量 free_cash = free_value - context.portfolio.positions_value，其中的context.portfolio.positions_value理论上根据最后一行order_value(hold_stocks[i], tobuy)而改变，实盘中成交不可能这么快，context.portfolio.positions_value的值也不可能及时更改，回测会比实盘快很多，所以计算出的可用现金数量可能有问题。回测和实盘会不一样。不知道是否发现买入的数量经常比规划的数量要多。

出现如下报错，是否需要把科创板给剔除了。 2022-03-31 14:55:00 - ERROR - 订单委托失败：StockOrder(entrust_id=1648753388 security=688178.XSHG mode=OrderValue: _value=251794.360625 style=MarketOrderStyle: _limit_price=0.0 side=long action=open margin=False entrust_time=2022-03-31 14:55:00 error=科创板市价单需要指定保护限价，取值必须大于 0 且小于 1 万元)

学习一下，感谢分享！

测试就没有通过过不知为啥

楼主，在一创聚宽的环境下编译，报错如下： Traceback (most recent call last): File "jqboson/core/entry.py", line 368, in _run engine.start() File "jqboson/core/engine.py", line 219, in start self._load() File "jqboson/core/engine.py", line 210, in _load self._strategy.setup(self._context) File "jqboson/core/strategy.py", line 510, in setup self._initialize() File "jqboson/core/strategy.py", line 535, in _initialize self.do_strategy_initialize(self._context) File "jqboson/core/strategy.py", line 449, in do_strategy_initialize func(strategy_context) File "user_code.py", line 219, in initialize set_option('avoid_future_data', True) File "jqboson/api/settings.py", line 130, in set_option InvalidParam("Invalid option '{}', check API doc".format(k))) File "jqboson/account/utils.py", line 131, in my_assert raise e InvalidParam: Invalid option 'avoid_future_data', check API doc

一创环境下回测成功，从2021年6月份至今，收益只有4%多一些，策略收益不是特别高，楼主能否再完善，辛苦了，谢谢。

学习一下

@大漠孤彪 聚宽不支持avoid_future_data API，直接注释掉就可以了