请问hedge_ratio的计算：1 + beta*g.futures_margin_rate + beta/5，是怎么来的呢？

@James_3 ，hedge_ratio的计算过程，请看： [“【量化课堂】股指期货对冲策略”之学习笔记][1] [1]: https://www.joinquant.com/post/4441?tag=algorithm

请教大神，您说离实盘还很远，不知道还需要做哪些才可实盘，能否说上重要得2-3点，谢谢

@某某某某叶 A50确实便宜，一手对冲只需要8万人民币左右就可以了，可惜joinquant目前不支持这个股指期货。 对于用A50对冲，我分享了个策略：https://www.joinquant.com/post/4827?tag=algorithm

@止一之路 ，你这个不错，点赞！

if nShortAmount != nHoldAmount: order = order_target(current_future, nShortAmount, side='short', pindex=1) if order != None and order.filled > 0: log.info('Futures: %s, action: short %s, filled: %d, price: %.2f' % \ (order.security, ('平空' if order.is_buy else '开仓'), order.filled, order.price)) else: log.info('Futures: %s, order failure' % (current_future)) 持仓数量 不等于 目标空单，就买入目标空单，这样不会导致 空单增多吗 比如 持仓 为1，目标为2 ，再买入空单，不是变成 3 了 ？ 如果 order_target 的amount 是目标单，那只要将目标单输入就好了。

老师您好，想问一下选股部分的得分计算是依据什么得出的呢 dst_stocks = {} for stock in stock_list: h = attribute_history(stock, 130, unit='1d', fields=('close', 'high', 'low'), skip_paused=True) low_price_130 = h.low.min() high_price_130 = h.high.max() avg_15 = data[stock].mavg(15, field='close') cur_price = data[stock].close score = (cur_price-low_price_130) + (cur_price-high_price_130) + (cur_price-avg_15) dst_stocks[stock] = score df = pd.DataFrame({'score':dst_stocks}) df = df.sort(columns='score', ascending=True) stock_list = df.index.tolist() return stock_list[:g.buy_stock_count]

score是当前价格，与， 130日内的最低价、最高价，15日均价，的差价之和。 score = (cur_price-low_price_130) + (cur_price-high_price_130) + (cur_price-avg_15) 算法是来自于论坛里面那个著名的10年4000倍小市值策略。

10年40倍那个，是因为默认流动性无限

这是个好思想要赞一个

2917年亏得很惨

@威航 2917年亏很惨已经不重要了，我也活不到那时候。哈哈哈哈

帮顶

帮顶

帮顶

帮顶

帮顶

帮顶

帮顶