@LHsu 对的，不需要重新运行回测，但是你需要初始化一下类要不程序不认识parameter_analysis这个类，也不认识类下边所有的对象。例如 ``` pa = parameter_analysis(''bce2e5c55b3b631f91985c9bf113414f'') ``` 然后pa.object就可以了

请问一下，我这是什么情况，我想把他弄成5分位的 【运行中|已完成|待运行】: [0|0|5]. --------------------------------------------------------------------------- Exception Traceback (most recent call last) <ipython-input-7-72a3c71af7d2> in <module>() 7 initial_cash = '10000000', 8 param_names = ['factor', 'quantile'], ----> 9 param_values = [['turnover_ratio'], tuple(zip(range(0,100,20), range(20,101,20)))]) <ipython-input-2-daf9a5d1f2fa> in get_backtest_data(self, algorithm_id, benchmark_id, file_name, running_max, start_date, end_date, frequency, initial_cash, param_names, param_values) 231 initial_cash=initial_cash, 232 param_names=param_names, --> 233 param_values=param_values 234 ) 235 # 回测结果指标中加入 log 收益率和超额收益率等指标 <ipython-input-2-daf9a5d1f2fa> in run_backtest(self, algorithm_id, running_max, start_date, end_date, frequency, initial_cash, param_names, param_values) 96 extras = params, 97 # 再回测中把改参数的结果起一个名字，包含了所有涉及的变量参数值 ---> 98 name = str(params) 99 ) 100 # 记录运行中 i 回测的回测 id /opt/conda/envs/python2/lib/python2.7/site-packages/kuanke/time_utils.py in wrapper(*args, **kwargs) 470 @wraps(f) 471 def wrapper(*args, **kwargs): --> 472 return func(f, *args, **kwargs) 473 return wrapper 474 return dec /opt/conda/envs/python2/lib/python2.7/site-packages/kuanke/research/research_api.py in remote_api(func, *args, **kwargs) 46 e = Exception(str(body)) 47 e.__cause__ = None ---> 48 raise e 49 pass 50 finally: Exception: can not find algorithm

想问一个问题，就是我跑出来的那些图片结果，可以保存下来的？如果可以，怎么保存

用代码跑，只是改了以下基准就出现这个问题，求大神解答下 【已完成|运行中|待运行】: [0|0|10]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [0|10|0]. [1|9|0]. [1|9|0]. [1|9|0]. [1|9|0]. [1|9|0]. [1|9|0]. [1|9|0]. [2|8|0]. [2|8|0]. [3|7|0]. [3|7|0]. [4|6|0]. [5|5|0]. [5|5|0]. [6|4|0]. [6|4|0]. [7|3|0]. [7|3|0]. [7|3|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [8|2|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. [9|1|0]. 【回测完成】总用时：1080秒(即0.3小时)。 --------------------------------------------------------------------------- Exception Traceback (most recent call last) <ipython-input-3-c2019b7c2e18> in <module>() 8 initial_cash = '2000000', 9 param_names = ['factor', 'quantile'], ---> 10 param_values = [['BP'], tuple(zip(range(0,100,10), range(10,101,10)))] 11 ) <ipython-input-1-162a3a8f3649> in get_backtest_data(self, algorithm_id, benchmark_id, file_name, running_max, start_date, end_date, frequency, initial_cash, param_names, param_values) 234 ) 235 # 回测结果指标中加入 log 收益率和超额收益率等指标 --> 236 self.organize_backtest_results(benchmark_id) 237 # 生成 dict 保存所有结果。 238 results = {'returns':self.returns, <ipython-input-1-162a3a8f3649> in organize_backtest_results(self, benchmark_id) 180 else: 181 # 基准使用新加入的基准回测结果 --> 182 self.benchmark_returns = [x['returns'] for x in get_backtest(benchmark_id).get_results()] 183 # 回测日期为结果中记录的第一项对应的日期 184 self.dates = [x['time'] for x in self.results[0]] /opt/conda/envs/python2/lib/python2.7/site-packages/kuanke/research/research_api.py in get_backtest(backtest_id) 292 根据 backtest_id 返回一个 Backtest 对象 293 """ --> 294 check_id(backtest_id) 295 return Backtest(backtest_id) 296 /opt/conda/envs/python2/lib/python2.7/site-packages/kuanke/research/research_api.py in check_id(id) 65 def check_id(id): 66 if not re.match(r"^[0-9a-f]{32}$", id): ---> 67 raise Exception("非法的 id") 68 return True 69 Exception: 非法的 id

@playboy 看样子你是跑出来了，那个错误提示是你得回测没找到。我一般是直接下载研究那个ipython的文件，再上传后代码和图都直接显示。第二个是直接截图。。。。你要是想要其他方式搜搜论坛或者at一下管理员，我没有研究过

@flyfive 你看看这里，我在开始时候在一大堆代码里默认了一个，虽然后边初始化类时候又设置一次。你把两处id都设置一下试试应该就没问题了吧 ``` # 新加入的基准的回测结果 id，可以默认为空 ''，则使用回测中设定的基准 self.benchmark_id = 'ae0684d86e9e7128b1ab9c7d77893029' ```

新手求教大神，策略代码 ``` def get_stocks(stocks_list, context, asc): # 构建一个新的字符串，名字叫做 'get_df_'+ 'key' tmp='get_df' + '_' + g.factor # 声明字符串是个方程 aa = globals()[tmp](stocks_list, context, g.factors[g.factor]) score = g.factor + '_' + 'sorted_rank' stocks = list(aa.sort(score, ascending = asc).index) print stocks return stocks ``` 里面的 ``` aa = globals()[tmp](stocks_list, context, g.factors[g.factor]) ``` 这一行是什么意思？

@Hilbert空间 把一个str生命为变量（函数）进行调用。之前因为生成了很多因子，这里通过一个g.factor的变量可以在最开始设定调取的因子，而不需要进入后边代码中具体修改，所以做了这样的处理。相当于 ``` aa = get_df_XXXX(stocks_list, context, g.factors[g.factor] ```

@Sunx 谢谢！

@JoinQuant量化课堂 @Sunx 新人有个问题反馈下哈，在设置参数的过程中，设置为小数就会报错，然后我调整参数设置为整数后，能正常运行，这个是个例还是？ 另外，是否可以加个功能实现自动寻优？比如给了参数后，就在默认值的范围上下自动寻优，输出优化结果？或许这个是智能化的一个方向？若不对请见谅哈，谢谢！

@Arthury 不确定你的问题，猜测可能由于python2.X整数计算不会自动转化为小数，例如2/3=0。看看是不是这里出了问题。 针对第二个问题，现在的这个框架就直接可以实现阿。例子是用的是分位十个tuple参数，实际上可以看作一个list中十个tuple元素，您只要把您针对的上下范围和步长间隔处理好地所有参数放入list就可以了。这个list中使用什么格式都可以，主要是您在回测中调试的g.XXX对应什么格式。所以这里给定的参数和默认的范围都自己设置，但是框架润需了出了数值之外str、tuple等多种格式的支持，实际上更加灵活，代价就是自己处理的东西也更多点。 比如测试1.5附近的参数，[1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9, 2.0]，把a传进入就好了，或者手打出这个list传进取也都可以。 ``` a = [1+(x+1)*1.0/10 for x in range(10)] ```

@Sunx 非常感谢你的详细解释，这或许就是在聚宽感觉到的温暖所在，马上试试你说的办法是否解决小数的问题，再次感谢

@Arthury 刚好在线：）

@Sunx 有问题跟你汇报下哈： 1.按照你说的方法测了下，整数可以运行，小数报错，比如其中的1.0不能运行，而改为1就可以运行，param_values = [[3+(x+1)*1.0/1 for x in range(2)], [1+(x+1)*1.0/1 for x in range(2)]] 改为［［4.0，5.0］，［2.0，3.0］］一样报错 KeyError，报错如下 报错为：--------------------------------------------------------------------------- KeyError Traceback (most recent call last) <ipython-input-20-45e020d32126> in <module>() 10 #param_values = [['BP'], tuple(zip(range(0,100,10), range(10,101,10)))] 11 param_names = ['lag','lim'], ---> 12 param_values = [[3+(x+1)*1.0/1 for x in range(2)], [1+(x+1)*1.0/1 for x in range(2)]] 13 ) <ipython-input-18-d374f0e3f8c3> in get_backtest_data(self, algorithm_id, benchmark_id, file_name, running_max, start_date, end_date, frequency, initial_cash, param_names, param_values) 235 initial_cash=initial_cash, 236 param_names=param_names, --> 237 param_values=param_values 238 ) 239 # 回测结果指标中加入 log 收益率和超额收益率等指标 <ipython-input-18-d374f0e3f8c3> in run_backtest(self, algorithm_id, running_max, start_date, end_date, frequency, initial_cash, param_names, param_values) 89 for i in range(pointer, pointer+to_run): 90 # 备选的参数排列组合的 df 中第 i 行变成 dict，每个 key 为列名字，value 为 df 中对应的值 ---> 91 params = to_run_df.ix[i].to_dict() 92 # 记录策略回测结果的 id，调整参数 extras 使用 params 的内容 93 backtest = create_backtest(algorithm_id = algorithm_id, /opt/conda/envs/python2/lib/python2.7/site-packages/pandas/core/indexing.pyc in __getitem__(self, key) 68 return self._getitem_tuple(key) 69 else: ---> 70 return self._getitem_axis(key, axis=0) 71 72 def _get_label(self, label, axis=0): /opt/conda/envs/python2/lib/python2.7/site-packages/pandas/core/indexing.pyc in _getitem_axis(self, key, axis) 927 return self._get_loc(key, axis=axis) 928 --> 929 return self._get_label(key, axis=axis) 930 931 def _getitem_iterable(self, key, axis=0): /opt/conda/envs/python2/lib/python2.7/site-packages/pandas/core/indexing.pyc in _get_label(self, label, axis) 84 raise IndexingError('no slices here, handle elsewhere') 85 ---> 86 return self.obj._xs(label, axis=axis) 87 88 def _get_loc(self, key, axis=0): /opt/conda/envs/python2/lib/python2.7/site-packages/pandas/core/generic.pyc in xs(self, key, axis, level, copy, drop_level) 1471 drop_level=drop_level) 1472 else: -> 1473 loc = self.index.get_loc(key) 1474 1475 if isinstance(loc, np.ndarray): /opt/conda/envs/python2/lib/python2.7/site-packages/pandas/core/index.pyc in get_loc(self, key, method) 1570 2. 对于bool类型，设置param_values = [['True', 'False']］［｛｝］［｛True, False｝］［True, False］都报错，要么是KeyError，要么是typeError，这个类型该如何设置呢？ KeyError Traceback (most recent call last) <ipython-input-41-2ee723a6e0e0> in <module>() 10 #param_values = [['BP'], tuple(zip(range(0,100,10), range(10,101,10)))] 11 param_names = ['peg','Sort_turnover_ratio_weight'], ---> 12 param_values = [['True', 'False'], [1+(x+1)*1/1 for x in range(2)]] 13 )

@Arthury 不是很清楚你的问题在哪里,第一个那个，1.0前应该有个乘号，第二个是不是你回测构建的不兼容传送的数据格式，ture/false比较奇怪，要不你试试传入1/0后判断生成true/false？

@Sunx 嗯 第一个是有乘号 我回复你的时候不小心删掉了，这个问题不知道在你那会不会出现？如果只是我这里的个案，那可能需要在我这边找原因了，第二个我按你说的再试试哈，

@Arthury 一般打印出来待用参数相关的内容,看看格式文没有问,应该就没有问题了

@JoinQuant量化课堂 你好，请问bt = get_backtest(running_backtests[key]) 后 bt.get_results() 是取出回测的result文件吧？ 我想问一下能不能开放transaction文件呢？ 我想修改一下你的代码，分析交易股票的特性

@JoinQuant量化课堂 即有没有 bt.get_transaction()????? 这里也想问问各位大神有没有试过这种调取交易情况文件的方法