常见问题
欢迎您来到MindGo,我们是一个的AI量化交易平台,拥有高质海量的金融数据,零延迟的回测引擎,最接近真实市场环境的仿真交易平台,干净、完整的API文档,同时我们支持目前广泛使用的脚本语言——Python语言,轻松实现量化交易策略。

本页面希望帮助您快速了解MindGo,若您想了解更多策略编写的细节,请查看:函数API文档

如果以下内容未能解答您的疑惑,您可以点击本页面右下角的问题反馈,直接编辑您的疑问和意见发送给我们,或者您也可以点击社区进入MindGo人工智能投资交流圈发言提问,我们会在1个工作日内给您回复,感谢您的关注。

关于MindGo
MindGo的宗旨是什么?

MindGo量化平台是同花顺旗下的人工智能投资平台,我们致力打造国内一流的专业在线量化交易平台,帮助广大投资者实现量化策略,开启AI时代,让投资变得更简单!

MindGo提供什么服务?

在MindGo,您可以享受到以下服务:

1.高质量的数据

我们的数据基于2014年至今完整的Level-2数据、上市公司财务数据,数据为未复权数据,且会在第二日早晨更新。

2.强大的回测引擎

我们提供了高效快捷的回测环境,方便您随时检验和修改策略,及时发现不足,优化您的策略。

立即体验>>

3.最真实的模拟交易

MindGo量化仿真交易为您提供了最真实的模拟交易环境,秉承“知识创造财富,工具辅助决策,信息领跑市场”的理念,为量化交易爱好者提供全面、及时、专业、个性的一站式服务,实时跟踪策略表现,从而提供有效的投资参考。

立即体验>>
MindGo是否免费?

MindGo旨在打造国内顶级的在线量化交易平台,我们免费为广大量化爱好者提供高质量的数据、高效快捷的回测体验、最真实的模拟交易,以及MindGo人工智能投资交流圈与您一起发现量化交易的奥秘!

谁是策略的拥有者?

您在MindGo量化平台中原创的策略是您宝贵的知识财富,100%属于您!我们尊重并坚决维护您在MindGo量化平台中创建的策略知识产权!

MindGo量化平台可以对接实盘吗?

我们目前只提供量化仿真交易,量化实盘对接会在后续推出,敬请关注。

MindGo量化是否提供投资建议?

我们不提供投资建议,平台所展示的策略、主题及个股推荐等不代表平台观点,我们只竭诚为您提供专业的在线量化交易平台,让您随时随地无所顾忌地编写策略、实现策略。

如何使用MindGo量化平台?

创建策略

方法一:参照策略示例,修改代码;

方法二:

新建策略,根据自己的投资逻辑开始编写代码; 如果您想要更详细地了解如何编写策略,请查看:函数API

通过运行检验代码问题

策略代码编写完成后,您可以点击运行,快速地查找代码以及策略逻辑等存在的问题,进而达到优化策略的目的;

通过历史回测检验策略表现

您可以使用回测功能,通过策略收益、最大回撤、Alpha、Sharpe等风险指标初步评判策略表现,并再次进行优化。如何进行回测?

使用仿真交易跟踪策略表现

如果您的策略已经进行过回测并且成功,您可以使用仿真交易来精准跟踪策略,从而为您的真实投资提供一定参考依据,降低风险。如何进行仿真交易?

如果您还有疑问,可以进入MindGo人工智能投资交流圈提问咨询,我们的工作人员为及时为您解答。

数据资源
MindGo都有什么数据?

核新同花顺是中国市场的精准金融数据服务供应商,为量化投资与各类金融业务系统提供准确、及时、完整的落地数据,数据更新会在每日9点之前完成。目前平台为您提供了以下数据,助您运筹帷幄,决胜千里。

股票数据:涵盖了完整的沪深两市所有股票数据,包括基本信息、交易日历、股票行情;

公司财务:沪深两市所有A股的三大财务报表数据、财务估值数据,同时我们也为您提供了四大类财务指标数据,包括营运能力指标、偿债能力指标、盈利能力指标、成长能力指标;

股票分类:MindGo支持分类选股,内容包括:行业分类、概念分类、地区分类、上市状态分类、板块分类;

指数:目前MindGo支持上证指数、深证指数、中证指数在内的300种股票指数,内容包括指数基本信息、指数成分股、指数行情。

我们拥有自己的金融数据库,数据及时准确靠谱!目前我们提供的所有数据均可免费使用,后续我们还将继续丰富平台数据,敬请关注。

MindGo的数据可以下载吗?

MindGo量化平台提供的数据目前暂不支持下载。

策略创建
如何创建策略?

登陆MindGo量化平台后,您有两条路径创建自己的第一个策略:

路径一:进入开始研究页面,点击新建策略按钮,代码编辑区域会显示默认策略案例,您可以参考案例修改代码编辑自己的策略,也可根据自己的投资逻辑开始编辑策略;

路径二:进入策略页面,点击新建策略按钮,页面将会跳转至策略编辑页面,此时的代码编辑区域会有默认策略案例,您可以参考策略案例修改代码编辑自己的策略,也可根据自己的投资逻辑开始编辑策略。

如何学习Python语言?

Python是一种通用的脚本编程语言,从简单的脚本任务到复杂的、面向对象的应用程序都有大显身手的地方。Python是最受欢迎的程序设计语言之一,具有简单、易学、免费、开源、丰富的库等。

目前MindGo量化平台提供Python3.5版本,您可以从以下几点开始学习Python语言:

Python的官方网站

没有比官方http://python.org的文档更加好的资源了,有了这个,你将拥有一些python基础知识,知道在python中怎么样处理东西。

阅读一些书

《Python基础教程》

是一本既适合初学者夯实基础,又能帮助Python程序员提升技能的书。

《集体智慧编程》

因为Python是一门不需要花太多精力(甚至可以说很少),就可以基本掌握的一门语言,这本书正是基于Python的一本应用书,可以帮你迅速熟悉Python相关的各种计算库,快速了解领域概况。

《统计学习方法》

这本书深入浅出地讲了和机器学习有关的一切数学基础知识,一整本的干货,没有废话,非常值得一读。

MindGo支持Python的哪些库?

目前MindGo量化平台提供Python3.5版本,支持的Python库如下:

数据分析

NumPy:

NumPy是基于Python的科学计算的基础包,可用来存储和处理大型矩阵,提供了矩阵、线性代数、傅里叶变换和随机生成函数等解决方案。

SciPy:

SciPy是基于NumPy的库,它提供了方便、快捷的N维数组操作。它包括统计、优化、整合、线性代数模块、傅里叶变换、信号和图像处理、常微分方程求解器等等。

Statsmodels:

Statismodels是一个Python包,提供一些互补scipy统计计算的功能,包括描述性统计和统计模型估计和推断,主要用户统计建模和计量经济学。

Pandas

Pandas 是基于NumPy 的一种工具,Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。

其他

TAlib:

TAlib是一个处理金融数据和技术分析的开放代码库。

MindGo量化平台目前支持的所有Python库清单:

networkx、Numpy、Pandas、Pillow 、Py 、Pytz、Requests 、Scipy、Statsmodels 、sympy 、Tables 、TAlib、xlrd、xlwt

若您需要我们增加Python的其他库,请在本页面的右下角的问题反馈给我们留言,或者进入MindGo人工智能投资交流圈给我们留言,工作人员会在1个工作日内给您回复并帮助您解决。

策略回测
什么是历史回测?

历史回测就是用证券市场过去的财务数据、行情数据,对现有策略进行历史回测检验。通过回测考察策略在过去市场中的表现,从而发现策略的不足,进而达到优化策略的目的。

回测可以用哪些数据?

MindGo量化提供的所有数据均可免费使用,目前支持沪深A股所有行情数据、公司财务数据、指数数据。

在MindGo量化平台中如何进行回测?

您登陆MindGo量化平台后,新建策略或者点击之前创建的策略,在策略编辑页面点击“回测详情”按钮,就可以得到当前策略完成的历史回测。

回测是如何撮合成交的?

关于回测撮合成交的详细解释,您可以查看:函数API(订单处理)。

回测的基准收益怎么设置?

目前平台默认的基准收益是沪深300,自定义设置功能会后续推出,敬请关注。

运行显示的内容与回测详情有什么不同?

回测详情(完整回测)是运行得出结果的详细版本,在回测详情中您可以看到更多的数据指标,帮助您了解策略的历史表现。但运行可以帮助你快速的检查代码中可能存在的错误,且速度上比点击回测详情(完整回测)更快。

回测支持哪些API?

MindGo目前支持的API,全部整理在函数API文档中,您可以点击函数API进行查看。

按日回测、按分钟回测以及按tick回测三者有区别吗?

按日回测: handle_data每天9:30调用一次,handle_data的参数是当天的数据;

按分钟回测: handle_data每分钟调用一次, handle_data的参数是当前这一分钟的数据;

按tick回测:handle_data每3秒调用一次,handle_data的参数是当前这3秒的数据;例如(时间为9:35:30,则数据为9:35:30 - 9:35:33)

Alpha、Beta等风险指标是如何计算的?

Alpha:表示投资中面临着非系统性风险。

Beta:表示投资中面临着系统性风险,反映了策略对大盘变化的敏感性。

Sharpe:表示表示每承受一单位总风险,会产生多少的超额报酬。

收益波动率(Volatility):用来测量资产的风险性。

信息比率(Information Ratio):衡量单位超额风险带来的超额收益。

最大回撤(Max Drawdown):描述策略可能出现的最糟糕的情况。

索提诺比率(Sortino):是一种衡量投资组合相对表现的方法。

如何分析回测结果?

判断策略回测结果好坏的直观指标就是策略收益,收益越高,则表明通过历史数据检验,策略结果不错。但单从看收益率一个指标并不全面,有的策略收益很高,可是回撤很大,存在很大的风险。因而,我们建议您根据以下几个指标来评价回测结果:

年化收益率:这是策略好坏最直观的体现,一个好的策略首先必须具有绝对高的收益率;一般年化应该在10%以上,熊市可以低(大于3%),但至少不能小于一年定期利率;

Alpha: 是投资者获得与市场波动无关的回报,投资者实际获得了20%的回报,基准获得了15%的回报,那么Alpha为5%(20%-15%);

Beta:是评估策略系统性风险的指标,用以度量策略相对基准的波动性。其绝对值越大,显示策略收益变化幅度相对于基准的变化幅度越大;绝对值越小,显示策略收益变化幅度相对于基准越小。

最大回撤:最大回撤就是从一个高点到一个低点最大的下跌幅度,用来描述策略可能出现的最糟糕的情况。一个好的策略应该是低回撤(15%内),最好是在10%以内;

夏普比率:反映了承担每单位风险所获得的风险回报,一个好的策略应该具有高的夏普比率。

我的策略进行了多次回测,有没有直观的方式对各个回测进行对比?

在策略的回测历史列表中,我们为您提供了策略对比功能。您可以同时勾选5个回测进行对比,我们展列了各个回测的概况、累计收益、回撤以及源码,您也可以同时对比2个策略源码,但可以实现切换,对比不同策略的差异,希望可以助您更好地决策。

哪里可以管理我的回测?

为了方便您管理策略,MindGo提供了回测历史列表以及专门的策略管理页面,您可以在这两个页面方便地进行查看与管理。

仿真交易
仿真交易有什么用?

MindGo为每位量化交易爱好者提供了一个最接近真实市场环境的仿真交易平台,与各家交易所的真实市场行情对接,根据真实市场行情对价成交,每日结算,可以帮助您检验策略的有效性,从而降低您在真实投资中的风险。

仿真交易和历史回测有什么区别?

仿真交易与历史回测主要有两点不同:

数据:历史回测是用过去的财务数据、行情数据对现有的策略进行历史回测检验;而仿真交易择时根据真实市场行情对价成交,每日结算。

目的:历史回测的目的不是为了证明策略有多么的优秀,而是为了发现尽可能多的缺陷,包括程序中的bug和交易逻辑的不合理之处等,进而达到优化策略的目的;而仿真交易的目的在于跟踪策略的表现,从而为您的真实投资提供参考依据,降低投资风险。

如何开启仿真交易?

您可以进入交易页面,点击添加策略按钮,选择具体策略的某一回测开启仿真交易。

我可以同时有几个仿真交易账户?

目前每位用户最多只能申请5个仿真交易账户。

一个仿真交易账户可以绑定几个策略?

为了便于策略的管理与跟踪,目前每个仿真交易账户可以绑定1个策略。

仿真交易中的暂停与删除是怎样进行的?

仿真交易中某一账户所绑定的策略(具体为该策略的某一回测)暂停后,策略不再跑,也不会产生交易信号。点击恢复后,策略会从当前时间开始运行;

仿真交易后中某一账户所绑定的策略(具体为该策略的某一回测)删除后,仿真交易结束,不能再次开启,您需要重新对具体策略的某一回测开启仿真交易。

绑定了仿真交易的策略可以修改代码吗?

目前绑定了仿真交易的策略暂不支持源码修改。

其他
哪里可以提问解决我的问题?

您可以在本页面的右下角点击问题反馈,直接编辑问题提交,此外,您也可以进入

MindGo人工智能投资交流圈发言提问,我们的工作人员将在1个工作日内给您回复。感谢您的关注,我们期待与您共成长!
什么样的策略才算好策略?

一般判断策略的好坏,往往是收益越高越好。但收益往往与风险相对,收益高了,风险也会相应变高。所以不能仅以收益高低为基准,还需要综合考虑其他因素。

年化收益率:这是策略好坏最直观的体现,一个好的策略首先必须具有绝对高的收益率;一般年化应该在10%以上,熊市可以低(大于3%),但至少不能小于一年定期利率;

交易信号:交易信号过多,则说明震荡行情过滤不好,过少,则说明风险大。因而,一个好的策应该具有足够多的有效交易信号以供交易实施,那么多少是合理交易信号数呢?一种方法是不同策略模型在同一时间周期下进行对比,另一种方法是将交易信号数/有效交易,以日内短线为例,一般一个有效交易信号数在2-5个(仅供参考);

胜率:直观地反映了策略获胜的概率,一个好的策略必须具有足够高的胜率才能保证实现盈利;

盈亏比:平均盈利与平均亏损之比,直观反映了每次交易所获得的净收益;

最大回撤:最大回撤就是从一个高点到一个低点最大的下跌幅度,用来描述策略可能出现的最糟糕的情况。一个好的策略应该是低回撤(15%内),最好是在10%以内;

夏普比率:反映了承担每单位风险所获得的风险回报,一个好的策略应该具有高的夏普比率;

时间周期:如果一个策略的结果很漂亮,周期却只有一两个月,那么后期的表现结果也许就差强人意。一般来说周期越长,收益率应该越大,所以应该选择能选择到的最长周期;

使用资金:金融市场资金管理很重要,在行情好时候,资金使用越高,收益越大,行情不好时,资金使用越高亏损越大,但我们无法去判断接下来的行情会如何,所以,历史回测的结果使用百分比的开仓方式是不合理,应该选择固定的手数进行测试,不管他的行情如何,永不加仓或减仓,来检验一个模型策略更为合理;

空仓时间:以日短线为例,空仓时间不能太久,太久可能就会会错过大行情。

总而言之,评判一个策略的好坏不能单看一个指标,需要考虑多个因素综合评价,以上所列,仅供参考,如果您有更好的意见,欢迎您进入

MindGo人工智能投资交流圈与我们一起探讨。