supermind logo
同花顺logo
  • 首页
  • 我的策略
    策略创作
    • 策略研究
    • 指标策略
    • 策略监控
    • 策略库
    因子研究
    • 因子策略
    • 因子检测
    • 因子库
    • 绩效分析
  • 我的研究
  • 实盘交易
    • python策略模拟
    • 指标策略模拟
    • 同花顺智能交易
  • 社区
  • 帮助
    • 本地SDK
    • API文档
    • 因子研究
    • 模拟仿真
    • 回测引擎
    • 研究环境
    • 常见问题
  • 数据
常见问题

常见问题

关于SuperMind

欢迎您来到SuperMind,我们是一个侧重实盘交易的量化投资交易平台,拥有高质海量的金融数据,极速的回测引擎,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SuperMind,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SuperMind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。

SuperMind的宗旨是什么?

SuperMind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,让量化实盘投资变得更简单!


SuperMind的核心亮点是什么?

✓ 集合交易能力

✓ 不绑定/不指定券商

✓ 无资金门槛

✓ 极速无限制的免费回测

✓ 极低的交易延时(10ms~100ms)

✓ 支持问财自然语言选股接口

✓ 丰富的数据接口

✓ 丰富的交易品种


SuperMind提供什么服务?

在SuperMind,您可以享受到以下服务:

SuperMind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>>

  • 数据全:免费调用同花顺几乎所有金融大数据。还有tick级别的数据可以使用。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。
  • 支持自然语言选股-i问财:一行代码策略回测-问财自然语言回测 简单方便
  • 回测快:同花顺的策略回测是真正的秒级回测平台。300股票4年日频回测 只需要:0.29s(回测免费)策略研究 - SuperMind量化交易平台
    • 支持的品种:股票、期货/期权、股票T+0、外汇T+D、场外基金、可转债
  • 最真实的模拟交易 和仿真交易:模拟交易点此、 仿真交易点击这里下载仿真版本。
  • 低交易延迟:下单到执行的延迟 约10ms到200ms之间的延时。
  • 能免费体验:我们用同花顺线上交易柜台的仿真能力,比模拟交易要更加精准,能更贴近实盘的效果。(客户端版本才有)
  • 能实盘:可以进行直接使用原有券商进行交易。
  • 拓展能力强:有付费本地金融数据、付费本地接口、付费本地SDK、付费计算资源等。
  • 有官方经营的社群。预计今年达到万人规模,群内不定期券商资深量化顾问分享投资趋势策略,B站大神分享视频和官方直播。

使用SuperMind需要会编程么?

需要,这样才能发挥SuperMind的最大价值。 如果不会编程又想使用的用户建议查看本FAQ的最后部分,进行一键复制到自己的策略库进行回测。


谁是策略的拥有者?

您在SuperMind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SuperMind量化平台中创建的策略知识产权!


策略代码安全性?

在SuperMind平台上,每个用户的策略都部署在一个独立的容器中运行。这意味着您的策略代码、数据和运行环境都是完全隔离的,不会与任何其他用户的数据或环境发生交互。我们采用了先进的安全措施,包括但不限于网络隔离、访问控制和加密技术,确保您的策略只能由您自己访问和修改。

我们承诺,您的策略及其相关数据将受到最高级别的保护,确保其机密性、完整性和可用性。您可以完全放心地使用我们的平台进行策略开发、测试和运行,享受安全、高效的服务体验。


SuperMind量化平台可以对接实盘吗?

支持实盘。

品种支持:

股票/基金:支持

可转债:支持(需要资金账户本身支持)

期货:需要额外购买。

期权:不支持。


SuperMind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。


SuperMind 有几个版本?各个版本有什么区别?

版本 仿真体验版本 机构量化版本-L2
价格 免费 官网标价60000元/年
使用人群推荐 体验,调试策略 个人、机构客户使用
资金账户 只支持模拟账户 请联系群主
功能差异 支持量化 支持主观+量化
研究环境资源 2G内存 8G内存

体验版下载地址:https://download.10jqka.com.cn/index/download/id/709

客户端如何注册账号?

下载到任意版本后 点击账户注册:

4ec26b6075becdffe39438376c67cc0e.png

supermind忘记密码了,怎么重置?

到这里重置密码: 同花顺重置密码

如何重新绑定手机号?

点击这里进行修改手机号:https://upass.10jqka.com.cn/bind/

如何添加客户端仿真模拟账号?

http://quant.10jqka.com.cn/view/article/2368


如何使用SuperMind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, 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。

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。

如果您还有疑问,可以进入SuperMind社群咨询,我们的工作人员为及时为您解答。


SuperMind量化实盘教程汇总

量化策略入门

0.1.1量化策略入门-基础知识+Supermind平台
0.1.2 量化策略入门-编写第一个量化策略 附解析和代码

Python基础教程

0.2.1 Python基础编程--Python介绍
0.2.2 Python基础编程--python数据类型
0.2.3 Python基础编程--条件与循环
0.2.4 Python基础编程--函数
0.2.5 Python基础编程--numpy
0.2.6 Python基础编程--pandas基础
0.2.7 Python基础编程--pandas进阶

量化知识基础

0.3.1 量化基础知识-量化投资的概念和优势
0.3.2 量化基础知识- 量化投资的历史和未来
0.3.3 量化基础知识-量化投资的应用与流程

经典量化策略基础

0.4.1 经典量化策略基础-动量策略与均值回归策略
0.4.2 经典量化策略基础-双均线策略
0.4.3 经典量化策略基础-配对交易策略

三行代码玩转数据可视化

1.1 三行代码玩转数据可视化-pyechart应用
1.2 通过三行代码掌握柱状图、线图和饼图--附源代码
1.3 了解热力图、雷达图、水球图、河流图等--附源代码

完整五行代码玩转基金定投

完整五行代码玩转基金定投--代码及解读

十行代码玩转量化交易

3. 十行代码玩转量化交易----附完整代码和解析

运用SVM算法"打板"

4.1 运用SVM算法“打板”--打板研究
4.2 运用SVM算法“打板”-- SVM算法应用

多因子专题

5.1 多因子专题(一)--因子暴露值的不同取法 附源代码
5.2 多因子专题(一)--时序回归 附源代码
5.3 多因子专题(一)-- 截面回归 附源代码

技术面分析专题(一)

6.1 技术面分析专题(一)-- 相似k线的定量
6.2 技术面分析专题(一)--相似k线在预测股价中的运用
6.3 技术面分析专题(一)-- 相似k线的形态验证与选股

金融时间序列2

7.1 金融时间序列2--ARCH模型 附源代码
7.2 金融时间序列2--GARCH模型 附源代码
7.3 金融时间序列2--TGARCH模型 附源代码
7.4 金融时间序列2--EGARCH模型 附源代码

从决策树到随机森林

8.1 决策树的概念与运用---附源代码
8.2 从决策树到随机森林--附源代码

金融时间序列

9.1 金融时间序列1--AR模型 附源代码
9.2 金融时间序列1-AR、MR模型 附源代码
9.3 金融时间序列1-AR、MR、ARIMA模型 附源代码

机器学习算法对比

10.1 机器学习算法对比--多维数据展示 附源代码
10.2 机器学习算法对比-九大-机器学习算法运用 附源代码
10.3 机器算法运用--预测指数涨跌的算法对比 附源代码

资金面专题1

11.1 资金面专题1--资金单因子 附阐述和源代码
11.2 资金面专题1--资金因子合成 附阐述和源代码

12.1 资金面专题2--资金净流量强度 阐述
12.2 资金面专题2-风格下资金流入强度的分析 附源代码
12.3资金面专题2-资金流动强度与风格下股票组合涨跌相关性

数据处理专题

13.1 数据处理专题2--去极值、标准化、中性化
13.2 数据处理专题2--分类与预测
13.3 数据处理专题2--利用相关系数进行配对交易

14.1 数据处理专题1-matplotlib实现数据可视化
14.2 数据处理专题1-运用Scipy实现数据统计
14.3 数据处理专题1-学会用Python做线性回归

风险控制建模

15.1 风险控制建模-投资高股息股票 附阐述 代码 回测
15.2 风险控制建模--二八轮动择时策略
15.3 风险控制建模--网格交易—动态调仓策略
15.4风险控制建模-趋势跟踪交易-Dual Thrust
15.5风险控制建模-布林强盗,一个霸道的交易系统
15.6 风险控制建模--海龟交易法则
15.7 风险控制建模-向彼得林奇投资大师学习PEG选股
15.8 风险控制建模-CAPM模型的应用
15.9 风险控制建模-Fama-French三因子模型应用
15.10 风险控制建模-动量类多因子之择时中选股

财务分析建模

16.1财务分析建模 Matplotlib绘图实现数据可视化
16.2财务分析建模 运用Scipy模块实现统计技术
16.3财务分析建模 -10分钟学会用Python做线性回归
16.4 财务分析建模-统计套利:利用相关系数进行配对交易
16.5财务分析建模 -数据处理:去极值、标准化、中性化
16.6 财务分析建模 -- 数据挖掘专题:分类与预测
16.7 财务分析建模 -- 算法交易入门—VWAP
16.8 财务分析建模 --Python实现马克维兹投资组合
16.9 财务分析建模 --隐马尔科夫模型应用于市场择时
16.10 财务分析建模 --神经网络算法预测股价涨跌

数据资源

SuperMind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:SuperMind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SuperMind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。
  • 基金:沪深两市所有上市交易的基金,包括ETF、分级基金、LOF和货币基金的行情数据和基本信息。

更详细的数据接口介绍详见:http://quant.10jqka.com.cn/view/dataplatform

我们的数据是支持落地到本地的。如果有兴趣可以联系我们:wangdi5@myhexin.com


SuperMind的数据可以下载吗?

SuperMind量化平台提供的数据目前暂不支持下载。

如何声明全局变量?

在g中声明全局变量即可。
例如:g.day, g.variable等


get_iwencai选股和问财选股结果为什么不一致?

SuperMind是基于历史数据提供回测服务,而问财选股则基于当前数据提供数据检索服务,二者业务不同,为避免回测中涉及未来数据,SuperMind在数据解析和逻辑处理上与问财有所差异,以致选股结果不一致。


如何上传自定义数据?

在“我的研究”模块中可上传用户本地的自定义数据:

  • “我的研究”中可通过pandas库包直接调用该数据
  • “我的策略”中可通过read_file函数调用该数据(参见 帮助》API文档》API介绍》其他函数》read_file)
    注:目前支持上传的数据格式包括excel、txt

如何调用自定义Python库?

  1. 在“我的研究”中新建一个文本:
  2. 点击“文件”>>“重命名”,将“.txt”的后缀改为“.py”
  3. 在文件中写入自己的代码,然后点击“文件”>>“保存”:
  4. 在“我的策略”中调用自定义库:

    **注:**若编译时对自定义库频繁进行修改,建议在使用时reload自定义库(目前该功能被禁用):
  5. 在“我的研究”中调用自定义库:

为什么研究环境进不去?提示的404:Not Found错误怎么解决?

如果在打开研究环境页面时,提示404:Not Found,无法正常进入研究环境,则需要进行清缓存操作。

6523a290d5b86a815b1a76586aaec7a0.png

清缓存快捷键操作:Ctrl+Shift+delete,即可快速进入清除浏览数据界面。

策略创建

如何创建策略?

进入策略研究:http://quant.10jqka.com.cn/platform/html/study-index.html#/


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SuperMind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。


SuperMind支持Python的哪些库?

目前SuperMind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。

SuperMind量化平台目前支持的所有Python库清单:

networkx、Numpy、Pandas、Pillow 、Py 、Pytz、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SuperMind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?

SuperMind目前支持沪深A股所有行情数据、公司财务数据、指数数据。


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,可以通过set_benchmark自定义设置基准,您可以查看:函数API(设置函数)。


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?

SuperMind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,SuperMind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。

c19fe9c1af0059a873cdafa7dd00cac2.png

92eb4292f0eacf29d20d0af28a072834.png


模拟交易

模拟交易有什么用?

SuperMind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。


模拟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。

方法:模拟交易中的全局变量等信息需要使用pickle.dumps进行保存,无法保存lamda函数。所以绑定模拟交易的策略中,account、g等全局对象请勿使用lambda函数。


如何开启模拟交易?

点击:http://quant.10jqka.com.cn/platform/html/trade.html

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模拟交易。

fe456c0a97484ff90bb6ec7b38c410b7.png


我可以同时有几个模拟交易账户?

目前每位用户最多只能申请5个仿真交易账户。如果想添加更多 可以联系微信群群主。


一个模拟交易账户可以绑定几个策略?

为了便于策略的管理与跟踪,目前每个模拟交易账户可以绑定1个策略。


模拟交易中的暂停与删除是怎样进行的?

模拟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;

模拟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,模拟交易结束,不能再次开启,您需要重新对具体策略的某一回测开启模拟交易。


绑定了仿真交易的策略可以修改代码吗?

目前绑定了模拟交易的策略暂不支持源码修改。


同花顺用户id如何获取?

进入下方链接 就可以看到同花顺ID:

http://www.forfunds.cn/platform/pcweb/personCenter/profile

6284c1fc7fa00f32685698ec2abaa213.png


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,欢迎您进入社区与我们一起探讨。

支持哪些第三方类库?

python3.8环境支持的类库:

点击打开。

python3.5环境支持的类库

点击打开

云端就2G内存,稍微复杂点的策略是不是不够?

可以联系微信群主 进行联系购买:

95fc2dbeef417134cb2b22b4c977166f.png

推荐的教程

量化入门教程

同花顺SuperMind量化实盘交易平台-官方入门教程汇总

策略模板

又一个小市值 高股息低价小市值策略

轮动型策略模板-以高股息低价小市值举例-近期表现惊人

更多策略模板请到 SuperMind 论坛 策略频道查看。

策略编写教学

编写第一个量化策略(手把手详细版教程)

【官方视频教程】详解Supermind策略编写中的必学知识

进阶-实盘教程

回测正常,模拟ok,如何快速实盘?(保姆式教学 含截图)

【重磅更新】回测代码直接实盘交易 只需一分钟!

实盘交易、接口API的参考教程(账户信息、下单撤单、算法交易、融资融券)

实盘教程:典型使用场景教学(TICK/高频/交易接口)

supermind教程-研究环境API文档

从问财自然语言问句到实盘完整代码示例

研究环境投研功能使用教程

Datafeed(tick数据、大单成交金额等使用教程)

抛砖引玉SuperMind同花顺概念指数API接口的一些用法

上一节
下一节
编组 4

回到

顶部