[QMT量化交易小白入门]-六十六、加入评分阈值后,历史回测收益率达到74%

本专栏主要是介绍QMT的基础用法,常见函数,写策略的方法,也会分享一些量化交易的思路,大概会写100篇左右。
QMT的相关资料较少,在使用过程中不断的摸索,遇到了一些问题,记录下来和大家一起沟通,共同进步。

文章目录

      • 相关阅读
      • 系统的核心逻辑
      • 详细解析评分函数 `calculate_etf_scores`
        • 技术指标计算函数定义
        • 2.5 综合评分计算
        • 2.6 负值过滤与评分数据记录
        • 评分数据转换为DataFrame
        • 数据归一化处理
        • 计算加权综合评分
        • 过滤负斜率或负动量的ETF
      • 极差控制逻辑与调仓决策
        • 检查是否需要转入货币ETF
        • 避免频繁调仓的优化逻辑
      • 木头总结

相关阅读

小白也能做量化:零门槛QMT、Ptrade免费送
量化交易入门:如何在QMT中配置Python环境,安装第三方依赖包
年化收益达到了70%,增加了动态仓位权重调整后的全球核心资产轮动策略(含python代码解析)


ETF轮动策略往往面临另一个棘手的问题——“当所有选项都不尽如人意时,仍会在矬子中拔将军”。这种情况通常导致多个ETF的评分趋同,形成集体失误。
本文将深入探讨一种基于Python的ETF评分系统,通过极差控制逻辑有效应对这一挑战&#

你可能感兴趣的:(量化交易小白入门,数据库,redis,缓存)