开发的期货的螺纹分钟系统，约30%的仓位，收益率超过28000％。盈利是虚拟，不是非要100万才能运行。万分之一的手续费，滑点1，保证比例13%。可提供开平仓的位置。已有投资人拿30万合作。有一张图是我参与期货日报的全国比赛的收益率的图。

同样，我们将获得最佳学习率的这部分代码封装到函数get_learning_rate（）中，并将获得的最佳学习率作为其返回值： def get_learning_rate(): pl.seed_everything(42) trainer = pl.Trainer(accelerator="cpu", gradient_clip_val=0.1,logger=False) net = NHiTS.from_dataset( training, learning_rate=3e-2, weight_decay=1e-2, loss=MQF2DistributionLoss(prediction_length=max_prediction_length), backcast_loss_ratio=0.0, hidden_size=64, optimizer="AdamW", ) res = Tuner(trainer).lr_find( net, train_dataloaders=t_loader, val_dataloaders=v_loader, min_lr=1e

创建训练和验证数据集 首先，我们需要确定训练数据的截止点。这是通过从最大“time_idx”值中减去最大预测长度来完成的。 max_encoder_length = 2*96max_prediction_length = 30training_cutoff = rts_fm["time_idx"].max() - max_prediction_length 然后，我们使用New_TmSrDt类（这是我们重写的TimeSeriesDataSet类）来创建训练数据集。此类需要以下参数： DataFrame（在本例中为“rts_fom”） “time_idx”列，它是一个连续的整数序列 目标列（在本例中为“close”），这是我们要预测的值

"ZDZB"指标不是公认的传统技术分析指标之一，并且在现有的金融文献和资源中没有明确的定义。这可能是一个特定平台、社区或个人开发的专有指标，或者是某种策略或算法的简称。没有广泛认可的定义和公式，很难提供准确的计算方法或应用策略。添加图片注释，不超过 140 字（可选）然而，假设“ZDZB”代表一个未明确定义的技术指标，我们可以探索一种通用的方法来构建和应用自定义的技术指标进行量化交易。以下是一个示例框架，旨在

安卓版本迈达克公司有定期更新BuG的，提醒下旗下用户，重新下载更新即可，保留一份下载地址；

1.17程序化持仓 淀粉开多，菜粕开空

想了解请回帖

策略程序化：8年实盘量化策略经验，可以将你的策略实现程序化。 你好： 非常感谢你的信任。 2021年是我从事期货程序化交易的第八个年头，在这个市场感受到了心如刀绞万念俱灰，也经历了日进斗金，力挽狂澜的疯狂。 2016年投入期货量化交易，本人可编写交易开拓者（TB）、易盛、通信达、python等平台的策略。 自2017你那在贴吧和论坛发帖免费帮人代写策略，至今写了上千套程序化策略，你出思路，我写代码是否盈利一目了然。 交易市场中艰难前

四大交易所机房免费托管，助力实现高频交易，追求稳定性。

大家编写的模型在678里，会存在于Formula文件夹下的types文件夹内 9里面types文件夹是空的。 当你登陆9以后，加载不痛模型的时候，在9的Formula文件夹里ContInfo这个文件（可以打开）里会显示调用的模型名字，当我询问客服的时候得到的答复永远是“9的保存方式和678不一样，是保存在本地的”，即使在我询问用户是否有权利有方法校验的时候，客服的回答还是那句‘是保存在本地的’那谁知道是不是真的。

我这里有一个程序化软件，回测20%，怎么减下去呢？请教高手，微信zzzhz567或19925479定重谢

MC的移动取样优化，相信很多小伙伴都不陌生，可以实现用一部分样本内的最优参数放到 样本外进行绩效验证。对于一个已知的时间区间的数据，在我们移动取样时，会有两个部 分困扰着大家：选择移动多少步跑完优化呢？样本外的区间又到底占比多少合适呢？ 为了找到最佳的一组优化参数，我们通常要进行大量的移动区间步数的调整、搭配样本外 区间占比的调整，非常耗时又耗心力。 MC 研发团队非常贴心，在 MC12 版本直接给我们提供了一个工具

大家交流一下

运用成熟的通道突破理论，加入多种止盈止损方法，取得了良好战绩！

做了一次模拟回测 2015~2017的回测 一共投入了50万。 怎么2015年 才27万

如题，三七分，我三，资金七，不承担风险，可以小资金试验验证一阶段之后加大。欢迎需要策略的洽谈！