文華軟件使用集錦
當模型編寫好后，通常需要對這個模型做測試，檢驗這個模型在歷史k線圖上的運行效果，但如果測試的數據不夠多，那么測試結果會由于樣本少不能涵蓋較全面的行情而片面不客觀，導致程序化的執行效果和預期相差甚遠
對一個模型進行測試時，我們需要計算每一次歷史交易的盈虧、回撤等來得出收益率、最大回撤、勝率等我們需要的數據，但這些數據如果全靠手動計算幾乎是現實不了的。程序化交易軟件充分利用了計算機強大的運算能力，
模型的效果受很多因素影響，如滑點、手續費、杠桿倍數等，我們將模型的這種特性稱之為模型的敏感性。敏感性小的模型是更穩定、更好的模型。
易過程中有時會發現在一段時間內表現很好的模型，過了一段時間就好像失效了一樣，這種情況是由于模型參數不再適應當前行情引起的，我們需要盡快尋找新的最優參數
當通過公式選股找出可能有交易機會的股票后，就需要確定入場點了，入場機會轉瞬即逝，如果抓不住，就會錯失很多利潤。在技術分析中，投資者常常有自己的交易策略
股票總數已經達到三千只，散戶通常無從下手，把股票全部翻一遍也要好幾個小時，如果還要研究、查找資料、個人的精力和時間是遠遠不夠的，迫切需要一個可以幫助投資者迅速找到合適交易合約的方法，而公式選股可以將指標作為條件。設定指標后，可以將符合條件的股票全部選出來，并加到自選中，再去慢慢研究，優中選優。
必須有一句AUTOFILTER，不允許連續出開倉信號或者連續出平倉信號，有多個開倉信號都滿足條件的時候，取第一個信號作為有效信號，后面的k線上的同樣信號將被過濾掉。
1、加減倉模型的編寫
加減倉模型，允許連續出開倉信號或者連續出平倉信號，可以實現加倉、減倉。
很多成功的程序化交易投資者每年算一筆賬，在滑點上的損失比交的手續費還要多。隨著投資者對程序化交易的認識不斷提高，投資者之間將逐漸從交易策略的較量轉變為下單精細化控制的博弈上來。算法交易模型可對程序化委托的每個環節進行精細化控制，
很多投資者在尋找一種模型可分辨趨勢行情和震蕩行情，因為一個在趨勢行情中表現不錯的模型到了震蕩行情可能損失慘重，甚至反盈為虧。
一開一平信號過濾模型是開平對應的，開倉后只能是與之對應的平倉操作。可有時我們想實現加減倉等策略，顯然一開一平信號過濾模型無法實現，而加減倉模型開倉后可繼續加倉，實現了自由加減倉以及更高級的資金管理策略。
很多做趨勢交易和波段交易的投資者有一套自己的交易策略，這些策略通常周期較長，因此在觀察K線或者技術分析指標的時候不易發現微小的變化，而當變化足夠明顯時又可能已經錯過了最佳進場時機。
從全市場股票中，自動篩選出符合條件的股票，并且按照交易策略實現全自動交易，完成一次交易后，自動從交易池中刪除。軟件會按照設定的掃描計算頻率，循環篩選滿足條件的股票。
模型根據從上至下，從左至右的順序進行計算；編寫中每一行計算，都能引用本次計算上面各行的計算結果
一、股票模型的機制：股票分為T+1模型和T+0模型
股票模型默認為T+1模型，T+0模型需要寫入StockT0_Plus:True;啟用T+0交易模式
文華MQ股票池程序化的信號執行方式和模型類型
模型默認信號執行方式為指令價（出信號立即下單），也支持編寫多樣的信號執行方式
模型默認為一根K線一個信號的模型，也支持編寫一根K線多個信號的模型
模型默認為一次建倉模型，也支持編寫連續建倉模型
三、編寫常見問題
1、如何定義策略中使用的全局變量
（1）K線圖公式/TICK圖公式
①NumericSeries、StringSeries定義序列型變量
盤中運行：記錄下每根K線的運算結果，用于下根K線的計算
回測：支持回測
注：TICK周期上每筆TICK一根K線，定義序列型變量，當根K線計算模型時使用上根K線的運算結果，相當于全局變量的用法
例子：通過序列變量控制一天之內總的開倉次數（開多+開空）
Setting
?…
專題搜索：
會員登錄/注冊