BigQuant即将推出全新的期货实时模拟交易功能，完美连接SimNow平台，为您提供无缝的实时下单体验。此功能旨在帮助交易者在实时市场环境中测试和优化期货策略，提升交易决策的准确性和灵活性。用户可以利用高性能的交易引擎，快速执行策略，并实时监控市场动态，获取第一手交易数据，助您在期货市场中获得更大

注：【方正金工】推动个股价格变化的因素分解与“花隐林间”因子——多因子选股系列研究之十

引言

推动个股价格发生变化的因素，通常可以分为三大类：市场层面的推动力、个股层面的推动力、噪声。其中个股层面的推动力又可以划分为近期突然到来的信息和中长期的基本面信息。在上述4

https://bigquant.com/experimentshare/6101b0b2a0f347cd98594fb4d0620065

\

{{use_style}}

一.导语

欢迎您来到BigQuant！

BigQuant是一个人工智能量化投资平台，平台内聚集了各类人工智能量化开发者、订阅者和学习者。

二.开发者

如果您是一位充满好奇心的学习者，在BigQuant您可以前往：

[1.培训报名](h

金融数据（特征、因子）不能直接拿来训练模型，如研报所示： 不需要用户单独通过“自定义模块”写Python代码实现。表达式最近增加了相关的支持。 示例：

我们在持续招聘优秀的工程师，BigQuant AIStudio提供了非常好的在线代码编写环境，用于笔试和电话面试过程，代码可以以链接形式分享（右上角分享按钮）。

![{w:100}{w:100}](/wik

机器学习在股票市场上应用价值初见成效，不少机器学习的策略远远超过大盘。虽然目前平台的实盘交易功能还未对外开放，但是不少策略开发者已经在实盘跟踪自己的策略了。

1.功能背景

用户在实盘中可能会遇到实盘账户数据和模拟交易运行数据不一致的情形，比如模拟交易的交易计划里提醒今天收盘时卖出A股

安装并登录

1、下载BigTrader AI量化交易终端，解压缩，双击目录下的bigtraderterminal.exe运行。

2、输入交易账户、登陆密码，选择节点并登录。

3、终端界面布局

• 左侧为账户列表
• 右侧为账户详情
• 账户详情上方为通知栏
• 账户详情中部为实时行情与

导语

欢迎大家来到BigQuant人工智能量化投资平台，本文将通过简短的介绍帮助大家快速认识BigQuant，快速了解人工智可以为投资者带来哪些价值，希望可以帮助大家快速建立起对BigQuant人工智能量化平台的初步认识。

BigQuant

一、BigTrader - 回测与交易引擎

1、DAI SQL 函数列表

1、[常见对象说明](https://bigquant.com/wiki/doc/5bi46keb5a56lgh

谁可以读？

本书是为了任何想要了解算法交易领域的人而写的。根据我们的经验，我们想象中的读者将是：

● 大学生

● 科技专业人士

● 不同类型的业余交易者（例如，专业交易者，或者喜欢积极管理个人投资组合的业余爱好者）

● 任何渴望了解更多关于应用量化金融的人

有什么先决条件吗

最近处于读论文的状态，给大家分享一些导读（一段话的论文总结），持续更新。

论文地址我就不贴了，Google一下就find得到。

主要论文涉及深度学习、计算机视觉(包括但不限于物体检测、图像分割)、模型设计及优化方面。欢迎评论区随时讨论papers，共同进步。

**SENET : Sque

今天小编为大家带来近期出版的一些关于机器学习、深度学习、数据科学方面的书籍。希望大家有所收获！

我们已经打包好了！

可在文末下载

![](/community/uploads/default/original/3X/f/7/f7e9f8304fee912285fc2c20cd538c

推荐一本2018年初发布的，由佐治亚理工学院交互计算学院副教授Jacob Eisenstein编写的深度学习与自然语言处理的教材。这本书由浅入深，在详细、全面介绍了自然语言处理相关的基础知识之上，结合了最新的深度学习技术，详细介绍了深度学习技术在自然语言处理很多方面的应用。**文末附本书pdf下载地

年初就一直在等啦

终于等到这本书

分享一下

此书的代码下载地址：*[https://github.com/fchollet/deep-learning-with-python-notebooks](https://link.zhihu.com/?target=https%3

原文链接：

[A Minimal Span-Based Neural Constituency Parser​godweiyang.com ![图标](/community/uploads/default/original/3X/d/3/d33a8f3e2871bea944f123c

物体检测，是计算机视觉任务的基础，其精度将直接影响相关视觉任务的效果，在深度学习方法兴起之前，开展了很多利用场景上下文来提高检测精度的研究。近年来，随着Faster RCNN等深度学习方法的兴起，在日益强调数据和性能的背景下，对上下文关联信息的利用却鲜有尝试。本文将介绍一种结构推理网络(Struct

原文链接：

[Straight to the Tree： Constituency Parsing with Neural Syntactic Distance​godweiyang.com ![图标](/community/uploads/default/original/3X/8

原文链接：

[Constituency Parsing with a Self-Attentive Encoder​godweiyang.com ![图标](/community/uploads/default/original/3X/8/9/8932fa20b7d78ad82513

在自然语言处理中TF-IDF是一种得到广泛应用来提取文本“关键字”的算法，本文我们介绍TF-IDF算法，并对scikit-learn中计算TF-IDF的方法进行介绍。

TF-IDF算法介绍

TF-IDF是_**Term Frequency-Inverse Document Fr

回顾去年的DCNN成果和深度学习发展，就必然会提及到到Kaiming He的深度残差网络 (https://arxiv.org/abs/1512.03385)。这

Instance-sensitive Fully Convolutional Networks

16年的ECCV，作者在FCN的基础上优化了FCN不能进行instance-segmentation的问题，提出了 InstanceFCN。

![](/community/upload

/wiki/static/upload/48/48c18500-0f09-4ab0-9043-3de928390a7c.pdf

\

摘要

微软首席工程师 Nick Cameron 发布了一篇博客，指出了他认为现在和未来几年 Rust 将面临的十大挑战，并提出了一些初步的解决方案想法。目前，Nick Cameron 主要负责该公司 Rust 相关的工作；曾经，他还是 Rust 核心团队的成员。

Nick 指出，现如今 R

通过上次在Cifar10上复现ResNet的结果，我们得到了上表，最后一栏是论文中的结果，可以看到已经最好