N2NQuant数据服务协议

1.总则

1.1.N2NQuant服务平台的各版本、各客户端（包括但不限于电脑端、移动智能终端、车载端等的应用程序、网页、供第三方网站和应用程序使用的软件开发工具包（SDK）和应用程序编程接口（API）以及不断创新研发的产品及服务）中，开发环境的数据由成都宽邦科技有限公司授权使用，

由small_q创建，最终由bqadm更新于

5-16直播 华泰模型搭建-后续等GPU定时任务开了会全部跑通

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com

由Unknown创建，最终由bqadm更新于

2023量化市场展望

复盘2022，量化行业蜿蜒向前，整体规模略有下降，全年低迷的市场交投活跃度及行情风格的快速切换，使得“超额”之路异常曲折。 展望2023，投资者及财富管理机构对于量化行业的理解不断专业、深入，管理人策略不断迭代，产品线不断完善。某头部量化私募提出以下几点看法： 1.量化行业发展再次攀升，策略整体表

由valentine66创建，最终由bqadm更新于

伦敦证券交易所：海外量化趋势与另类数据最佳实践

摘要

“5月17日，由华泰证券、宽邦科技、亚马逊云科技、朝阳永续、金融阶等多家市场权威机构联合组织撰写的《2021年中国量化投资白皮书》成渝专场顺利举办，伦敦证券交易所资深技术专家卓坤庆以《海外量化趋势与另类数据最佳实践》为题发表演讲，我们对文字进行实录，以飨读者。”

正文

由small_q创建，最终由bqadm更新于

BigQuant DevX (策略开发兴趣小组) 第一期

目的

BigQuant策略开发兴趣小组，第一期 （2024-05 ～ 2024-07）

  • 为BigQuant量化学习者编写策略模版、Demo和复现常见策略
  • 通过共同学习，提高兴趣小组成员策略编写能力

如何参与

  • 对于策略开发者，扫描如下二维码，添加小Q微信，报名策略开发兴

由small_q创建，最终由bqadm更新于

DeepAlpha短周期因子研究系列之：DNN在量化选股中的应用


\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant

由small_q创建，最终由bqadm更新于

量化多因子研究基石：因子分析

因子分析简介

当前的股票、期货、债券、期权研究均以因子投资为主流趋势，且势头越发明显。本文所指因子分析是多因子策略、指数增强策略、多空中性策略的基石，其研究好坏直接关系和决定了策略的收益能力（信息比率），常被业内人士所称研究之重中之重，策略之核心所在。

![](/wiki/api/att

由xiaoshao创建，最终由bqadm更新于

基于Transformer模型的智能选股策略

导语

RNN、LSTM和GRU网络已在序列模型、语言模型、机器翻译等应用中取得不错的效果。循环结构（recurrent）的语言模型和编码器-解码器体系结构取得了不错的进展。

但是，RNN固有的顺序属性阻碍了训练样本间的并行化，对于长序列，内存限制将阻碍对训练样本的批量处理。这样，一是使得R

由lifei521创建，最终由bqadm更新于

机器学习有哪些常用算法

导语

通过文章《什么是机器学习》我们大概知晓了机器学习，那么机器学习里面究竟有多少经典的算法呢？本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想，数学与实践细节不会在这讨论。

回归算法

在大部分机器学习课程中，回归算

由clearyf创建，最终由bqadm更新于

高频数据因子研究系列

报告摘要

  • 传统多因子选股

    在国内A股市场，传统的多因子量化选股模型得到了广泛的应用，在实际表现中，传统的多因子模型在过去几年中也表现出较为稳定的超额收益率。但随着传统多因子模型应用越来越广泛，历史长期有效的因子逐渐失效，对新因子的挖掘提出了迫切的需求。

  • 新因子挖掘

由qxiao创建，最终由bqadm更新于

1分钟创建AI量化策略

导语

欢迎大家来到BigQuant人工智能量化投资平台 ，从本文开始，我们将手把手的带领大家进入人工智能量化投资的世界，整个学院教程采取边学边练的方式，实践中学习可以帮你最大程度理解所学内容，只要你紧跟学院大纲，你将可以很快的揭开人工智能量化

由clearyf创建，最终由bqadm更新于

AI量化策略的初步理解

导语

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

以StockRanker为例

机器学习算法太多，本文讨论只针对适用于金融数据

由clearyf创建，最终由bqadm更新于

技术指标

重叠研究（overlap studies）

SMA

参数说明

talib.SMA(a,b)

a:要计算平均数的序列；b:计算平均线的周期。表示计算a的b日移动平均

close = data['close'].values SMA = talib.SMA(close

由small_q创建，最终由bqadm更新于

控制每日仓位的一个例子

策略案例

[https://bigquant.com/experimentshare/0062e380d1b5400ca5fe4522ac948649](https://bigquant.com/experimentshare/0062e380d1b5400ca5fe4522ac948649

由ypyu创建，最终由bqadm更新于

自定义指标选股

策略案例

[https://bigquant.com/experimentshare/62dde783f98a42f4a9bead37e1817c66](https://bigquant.com/experimentshare/62dde783f98a42f4a9bead37e1817c66

由iquant创建，最终由bqadm更新于

多个策略组合

导语

市场没有圣杯，专业投资机构长期生存下来的秘诀就是：通过相关性较低的策略构造组合获取更为平滑的资金曲线。

做过策略的朋友都知道，开发一个收益稳定、回撤较小的策略非常不容易。 很多策略单独拎出来看表现不好，但多个策略如果组合起来，组合净值曲线可能非常漂亮。什么是策略组合呢？如果你本金30

由clearyf创建，最终由bqadm更新于

分页：第1页第3页第4页第5页第6页第7页第166页
{link}