数据清洗
从金融角度看，数据清洗是一个至关重要的环节，它涉及到对原始数据进行核查、校验、修正和标准化，以确保数据的质量和准确性。在金融领域，数据的准确性和完整性对于风险管理、投资决策以及监管报告等都具有决定性意义。通过有效的数据清洗，金融机构能够提高数据分析的效率，降低因数据错误导致的决策风险，进而在竞争激烈的市场中保持领先地位。此外，随着金融科技的不断发展，自动化和智能化的数据清洗工具也在不断涌现，它们能够大幅提升数据处理的速度和准确性，为金融机构提供更加可靠的数据支撑。
分钟数据获取
策略案例
AIStudio3.0.0分钟数据获取请转移至:
https://bigquant.com/wiki/doc/5yig6zkf5pww5o2u6i635yw-6fK4a8ZOZx
[https://bigquant.com/experimentshare/893162aea1dc4c4f953f670293646709](https://bigquant.com/experimentshare/893162aea1dc4c4f953f6
更新时间：2025-03-13 02:08
【历史文档】高阶技巧-计算个股连板数量
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
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2025-02-27 02:34
【历史文档】算子样例-策略绩效评价
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
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2025-02-27 02:34
【历史文档】因子构建与标注样例-构建大盘收益率因子
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
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2025-02-27 02:34
分钟数据周期转换与分时策略构建
导语
很多朋友都在尝试使用平台的分钟数据，下面介绍一下分钟数据的读取与分时策略的构建。
分钟数据的读取
- 股票分钟数据，以000001.SZA为例：
df1 = DataSource('bar1m_000001.SZA').\
read(start_date='2015-01-01',end_date='2015-05-01').set_index('date')
更新时间：2025-02-27 02:34
AI可视化的数据清洗
AI可视化的因子特征数据清洗
清洗流程
大部分的金工报告中第一步都是提取因子数据，随后就是对这些因子特征数据的清洗。以华泰证券的金工报告为例，数据清洗的标准流程大概包括：
- 缺失值处理（删除或者用行业均值填充）
- 因子异常值处理（固定比例法、均值标准差法、MAD法）
- 行业市值中性化处理（将因子暴露以行业哑变量和市值为变量做线性回归，抽取截距项）
- PCA分析
清洗的目的是使得因子数据摆脱异常值、行业、市值和多重共线性的影响。
特征因子数据清洗模块
def bigquant_run(input_1, input_2, input_3):
#更新时间：2024-06-11 03:29
因子构建
更新时间：2024-06-07 10:55
构建日历周线级别因子
更新时间：2024-06-07 10:55
62nd Meetup
数据因子：
- 如何用可视化的方式提取自己构造入库的因子，提取后需要特征抽取吗？
- 如何在可视化模块中读取csv数据表中的数据？
- 什么时候需要用到基础/衍生特征抽取？
- 如何在双均线策略上增加收入增长，上市时间大于1年，小于5年的筛选因子？
- 如何确保数据准确性和完整性，如何清洗数据？
策略优化：
- 量化策略真的有效吗？
- 如何获取有效的策略？
- 验证策略需要自己搭建平台还是使用开源的？
- 是否需要自己部署程序，还是可以在平台建立量化策略，哪种方式比较好？
- 如何找到价格在年均线底部的股票？
- 如何筛选月内涨幅大于10%，小于30%的股票？
更新时间：2024-06-07 10:55
Pandas使用小技巧
更新时间：2024-05-20 02:34
使用sklearn进行数据预处理
更新时间：2024-05-20 02:09
双均线基金策略-股票日频
更新时间：2023-06-01 06:18
获取到的数据连接重复的疑问
更新时间：2023-01-11 05:55
python如何可以获取股票L2行情
python究竟怎么可以获取level2行情呢？比如百度、新浪、搜狐、CSDN等都有教程还有说明，同时还有提供一些常见的股票L2接口，包括许多模拟股票交易系统也提供了数据，但这些获取股票数据的方法并不像通过python那样方便。那么，如何通过python实现股票L2接口呢？
以下有两种情况说明：
（1）你有自己的证券商及客服专员；
在这种情况下，个人直接打电话给交易账户的证券期货供应商客户服务专员，获取CTP数据接口信息。CTP是指根据要求，进入期货公司的交易程序必须经过穿戴认证。简单地说，它是在期货公司提供的模拟环境中完成指定
更新时间：2022-12-08 05:44
Alphalens因子分析模板
更新时间：2022-11-20 03:34
用传统框架测试机器学习-GBDT算法
更新时间：2022-11-20 03:34
宏观经济数据可以用来选股吗？-海通证券-20180624
摘要
宏观数据多被应用于资产配臵与行业轮动，本篇报告尝试在微观的选股层面进行探索，以期为投资者提供参考。
如何刻画股票与宏观经济指标之间的联系。本文首先探讨宏观经济如何影响股票的收益，并尝试使用宏观敏感性（MacroBeta）刻画股票与宏观经济指标之间的联系。
宏观数据的潜在问题与数据清洗。宏观经济数据相较其他常见数据，面临的问题更多，包括公布时间滞后、数据发布频率不稳定、缺失值多、序列不平稳等。实际使用时，我们推荐通过差分法、Surprise替代法、资产组合模拟法等方式进行预加工处理。
宏观敏感性因子是否可以用来选股？我们将宏观敏感性——MacroBeta当作选股因子，测试其本
更新时间：2022-09-01 13:47
商品期货量化趋势策略信号2022年08月29日
更新时间：2022-08-29 04:43
https://bigquant.com/community/t/topic/164619新闻文本情感文章里的策略报错
更新时间：2022-06-15 05:58
高质量AI量化策略
更新时间：2022-05-22 01:17
确保回测和仿真一致的方案
更新时间：2021-08-24 05:46