数据分析

English/繁體中文/简体中文

导语

本文从量化投资定义、量化投资特点、量化投资优势及量化投资实践流程四方面简要为大家

简单介绍

AIStudio是BigQuant平台以AI为核心的Cloud IDE，可以用于量化投资数据分析、因子挖掘、模型训练、回测和交易以及更广泛的程序开发和AI模型开发训练等。

快速入门

启动AIStudio

点击顶部导航栏中的【编写策略】即可启动AIStudio，或点击AIStudio超链接直接跳转。

初次启动可能需要一些时间，请耐心等待。

启动过程中可以点击"签到领宽币"，获得50宽币的奖励。

![加载页面](/wiki

AIStudio是BigQuant平台以AI为核心的Cloud IDE，可以用于量化投资数据分析、因子挖掘、模型训练、回测和交易，以及更广泛的程序开发和AI模型开发训练等。

/wiki/static/upload/31/315c1087-6d07-491a-90ef-43e717997077.mp4

从这里开始

• 点击进入 AIStudio

关键概念

\

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

下列代码在读取数据时，使用最新dai.query接口即可。

数据读取

\

策略案例

[https://bigquant.com/codesharev2/5509a634-c207-4eaf-a6f2-a73d15fada39](https://bigqua

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

下列代码在读取数据时，使用最新dai.query接口即可。

数据读取

\

导语

本文继续讲解Pandas库在数据分析和处理上的一些应用。

[https://bigquant.com/codesharev2/5a39d584-7b74-4d00-832f-

导语

本文是基于StackAbuse的一篇讲解Seaborn的文章上编写。 附示例及实现代码，可直接前往文末一键克隆代码进行实践研究。

简介Seaborn

在本文中，我们将研究Seaborn，它是Python中另一个非常有用的数据可视化库。Seaborn库构建在Matplotlib之上，并提供许多高级数据可视化功能。 尽管Seaborn库可以用于绘制各种图表，如矩阵图、网格图、回归图等，但在本文中，我们将

\

导语

Python作为一门最热门的语言，现在已经成为数据分析、编程门投资、机器学习的主流语言。

Python是什么？

Python是一种计算机程序设计语言。你可能已经听说过很流行的编程语言，比如非常学的C语言，非常流行的Java语言等等，适合初级的基本的JavaScript语言。

那Python是一种什么语言？

首先，我们学一下编程语言的基础知识。用任何编程语言来开发程序，都是为了让计算机干活，比如下载一个MP3，写一个文档等等，而计算机干活的CPU只认识机器指令，所以，尽管不同的编程语言千差万别，最终都可以“翻译”成CPU可以用机器指令。而不同的编程

导语

本文我们将讨论如何使用平均值来描述一组数据。

https://bigquant.com/codesharev2/6b17586e-a9e3-4cfd-8b82-32f2f13eb67b

\

https://bigquant.com/experimentshare/1e185519774149e6803c36f1e6ecb1e6

\

简介

以计算过去20日最高价当天的成交量为例，介绍如何计算这种场景的需求。

主要函数介绍

m_imax()

这里我们将使用到DAI的SQL函数m_imax，该函数可以帮助我们获得过去某个时间段的最大值的窗口索引。

例如，通过m_imax(open, 5) AS re_index来看看这个函数的使用效果，该语句获取了过去5天内最高的开盘价的索引，我们以‘000002.SZ’为例，查看该语句提取的数据。

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

策略案例

https://bigquant.com/experimentshare/7f7021993a9f40149189be939e15c882

\

策略案例

https://bigquant.com/experimentshare/5c5e31cf67c94de099b00aeab9676e48

\

本文是行业轮动策略的源码。

策略案例

https://bigquant.com/experimentshare/73f9656a0f5645c8909423df662357ff

\

数据导入部分使用了dai

https://bigquant.com/codesharev2/6cfc9123-1ada-40b1-a96d-c84a27bfdadf

\

本视频课程包含python、pandas、numpy基础，配合在BigQuant平台上练习，掌握编程基础，读懂代码、编写简单的代码。

视频链接

https://www.bilibili.com/video/BV1dE411d7Q4?p=2

\

扩展资料：

python教程

\

AI选股概念

AI选股是指使用人工智能技术，特别是机器学习和深度学习，来分析大量金融数据，识别市场趋势，预测股价变动，并据此提出买卖建议的过程。它通过算法自动处理和解析历史数据、新闻报道、财务报表等，以揭示股市的潜在规律。

核心技术

1. 数据分析和处理：AI系统能够处理和分析大量的数据，包括市场数据、公司财报、新闻报道、社交媒体信息等。这些数据远远超出人类分析的能力范

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

如何推八字

• 点击新建对话，创建一个新对话

• 点击输入框，开始与QuantChat交流

• 您可以直接输入以下对话

![{w:100}](/wiki/api/attachments.redirect?id=df515aaf-cef1-460

编写线段树代码

MFI资金流向指标

计算方式：

• 典型价格（TP）=当日最高价、最低价与收盘价的算术平均值；货币流量（MF）=典型价格（TP）*当日成交量；
• 如果当日MF＞昨日MF，则将当日的MF值视为正货币流量（PMF），将N日内的正货币流量加总代入公式5；
• 如果当日MF＜昨日MF，则将当日的MF值视为负货币流量（NMF），将N日内的负货币流量加总代入公式5；MFI = 100 -［100/(1＋PMF/NMF)］

\

OBV能量潮

计算方式：

• 从上市第一天起，逐日累计每日上市股票总成交量若当日收盘价高于前一日收盘价，则当日OBV为前OBV加上本

https://bigquant.com/experimentshare/6508a3b7858b4d098a358a880b18b332

训练结果展示： \n

文档代码有更新, 请移步:

https://bigquant.com/wiki/doc/5oyh5a6a5lqk5pit5pel5yaf5ps255uy5lu355qe5pac546h6k6h566x-3vmHty3GJJ

问题

laosha+如何计算前5-10个交易日收盘价的斜率。

思路

![{w:100}](/wiki/api/attachments.redirec