数据分析

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

\

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

\

旧版声明

本文为旧版实现，仅供学习参考。

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

策略案例

https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec

\

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

一个十五年前开始研究量化模型的人，在A股量化择时的研究上有了一些看起来还不错的成果，发个简介出来大家围观下，有兴趣的朋友可以讨论、交流下。

模型所使用的都是万得日线级别数据，没有未来数据，根据前一日收盘的各种数据使用在EXCEL表格中数百列既定公式（模型）得出当日看多/看空（择时）及交易对象。

模型详细介绍放在附件里，里面的图都是EXCEL基于万得数据的回测效果图。模型做出来有几年了，22年前主体有些小优化，之后在研究应用。论坛里不要问有没实践。谢谢！

[/wiki/static/upload/52/52303662-927c-4aa0-96d5-af90cc49af8b.pdf](

作者：chenao1106

导语

本次分享内容：拿⼀个策略案例，介绍盘中买卖量化如何实现，收益变化如何？

我们平时看到的策略，买卖时间点基本上是开盘、收盘这两个时间点，但经数据分析按年维度看，⼤盘即使在上涨情况，开盘买第⼆天收盘卖，胜率达不到50%，通过近5年数据分析，⼤盘如果全年持平情况，胜率约48%。全年按250个交易⽇计算，持仓2天的超短线，会有125轮交易。按48%的胜率，即胜率60次，亏损65次，做短线的朋友⼀般会选择波动相对⼤点的股票去做，持仓2天平均盈亏的幅度按4%计算，按开盘买、第⼆天收盘卖，这个买卖时机的因素会导致全年亏损预计为（65-60）*4%=20%。我们

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

\

https://bigquant.com/codeshare/2b248cfd-00e7-410e-b176-f858ee0239ca

\

指标介绍

移动平均线指标（Moving Average）：简称：MA

所需数据和参数：MA(close,lag )

指标伪码：MAVAL:MA(CLOSE,LAG);

指标含义

/wiki/static/upload/09/090518d4-3580-44c8-b32b-98e7cf9b9fe9.pdf

\

问题

AI量化策略中如何选择合适的因子

视频

https://www.bilibili.com/video/BV1J24y1f7mJ/?spm_id_from=333.999.0.0

PPT

{{membership}}

[/wiki/static/upload/42/4267409e-a9f4-42db-bb79-1321ba5e4c59.pdf](/wiki/static/upload/42/4267409e-a9f4

随着交易数据量越来越大，金融领域的各种应用已经验证了使用人工智能可以更好地进行投资或业务决策，也越来越多人相信人工智能技术在金融领域的应用前景。人工智能提供了一种适用于从个人数据到业务流程的高效数据分析工具。 与此同时，越来越多金融机构开始使用机器学习方法，以期在市场竞争中赢得优势。量化投资机构逐渐抛弃传统的分析方法，转而使用机器学习算法预测市场走势和选择投资组合。 与传统投资方式相比，量化投资方式具有更高效率及准确性。量化投资是一种基于计算机系统而生成的投资策略选择方法，可以对数学模型进行监理，在实现交易理念活动过程中构建更为完善规范的量化投资评价体系。在对模型进行监理的基础上，再对历史数据

• 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

https://bigquant.com/experimentshare/21f522493cc941129b94cfed5027f98a

\

本文是行业轮动策略的源码。

策略案例

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

\

编写线段树代码

如何推八字

https://bigquant.com/experimentshare/3399e83df2ea49e4ae1378ed0c9378db

\

策略案例

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

\

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

模型板块包含了AI算法模型，多因子模型等一些研究内容。

https://bigquant.com/experimentshare/a4e89b23c2de4c56b6534136169d13c1

\

策略案例

https://bigquant.com/experimentshare/5f6ffc8016fd47deb6ef696ca7286b35

\

The Quantitative Approach for Sustainable Investing

作者：Sorensen E,Chen M, Mussalli G.

出处：The Journalof Portfolio Management，2021-08

摘要

ESG（也称为环境、社会和治理）投资目前引起投资界的浓厚兴趣。在本文中，作者考虑了与 ESG 投资相关的突出挑战以及量化方法如何解决这些挑战。与可持续投资的基本方法相比，作者认为定量方法有几个优点：这些方法可以建立并扩展现代投资组合理论的庞大分析工具箱，将投资者偏好纳入投资组合构建；这些方法可以利用最近的数据

参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python

正文

/wiki/static/upload/25/259b1aaa-df16-4ed2-abd6-8ad67bba7fb7.pdf

\