金融数据
量化金融数据是指通过数学和统计模型对金融市场进行分析和预测所产生的数据。这些数据可以包括历史价格、交易量、波动率、相关性等各种指标，以及基于这些指标计算得出的各种统计量和风险参数。 它们对于投资者和金融机构来说具有重要的参考价值。可以帮助投资者了解市场趋势和风险情况，从而做出更明智的投资决策。同时，金融机构也可以利用量化金融数据来开发新的金融产品和服务，以满足客户的需求并获取更高的收益。 在处理量化金融数据时，通常需要使用各种数据分析工具和技术，包括数据挖掘、机器学习、统计分析等。这些工具和技术可以帮助投资者和金融机构从海量数据中提取有用的信息，并对其进行深入的分析和研究。 请注意，尽管量化金融数据可以提供有用的参考信息，但并不能完全预测市场的未来走势。因此，在使用这些数据时，需要结合其他因素进行综合考虑，以降低投资风险。
为什么 高频特征抽取输出值为None?
更新时间：2023-10-09 03:36
减因子画图报错
更新时间：2023-10-09 03:36
数据不完整，是不是数据源写的不对呢
更新时间：2023-10-09 03:03
平台给的模版高频因子抽取报错
更新时间：2023-10-09 02:53
用库里自带来的自动标注模块，运行出错了
更新时间：2023-10-09 02:50
BQ升级后出现错误代码
# 本代码由可视化策略环境自动生成 2018年5月25日 15:20
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。
m3 = M.dl_layer_input.v1(
shape='50,5',
batch_shape='',
dtype='float32',
sparse=False,
name=''
)
m13 = M.dl_layer_reshape.v1(
inputs=m3.data,
target_shape='50,5,更新时间：2023-10-09 02:43
读取数据模块报错——no data
希望通过使用读取数据模块读取表cn_stock_factors_ta，
m7 = M.datahub_load_datasource.v1(
table='cn_stock_factors_ta',
start_date='20200101',
end_date='20230901',
instruments="""# #号开始的表示注释，注释需单独一行
# 每行一条
""",
fields="""# #号开始的表示注释，注释需单独一行
# 每行一条
"""
)
`m7 = M.datahub_
更新时间：2023-10-09 02:26
数据抽取——无法获取close_0
看见模板策略是这么连线的，但是为什么我自己新建的空白策略上照葫芦画瓢会报错？
我明白了，如果指定标的的话，需要用数据源模块是么？那数据源需要填参数的表名在哪里？
更新时间：2023-10-09 02:06
同花顺涨停板涨停封单量因子分析20230928
更新时间：2023-09-27 02:30
WorldQuant Alpha101因子 附录三：所有因子的SQL实现
更新时间：2023-08-21 10:56
Bigmodels模型库
BigQuant AI Platform deep learning models（BigQuant AI量化平台深度学习模型库）。
介绍
bigmodels是什么？
bigmodels是BigQuant AI量化平台的深度学习模型库，集成了AI量化研究过程中常用的深度学习模型。
为什么需要bigmodels？
我们用PyTorch封装了AI量化研究中常用的深度学习模型，包含DNN、1DCNN、LSTM和Transformer等，并持续更新。
平台用户可以用简单的方式调用经过大量实践检验的AI能力，赋能AI量化投资。
import toch
impo更新时间：2023-05-22 06:21
ChatGPT
%%BigQuant_ChatGPT
更新时间：2023-05-04 02:21
获取到的数据连接重复的疑问
更新时间：2023-01-11 05:55
训练时报数据错误，但数据有115478 行，应该是够的呢
更新时间：2022-12-20 14:20
机器学习+择时+跟踪止损+技术分析
更新时间：2022-11-20 03:34
板块因子和上市时间策略
更新时间：2022-11-20 03:34
lighGBM训练出错
更新时间：2022-11-09 01:23
Learning a Vector Representation of Time
更新时间：2022-08-31 09:37
我已开启了真实价格，为什么close_0与布林带的值，都不是真实值？
更新时间：2022-03-27 14:12
自定义数据进行因子分析demo
更新时间：2022-02-21 11:25
使用表达式引擎进行因子分析demo
更新时间：2022-02-21 09:48
中国的股票回报是否可预测？机器学习方法（SSRN-3971419)
论文原名
《Are Stock Returns Predictable in China? A Machine Learning Approach》
论文作者
Huihang Wu, Xingkong Wei, Xiaoyan Zhang
修订时间
2021 年 10 月
关键词
回报预测、样本外预测、机器学习、金融科技
引言
股票收益的可预测性一直是研究的核心问题之一。金融。本文试图引入机器学习方法来回答股票是否在中国，回报是可以预见的。中国股市的108个特征数据来自1997 年 1 月至 2019 年 12 月，本文比较了传统计量经济学模型与
更新时间：2021-12-10 03:34