机器学习
机器学习在金融领域的应用日益广泛，为金融业务的智能化提供了强大动力。它运用算法和模型，自动从海量数据中学习和提取有用信息，无需人工进行复杂编程。在金融风控方面，机器学习技术可帮助银行、保险公司等机构更准确地识别欺诈行为，降低信贷风险。在投资策略上，通过对历史数据的深度学习，机器能预测市场走势，为投资者提供更精准的建议。同时，机器学习还能优化客户服务，例如通过聊天机器人提供24小时在线咨询，或根据客户行为数据提供个性化金融产品推荐。总的来说，机器学习不仅提升了金融业的效率和智能化水平，也在重塑我们的金融生态。
机器学习：14-XGBoost
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/f753d0b8-a3b2-4781-a1a9-dbf6ffe3fe38](https://bigquant.com/codeshare/f753d0b8-a3b2-4781-a1a
更新时间：2025-03-12 06:21
机器学习：20-DNN-滚动训练
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
https://bigquant.com/codeshare/e7bb60a5-a6e1-4310-9e6a-e4b742fb0f13
\
更新时间：2025-03-12 06:21
机器学习：5-岭回归
- 运行环境：AIStudio 3.0.0
- 机器学习：岭回归策略
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/af49fa20-ce4a-4f8f-b88c-d413035fe309](https://bigquant.com/codeshare/af49fa20-ce4a
更新时间：2025-03-12 06:21
机器学习：17-LSTM
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/56e64ce1-43c8-4317-90d4-5df0a427a966](https://bigquant.com/codeshare/56e64ce1-43c8-4317-90d4-5df0
更新时间：2025-03-12 06:21
机器学习：9-KNN
-
运行环境：AIStudio 3.0
-
机器学习：KNN算法
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/4fbd0eb2-8eec-4d43-b9bb-5aa4596d847a](https://bigquant.com/codeshare/4fbd0eb2-8e
更新时间：2025-03-12 06:21
机器学习：2-线性回归预测上涨概率
- 运行环境：AIStudio 3.0.0
- 机器学习：线性回归策略：预测上涨概率
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/3c3165db-d37e-4c8a-90f6-8af10855fb18](https://bigquant.com/codeshare/3c3
更新时间：2025-03-12 06:21
机器学习：12-随机森林
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/ccd34b84-4b39-4c48-b082-3859335a6c20](https://bigquant.com/codeshare/ccd34b84-4b39-4c48-b082-
更新时间：2025-03-12 06:21
机器学习：16-CNN
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3d
\
更新时间：2025-03-12 06:21
机器学习：6-索套回归
- 运行环境：AIStudio 3.0.0
- 机器学习：索套回归
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/7e2cc9bf-0dea-4201-8b94-ad465750eec8](https://bigquant.com/codeshare/7e2cc9bf-0de
更新时间：2025-03-12 06:21
机器学习：3-逻辑回归预测上涨概率
- 运行环境：AIStudio 3.0.0
- 机器学习：逻辑回归策略：预测上涨概率
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/b2a658f9-e445-422b-95f9-b57a50e23562](https://bigquant.com/codeshare/b2a65
更新时间：2025-03-12 06:21
机器学习：4-线性回归构建因子
- 运行环境：AIStudio 3.0.0
- 线性回归：构建因子+单因子策略回测
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/cd8638d7-21c0-4df4-8a29-e9f1cc227df0](https://bigquant.com/codeshare/cd8638
更新时间：2025-03-12 06:21
机器学习：11-感知机
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/d6fc0818-ae1c-4408-a0af-4cd73ffddfd6](https://bigquant.com/codeshare/d6fc0818-ae1c-4408-a0af-4c
更新时间：2025-03-12 06:21
机器学习：18-滚动训练-线性回归
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
https://bigquant.com/codeshare/66c560a3-335b-407c-aa2f-7053322141f4
\
更新时间：2025-03-12 06:21
机器学习：15-DNN
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/fd48a0d6-918f-4001-9a84-bcea18ae174b](https://bigquant.com/codeshare/fd48a0d6-918f-4001-9a84-bc
更新时间：2025-03-12 06:21
机器学习：1-线性回归预测收益
- 运行环境：AIStudio 3.0.0
- 机器学习：线性回归策略：预测收益
- 策略说明：本代码以教学目的为主，请自行调参
回测图：
\
策略源码：
[https://bigquant.com/codeshare/ead656f5-c6a0-4a6d-9226-2ed3474d2a20](https://bigquant.com/codeshare/ead656f5-c6a0-4a6d-9226-2
更新时间：2025-03-12 06:21
国信证券-机器学习法选股
更新时间：2025-02-27 07:45
浙商证券-机器学习与因子（四）：遗传规划：模型、优化与应用
更新时间：2025-02-27 07:44
【历史文档】策略-AI策略开发
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】策略示例-基于StockRanker的AI量化选股策略
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】策略示例-用随机森林回归算法实现A股股票选股
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】策略示例-StockRanker模型结果解读
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】策略示例-用梯度提升树回归算法实现A股股票选股
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
基于tick的日内接刀策略
更新时间：2025-02-27 02:34
【历史文档】策略示例-基金策略
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】策略示例-基金智能策略
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