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

安装python包

使用pip命令进行安装

本平台已默认配置python3.11环境可以直接使用“pip”命令进行安装，需要打开终端输入pip安装包命令

按ctrl + ` 打开终端

或随机选择一个文件右键点击“在集成终端中打开”

pip常用命令

#显示版本和路径
pip --version

# 获取帮助
pip --help

# pip安装包 这里以pandas为例子
pip install pandas              # 最新版本
pip install pandas==1.0.4       # 指

AIStudio插件

• N2NQuant AIStudio 兼容 vscode 插件，vscode 插件可以安装到AIStudio使用

安装

• 搜索插件：在 https://marketplace.visualstudio.com/vscode 搜索需要的插件
• 下载插件：进入插件详情 > Version History > 选择版本 > Download\n一般情况下选择最新版本。部分插件最新版本可能和AI

AIStudio是N2NQuant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。AIStudio的一大亮点功能便是可视化策略！

何为可视化策略？

N2NQuant 的可视化策略旨在降低编程门槛，使得无论是编程新手还是经验丰富的开发者都能够轻松地开发和测试量化投资策略。通过拖拽和配置预定义的模块，用户可以快速搭建策略原型并进行迭代优化。

何为模块？

N2NQuant 提供了一系列预定义的模块，这些模块覆盖了数据处理、因子/特征抽取、AI算法模型构建、训练、回

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

\

介绍

通过本地 VSCode 连接到BigQuant AIStudio，在本地 VSCode 里开发、调试、运行等。

注意：本地 VSCode 没有 AIStudio 可视化开发等功能。我们仍然推荐使用 AIStudio。

此功能 旗舰版 专有。

环境配置

配置 SSH

• Windows 10/Mac/Linux 等一般都默认安装了 SSH 客户端，可以现在命令行运行 ssh 看看是否已经安装。如果未安装，可以询问 [QuantChat](https://b

引言

最近上传了一个新版的随机森林模块，大家可以尝试使用一下。

策略思想

因子和标签选取

因子为市盈率和过去30天和过去90天价格, 标签为未来五日收益率。

策略

[https://bigquant.com/codesharev3/471c0bcd-ec7

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

新版数据平台：

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

新版表达式算子：

https://bigquant.com/wiki/doc/dai-sql-Rceb2JQBdS

新版因子平台：

<https://bigquant.com/wiki/doc/b

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

新版数据平台：

https://bigquant.com/data/home

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

新版表达式算子：

https://bigquant.com/wiki/doc/dai-sql-Rceb2JQBdS

新版因子平台：

我们在持续招聘优秀的工程师，BigQuant AIStudio提供了非常好的在线代码编写环境，用于笔试和电话面试过程，代码可以以链接形式分享（右上角分享按钮）。

AIStudio

AIStudio 是BigQuant的AI模型和量化策略开发环境，可以使用独立的GPU研究环境，也可以使用FAI分布式算力集群。

ChatGLM

ChatGLM是清华开源的模型，在中文上有不错的表现。其中ChatGLM-6B是一个开源的、支持中英双语问答的对话语言模型，并针对中文进行了优化。该模型基于GLM架构，具有62亿参数。

为了学习方便，我们这里使用其中的int4版本 chatglm-6b-int4，这个版本占用资源很少，速度快。

使用AIStudio GPU

BigQuan

BigQuant 开始使用

BigQuant 导航

快速创建一个量化策略

1. 登录 BigQuant，进入 编写策略

   

   \

介绍

• 必读，适合所有用户阅读

核心概念

• bigcharts.Chart
• %%chart

import bigcharts

BigCharts已经安装到BigQuant AIStudio，在AIStuido中可以直接import使用

import bigcharts
from bigcharts import opts

绘制图表

BigQuant平台提供了丰富的数据用于投资研究和交易，打开 BigQuant 数据平台，选择一个数据，这里用 [全年交易

安装FAI插件

启动AIStudio AIStudio 快速入门

在扩展商店中找到FAI并安装，如果已经默认安装则可以忽略这一步。

FAI入口与集群列表

![FAI入口与

FAI是BigQuant研发的云加速集群调度应用，可以动态调用服务器集群级的算力，加速海量数据处理、高频因子挖掘、并行超参搜索、滚动训练等复杂任务的运行。

FAI 快速入门

安装FAI插件

启动AIStudio AIStudio 快速入门

在扩展商店中找到FAI并安装，如果已经默认安装则可以忽略这一步。

![安装 Fai AIStudio Extension{w:90}{w:100}{w:100}{w:100}{w:100}{w:

• 该文档已在产品中被引用，请勿修改其链接地址

简单介绍

QuantChat是由BigQuant基于QuantLLM研发的下一代金融投资交互体验工具，依托于BigQuant平台大规模能力，内嵌于BigQuant平台以AI为核心的Cloud IDE——AIStudio，主要应用于量化投资领域。

QuantChat可以与用户进行自然语言交互，在多个领域都有广泛的应用。它可以用于回答常见问题、提供技术支持、解决用户的疑问，甚至可以进行智能对话和提供娱乐，但其不同于其他对话交互应用的功能在于提供有关量化投资方面的信息、建议和帮助。QuantChat基于强大的机器学习算法

目标

• 用QuantChat生成文稿，用于演示

工具

• QuantChat：AIStudio内置支持

• Markdown：AIStudio内置支持

• Marp插件：用于将markdown显示为PPT，在 AIStudio > 扩展 搜索 marp，安装

  

生成

1. 新建一个markdown文件并打开，输入快捷键 ctrl

声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑

声明：本策略需要在AIStudio 3.0环境下运行

股票提取：在财报公告日当天，筛选出净利润同比增长小于1的，并按照净利润同比增长排序

股票过滤：剔除ST、退市、非主板、上市时间小于365天的

买卖时间：开盘买入，收盘卖出

初始资金：100万

持仓票数：3

持仓周期：30天

回测图：

\

策略源码：

{{membership}}

• 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

• 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

\

• 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

• 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

\

• 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

\

• 声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
• 声明：本策略需要在AIStudio 3.0环境下运行
• 买入条件：
• 5日均线大于10日均线，10日均线大于20日均线，20日均线大于40日均线，40日均线大于120日均线；
• 今日最低价小于10日收盘价均线 的股票，次日以开盘价买入；
• 买入后，如果5日均线小于40日均线，则次日以开盘价卖出
• 允许最多同时持有20只股票

\

策略源码：

[https://bigquant.com/codeshare/5051711d-1470-49f0-b448-e0cacfcf477b](https://bi

更新

本文为代码实现，仅供学习参考，可视化策略见：

https://bigquant.com/wiki/doc/122-xU6xPIfoPp

/wiki/static/upload/d2/d2d6827c-71b2-425b-81ce-b957dcc55763.mp4

回测图：

![](/wiki/api/attachments.redir