74th Meetup

视频回放:[点击查看](https://bigquant.com/college/courses/course-v1:public+CS0517+2024-05/courseware/1807b379926547e7a9e78b794329f260/754ffca17883405a86e7d7765

由small_q创建,最终由small_q更新于

零基础《AI挑战虚拟股票预测大赛》入门教程

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](https://bigquant.com

由ypyu创建,最终由iquant更新于

时间序列预测(二):ARMA模型

数据导入部分使用了dai

[https://bigquant.com/codesharev2/6cfc9123-1ada-40b1-a96d-c84a27bfdadf](https://bigquant.com/codesharev2/6cfc9123-1ada-40b1-a96d-c84a27b

由qxiao创建,最终由qxiao更新于

Pandas查看和选择

新版数据导入部分使用dai库

导语

本节主要讲解Pandas库中 DataFrame 的数据查看与选择


Pandas 是基于 Numpy 构建的,让以 Numpy 为中心的应用变得更加简单。平台获取的数据主要是以 Pandas 中DataFrame 的形式。除此之外,

由qxiao创建,最终由qxiao更新于

平均值

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/codesharev2/6b17586e-a9e3-

由qxiao创建,最终由qxiao更新于

基于SVM支持向量机模型的选股策略

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](https://bigquant.com

由clearyf创建,最终由qxiao更新于

python入门


\

由ypyu创建,最终由small_q更新于

代码学习

由small_q创建,最终由small_q更新于

强化学习

由small_q创建,最终由small_q更新于

遗传规划

由small_q创建,最终由small_q更新于

华泰研报: XGboost实现有序回归

{{membership}}

[https://bigquant.com/codesharev2/cff38b96-bc86-42ef-8eec-24c93591eff0](https://bigquant.com/codesharev2/cff38b96-bc86-42ef-8eec-24c93

由bq7zuymm创建,最终由bq7zuymm更新于

StockRanker模型可视化

导语

本文介绍了如何用BigQuant的策略生成器进行StockRanker模型可视化。

使用StockRanker模型

在模型训练之后即可看到模型可视化输出, 包括特征重要性、以及树的分支情况:

![](/wiki/api/attachments.redirect?id=0

由qxiao创建,最终由qxiao更新于

计算股票高低位

策略案例

[https://bigquant.com/codesharev2/266e4e5d-15c6-4ff7-ac3c-b822584e5485](https://bigquant.com/codesharev2/266e4e5d-15c6-4ff7-ac3c-b822584e5485

由iquant创建,最终由iquant更新于

深入理解协整

导语

在上一篇文章《初识协整》我们已经对协整有一个直观的认识,本文将进行深入理解协整。

[https://bigquant.com/codeshare/9079e4a0-c404-439a-aa78-7822fad5c86e](https://bigquant.com/codeshare/

由qxiao创建,最终由qxiao更新于

线性回归

导语

线性回归模型的最大特点就是简单高效,本文将对线性回归做详细介绍。


简介线性回归

线性回归是衡量两个变量之间线性关系的一种建模技术。 如果我们有一个变量X和一个依赖变量X的变量Y,则线性回归可以确定哪个线性模型Y=α+βX能够最好地解释数据。 例如,我们考虑

由clearyf创建,最终由qxiao更新于

多元线性回归

导语

多元线性回归的应用比较普遍,本文将对其做相关介绍。


金融理论从资本资产定价模型(CAPM)发展到套利定价理论(APT),在数理统计方面就是从应用一元线性回归发展到应用多元线性回归。在实际运用中,多元线性回归比较普遍

一元线性回归研究的是一个因变量和一个自变量的

由iquant创建,最终由iquant更新于

分页:第1页第2页第3页第4页第5页第6页第7页第8页第9页第23页