#提取一级行业,可以获得5000多只股票的行业列表。
sql ='''
select *
from cn_stock_industry_component
where date between '2023-0-01' and '2023-01-07'
'''
import dai
ww = dai.query(sql).df()
www_uni = ww.drop_duplicates(subset='instrument')
www_uni
#获取cn_stock_bar1d表数据
sql = '''
select *
更新时间:2024-01-12 02:31
OPEN/DELAY(CLOSE,1)-1 这代码中的DELAY 的函数 是什么意思
更新时间:2023-12-15 02:22
OPEN/DELAY(CLOSE,1)-1 这个函数中DELAY 是什么意思
\
更新时间:2023-12-14 07:32
请教一下,用1000多个股票一年的收益率数据和20个因子做多元回归模型,这里有多只股票和多个日期,应该要怎么处理呢?如何预测股票收益率?
更新时间:2023-11-27 06:10
\
金融学理论:
QMJ因
更新时间:2023-11-16 09:44
就读几天的分钟数据,我用8G的FAI或者用2C/8G AI Studio就把内存读爆了。是不是读数据有啥BUG?
代码如下:
import dai
dayStart = "2022-12-22" dayEnd = "2023-12-31" sql = f"""FROM cn_stock_bar1m WHERE date >= '{dayStart} 09:30:00' AND date <= '{dayEnd} 15:00:00'""" df = dai.query(sql).df()
\
更新时间:2023-10-09 08:26
更新时间:2023-10-09 07:10
更新时间:2023-10-09 06:22
更新时间:2023-10-09 03:43
更新时间:2023-10-09 03:41
更新时间:2023-10-09 03:29
一直有类似的错误,应该是该模块的代码有一些问题,需要查看一下
更新时间:2023-10-09 02:27
用可视化策略是不是只能分析股票的相关数据?比如我要分析行业,分析申万一级的电子行业的换手率历史数据是不是没有办法做到?如果可以的话麻烦说一下具体的方法!
更新时间:2023-10-09 02:27
stock_ranker 模型会报错, xgboost不会
更新时间:2023-10-09 02:26
更新时间:2023-10-09 02:08
想用纯代码模式改写下SR DAI版本的模板,但是不知道这处传进去的数据应该是什么格式
更新时间:2023-10-09 02:06
数据是基础,是量化研究的一个关键环节,没有数据,量化就是无源之水,无根之木。所以,数据必须有。
数据分析领域有一个名言,“Garbage in, Garbage out”,如果我们在模型里面,输入的数据有很多细节没有处理好,我们模型计算出来的结果,甚至有可能南辕北辙,模型的可信度大大降低。所以,数据要尽可能精确。
这是一个利弊权衡取舍的问题。这个世界上,不存在完全免费的东西,任何看似免费的东西,都是在以另一种方式收费。市场上的很多数据生产商,也必然遵
更新时间:2023-06-14 03:02
在量化交易中,第一步也是最基础的一步就是获得数据,因为只有获得数据之后我们才能对我们的策略进行回测,进而判断该策略是否有盈利空间。
获得了数据之后,我们通常使用R、python等语言对数据进行处理。这其中往往会涉及格式整理、数据读取等步骤。于是我们想,如果可以直接通过R或python获取数据,就省去了很多麻烦,而R中的quantmod和python中的tushare正好可以实现这一目的,我将分两篇文章分别介绍一下这两个常用的工具吧。
这篇文章我们将如何使用R获取金融数据,我们经常使用的是大名鼎鼎的quantmod包。该包功能强大且简单便捷。下面我们通过一个例子进行
更新时间:2023-06-14 03:02
现在机器学习方法大行其道,很多人也想用这些方法来做CTA,我自己也做了一段时间,高频低频都有,觉得有些地方需要注意一下。
首先是数据处理方面。传统的量化交易系统喜欢主力连续合约或指数合约,其实最关键的是换月部分的处理。如果是主力连续,那么换月时计算指标回看行情的时候可能会用到不同的合约,这当然是不大合理的;如果用指数合约,其实更不靠谱,毕竟很多非主力合约买卖价差非常大,价格跳跃严重,而且换月部分还是用了不同的合约。靠谱一些的方法自然是每个合约都保存完整的行情,分别计算完技术指标,再抽取主力部分形成连续合约;而不是先生成连续合约再计算指标。
有了数据之后就是建模了。如果是分笔数据,5
更新时间:2023-06-14 03:02
软件即服务类推荐系统
SaaS推荐系统在开发过程中遇到很多挑战,比如必须处理多租户(multi-tenancy),存储和处理大量数据以及其他软件相关的问题,如在远程服务器上保护客户敏感数据的安全。
使用SaaS推荐系统的好处是,可以以较低的开销来获取价值,而不需要大量的前期投入,它们通常具有明确的集成方式提供给用户使用,并且在使用它时,可以对其进行开发和改进。
SaaS推荐系统有:
SuggestGrid:改进自Rcmmndr。SuggestGrid是一个通用推荐系统。它基于Apache Spark,但有很多改进。
Peerius:一个封闭的、专注于产品和电子
更新时间:2023-06-14 03:02
\
更新时间:2023-06-14 03:02
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='1000' height='400'></svg>)
本期作者:Gonçalo Abreu
本期编译:1+1=6
在过去的几个月里,我们花费了很多时间构建属于自己的入门级高频交易系统。由于我们将学习机器学习应用金融领域已经
更新时间:2023-06-14 03:02
在对金融数据进行分析时,我们往往更希望使用原始的非结构化数据。在对非结构化数据进行处理的过程中,更有机会发现竞争对手所不知道的特征。
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='776' height='274'></svg>)
更新时间:2023-06-14 03:02
下面这段话是我刚接触量化交易时导师回复我的,背景就是我请教导师如何学习量化交易,导师从美国对冲基金归国一直在国内做高频交易。PS:大概一个月没更新,下面几段话应该值回大家关注这个专栏。
关于量化其实不要神话了,就是对数据的处理,和内在规律性的探索。
工具上matlab,C++这样的能学多少学多少,行情数据都有,自己就可以来跑一些时间序列的模型,验证下是不是有规律可以发掘,比如有没有长期稳定的协整关系,这个一般是用来做pairs trading任何来自数据的规律都能转换为交易策略。
但是一旦过了工具关,能顺手的玩数据了,就要进入思想关了,这个关每个人必须自己来突破,所谓思想就是怎么
更新时间:2023-06-14 03:02
首先,欢迎大家关注我们的专栏:Alpha-Nebula,这次讲述的paper是“Can Online Emotions Predict the Stock Market in China?”,在这篇文章里,作者探寻了微博情绪与股票市场的价格波动之间的关系。
更新时间:2023-06-14 03:02