量化小学
-
谁都可以学的量化交易入门课
找目标、填基石、造轮子、追实况、用利器，5个方面全面入门量化。
-
从0-1开发量化策略
认识量化投资、认识AIStudio、构建线性策略、构建AI策略、常见问题、学习路径......
-
数据平台/DAI使用
本课程讲解如何使用数据平台中的数据构建基础因子
-
量化金融知识
本课程讲解金融市场的参与者，以及股票和债券，基金和期货、期权的基本概念
-
量化策略基础与理论
本系列是一门手把手教学的课程，采用模块化设计，每一个模块都会详细讲解如何编写策略。本系列课程强调非机械化的策略实现，因为我们相信每一个量化策略都应该是根据市场情况和个人经验而定制的。
-
经典策略讲解
BigQuant策略模板库旨在帮助用户快速开始并优化他们的量化投资策略。无论您是初学者还是经验丰富的投资者，我们的策略模板都能提供从简单到复杂的多种投资策略选择。
-
量化代码基础课
本课程完整包含量化开发中需要的Python\Pandas\SQL语言讲解
-
模拟交易与实盘交易
本课程讲解如何自动追踪模拟交易，如何进行自动实盘交易
量化中学
量化大学
直播答疑
-
困境反转策略
别人恐惧时，如何保持贪婪？ 当市场陷入悲观，总有一些被错杀的明珠，正等待黎明前的破晓
-
攻守平衡的风格轮转策略
“不可胜者，守也；可胜者，攻也。守则不足，攻则有余……故善战者，立于不败之地，而不失敌之败也。”
-
换手率对冲市值策略
教你用换手率搭建市值对冲策略，避开震荡市陷阱～
-
全天候ETF资产配置策略回顾
全天候ETF资产配置策略：穿越牛熊的财富密码
-
三因子可转债轮动策略
震荡市下的稳健收益利器,震荡行情如何穿越牛熊？可转债“下有保底，上不封顶”特性怎么用？三因子模型如何捕捉确定性机会？
-
用SQL玩转高频数据
掌握SQL处理T高频数据的技巧;学习用SQL快速构建动量/波动率/流动性因子;实战演示：基于高频因子开发策略框架
-
多因子风控的小市值轮动策略
如何在高波动中“稳赚”阿尔法？
-
大小市值轮动多因子策略
震荡市中如何抓住大小盘切换机会？多因子模型如何实现超额收益？
-
小市值趋势稳健选股策略
震荡市中的「隐形冠军」挖掘指南
-
高频动量突破的ETF择时策略
高频动量突破策略：捕捉ETF交易黄金时刻！
-
用PE指标透视当前牛市
PE指标透视当前牛市，一眼看穿市场真相！
-
基于市场存量状态的选股策略
市场震荡期如何寻找确定性机会？存量博弈中怎样捕捉强势股？
-
做市策略的时序预测
做市策略核心逻辑与时序预测的深度融合
-
基于海龟交易系统的ETF轮动策略
你的资产配置是否总在追涨杀跌中徘徊？想用系统化策略捕捉市场轮动机会？
-
数据快速向量处理的方法
——突破传统循环，极致提升计算效率,是否曾因数据计算效率低下而错失策略信号？是否在因子计算、高频回测中被性能瓶颈困扰？
-
宏观状态自适应ETF策略
市场波动加剧，如何让投资策略"自适应"宏观变化？
-
深度学习ETF选基策略
深度学习ETF选基策略——AI赋能投资新机遇
-
组合优化下的"市场中性"策略
揭秘震荡市中的稳健之道，震荡行情下，如何追求稳健收益？如何穿越市场波动，捕捉确定性机会？
-
跨资产回撤优化ETF策略
市场波动加剧，如何守护投资组合？
-
复现方正高频因子
你是否好奇顶级机构如何用高频因子捕获超额收益？
-
基于资产质量的多因子选股策略
市场风格切换时，如何快速调整策略，捕捉下一轮机会？
-
牛市高盈利小市值策略
揭秘小市值策略在牛市中的超额收益逻辑
-
高频因子低频化方案
高频因子「降维打击」，低频也能赚趋势！高频信号看似完美，实盘却被手续费吞噬？
-
Z-score风险平价动态止损ETF策略
风险平价配置 - 分散投资风险，Z-score统计套利 - 捕捉均值回归机会，动态止损机制 - 有效控制回撤
-
ETF核心资产轮动策略
市场风格切换频繁，如何精准抓住主线行情？ETF品种繁多，怎样构建抗波动、高弹性的组合？
-
大类资产择时策略
深度解析大类资产择时策略的底层逻辑与实战技巧
-
单股分仓波段策略
股票分仓滚动操作，降低风险+捕捉多次机会, 波段买卖点量化识别技巧
-
历史中小盘股失效时市场是什么样的
小盘股突然跑输大盘，持仓收益急速缩水？市场风格切换时，总慢半拍调仓？
-
基于市场宽度的小市值择时策略
小市值策略的"科学打开方式"：用市场宽度锁定超额收益
-
SharpeRank风险调整优选ETF策略
SharpeRank策略：独家量化模型，用 「收益风险比」 动态优选ETF！
-
小盘股蓝筹股混合策略
小盘alpha与蓝筹防守如何配比实现稳健超额,现场演示 DAI(SQL) 因子构建 + BigTrader 回测落地
-
一致性风险度量的全天候策略
当市场风格快速切换时，如何用“风险一致性”度量构建稳健的全天候策略？
-
增强趋势因子ETF策略
深度揭秘：量化圈新宠增强趋势因子ETF策略，如何用AI动态捕捉牛熊转折点？
-
基于CatBoost模型与分类任务的ETF选基策略
量化投资如何实现科学选基？ETF筛选除了看业绩排名，还有哪些更智能的玩法？ 本次直播，带你深度拆解CatBoost机器学习算法在ETF选基中的创新应用，揭秘如何利用分类任务在海量基金中精准挖掘优质标的！
-
大类ETF-DRO组合优化-改版1
解决传统ETF策略在市场不确定性下的脆弱问题 ，DRO技术如何提升策略稳定性和抗风险能力
-
RSRS弹性ETF轮动策略
你是否在寻找一套适合ETF市场的动态轮动策略？想掌握最新的RSRS弹性选时技巧，实现资产稳健增值？
-
基于AS模型的期货做市策略
深入剖析该模型在期货做市中的核心应用，让你全面掌握从行情理解、模型参数设定，到策略回测与风控实操的全过程。
-
基于XGBoost模型和滚动训练的预测策略
本次直播将带你深度了解如何用前沿的XGBoost模型结合滚动窗口训练，实现多因子自动化选股和盈利能力预测。
-
ETF策略新突破！分布式鲁棒性优化DRO实战解析
解决传统ETF策略在市场不确定性下的脆弱问题 ,DRO技术如何提升策略稳定性和抗风险能力
-
动量多因子选股策略实战解析
本次直播将为你解锁：动量因子的核心原理与市场逻辑,轮动策略的实战操作技巧 ,如何用量化方法捕捉市场热点
-
金叉赢家ETF策略+自动化实盘交易
独家揭秘：基于MACD金叉信号的ETF轮动策略，精选标的：9只优质ETF构建投资组合
-
如何使用大模型在回测时实时进行舆情监控
回测结果完美，实盘却因突发舆情崩盘？人工监控新闻效率低，错过关键风险信号？传统NLP模型难理解金融文本的深层逻辑？
-
昨日涨停热门概念股打板策略
今年收益翻倍的秘密武器，直播间独家曝光！
-
自动化实盘高阶配置技巧分享
如何配置多策略,如何设置不同买卖点,如何设置撤单追单
-
基于StockRanker模型和排序学习的选股策略
传统因子选股失效快？持仓股跑不赢基准指数？ 策略迭代速度跟不上市场变化？
-
风险平价ETF躺盈策略
“躺盈”真相：不盯盘、不调仓，1个ETF组合跑赢90%基金经理！
-
如何通过AI实现复杂策略思想
别让灵感止步于想象！本次直播教你：如何通过AI实现复杂策略思想？
-
多因子动态智能轮动策略
如何让AI自动选择“当下最优因子组合”？3大信号识别因子衰减，避免策略踩雷
-
机器学习滚动训练框架
机器学习模型总在实盘失效？别再做“调参侠”！用滚动训练框架让机器学习模型自我进化！
-
AI深度学习量化策略
掘金利器！揭秘AI深度学习如何驱动量化策略超额收益
-
基于LightGBM模型和超参优化的收益率预测策略
LightGBM在金融时序预测中的独特优势,基于贝叶斯优化 的调参全流程
-
自动化实盘交易讲解
实盘落地的关键步骤： 从回测优秀的策略，到安全、稳定地部署到实盘环境，步步拆解，避开那些“坑”！
-
不止于滑点：限价买入测试
不止于滑点：限价买入测试，让你的策略 “抗压性” 一目了然
-
基于成长因子的多因子选股策略
深度解析「成长因子+多因子模型」量化策略
-
揭秘：如何“复刻”赚钱的量化策略？
信号“解剖课”： 深入理解常见量化信号（技术/基本面/另类...）的生成逻辑。
-
高股息策略优化
高股息策略2.0时代——3大优化技巧突破传统收益天花板
-
白糖期货AI舆情因子和配套策略
传统基本面分析滞后于价格波动？市场情绪突发转向导致策略失效？因子挖掘陷入同质化竞争困局？
-
可转债StockRanker收益预测策略
如何用AI模型（StockRanker）捕捉转债超额收益
-
低价主力小单共振策略
“三低共振”模型：低价+主力潜伏+小单异动，精准定位起爆点！
-
交易成本优化的股息策略
高股息收益被"隐形费用"吃掉？揭秘机构级交易成本优化术！ 为什么你的股息策略总跑输指数？
-
用日收益率判断策略组合
用「日收益率」穿透策略组合表现,策略回测盈利≠实盘赚钱！忽略日频波动恐踩大坑,如何从单日收益曲线中识别「过度拟合」「风险暴露」？
-
揭秘随机森林多因子策略
AI选股新时代！如何捕捉超额收益硬核拆解：用白话讲透随机森林如何优化因子组合，告别“玄学选股”
-
趋势为王：CTA策略历史回测解析
深入剖析商品交易顾问(CTA)策略的历史表现及其成功背后的驱动因素。 通过对经典趋势跟随策略的回测分析，参与者将学习如何识别有效的交易信号及市场趋势，从而提升实盘交易的决策能力，抓住趋势带来的机会。
-
低PE+高EPS黄金组合策略
低PE（估值洼地）+ 高EPS（盈利增长）= 攻守兼备的“价值护城河”
-
如何有效控制策略回撤
回撤控制，是量化策略长期稳健盈利的生命线！行稳致远！用系统风控“锁住”盈利！
-
探索A股10年风格轮动规律
一套可落地的风格轮动追踪模型！风格错配才是最大风险源！如何判断市场处于哪个风格象限？大盘/小盘/成长/价值风格切换的5大关键信号！
-
多品种CTA策略：穿越牛熊的“全天候”武器
震荡市如何捕捉趋势机会？单一品种风险太大怎么办？多品种CTA策略正是破局关键！
-
自动实盘交易技巧分享
解放双手绝招：用schedule定时调度全流程（每天自动运行，上班族福音）,万和证券用户：启动BigTrader自动解析文件单（附教学）,国金证券用户：直连QMT极速下单（现场讲解）
-
筹码分布数据深度解析
穿透迷雾： 彻底搞懂筹码分布核心指标（成本集中度、穿透率、获利盘...）背后的市场逻辑！
-
如何使用贝叶斯参数优化
贝叶斯优化 vs 传统优化方法核心差异，贝叶斯参数优化逐行讲解
-
远离暴雷股的量化进取策略
想抓小票高收益，却怕踩中ST退市"大雷"？财报季战战兢兢，一买就遇业绩变脸？成长因子选股有效，但波动太大拿不住？
-
低波动价值动量轮动策略分享
“低波动”打底： 优先选择波动性较低的标的，构建更稳健的资产池，降低账户整体回撤风险
-
低波动股息率策略
市场震荡频繁，账户收益像“过山车”？想赚股息收益，又怕踩中“价值陷阱”？低波动策略真的能兼顾防御性与收益性吗？
-
乖离率是真有效还是伪信号？
想知道有没有一个指标，能提前预警这种“超买超卖”的风险与机会？“乖离率” (BIAS) —— 这个看似简单的指标，到底有没有实战价值？它是捕捉波段拐点的利器，还是“马后炮”？
-
滚动训练优化 × StockRanker策略
滚动训练优化 × StockRanker策略｜动态捕捉市场进化！
-
如何构建基于VIX的期权策略
市场恐慌指数VIX异动！如何用期权对冲风险+捕捉暴利机会？如何构建期权VIX数据？如何基于VIX数据构建期权策略？
-
用LLM大模型挖掘股票行业黄金赛道（二）
秒读海量数据：揭秘LLM如何高效解析财报、新闻、舆情，提炼关键信号！行业趋势预判：AI如何从产业链上下游数据中，提前洞察行业拐点？实战策略分享：结合案例演示，教你用大模型生成个性化投资组合！
-
用LLM大模型挖掘股票行业黄金赛道（一）
秒读海量数据：揭秘LLM如何高效解析财报、新闻、舆情，提炼关键信号！行业趋势预判：AI如何从产业链上下游数据中，提前洞察行业拐点？实战策略分享：结合案例演示，教你用大模型生成个性化投资组合！
-
StockRanker AI可视化策略详解
通过大数据筛选出潜力股票模板，结合历史数据中的长期和短期因子特征，由特征因子建模的机器学习方法（StockRanker）来学习和识别将来能带来超额回报的个股。
-
可转债三要素稳赢策略
躺赢震荡市！揭秘“可转债三要素稳赢策略”， 手把手教你用「剩余规模+溢价率+到期收益」捡漏被低估的黄金债！
-
利用跟踪误差配置稳健资产对冲策略
市场高波动下，收益频繁回撤？想配置小盘股却怕风格切换“踩雷”？传统对冲成本侵蚀收益，如何平衡？
-
LLM大模型赋能因子挖掘
揭秘行业因子挖掘智能体系统！由大模型驱动的革命性工具，重新定义量化研究的效率边界！
-
基于MACD/KDJ 金叉量价共振择时策略
抓住金叉共振，捕捉强势起爆点！ 揭秘MACD/KDJ双金叉+量价共振的3大实战组合形态
-
10分钟教你看懂回测图
回测收益高=策略稳赚？小心“过度拟合”陷阱！7步拆解回测图：从收益曲线到风险指标，手把手教你看透策略真相！8大关键指标解析：夏普比率、最大回撤、胜率…哪些数据才是核心？
-
金叉赢家：高股息银行股投资策略
股市震荡，如何用技术指标捕捉银行股黄金买点？量化策略如何实现「低波动+高分红」双赢？高股息赛道还能躺赚多久？
-
如何使用并行工具高效开发AI策略
彻底改变你的开发方式：✔揭秘「并行计算核武器」：高效开发策略； ✔现场演示：3小时任务压缩至30分钟实战案例
-
研报复现——【广发金工】基于相似度的因子研究
为什么顶尖机构都在研究相似度因子？ 1️、独家拆解核心方法论：从相似度矩阵构建到因子合成 2️、代码逐行解析：如何用AI精准复现顶级研报策略 3️、实战应用指南：规避过拟合陷阱，打造高稳健性组合
-
成长因子策略开发全攻略
你的策略是否总踩雷？因子无效化 | 回测过拟合 | 指标滞后性
-
贝叶斯参数优化实战解析
传统网格搜索耗时费力？参数过拟合导致策略失效？ 想用高阶优化方法提升策略收益？ 贝叶斯优化（BO）正是你的「超频神器」！
-
行业轮动策略&跟随社保策略
本课程讲解行业轮动策略&跟随基金选股策略
-
如何使用QuantAgent生成策略
本次分享将带你深入了解QuantAgent的高阶用法，手把手如何快速构建并优化量化投资策略！无论是量化投资新手还是资深从业者，都能从中获取实用技巧，开启量化投资新篇章！
-
低价优质财务面选股策略
机构级选股模型：4大财务指标组合筛选法；手把手教你：识别"低价≠低质"的隐形冠军；独家数据：近5年低估值策略年化21%的底层逻辑
-
财务连续指标的使用
还在用单一财务指标选股？连续型财务因子将助你捕获穿越周期的优质企业！从0到1手把手教学：如何搭建「连续3年净利润增长＞20%」智能筛选体系
-
量化策略评估黄金法则
回测收益亮眼，实盘却频频失效？策略风险波动剧烈，收益曲线如坐过山车？面对海量策略库，如何筛选真正优质的「Alpha猎手」？
-
AI大模型赋能量化交易策略开发（2025年AI量化策略会）
分享如何使用这两年出圈的大语言模型进行金融数据探索、量化因子构建和选股策略实现
-
捕捉市场脉搏：基于涨停分析的热点板块识别与投资策略调整
在量化投资领域，市场的热点识别是投资者关注的重点之一。
-
分享会：数据预处理在策略开发中的重要性
数据预处理在量化策略开发过程中非常关键，常见的有异常值处理、标准化处理、中性化处理、缺失值处理等，其不同的处理细节直接关系到策略绩效。同时，不同的AI算法对数据预处理有不同的要求，本次分享将以此展开。
-
如何程序化进行自动市场分析
深入探讨数据量化分析的方法，挖掘数据中的隐藏价值和规律。利用数据可视化，将复杂的分析结果转化为直观易懂的图形和图表，提升决策效率和准确性。
-
分享会：如何通过AI寻找市场龙头
在市场热点和情绪龙头股票的策略中，会专门聚焦寻找一些高波动率的股票，而这些股票通常又是龙虎榜的常客，而龙虎榜就可以成为标的池，我们要找的龙头恰巧就藏在龙虎榜里
-
分享会：AI算法因子挖掘
神经网络擅长捕捉数据中的非线性关系，对于投资中复杂的市场动态而言，可以挖掘出常规方法难以发现的特征因子。本次将分享如何利用CNN/DNN来挖掘因子，提升策略的收益能力。
-
华泰研报：在XGboost中实现关于有序回归作为损失函数和评价函数
学习线性代数和解析几何对建立模型的优势是什么？ 如何在XGboost中实现华泰研报关于有序回归作为损失函数和评价函数？
-
期货多因子多空组合实践
期货多因子结合了多个投资因子，如动量、价值、质量等，来选择期货合约。我们会对期货市场进行深入的研究，选取强势的合约进行多头投资，同时选择弱势的合约进行空头投资，以实现对冲风险，实现在不同的市场环境下都能找到投资机会，且能有效控制风险。
-
6个步骤从零构建优质量化选股规则（含源码）
该课程内容主要讲解用6个步骤从零构建优质量化选股规则。
-
BigClub策略分享活动-成都站
自2023年伊始，我们便开启了一系列策略分享的旅程，旨在构建一个面对面交流和学习的平台，让量化投资爱好者们能够相互碰撞思想，共同提升。在这一年里，我们的脚步遍及了深圳、上海、北京，每一站都收获了丰富的经验和深刻的洞见。
-
机器学习在量化中的应用（北京线下分享会）
课程详情 1、什么是机器学习 2、机器学习在量化中的流程 3、机器学习模板 4、高频因子包 5、高频因子策略
-
AIStudio可视化模块开发
本课程介绍如何开发AIStudio中的可视化模块
-
深度学习合成因子
本课程讲解深度学习合成因子，深度学习合成因子是指使用深度学习模型，从大量的金融数据中提取特征并构造出的可代表某种市场规律的因子，用于量化投资中的资产定价和风险管理。
-
部署一个深度学习模型
本节课，徐啸寅老师手搓代码，构建一个深度学习模型
-
小样本机器学习模型系列分享
本节课程主要讲解小样本机器学习中模型中的：理论讲解、因子复现以及模型复现。
-
基于遗传规划的CTA策略构建（含源码）
已知我们可以构建股票的截面因子策略，并且可以通过遗传规划算法进行因子的自动挖掘，发觉其中复杂的非线性关系。那么，截面因子在期货市场的应用如何呢？是否仍然可以靠遗传算法自动挖掘中更多的有效因子？
-
开发者分享会：量化经验交流
我们邀请了平台优秀开发者连线分享自己的量化经验，以及疑惑解答。
-
如何借助AI大模型分析论文&研报
演示如何让AI自动提取摘要/深度阅读/核心结论，用AI对研报的因子/策略进行复现/生成思维导图
-
基于高频因子的指数增强策略
如何使用BigQuant平台的高频因子 如何给予快照、逐笔数据自定义构建高频因子 如何进行高频因子的有效性检验 如何使用深度学习算法合成因子 如何通过高频因子构建指数增强策略
-
人工智能在量化投资中的应用
随着人工智能的飞速发展，智能投资迎来5.0的新时代大模型，正在量化投资领域大放异彩
-
公开课：机器学习在量化投资中的应用
本节课程是直播精选，讲解机器学习在量化投资中的应用
-
洞见未来·智胜市场——关税冲击下的应对
关税冲击下的股市，危中有机，如何破局？瞬息万变的市场中，如何用数据捕捉机会？如何通过量化策略实现超额收益？
-
私享会直播回放节选（试听）
私享会｜集策略、资源、人脉、成长于一身的高端量化会员社区，五大核心权益，助你量化投资更上一层楼
-
认识开发环境AIStudio
本课程内容主要介绍AIstudio的基本界面、构建量化策略的流程、常见问题答疑。
-
机器学习用于底部反转策略的表现
机器学习用于底部反转策略的表现
-
如何用量化的方法诊断个股
该课程内容主要讲解如何用量化的方法诊断个股。
-
大跌行情下的量化策略
大跌行情下的量化策略
-
市场风格变化时策略如何自动切换
该课程内容主要讲解市场风格变化时策略如何自动切换。
-
综合风控：如何通过条件止损+补仓+精炼买入/卖出信号
综合风控：如何通过条件止损+补仓+精炼买入/卖出信号
-
提升信号精准度:预测信号分组过滤的方法
提升信号精准度:预测信号分组过滤的方法
-
Python基础课（2023版）
本课程涵盖 Python基础,Pandas数据分析基础以及Numpy基础。帮助同学们初步认识Python数据分析的各类基础功能，大下良好的基础。
-
龙头战法实盘+中证150增强策略
龙头战法实盘+中证150增强策略
-
提升实盘收益的仓位管理策略
该课程主要讲解如何提升实盘收益的仓位管理策略。
-
如何选择AI量化策略的训练时间
AI量化策略的训练时间影响模型的结果，导致在调试的过程中拿不准该如何思考和选择训练时间，我们从以下三个方面探讨训练时间该如何选择？
-
《天蝎座0.6》BQ天梯NO.2策略源码讲解
该课程主要包含《天蝎座0.6》 BQ天梯NO.2策略 源码讲解。
-
3步管理AI量化策略
如何对AI量化策略进行管理？三步走
-
三种构建大盘风控指标的方法
该课程主要包含三种构建大盘风控指标的方法
-
基于强势股涨停回调/情绪反包策略
由于T+1的限制，追涨策略存在先手差，容易站在山顶，依赖较强的市场动量， 在市场下行时容易造成多头反转，回撤较大，不利于盘中跟踪。好在市场通常经历筑底、上涨、加速、赶顶、退潮，那么，我们可否退而求其次，做龙二、龙三、龙头回调的模式呢？
-
基于stockranker的超跌反弹策略
在《多因子系列之七：华泰单因子测试之资金流向因子》中我们知道了四类因子（流入类因子、流出类因子、主力净流入类因子、开盘主力净流入类因子）在选股上存在一定的实用性。本次将从研报中获取到了灵感，结合一些收益率和量价因子，来进一步合成我们的资金流因子，制作反转策略。
-
算法那么多，如何给策略选择最佳的算法？
该课程内容主要是通过对比常见算法的优劣，教你如何给策略选择最佳的算法。
-
AI量化攻略：交易经验or因子分析
该课程包含AI量化攻略，带你深入了解并构建量化策略，助你持续提升策略构建能力。
-
指数择时ETF策略如何实现
如何何通过盘口数据做量化，天蝎座0.6策略旧版本，如何在新版里面实现，如何将每次剩余的仓位买入黄金eft，如何进行因子分割，组合优化有什么好方法，3.0版本下，如何构建CNN模型及策略？
-
如何识别分钟级震荡和趋势上涨
如何用量化指标描述分钟级别震荡和趋势走势?如何用量化指标描述分钟级别周期的阻力位和支撑位?期货策略的量化因子、择时、仓位管理和股票的区别?
-
BigQuant平台上如何做因子挖掘
1、量化研究最重要的是因子挖掘？ 2、BigQuant平台上如何做因子挖掘？ 3、券商研报的因子复现有现成的源码或者可以AI自动生成吗 4、AI量化中的特征重要性是相对于本次给定的特征而言还是所有？ 5、将价格K线形态作为买卖依据喂给AI学习是否可行有何难点？
-
stockranker的滚动训练
stockranker的滚动训练，滚动训练是一个循环每次滚动周期训练完成后，stockranker是否需要保存模型
-
因子分析中的行业与板块因素
在因子分析中加入行业、板块、或者其他类型的对股票分组的方式，有两种思考方式：一种是直接将这种因素当作一种分组方式，一种是在因子分析中，不按照因子值进行分组，而是按照行业或板块进行分组，看因子值在这些组内的IC
-
回测中如何传入多个输入
1、在交易引擎中，如何添加新股买入附加限制？2、回测引擎如何传入 多个额外输入？3、如何抽取周线数据的5日均线？4、如何实现连接数据等常用的模块？
-
如何实现一个组合策略和组合优化
CTA策略和多因子策略的区别主要在哪里？如何利用bigquant现有的数据尝试开发CTA策略？开发逻辑是怎么样的呢？stockranker模块选股看着跟线性的没区别？自动排序的逻辑是什么呢？算法按什么排序的
-
海龟法则-多标的策略
只要20日内出现过涨停的股，请问怎样能最简单用最少的代码来构建？
-
因子挖掘&行业轮动策略
因子加工的时候，如何判断加工结果是否准确？关于行业轮动模型的研究和设计，没有办法寻找一个好的方向与切入点？
-
有哪些资金流因子的思路
资金流相关的因子很多都失效了，有哪些资金流相关新思路？
-
如何在BigQuant实现通达信指标
如何在BigQuant实现通达信指标
-
IC值较高的因子，如何合成一个策略？
选取了IC较高的因子后，如何合成一个策略，一般步骤是什么
-
如何提升因子组合表现
课程详情： 1.为什么因子IC、IR好，SR表现变差？ 2.为什么SR好的因子组合后SR变差？如何提升因子组合表现？
-
AI挖掘因子与因子评价和优化方法
使用遗传算法进行股票因子挖掘？表达式里怎么自定义因子？怎么把因子封装成字段，在表达式里调用，或者说表达式就是给你调用因子字段的，不用编写因子公式，用SQL特征编写因子公式
-
“水中行舟”研报如何用dai的SQL方式来实现？
方正的“水中行舟”研报中提到“取市场上所有股票在当日“不分化时刻”的成交额序列，然后分别计算每只股票的分钟成交额序列与其余股票分钟成交额序列的pearson 相关系数”。这个操作如何用dai的SQL方式来实现？
-
交易引擎中如何自定义交易周期
在交易引擎中，想要自定义交易周期，通常都要借助交易日历表，以下我们就来演示一下，周一调仓和月初调仓这两个逻辑的实现
-
有哪些构建反转因子的思路
1.有哪些构造反转因子的思路？2.如果最快速的判断一个因子是不是反转因子?
-
度量量化策略和适合中小资金的量化策略
是否支持电子货币？ 如何度量量化策略？适合中小资金的量化策略有哪些？ 如何判断策略是否还适用？如何优化出优质策略？ 高频策略的核心是什么？
-
新版交易引擎使用常见问题
新版交易引擎常见问题： 如何标注股票？ 如何使用交易引擎？ 如何使用SQL进行新版策略开发？ 如何挑选连续涨停的股票？
-
双均线策略
如何用可视化的方式提取自己构造入库的因子，提取后需要特征抽取吗？ 如何在可视化模块中读取csv数据表中的数据？ 什么时候需要用到基础/衍生特征抽取？ 如何在双均线策略上增加收入增长，上市时间大于1年，小于5年的筛选因子？ 如何确保数据准确性和完整性，如何清洗数据？
-
量化策略：常见策略和黑盒模型
常见策略有哪些，效果如何？ AI跑数据生成的黑盒模型，业内使用率和效果如何？
-
因子的行业中性化与市值中性化
因子中性化： 行业中性化与市值中性化怎么结合 量价因子都需要同时做行业与市值中性化吗，哪些必须做，哪些不用做？ 有哪些常用策略风格？如何找到这些风格对应的股票池（代码讲解）
-
使用AI算法进行股票或线性模型的预测
使用AI算法进行股票或线性模型的预测 北上资金跟踪是否有超额收益？ 如何使用bigchart画图中文坐标字体？ 如何将老版本的多因子列表，编程新版本的多因子模型？ 通过sql获得预期的股票数据具体操作
-
统计分析和模型预估哪个更重要？
统计分析和模型预估哪个更重要？
-
BigQuant平台策略构建流程
BigQuant平台做量化的整体的流程是什么？
-
快速判断策略是否能用于实盘
如何快速判断策略是否能用于实盘？即未来也能带来收益
-
将深度学习应用于量化
如何将深度学习应用于量化？
-
如何添加因子访问渠道
如何添加因子访问渠道
-
量化策略：基于周内日历效应的策略
做一个基于周内日历效应的策略：因子的选择无所谓，需要想实现周四买入股票周一卖出，看看这个策略在平台上实现之后表现如何
-
时区瑕疵策略
超参搜索怎么搜索持仓天数？以默认stockranker模板为例
-
重采样做小时级、月线级的macd指标
如何具体分析因子库的因子？如何使用因子库的因子？ ic 值怎么看，绩效组合怎么分析？ 如何重采样做小时级、月线级的macd指标？
-
因子相关性分析
怎么测试因子的相关性及进行因子开发？因子有效性的最简单检验方法有哪些？
-
利用超参搜索持仓天数（StockRanker）
超参搜索怎么搜索持仓天数？以默认stockranker模板为例
-
配对交易策略
平稳时间序列介绍和基于协整的期货配对交易策略
-
AI策略调优
如何判断策略失效以及失效后的处理？
-
如何让自己的交易模式让量化实现？
如何让自己的交易模式让量化实现？
-
量化策略交易的未来
被监管后对量化策略交易的未来有什么影响？ 怎么将策略与下单自动连接？
-
机器学习/深度学习策略的逻辑理解
机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？
-
因子测试方法选择
因子测试: 多因子量化是否要单独测试单因子有效性 单因子检测回归法和IC测试法如何取舍，为什么？ 平台有回归法单因子测试的模块吗？
-
如何判断策略是否过拟合导致无效？
如何判断策略是否过拟合导致无效？
-
大智慧的策略如何通过深度学习精选？
大智慧的策略如何通过深度学习精选？
-
行业轮动策略
行业轮动策略
-
python自定义模块的使用方法
定义模块如何定义与封装
-
零基础小白如何学习量化投资
小白如何学习？
-
如何利用市场信息挖掘更多因子？
如何利用市场信息？ 除了量价信息之外有什么信息可以挖掘？
-
AI模式下的投资回报率
AI模式下的投资回报率
-
验证、建立量化策略
量化策略真的有效吗？ 如何获取有效的策略？ 验证策略需要自己搭建平台还是使用开源的？ 是否需要自己部署程序，还是可以在平台建立量化策略，哪种方式比较好？ 如何找到价格在年均线底部的股票？ 如何筛选月内涨幅大于10%，小于30%的股票？ 目前看到的validation set的mse有提升，但最后策略收益确提升不明显甚至降低。 如何选择validation set的metrics才能让其与策略收益有很好的正相关关系？策略收益以每日5股，20%轮动为类