gplearn入门
gplearn核心概念
它是一个基于Python的库，旨在通过遗传编程（Genetic Programming, GP）实现机器学习的功能。遗传编程是一种自动化的机器学习方法，通过模拟达尔文的自然选择理论来解决问题。它属于遗传算法的一种，通过选择、交叉（杂交）、变异等操作对程序（个体
由bqw9z8tc创建，最终由small_q更新于
一阳穿多线策略的因子描述-滚动训练
由ypyu创建，最终由iquant更新于
2022量化岗位版图
我们花了两周时间，和所有的客户全部沟通了一遍，整理出来了量化行业2022年最新的岗位需求版图。包括量化研究员、C++、机器学习、市场、期权、交易员、数据开发、运维等……多个热门岗位，任君挑选，快来mark你中意的岗位！
核心投研开发岗
A: 量化研究员
量化研究员，不多说大家都熟悉
由katie8创建，最终由small_q更新于
关于“青山妖镍”的后续
最近几个月，世界级的事件层出不穷，其中之一，就是结局尚未明朗的青山事件。整个事件过程跌宕起伏，好比一本书有一千个哈姆雷特解说，引得各界人士热议纷纷。短短几天时间，命悬一线的青山急速转弯，加上半路杀出的神秘力量，这样神出鬼没的剧情，怕是最狗血的编剧也不敢让车祸男主瞬间恢复记忆。往下滑，百奇星带大家知晓
由lcm526创建，最终由small_q更新于
量化研究员线上题目
由xiaoshao创建，最终由small_q更新于
初级工程师面试题目
面试题目说明
- 要求
- 尽可能低的时间复杂度和空间复杂度
- 代码逻辑清晰，变量命名合理，代码风格规范
- 点击如下题目的克隆策略按钮
- 完成代码
- 创建策略分享链接（策略开发界面右上角），发给面试官：分享策略 > 复制 分享链接
[https://bigquant.com
由jliang创建，最终由small_q更新于
Python代码实操
由small_q创建，最终由small_q更新于
10分钟学会pyarrow
Apache Arrow介绍
Apache arrow是高性能的，用于内存计算的，列式数据存储格式。PyArrow是apache arrow的python库，PyArrow与NumPy、pandas和内置的Python对象有很好的集成。它们是基于Arrow的C++实现。
Hello
由think创建，最终由small_q更新于
SciPy库的核心概念及主要功能
SciPy是基于Python的一个开源库，用于数学、科学和工程计算。它建立在NumPy的基础上，提供了许多高级的数值计算功能，从而使得Python成为一个强大的科学计算环境。SciPy是科学计算中最重要的库之一，广泛应用于学术和工程领域，包括金融领域的量化分析和模型开发。
基本概念
由bqw9z8tc创建，最终由small_q更新于
Matplotlib教程及主要功能用法大全
matplotlib 是一个 Python 编程语言和其数值数学扩展包 NumPy 的绘图库。它提供了各种绘图工具，使得开发者可以绘制各种静态、动态、交互式的可视化图表。
为什么要用matplotlib？
- 灵活性：matplotlib 提供了广泛的图表类型和样式选项
由ypyu创建，最终由small_q更新于
Matplotlib库主要功能用法介绍
Matplotlib是Python编程语言中最广泛使用的绘图库之一，提供了一个强大的接口来创建各种静态、动态和交互式的图表和可视化。由于其灵活性和易用性，Matplotlib成为数据科学、工程、金融分析和量化研究中不可或缺的工具。
核心概念
Matplotlib是基于NumPy数
由bqw9z8tc创建，最终由small_q更新于
Seaborn用法整理（下）
导语
本文是基于StackAbuse的一篇讲解Seaborn的文章 上编写。 附示例及实现代码，可直接前往文末 **一键克隆代
由clearyf创建，最终由small_q更新于
Seaborn用法整理（上）
导语
本文是基于StackAbuse的一篇讲解Seaborn的文章上编写。 附示例及实现代码，可直接前往文末**一键克隆代码*
由iquant创建，最终由small_q更新于
从均值方差到有效前沿
由ypyu创建，最终由small_q更新于
其他常用Python库
由small_q创建，最终由small_q更新于
获取指数成分和行业股股票
获取特定指数的股票
本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全
由clearyf创建，最终由small_q更新于
LSTM 能否通过历史股价预测未来股价？
LSTM 的闹剧
随着深度网络的越来越普及，软件开发人员越来越容易对其进行实现，毫无疑问，很多开发人员会用他们熟悉的基于股票价格的预测来训练长短期记忆网络。我见过好几篇论文，展示了如何通过把历史资产价格用于LSTMs训练然后得出“完美地符合”现实的结果。
我相信你也曾怀疑过这些说法都只是一
由ypyu创建，最终由ypyu更新于
XGBoost的价值选股策略
文献回顾
回顾价值策略
价值策略通俗地讲就是买入便宜股票，卖出昂贵股票，思想非常简单和直观。但是实际操作上这非常困难，因为我们没办法直接观察股票的真实价值。投资者可以从不同的视角采用不同的指标来估计股票内在价值。在股票市场中，最传统的方法就是通过会计报表的各个条目得到企业估值，
由ypyu创建，最终由ypyu更新于
神经网络知识梳理——从神经元到深度学习
在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写（如：DCIGN、BiLSTM、DCGAN……还有哪些？)，就已经让人招架不住了。
因此，这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络，
由qxiao创建，最终由qxiao更新于
遗传规划模块使用介绍
导语
遗传规划算法是目前比较常见和主流的数据挖掘算法之一。它是根据适者生存、优胜劣汰等自然进化机制来进行搜索计算和问题求解。
本文不作过多关于遗传算法的原理介绍，相关原理可以参考之前的wiki文章：<https://bigquant.com/wiki/doc/suanfa-python-M
由qxiao创建，最终由qxiao更新于
基于LSTM的股票价格预测模型
导语
本文介绍了LSTM的相关内容和在股票价格预测上的应用。
LSTM的股票价格预测
LSTM(Long Short Term Memory)是一种 特殊的RNN类型，同其他的RNNs相比可以更加方便地学习长期依赖关系，因此有很多人试图将其应用于 **时间序列的
由clearyf创建，最终由clearyf更新于
【多步骤和关闭策略】Deep Mind× UCL 2021年强化学习课程第11讲
第11讲:多步骤和间歇政策 研究科学家Hado van Hasselt讨论了多步和关闭策略算法，包括各种减少方差的技术。
[https://www.youtube.com/watch?v=u84MFu1nG4g](https://www.youtube.com/watch?v=u84MFu1nG4
由qxiao创建，最终由qxiao更新于
初识协整
导语
本文介绍了协整的初步内容。
协整
直观理解
协整是什么这个问题回答起来不是那么直观，因此我们先看下图，了解一下具有协整性的两只股票其价格走势有什么规律。
实现这些。
[https://www.youtube.com/watch?v=cVzvNZOBaJ4](https://www.youtube.com/watch?v=cV
由qxiao创建，最终由qxiao更新于
【规划和使用模型】Deep Mind× UCL 2021年强化学习课程第8讲
第8讲:规划与模型 研究工程师Matteo Hessel解释了如何学习和使用模型，包括像Dyna和蒙特卡罗树搜索(MCTS)这样的算法。
[https://www.youtube.com/watch?v=FKl8kM4finE](https://www.youtube.com/watch?v=FK
由qxiao创建，最终由qxiao更新于
MSCI:另类数据当中，中国分析师情绪因子表现大幅领跑环球市场
简介
本文来自于MSCI研究，原文标题为《情绪因素在不同地区的表现如何？》
关键词：MSCI | 全球投资 | 因子投资
作者：Howard Zhang
资料来源：MSCI 因子实验室。
情绪因素试图衡量不同群体对公司的看法。可以通过多种方式并从各种数据源中衡量情绪。许多情绪
由qxiao创建，最终由qxiao更新于
【无模型预测】Deep Mind× UCL 2021年强化学习课程第5讲
第五讲:无模型预测 研究科学家Hado van Hasselt对无模型预测及其与蒙特卡罗和时域差分算法的关系进行了更深入的研究。
[https://www.youtube.com/watch?v=eaWfWoVUTEw](https://www.youtube.com/watch?v=eaWfWo
由qxiao创建，最终由qxiao更新于
Deep Mind × UCL 2021强化学习系列课程
由qxiao创建，最终由small_q更新于
【动态规划算法的理论基础】Deep Mind× UCL 2021年强化学习课程第4讲
第4讲:动态规划算法的理论基础 研究科学家Diana Borsa将动态规划算法作为收缩映射进行研究，观察它们何时以及如何收敛到正确的解。
[https://www.youtube.com/watch?v=XpbLq7rIJAA](https://www.youtube.com/watch?v=Xp
由qxiao创建，最终由qxiao更新于
【无模型控制】Deep Mind× UCL 2021年强化学习课程第6讲
第6讲:无模型控制 研究科学家Hado van Hasselt研究了政策改进的预测算法，从而产生了可以从抽样经验中学习良好行为政策的算法。
[https://www.youtube.com/watch?v=t9uf9cuogBo](https://www.youtube.com/watch?v=t
由qxiao创建，最终由qxiao更新于
【函数近似】Deep Mind× UCL 2021年强化学习课程第7讲
第7讲:函数近似 研究科学家Hado van Hasselt解释了如何将深度学习与强化学习相结合，以实现“深度强化学习”。
[https://www.youtube.com/watch?v=ook46h2Jfb4](https://www.youtube.com/watch?v=ook46h2Jf
由qxiao创建，最终由qxiao更新于
【策略梯度和Actor-Critic训练】Deep Mind× UCL 2021年强化学习课程第9讲
Lecture 9: Policy-Gradient & Actor-Critic methods Research Scientist Hado van Hasselt covers policy algorithms that can learn policies directly and ac
由qxiao创建，最终由qxiao更新于
【MDPs和动态规划】Deep Mind× UCL 2021年强化学习课程第3讲
MDPs和动态规划 研究科学家Diana Borsa解释了如何用动态规划解决MDPs，以提取准确的预测和良好的控制政策。
[/wiki/static/upload/81/813ce39b-112f-4d7b-b034-1b584731213d.mp4](/wiki/static/upload/81
由qxiao创建，最终由qxiao更新于
深度学习实践经验汇总
写在前面：
本文原载于[how-to-start-a-deep-learning-project](https://link.zhihu.com/?target=https%3A//medium.com/%40jonathan_hui/how-to-start-a-deep-lear
由ypyu创建，最终由ypyu更新于
【探索与控制】Deep Mind× UCL 2021年强化学习课程第2讲
研究科学家Hado van Hasselt探讨了为什么学习主体同时平衡探索和利用已获得的知识很重要。
[/wiki/static/upload/98/988872ab-a494-42d8-99e4-e3533441abb7.mp4](/wiki/static/upload/98/988872ab-
由qxiao创建，最终由qxiao更新于
相关关系
导语
相关性经常用来度量两个变量的相关关系，本文将对相关系数做详细讨论。
简介相关系数
诺贝尔经济学奖得主马科维茨曾说过“资产配置多元化是投资的唯一免费午餐”。投资中有句谚语，不要把鸡蛋放在一个篮子，实际上讲的就是选择相关性不高的资产进行配置。资产之间的相关性用什么指标
由clearyf创建，最终由clearyf更新于
利用机器学习对冲风险
由ypyu创建，最终由ypyu更新于
机器学习
由ypyu创建，最终由ypyu更新于
使用sklearn进行数据预处理
由clearyf创建，最终由clearyf更新于
用随机森林预测股价走势
机器学习已经广泛地应用在对于资产市场的分析中。但是，在浩如烟海的机器学习算法中，到底哪种算法能取得更优的预测效果呢？发表在《Applied Mathematical Finance》的这篇文章利用随机森林算法对股价d天之后的涨跌方向进行了预测。发现相比于SVM、线性判别分析等模型，随机森林可以取
由ypyu创建，最终由ydong更新于
笔试
# 102
def func(a):
'''
a: 输入数组，已经排好序
返回值：出现次数最多的元素，如果有多个，输出最早出现的
'''
dic = dict()
for x in range(len(a)):
由bqjbfe2i创建，最终由bqjbfe2i更新于
基于一维CNN模型的智能选股策略
导语
这是本系列专题研究的第四篇：基于卷积神经网络CNN的深度学习因子选股模型。卷积神经网络（Convolutional Neura
由clearyf创建，最终由clearyf更新于
Python基础（视频+文字版）
本视频课程包含python、pandas、numpy基础，配合在BigQuant平台上练习，掌握编程基础，读懂代码、编写简单的代码。
视频链接
[https://www.bilibili.com/video/BV1dE411d7Q4?p=2](https://www.bilibil
由iquant创建，最终由iquant更新于
GBDT+LR介绍
GBDT+LR策略理论和思路介绍
GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。它在被提出之初就
由ypyu创建，最终由ypyu更新于
机器学习模型可解释的重要及必要性
导语
不管你是管理自己的资金还是客户资金，只要你在做资产管理，每一步的投资决策都意义重大，做技术分析或基本面分析的朋友很清楚地知道每一个决策的细节，但是通过机器学习、深度学习建模的朋友可能就会很苦恼，因为直接产出决策信号的模型可能是个黑盒子，很难明白为什么模型会产出某一个信号，甚至很多保守的
由iquant创建，最终由iquant更新于
ML系列——贝叶斯机器学习基础（离散数据）
由ypyu创建，最终由ypyu更新于
Tensorflow第二讲 - MNIST
概要
当我们开始学习编程的时候，第一件事往往是学习打印"Hello World"。就好比编程入门有Hello World，机器学习入门有MNIST。
MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片
它也包含每一张图片对应的标签，告诉我们这个是数字几。比如，上面这四张图
由ypyu创建，最终由ypyu更新于
随机森林的直观理解
导语
对于那些认为随机森林是黑匣子算法的人来说，这篇帖子会提供一个不同的观点。接下来，我将从4个方面去理解随机森林模型。
特征有多重要
在sklearn随机森林中使用model.feature_importance来研究其重要特征是很常见的。重要特征是指与因变量密切相关的特
由ypyu创建，最终由ypyu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
Tensorflow第一讲 - 介绍及基本用法
TensorFlow
Google 2015年11月开源的人工智能系统 数据流（flow）图技术来进行数值计算
节点：数据 / 值运算 边：多维数据（tensors - 张量，python numpy ndarray）的流动
步骤及元素
构建图：将计算流程表示成图 执行图：通
由ypyu创建，最终由ypyu更新于
基础数学
由ypyu创建，最终由ypyu更新于
第一个Python程序
导语
Python作为一门最热门的语言，现在已经成为数据分析、编程门投资、机器学习的主流语言。
Python是什么？
Python是一种计算机程序设计语言。你可能已经听说过很流行的编程语言，比如非常学的C语言，非常流行的Java语言等等，适合初级的基本的JavaScri
由clearyf创建，最终由clearyf更新于
数据类型之字典
导语
本文介绍了Python中非常重要的数据类型——字典
附件:字典的使用
[https://bigquant.com/experimentshare/12746792311940c2969d62e66309a404](https://bigquant.com/experimentsha
由clearyf创建，最终由clearyf更新于
函数调用与定义
导语
本文介绍Python编程中非常重要的函数调用与定义的相关知识点。
[https://bigquant.com/experimentshare/8dba3693963948e88c7af73f098c4e5d](https://bigquant.com/experimentshare/
由clearyf创建，最终由clearyf更新于
GBDT+LR的应用
导语
10分钟了解GBDT＋LR模型的来龙去脉
Gradient Boosting Decision Tree + Logistic Regression 建模过程中，解释变量质量的好坏 / 特征的好坏决定了模型的效果的上限，数据的噪音过多也会让模型检验的结果严重失真，而GBDT+LR
由ypyu创建，最终由ypyu更新于
算法交易的主要类型与策略分析
前言
算法交易起源于上世纪中叶的配对交易
历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动
由ypyu创建，最终由ypyu更新于
深度学习模型介绍
导语
BigQuant平台不仅支持传统机器学习模型，同时还对深度学习模型模块进行了封装，方便用户直接使用策略生成器开发策略，降低策略开发难度。本文对BigQuant平台上策略生成器已经支持的深度学习模块进行简单介绍。
深度学习模型通过功能层进行积木式拼接，典型的模型构架如下：
由clearyf创建，最终由clearyf更新于