{{membership}}

[https://bigquant.com/experimentshare/1ac7989b1e63421ba3850e5394e6c36a](https://bigquant.com/experimentshare/1ac7989b1e63421ba3850e539

{{membership}}

[https://bigquant.com/experimentshare/a536cca5f0a244f8aa761ff2fefb8622](https://bigquant.com/experimentshare/a536cca5f0a244f8aa761ff2f

{{membership}}

https://bigquant.com/aistatic/codeshare/?id=651c6c32-c6b0-47c7-9a13-2fc57884c237

<https://mp.weixin.qq.com/s/vX4I9SpKRF3_HKQOGh

{{membership}}

[https://bigquant.com/experimentshare/f8448bcc15eb40808e936199eaa60f82](https://bigquant.com/experimentshare/f8448bcc15eb40808e93619

因子入库示例

{{membership}}

[https://bigquant.com/experimentshare/75e75821175e4efd9eaf5c3b54751d69](https://bigquant.com/experimentshare/75e75821175e4e

BigQuant AI Platform deep learning models（BigQuant AI量化平台深度学习模型库）。

介绍

bigmodels是什么？

bigmodels是BigQuant AI量化平台的深度学习模型库，集成了AI量化研究过程中常用的深度学习模型。

导语

大部分初学AI-量化的同学做选股策略的做法都是简单粗暴将全市场的股票数据都放入模型训练， 然后企图训练出一个万能模型-图灵机， 寄希望于仅仅只通过暴力的数据挖掘，或者某些因子，就可以打造出一个适应于 任何行情的选股模型--圣杯。

![{w:100}{w:100}{w:100}{w:

作者：woshisilvo

导语

在以往的分享中，很多朋友们问到如何设置大盘风控？在之前的分享中，我们讲过可以采用指数的涨跌幅以及Macd指标作为大盘风控的思路，通过特征列表 构造指数特征macd表达式，再通过指数特征抽取来进行风控的设置。

bm_0=where(ta

作者：woshisilvio

导语

对于部分中长线策略来说，并不是当天买入股票，第二天必须卖出，其持仓天数可能要长达5-10天及以上。除了止损之外,还要对部分看好的股票进行补仓，在个股的处理逻辑上会更多样化，也更加复杂。实际交易中我们除了需要大盘风控应对大盘下行的风险之外，可能还要有一套针

作者：徐耀杰(woshisilvio)

导语

为何要对模型预测score得分进行分组统计？

很多时候，我们会发现StockRanker每天按照score得分排序推送的股票，未必是最好的结果。尤其是一些风格不是很稳定的模型，StockRanker每天出的信号也不是很稳定。今天排名NO.1的

问题

AI量化策略中如何选择合适的因子

视频

[https://www.bilibili.com/video/BV1J24y1f7mJ/?spm_id_from=333.999.0.0](https://www.bilibili.com/video/BV1J24y1f7mJ/?sp

作者简介

作者：shen1

简介：鼠、虎、主升浪等三个系列策略作者，已实现1+量化策略实盘

策略简介

今年8月份，市场整体行情较差，沪指跌了1.77%，深证指数跌了4.82%，创业板指跌了3.75%，虽然沪指跌幅较低，但市场上的个股跌幅较大。于是提出猜想：是否能找到比较抗跌的策略

导语

RNN、LSTM和GRU网络已在序列模型、语言模型、机器翻译等应用中取得不错的效果。循环结构（recurrent）的语言模型和编码器-解码器体系结构取得了不错的进展。

但是，RNN固有的顺序属性阻碍了训练样本间的并行化，对于长序列，内存限制将阻碍对训练样本的批量处理。这样，一是使得R

导语

本文主要介绍高频特征抽取–由分钟到日频功能模块的使用。

模块简介

高频模块的意义

高频数据是目前顶级量化基金的重点布局领域，高频因子研究系统满足了用户可实现高频数据的挖掘需求，包括数据横向扩容、性能优化、高频因子抽取、分布式数据挖掘等功能。实现了从小数据、单机环境、

\

一、引言

Google在2017年发布了Transformer，截止2022年5月，《Attention is all you need》论文的引用量已经超过了4万，可以说是近5年最热门的论文。

Transformer最初发布是用于时序任务和NLP任务，在近年来也有不少Transfor

一、引言

DeepAlpha系列报告旨在从基础量价数据中，借鉴深度学习模型，应用于量化投资领域。学习模型包括：全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet，同时报告将引入自然语义识别NLP领域近年热门算法如BE

高频数据大规模计算场景是未来量化多因子选股的发展趋势。日频因子竞争日益激烈，领先的公募和私募基金已经将重心转移至tick\逐笔数据的研究上，因此本文帮助研究人员灵活使用BigQuant平台做自定义高频因子构建，更好地基于数十T规模tick数据做因子研究和策略开发。

本文介绍如何从日内高频数据中加

导语

RNN、LSTM和GRU网络已在序列模型、语言模型、机器翻译等应用中取得不错的效果。循环结构（recurrent）的语言模型和编码器-解码器体系结构取得了不错的进展。

但是，RNN固有的顺序属性阻碍了训练样本间的并行化，对于长序列，内存限制将阻碍对训练样本的批量处理。这样，一是使得R

\

前言

感谢BQ-小Q送的礼物，礼物已经收到拉，一如既往的黑盒高科技风。高端大气上档次。

![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachm

策略思路逻辑

上一篇 在华泰的研报中，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。

研报链接：[华泰单因子测试之资金流向因子](/wiki/doc/yinzi-ceshi-zijin-liuxiang-GaQ8l

作者：woshisilvio

策略思路

Alpha因子构成--大部分因子的来源

![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=36017065-

策略逻辑

Stockranker是专为选股量化而设计的机器学习算法，其选股思路是根据训练得到的模型，计算股票池中股票的当日评分，根据评分对股票池中的股票进行排序，排序靠前的股票就是当日选出的股票。

这种选股逻辑意味着不论股票的评分是多少，只要排序靠前就能被选中。实际上排序靠前股票的评分有不

\