160-alpha挖掘大杀器——并行模块tune
导语
平台有大量算力,但是个人开发环境算力有限,因此怎样将一份AI策略,修改下模型策略的参数,让他在远程集群环境运行呢,比如我模型学习率是0.01 ,希望在0-1整数之间按0.01遍历呢?
这里有100种情形,100组参数。如果每组参数要跑10分钟,那跑100组参数的时间太长了,接近16个
由qxiao创建,最终由qxiao更新于
平台有大量算力,但是个人开发环境算力有限,因此怎样将一份AI策略,修改下模型策略的参数,让他在远程集群环境运行呢,比如我模型学习率是0.01 ,希望在0-1整数之间按0.01遍历呢?
这里有100种情形,100组参数。如果每组参数要跑10分钟,那跑100组参数的时间太长了,接近16个
由qxiao创建,最终由qxiao更新于
高频交易经常被提起,却始终蒙着一层神秘面纱,仿佛那只是金字塔尖那一小撮人的玩物。今天我们就从期货高频数据下手,去揭开神秘面纱的一角,并尝试搭建神经网络模型对高频数据进行预测,抛砖引玉,希望能让对金融数据分析,量化交易,人工智能感兴趣的朋友有所收获。我们已经将本文的全部源数据+源代码+python环境
由lizhuo111创建,最终由bqetai3p更新于
在我们找到一堆因子后,下一步就是把这些因子打好标,丢入模型,让模型去寻找因子和标签的映射规律。
标签就是你要解决的问题,标签应该是和因子强相关的。随意的打标会增加模型预测的难度,而过于傻瓜的打标会限制因子的发挥。
普遍做法是用n个周期后的收益率作为标
由small_q创建,最终由bqhnclli更新于
def run(
*,
market: Market = Market.CN_STOCK,
由jliang创建,最终由jliang更新于
主力资金流向策略以捕捉市场资金动态和短期趋势为核心,在量化交易中展现出独特的实战价值。从逻辑层面来看,主力资金作为市场中的 “聪明钱”,其流向往往反映了机构投资者对股票的价值判断与预期。当主力资金持续流入某只股票时,通常意味着企业基本面得到认可、潜在利好预期或存在价值低
由bq9e696k创建,最终由bqv93dy2更新于
\
1.如何封装量化策略框架
2.提供多个预先封装好的量化策略框架
\
说到量化,自然少不了策略。可能会有很多人认为A股中有很多不同的量化策略,实际上恰恰相反。就A股而言,可用的量化策略非常少。目前A股主流的量化策略只有2种,分别为筛选策略和多因
由anthony_wan创建,最终由bq9ndiek更新于
国金证券股份有限公司,1990年12月成立,335亿元市值,超5000人公司员工人数,8家分公司、75家证券营业部、分布全国24个省市,经营范围包括证券经纪、证券自营、承销与保荐、资产管理投资咨询、财务顾问业务等。(数据日期:2024年4季度)
==
由small_q创建,最终由small_q更新于
函数名称 | 描述 | 例子 |
---|---|---|
+ |
加法 | 1 + 2 = 3; '2023-1-1'::DATE + INTERVAL 1 MONTH = '2023-2-1'::DATE |
- |
减法 | `1 - |
由qxiao创建,最终由rydeng更新于
万和证券股份有限公司是一家拥有证券经纪、证券自营、证券投资咨询、融资融券、证券投资基金销售、证券资产管理、代销金融产品、证券承销与保荐、与证券交易、证券投资活动有关的财务顾问等各类业务资格的综合类券商。
由small_q创建,最终由small_q更新于
请教个数据筛选的问题, 我需要把右边gui的选股逻辑转成左边的sql。 发现gui里面的 指数成分 不选的话, 和我写的sql最后回测一致,但是
由bqhnclli创建,最终由jliang更新于
优质高股息策略以稳定收益和抗风险能力为核心,在量化交易中具备独特价值。其逻辑层面,在经济下行或波动时,高股息企业商业模式成熟、现金流稳定,能提供防御性;股息再投资可实现复利增长,放大收益;被低估的高股息股存在估值修复机会;同时满足养老金等长期资金的配置需求。市场
由bqy53ve0创建,最终由bq4xpatu更新于
由bqm5ph7d创建,最终由xuxiaoyin更新于
select* from cn_stock_factors_ta a where a.instrument = '000001.SZ' and a.date > today() - 15
│ date │ instrument │ sma_
由bqp2mf7h创建,最终由xuxiaoyin更新于
❓ 单一策略失效?市场一震荡就亏损?\n❓ 如何用“低相关”策略对冲风险,打造全天候赚钱体系?\n❓ 普通人如何构建自己的“私募级”策略池?
\n点击此处查看[直播视频回放](https://bigquant.com/college/courses/course-v1:public+l0527+2
由small_q创建,最终由small_q更新于
企业信用评估是投资决策中的重要环节,帮助投资者识别和评估潜在的违约风险,这对于保护投资者的本金和收益至关重要。通过对企业的财务状况、经营状况、管理能力等多方面因素的综合分析,投资者可以更准确地判断企业的信用状况和偿债能力。信用评级提供了一个衡量企业信用风险的有效工具,有助于投资者
由bqy16oab创建,最终由bqvkw4pv更新于
由bqy056es创建,最终由bqy056es更新于
学习按照某券商的研究报告复现日内策略,编写好以后取不到1分的数据,具体代码如下:
[https://bigquant.com/codesharev3/669be142-fa8c-47a5-88ec-5aa1dd9c96a6](https://bigquant.com/codesharev3/669
由bqw17mzp创建,最终由small_q更新于
点击此处[查看视频回放](https://bigquant.com/college/courses/course-v1:public+l0526+2025-05/courseware/5366e87aca9d4204ada7fd2ba40c6f1b/edf0f224f43f49d48e50cb9
由small_q创建,最终由small_q更新于
预计算因子 #销售净利率 (TTM) fs_net_profit_margin_ttm_0 数据从2024年9月4日 开始错误。在此之前,数据显示为 利润率*100 ,之后就一直显示 利润率
下单后,通过**context.get_positions()\[stock\
由bqnb6tin创建,最终由yzhzheng2更新于
本篇主要讲述如何获取BigQuant平台模拟交易信号,并将信号通过本地原生Python API (xtquant)将每日交易信号提交到国金QMT终端,进行实盘交易。
(还没有国金账号? 开户链接)
由qxiao创建,最终由qxiao更新于
import dai import pandas as pd import numpy as np
# -----------------------财务指标----------------------- # A3:=FINANCE(7)<1600000
由bq4e1737创建,最终由small_q更新于
高位成交因子是指个股在高位和低位成交的密集水平体现。高位成交较多的个股,交易行为中存在羊群效应,容易导致局部价格高估,而在未来呈现反转效应。反之,如果个股低位成交较多,存在低位加仓的现象,未来价格有较大上行空间。
高位成交因子计算公式如下:
![](/wiki/api/att
由small_q创建,最终由small_q更新于