AIFlow - 任务管理
使用流程
- 编写计算程序,并将其提交为任务;
- 选择任务类型,例如数据任务、因子任务等,接着指定任务的相关参数,例如任务的执行时间等;
- 在任务管理界面查看任务的执行状态,如果任务执行成功,您可以查看任务的执行结果。
A 股短期波动中,突发消息(如政策微调、资
由bqtnziby创建,最终由bqtnziby更新于
在变幻莫测的金融市场中,无数投资者终其一生都在寻找那个能预测未来的“圣杯”:一个完美的交易信号,一个能精准捕捉市场脉搏的技术指标。我们沉迷于复杂的图表、研究各种理论,希望找到一种确定性。但这种追寻往往伴随着困惑与挫败。
如果告诉你,那些我们深信不疑、看起来高深莫测的趋势指标,其预测的准确率,可能还
由bq7td619创建,最终由bq7td619更新于
主力指的是大单和超大单之和,股票大小单主要是指买卖股票的单笔成交数量或金额,大单指的是股票市场中成交量为10-50万股,或者成交金额在20-100万元之间的交易;超大单指的是成交量大于等于50万股,或者成交金额大于等于100万元。这类交易通常由大型机构或
由sywgfuture01创建,最终由bqv93dy2更新于
在股票市场里,大部分投资者都习惯盯着价格的涨跌,希望抓住下一次爆发带来的快速收益。但如果把时间尺度拉长,你会发现另一条更朴素、也更稳定的收益之路——来自企业真实赚到的钱,也就是股息。
股息率策略的逻辑并不神秘,却极其扎实:当一
由bqu1vdra创建,最终由bqu1vdra更新于
一款支持港股、美股、A 股多市场的免费股票行情数据接口服务,能够提供股票基础信息、实时 Tick 数据、实时报价、历史 K 线及批量 K 线等多维度数据,数据返回格式统一为 JSON,接入便捷,满足各类金融数据应用开发需求。本文将详细介绍该 API 的接口规范、使用方法及数据字段说明。
由bqpess5i创建,最终由bqpess5i更新于
https://bigquant.com/aistudio/studios/65d1b992-0f38-11ed-93bb-da75731aa77c/?folder=/home/aiuser/work
由william_gan创建,最终由william_gan更新于
70年代,随着计算机技术的快速发展,量化投资开始迅速崛起,计算机的广泛应用使得大量历史数据的存储和处理成为可能,从而促进了量化分析方法在投资决策中的应用。
此时期,许多基于统计和数学模型的量化策略被开发出来,如指数化投资、算法交易等。
进入21世纪,量化投资经历了爆炸式的增长,数据的爆炸
由small_q创建,最终由small_q更新于
普通人做不了量化交易?打破这三个常见误解,你也可以入门
对许多普通投资者而言,“量化交易”这个词总会勾勒出一幅神秘的高科技图景:一个由数学博士和顶尖机构主导的精英领域,常常因其复杂性而被敬而远之,甚至被“妖魔化”。但对于一个愿意学习、愿意思考的投资者来说,这种印象是否准确?本文将为你拆解围
由bq7td619创建,最终由bq7td619更新于
运行轮动宝策略参数调优时内存不足,python内核崩溃?
内存不够不用怕!看我内存优化大法,单核6G内存照样跑全程!
[https://bi
由neoblackxt创建,最终由neoblackxt更新于
WFA(Walk-Forward Analysis)即滚动前向分析,是一种动态回测方法,它模拟“
由bqtnziby创建,最终由bqtnziby更新于
雪球组合助手
\n 交易计划生成:先通过历史数据统计 “价格突破事件”(上涨或下跌达到阈值)的频率,再根据近期事件中上涨 / 下跌的比例,生成未来一段时间的多空交易计划。
(2)马丁格尔加仓机制:持仓时若未达止盈但触发止损,在最大加仓次数内按倍数加仓以摊薄成本,若超过最大次数则止损离场。
由bqtnziby创建,最终由bqtnziby更新于
《别再追微盘股了!“轮动宝”策略回撤更低、收益更稳》\n——打造实战价值策略\n\n🔥 亮点抢先看:\n1️⃣ 哪些标的是长期正收益\n2️⃣ 如何确定有效因子\n3️⃣ 如何进行组合优化\n4️⃣ 如何提升策略稳定性
\
[20251106151335-轮动宝
由small_q创建,最终由small_q更新于
小市值策略是 A 股市场 “收益增强” 的经典路径 —— 中小盘企业的成长弹性、估值修复空间,往往能带来远超大盘的超额收益。但传统小市值策略 “波动剧烈、踩雷风险高、持有体验差” 的痛点,也让多数投资者对其望而却步。该策略通过分时段选股与波动控制,既保留了小市值的成长红利,又能保持稳健的收益,避免踩
由bq20kttn创建,最终由bq20kttn更新于
由small_q创建,最终由bqecmesa更新于
%)时,
回测结果表现优秀?
现在只有m.tune在StockRanker里面调整参数 [161-alpha挖掘大杀器——并行模块tune](https://bigquant.com/wiki/doc/vw
由bqfu26ym创建,最终由bqfu26ym更新于
影响策略效果的因子有很多,每个人所选择的因子也各有不同,选取因子后,如何分析数据,找出有效选股逻辑模型就成为重点。该数据分析工作是策略逻辑编写中最耗时的部分,本文介绍,如何简化数据分析的工作:数据标准化处理
举例说明:
当天收益因子:5000支票,可能会有1000+个不同的值,如:1
由marico89创建,最终由bqv93dy2更新于
高频价量数据的因子化方法-多因子Alpha系列报告之四十一-广发证券
\n这个高频因子表中忽略了最佳的多头因子**[amihud因子,建议增加到广发证券高频因子(hf_al
由bqv93dy2创建,最终由bqv93dy2更新于
高频因子的优势:与低频因子相比,高频数据在量化选股中的优势主要体现在:因子拥挤度相对较低、因子多样性好、检验因子的独立样本多。
研究内容:本报告从四类不同的角度构建因子:日内价格相关因子、日内价量相关因子、盘前信息因子、特定时段采样因子。考察了 46 个因
由small_q创建,最终由bqv93dy2更新于
导语
平台已经整理好新旧因子对比,可以在基础特征抽取里面直接抽取。
| 老版因子 | 新版因子 | 字段描述 |
|---|---|---|
| adjust_factor_* | 当期值: adjust_factor\n滞后值: m_lag(adj |
由qxiao创建,最终由bqlnqddz更新于