BigCharts - 量化数据可视化探索和分析
BigCharts 介绍
BigCharts是专业的金融市场和量化投资数据可视化探索与分析工具，致力于为用户提供高效、易用、可定制的数据可视化解决方案，提升用户在数据探索、分析和决策过程中的效率与准确性，成为量化投资者和金融分析师的得力助手。
快速入门
由jliang创建，最终由jliang更新于
数据平台/DAI
什么是DAI
DAI (Data for AI) 是BigQuant研发的高性能分布式数据平台
- 使用简单：通过统一接口访问BigQuant各类数据
- 数据丰富：提供PB级金融数据、另类投资数据和因子数据 ([数据字典](https://bigquant.com/data/ho
由jliang创建，最终由qxiao更新于
101-单因子线性策略
策略思想
BigQuant平台提供了丰富的因子，我们直接使用因子来构建一个策略。
实现设计
- 因子
- 这里我们使用市值因子？从 cn_stock_factors 获取预计算因子？
- 基于xx 数据构建一个因子？
- 从策略社区获取一个因子？
- 仓位
- 回测
由jliang创建，最终由jliang更新于
102-第一个AI策略
策略思想
通过机器学习/深度学习等算法在多个因子上训练模型，通过模型对股票做预测。BigQuant 平台提供 StockRanker 算法，是面向投资场景优化的排序学习算法。
实现设计
- 预测目标
- 预测未来5天的收益：计算收益率并离散化为20组
- 因子
- 动量因子
由jliang创建，最终由jliang更新于
【120套量化策略源码】
我们为广大量化爱好者整理了120套量化策略源码，全部源码向plus会员开放，本文档预计于==5月中旬整理完毕==。
本合集旨在==提供量化思路和常见的策略模板==，学习和魔改，==请勿直接实盘==。==若您希望增加其他策略，请于页尾留言或告知小Q==。
- 注意： ==本合集均使用3.0开
由small_q创建，最终由small_q更新于
事件策略：买入刚刚ST摘帽的股票并持有3天
声明：本策略仅为示例策略，可根据自己需要自行修改策略逻辑
声明：本策略需要在AIStudio 3.0环境下运行
股票提取：每日判断ST摘帽的股票，买入后持有3天
买卖时间：开盘买入，收盘卖出
初始资金：100万
持仓票数：所有满足ST摘帽条件的股票
持仓周期：3天
\
**策
由small_q创建，最终由small_q更新于
策略模版/Demos
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。这些模板涵盖了基础策略、中级策略和高级策略。
- 基础策略模板：适用于刚开始接触量化投资的用户，例如简单的移动平均线交易策略。
由jliang创建，最终由jliang更新于
【宽邦研报】基于方正适度冒险因子的因子分析及使用该因子构建的指数增强策略。
注：【方正金工】成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一
引言
在股票市场中，成交量的变化承载着丰富的信息，它不仅是技术分析的核心要素，更是投资者们解读市场情况的关键窗口。"量在价先"这句谚语旨在强调成交量在股票价格波动预测中的重要性，而这个观点已经被广泛验证和接
由qxiao创建，最终由lym757924546更新于
Dai读取高频因子构建一个简单的多因子策略
由anthony_wan创建，最终由lym757924546更新于
因子分析框架-信号类因子
{{membership}}
[https://bigquant.com/codeshare/bf0976b8-c68c-474a-a9d0-9686bbaed72f](https://bigquant.com/codeshare/bf0976b8-c68c-474a-a9d0-9686bbaed
由small_q创建，最终由small_q更新于
因子分析框架-离散因子
{{membership}}
[https://bigquant.com/codeshare/837517eb-68a0-411f-beb8-bc991c8f69c1](https://bigquant.com/codeshare/837517eb-68a0-411f-beb8-bc991c8f6
由small_q创建，最终由small_q更新于
因子平台/BigAlpha
因子研究
在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。
因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已
由jliang创建，最终由small_q更新于
因子分析框架-自动调整因子方向
{{membership}}
[https://bigquant.com/codeshare/275c0eb4-7402-4978-b103-18b6f5de15d7](https://bigquant.com/codeshare/275c0eb4-7402-4978-b103-18b6f5de1
由small_q创建，最终由small_q更新于
因子分析框架
{{membership}}
[https://bigquant.com/codeshare/a7f6fb4b-fc0e-4364-a6fa-de10e828c02b](https://bigquant.com/codeshare/a7f6fb4b-fc0e-4364-a6fa-de10e828c
由small_q创建，最终由small_q更新于
（一）因子分析框架
由small_q创建，最终由small_q更新于
（三）多因子策略系列
由small_q创建，最终由small_q更新于
（二）单因子策略系列
由small_q创建，最终由small_q更新于
研报复现：德邦证券-FamaFrench三因子模型A股市场实证
复现研报原文：
研报1：
[/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pdf](/wiki/static/upload/02/028fac5d-a33a-43a4-b7aa-4e273234aed3.pd
由small_q创建，最终由small_q更新于
八、研报复现系列
由small_q创建，最终由small_q更新于
机器学习：20-DNN-滚动训练
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/e7bb60a5-a6e1-4310-9e6a-e4b742fb0f1
由small_q创建，最终由small_q更新于
机器学习：19-滚动训练-XGBoost
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
**
由small_q创建，最终由small_q更新于
机器学习：18-滚动训练-线性回归
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/66c560a3-335b-407c-aa2f-7053322141f
由small_q创建，最终由small_q更新于
机器学习：17-LSTM
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
**策略源码
由small_q创建，最终由small_q更新于
机器学习：16-CNN
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3
由small_q创建，最终由small_q更新于
机器学习：15-DNN
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
**策略
由small_q创建，最终由small_q更新于