近期我们上线了新版数据字典文档,新版数据将支撑即将上线的新版平台的数据服务,调用老版数据接口的用户使用不受影响,本文将着重讲解新版数据字典的使用方法。
BigQuant是一个人工智能量化投资平台,类似于一个实验室,用户可以在实验室里发挥自己的聪明才智开发策略。计算机界有一个很有名的说法,叫(Garbage In Garbage Out),翻译过来就是“垃圾进、垃圾出”。因此真实准确而全面的金融数据是开发优秀策略的重要前提。
BigQuant有丰富并且高质量的金融数据,包括基础数据、历史数据、财报数据、特色因子数据等。
数据API是调用数据的接口,目的是快速、便捷、高效地获取数据。在BigQuant的策略平台上,通过数据API我们可以将服务器上的数据拉取到自己的策略平台上,有了数据,相当于拿到“原料”,就可以自由发挥“厨艺”啦。
DataSource('表名').read(instruments,start_date='2005-01-01', end_date=None, fields=['字段1','字段2'...])
参数 :
返回:
历史数据
返回类型:
DataFrame
如下例所示,我们可以在一个可视化空白模板中拖拽证券代码列表模块、特征列表模块和数据源模块并按图示连线。
按下面步骤设置参数:
证券代码列表模块
指定起止日期和标的范围
数据源模块
输入表名
输入特征列表模块
指定需要获取的列名
最后运行全部模块,即可完成指定表的数据的抽取,由于数据源的模块号是m2,我们可以通过
m2.data.read_df()
查看获取的数据结果