导语

在上一篇文章中，大家对新建一个AI可视化模板策略有了初步的认识，但看到策略中众多的模块与看似复杂的连线心中不免存在疑惑，没关系，本篇文章中，我们就来为大家完整介绍一个AI量化策略的组成结构以及涉及的基本概念，希望可以帮助大家对AI量化策略建立一个全面初步的认识。

基本概念

概念介绍

在认识一个人工智能量化投资策略之前，我们首先来了解几个基本概念：人工智能 、 量化投资和机器学习，大家可以通过快速浏览下面这两篇文章，对前两个概念进行初步了解。

• **[什么是人工智能？](https://bigquant.com/wiki/

BigTrader是宽邦科技推出的致力于为用户提供便捷、功能强大的交易引擎。

在量化研究的过程中，量化研究员（宽客）需要在历史数据里回放模拟，验证策略效果，这就是BigTrader交易引擎的应用场景。

首先，构建简单但能运行的策略

BigQuant平台回测主要使用bigtrader中initialize函数和handle_data函数，initialize为策略初始化函数，只触发一次。可以在该函数中初始化一些变量，如读取配置等；handle_data函数为行情通知函数，频率支持日线和分钟。

# 初始化函数，只执行一次
def initialize(co

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量，这些变量也称为特征变量（Feature Variable）。机器学习 即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|

问题

如何对AI量化策略进行管理？

视频

https://www.bilibili.com/video/BV1zi4y197sj?share_source=copy_web

策略源码

如何对AI量化策略进行管理？三步走

平台介绍与量化入门

3.1 新旧两版数据平台对比

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

本贴最早于2022年1月份创建，因平台升级之前分享的源码不能正常运行，分享个新的源码共大家借鉴

基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，附带的源码策略年化收益81%，基于此策略打开你的量化入门之路。

策略介绍： 平台策略主要分成二种，AI策略、自定义编码策略。\n AI策略：AI主要定义因子及过滤条件，由AI算法自动进行训练，根据训练出来的模型输出交易计划。优点：入门简单，利用AI能力自动形成选股算法；缺点：选股逻辑非完全自主控制，存在选出来的票，不清楚它的逻辑情况。

\n自定义编码策略：选股规则可根据自己的设想实现，便于验证自己的想法有

对于想学量化又不想自己花过多的时间看平台文档研究的朋友，本人从零到量化实操的角度录制了量化入门课程，以低价出售方式引领有需要的朋友量化入门，大家学会量化基础技能后，以后共同探讨进步。

==课程介绍：== 本课程是针对零基础者实现股票量分分析的开发过程讲解（有编程经验者学习更快，无编程经验者也可学习），采用可视化界面进行量化策略开发。从量化方式辅助实操角度，介绍量化分析在实操中的辅助应用。

==本课程重点解决的问题：== 1、炒股经验不足，如何快速积累经验：使用量化方式，用量化策略分析历史数据，将历史数据的经验，转化成自己的经验 2、选股逻辑有效性，如何快速验证：自己想的或从

基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，本文绝对干货，附带的源码策略年化收益112%，2年累计收益327%，属稳妥型策略，可用于实际实操，基于此策略打开你的量化入门之路。

策略介绍： 平台策略主要分成二种，AI策略、自定义编码策略。
 **AI策略：**主要定义因子及过滤条件，由AI算法自动进行训练，根据训练出来的模型输出交易计划。优点：入门简单，利用AI能力自动形成选股算法；缺点：AI算法对于我们来说是个黑盒子，调优困难。
 **自定义编码策略：**选股规则可根据自己的设想实现，针对策略问题进行选股逻辑优化简单，1个策略

重要观点

本文概述

本文主要介绍了python基础、爬虫、与数据库交互、调用机器学习、深度学习、NLP等。分别介绍了各个模块的安装，环境的搭建等。并且以机器学习选股为例，把各个模块连贯起来，核心代码基本都有详尽的解释。

大数据AI时代，python无往不胜的包装能力、可组合性、可嵌入性都很好，可以把各种复杂性包装在Python模块里,非常友好的供调用。Python资源丰富，深度学习如keras，机器学习如sk-learn，科学计算如numpy、，自然语言处理如jieba等。Python将极大提高工作效率无论是科学计算，还是图形界面显示；无论是机器学习还是深度学习；无论是操作e