夏普比率(Sharpe Ratio)是衡量投资表现的一个指标,它通过比较投资的超额回报与其承担的风险来评估投资的性价比。由诺贝尔奖获得者威廉·夏普提出,是风险调整后的回报的一种度量。
通过BigQuant量化平台的金融市场数据因子以及AI量化策略平台(PC端),可以验证夏普比率因子组成的AI量化策略有效性。
![](/wiki/api/attachments.redirect?id=8df056d7
更新时间:2024-12-13 05:59
几天前,我着手解决一个实际问题——大型超市销售问题。在使用了几个简单模型做了一些特征工程之后,我在排行榜上名列第 219 名。
虽然结果不错,但是我还是想做得更好。于是,我开始研究可以提高分数的优化方法。结果我果然找到了一个,它叫遗传算法。在把它应用到超市销售问题之后,最终我的分数在排行榜上一下跃居前列。
![{w:100%}{w:100}{w:100}{w:100}](/
更新时间:2024-12-04 10:10
我按照模板写的 单独调用一个vip因子进行测试
import dai
import pandas as pd
import numpy as np
import math
import warnings
from datetime import datetime, timedelta
from bigmodule import M
from bigtrader.finance.commission import PerOrder
## 设置开始和结束时间
sd = '2020-01-01'
ed = datetime.now().date().strftime
更新时间:2024-11-18 02:08
ORDER BY 报错 帮我看下哪里有问题
import dai
import pandas as pd
# 提取股票数据
stock_sql = """
WITH
zuori1 AS (
SELECT
cn_stock_bar1d.date,
cn_stock_bar1d.instrument,
close,
volume,
volume AS volume_1,
close AS close_1,
pe_ttm,
FRO
更新时间:2024-11-13 03:09
行业中性化
在复现行业中性化的代码报错
## 加载包
import dai
import pandas as pd
import numpy as np
import math
import warnings
from datetime import datetime, timedelta
from bigmodule import M
from bigtrader.finance.commission import PerOrder
niu_date= '2024-11-10'
today = datetime.now().date().strftime(
更新时间:2024-11-13 03:06
请教一下训练时报错的原因,报错信息如下
更新时间:2024-11-07 02:13
市净率(Price-to-Book Ratio,简称 P/B Ratio)是衡量公司股票价格相对于其账面价值的一个指标。这个比率通常用于评估公司股票的价值,尤其是在资产重要的行业(如金融业)中。
BigQuant的金融市场历史数据因子平台以及AI量化策略平台(PC端),可以验证PB市净率因子组成的AI量化策略有效性。
![](/wiki/api/attachments.redirect?id=9e1
更新时间:2024-11-02 13:05
rs2 = dai.DataSource("cn_stock_valuation")
rs2.read_bdb()
KeyError Traceback (most recent call last)
Cell In[15], line 2
1 rs2 = dai.DataSource("cn_stock_valuation")
----> 2 rs2.read_bdb()
File /var/app/enabled/dai/_telemetry.py:189, in wrapper(*arg
更新时间:2024-10-31 01:40
又出现一个single positional indexer is out-of-bounds
请帮忙处理:
https://bigquant.com/codesharev3/d5e911e4-51e9-4684-a6f5-25cb97efc1dc
\
更新时间:2024-10-28 01:52
1、如果我的因子在sql之外还需要用Python做一些处理,请问提交因子的时候factor_sql 该怎么写?
2、因子分析中是否每个股票每个交易日都要有因子值,我是否可以每个股票只有月末有一个因子,其他时间都是空的。
更新时间:2024-10-10 10:10
KeyError: "DataFrame does not contain 'open' column"Output is truncated. View as a open in a text editor. Adjust cell output settings...
https://bigquant.com/codesharev3/fe4fb116-9952-42a2-aad4-91738ebaa77c
\
更新时间:2024-10-10 07:10
设置断点触发报错
你们好像是用了 nuitka 把 python 转成 c++
但这导致我在你们代码中,设置一个断点。然后调试单元格会报错。
下面是一个你们的均线的模版策略,
报错是这样:
\
更新时间:2024-10-10 03:42
代码如下
import dai
st = ''
sql = f"""
select
date,
instrument,
sw2021_level2,
sw2021_level2_name,
r_ind,
r_mkt,
m_product(r_ind + 1,240)- 1 as r_ind_1y,
m_product(r_mkt + 1,240)- 1 as r_mkt_1y,
r_ind - r_mkt as r_std,
(r_ind_1y - r_m
更新时间:2024-10-09 10:16
import pandas as pd
import numpy as np
import dai
sql = """
SELECT date, instrument,
m_avg(turn, 20) as avg_turn_20,
m_lead(close, 5) / close -1 AS future_return_5,
FROM cn_stock_prefactors
WHERE date >='2024-01-01' AND date <='2024-07-08'
ORDER BY date, instrument
"""
df
更新时间:2024-07-30 02:57
#102
def func(a):
'''
a: 输入数组,已经排好序
返回值:出现次数最多的元素,如果有多个,输出最早出现的
'''
#如果数组为空,返回None
if not a:
return None
#如果数组不为空,定义相关属性
max_element = a[0] #记录最大出现次数的元素
max_count = 1 #记录最大出现次数
current_count = 1 #记录当前元素的出现次数
current_element = a[0] #记录当前正在计数的元素
#遍历数组
for i in range(1, len(a)):
更新时间:2024-06-21 13:13
这个信息是哪里出错了呢?
更新时间:2024-06-20 06:02
年初就一直在等啦
终于等到这本书
分享一下
此书的代码下载地址:https://github.com/fchollet/deep-learning-with-python-notebooks
![](/community/uploads/default/original/3X/c/c/cc94b84a373c66d820177c480765c8ec2467c73d
更新时间:2024-06-12 06:16
数据预处理在众多深度学习算法中都起着重要作用,实际上,对数据进行适当处理后,很多算法能够发挥最佳效果。然而面对各种各样的数据,很多时候我们不知道怎么样才能针对性进行处理。本文介绍了Python下的机器学习工具scikit-learn。其中,“sklearn.preprocessing”模块提供了几种常见的函数和转换类,把原始的特征向量变得更适合估计器使用。
[https://bigquant.com/experimentshare/45cc0fe6c95b43848f64032bbef0a440](https://bigquant.com/experimentshare/
更新时间:2024-06-12 05:56
更新时间:2024-06-12 02:39
麻烦老师 帮忙看一下该报错怎么处理呢
更新时间:2024-06-11 14:14
首先通过爬虫爬取公募基金公布的仓位,我们以招商基金的沪深300指数增强基金为例(代码004190)获取该基金的2018年二季度公布的个股持仓比例,代码实现如下:
import re
import requests
import json
df1=pd.DataFrame()
url = "http://fundf10.eastmoney.com/FundArchivesDatas.aspx?type=jjcc&code=004190&topline=10&year=&month=6&rt=0.66322259
更新时间:2024-06-11 02:52
{{membership}}
https://bigquant.com/codeshare/3ca8301b-8f1d-40ee-885e-3c79f50de068
[https://bigquant.com/codeshare/7720fa73-2034-40ea-a94f-f59a56dd53a0](https://bigquant.com/codeshare/7720fa73-2034-40ea-a94
更新时间:2024-06-07 10:55
\
**徐啸寅
更新时间:2024-06-07 10:55
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors
https://bigquant.com/wiki/doc/dai-PLSbc1SbZX
[http
更新时间:2024-06-07 10:55
import dai
import statsmodels.api as sm
import pandas as pd
factors = dai.query("""
pragma enable_pushdown_window;
select a.date, a.instrument, a.total_market_cap, b.returns
from cn_stock_factors AS a
INNER JOIN (
SELECT date, instrument, m_lag(close,-1)/close - 1
更新时间:2024-06-07 10:55