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("%Y-%m-%d")

s

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

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(

请教一下训练时报错的原因，报错信息如下

• Exception in thread background thread for pid 1602:
• Traceback (most recent call last):
• File "/opt/pyenv/versions/3.11.8/lib/python3.11/threading.py", line 1045, in _bootstrap_inner
• self.run()
• File "/opt/pyenv/versions/3.11.8/lib/python3.11/site-packages/ipykernel/i

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

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

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

\

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。

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

\

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：

\

• RuntimeError: f_trace is not writable in Nuitka

• ---

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

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

#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)):

这个信息是哪里出错了呢？

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

预处理数据

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/

• /home/aiuser/.ipython/profile_default/startup/000-aistudio.py:234: DeprecationWarning: This module is deprecated. Please use `from bigdatasource.api import D`.
• return original_import(name, globals, locals, fromlist, level)
• /home/aiuser/.ipython/profile_default/startup/000-aistudio.py:234: De

麻烦老师 帮忙看一下该报错怎么处理呢

基金仓位的爬取

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

python版

{{membership}}

https://bigquant.com/codeshare/3ca8301b-8f1d-40ee-885e-3c79f50de068

DAI版

[https://bigquant.com/codeshare/7720fa73-2034-40ea-a94f-f59a56dd53a0](https://bigquant.com/codeshare/7720fa73-2034-40ea-a94

量化模型：

• 如何通过python做出量化估值模型？
• 学习线性代数和解析几何对建立模型的优势是什么？
• 如何在XGboost中实现华泰研报关于有序回归作为损失函数和评价函数？

策略优化：

• 为什么策略的预测结果通常不是第一只收益最高？
• 为什么StockRanker的训练次数不是越大越好？
• 概率在量化策略中的应用如何合理化实施？

策略实盘：

• 如何快速判断策略是否能用于实盘？即未来也能带来收益

量化学习：

• 如何入门量化交易？
• 量化交易难度怎么样？

\

双十一活动预热：

**徐啸寅

更新

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

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 

（包含移动平均线公式及Python代码）

移动平均线（Moving Averages）是一种分析金融时间序列数据的基本工具，用于平滑价格数据以识别趋势。移动平均线主要有两种类型：简单移动平均线（SMA）和指数移动平均线（EMA）。

BigQuant也提供全面的金融市场历史数据因子平台以及AI量化策略编写平台（PC端），帮助大家快速验证不同指标因子组成的量化策略。

![](/wiki/api/att

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