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

无论你如何看待数据科学这门学科，都不能轻易忽视数据的重要性，以及我们分析、组织和理解数据的能力。Glassdoor 网站收集了大量的雇主和员工的反馈数据，发现在美国“25个最好的工作职位清单”中排名第一的是数据科学家。尽管排名摆在那里，但毫无疑问，数据科学家们研究的具体工作内容仍会不断增加。随着机器学习等技术变得越来越普遍，像深度学习这样的新兴领域获得了来自研究人员、工程师以及各大公司更多的关注，数据科学家会继续站在创新浪潮之巅并且推动技术的不断发展。

尽管拥有强大的编码能力非常重要，但数据科学也并非全部都是关于软件工程的（事实上，能够熟练掌握python已经足够很好的开展工作了）。数据科学

什么是时间序列和时间序列分析

时间序列是随时间推移的一系列观察结果，用于所描述现象随时间变化的情况。这类数据反映了某一事物、现象等随时间的变化状态或程度。比如以下都是时间序列数据的例子“

• 过去 5 年的每日股价
• 过去 90 天的 1 分钟股价数据
• 一家公司过去 10 年的季度收入
• 一家汽车制造商过去 3 年的月度汽车销量
• 一个州过去 50 年的年失业率

来到时间序列分析，它只是意味着识别那些有助于分析时间序列数据的方法。

由于预测股票市场的未来股票价格对投资者至关重要，时间序列及其相关概念具有组织数据以进行准确预测的卓越品质。在本文中，让我们阅读时间序

{{membership}}

https://bigquant.com/codeshare/37d36e41-2184-4342-b581-9561f199eeec

\

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

策略源码：

{{membership}}

https://bigquant.com/codeshare/21de4ff9-d94b-41b5-b259-b1c628c8e15a

\

\

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ

策略案例

[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co

https://bigquant.com/experimentshare/3cd3de646cfc44ac82c56535616dde0b

\

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

想取近1000天，个股收盘价的最大值，用ts_max的时候，发现如果个股上市未满1000天的话，该变量值就会变成nan…如果未满1000天，这个变量值不应该是上市至今最大收盘价么？

请问平台的各位老师，这个问题该怎么解决呢？

![{w:100}](/wiki

希望能增加两个表达式

1 类似ts_max(x,d) 增加一个参数

ts_max(x,,y,d) 表示当x在d日内取最大值时返回y值。

例子 ：ts_max(turn_0,close_0,10) 表示当换手率在10日内取最大值时返回收盘价值。

2 所有的类似 shift(x,d) 其中d 不能为变量

是否可以传入变量，或者在series 参数中取一个下标值。

例子

day = 10

shift(close_0,day[0]) 类似这样的方法，让函数使用变量。

\

如题

比如条件在2.14号条件成立了，那么在2.15返回天数是1，在2.16返回是2

求助各位大神，万分感谢

问题

如何做分钟周期的标注

解答

在Meetup10月15日有讲分钟数据标注的，你看一下：BigQuant AI量化专家Meetup（更新至12月03日） 4

https://bigquant.com/experimentshare/58f8eb3f17fe4114bcd49557ceb1902a

\

问题

例如我要在特征中加入一个因子：统计30日内收益小于5%的天数，该怎么写

解答

Information Flow Networks of Chinese Stock Market Sectors

中国股市的行业信息流动网络

作者：Peng Yue, Qing Cai, et al.

出处：arXiv.org, 2020-04

摘要：传递熵度量了不同时间序列之间信息流动的强度和方向。文章研究了中国股票市场的信息流网络，确定了重要的板块和信息流路径。本文使用申万2000-2017年28个一级行业的日收盘价数据，研究不同板块之间的信息传递。作者构建了以部门为节点，以部门之间的传递熵为边界的信息流网络。然后使用最大的生成树状图（MS

请教下大佬们,这里m45模块过滤数据以后当天没有满足的数据 然后到m27(序列窗口滚动)这里的时候因为数据空了会报错 这个地方能不能怎么处理

参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python

问题

想实现如下功能： 特征A：判断5日均线>10日均线，记1，否则计-1 特征B：sum(‘A’,10) 记录10天内5日大于10日的天数

如果a用where(ta_sma_5_0>=ta_sma_10_0,1,-1) ,则B无法sum; sum(int(‘A’),10), invalid function: int 转换也不让用

请问该如何实现这个特征呢？

/wiki/static/upload/c9/c94fbe09-58ac-483f-8d29-ba184e00cfb3.pdf

\

论文原文

《FOMO Index: A Cross Sectional and Time Series Analyses》

论文作者

约瑟夫·波拿巴

科罗拉多大学丹佛分校 - 金融系

发布时间

2021 年 12 月 8 日

关键词

FOMO；抢购; 少数投资；“fear of missing out”; short squeeze; 行为的金融

引言

本文提出了一个“fear of missing out” (FOMO) 指数。索引是通过三个等价构建的加权 FOMO 成分：

1. FOMO 动量：空头多头移动平均线；
2. FOMO新闻情绪

发布时间

2021 年 12 月

文档来源

美国国家经济研究院

作者

大卫·贝茨

简介

本文是对经验期权研究的概述，主要侧重于研究与定价股指期权相关的系统随机波动率和跳跃风险。论文审查来自时间序列分析、期权价格和期权价格演变的证据这些风险，并讨论所需的补偿。

期权是衍生品，其价格和收益对标的物的随机演变很敏感资产价格。对期权的大部分学术兴趣源于它们的潜在信息随机进化的本质。特别是，期权研究试图阐明以下问题：

1. 投资者关注哪些风险？
2. 投资者承担这些风险需要什么补偿？

Smith (1976) 调查的早期期权研究试图确定股票期权应该如何定价

策略案例

https://bigquant.com/experimentshare/8594992a1d9345d98cbe949eb6297067

\

LSTM Networks应用于股票市场之Functional Model。本文是已初步探索，如下示例中 使用 LSTM 预测沪深300 涨跌。

用一个input（6 features * 30 time series）训练LSTM，将训练结果与另一个辅助性输入label(np.round(close/500))一起作为input输入至Dense层 LSTM future_return_5作为output（time series=30,features=[‘close’,‘open’,‘high’,‘low’,‘amount’,‘volume’]）

策略案例

[https:/

一、基于时间嵌入的方法

原文链接：https://towardsdatascience.com/stock-predictions-with-state-of-the-art-transformer-and-time-embeddings-3a4485237de6

当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及