时间序列分析
时间序列分析是金融领域的核心技术之一，专注于研究按时间顺序排列的数据的变化规律和趋势。在金融市场中，它对于资产价格预测、风险管理、投资策略制定以及经济周期研究尤为关键。通过分析历史数据，投资者能够洞察市场行为的动态特征，如波动性、趋势和季节性变化，进而做出更明智的投资决策。时间序列模型，如ARIMA和GARCH，能够量化这些模式并用于预测未来走向，为金融决策提供数据驱动的见解。
三因子线性模型（包含滚动训练）
更新时间：2025-12-30 06:37
如何构建Halpha、wgt_return_Nm等动量因子
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
更新时间：2025-12-30 06:37
马尔科夫链
策略源码：
更新时间：2025-12-30 06:37
【其他】ts_max会出现nan值，该怎么解决呢？
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？
 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。
\
更新时间：2023-06-01 14:27
想要知道距离某个条件成立到今天的交易天数，需要怎么做？
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
更新时间：2023-06-01 02:13
如何做分钟周期的标注
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
\
更新时间：2023-06-01 02:13
请问在特征数据中如何统计一段时间内某个条件出现次数
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
更新时间：2023-06-01 02:13
A股28行业间信息传递强度和方向，大金融、TMT为高度根节点
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
更新时间：2022-11-20 03:34
关于序列窗口滚动模块怎么处理空数据
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
更新时间：2022-11-09 01:23
如何在特征里把另一个特征值连续加
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？
更新时间：2022-09-16 00:27
Learning a Vector Representation of Time
更新时间：2022-08-31 09:37
FOMO 指数：横截面和时间序列分析(SSRN-3924594)
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：
- FOMO 动量：空头多头移动平均线；
- FOMO新闻情绪
更新时间：2022-08-30 09:48
NBER工作纸系列-经验期权定价模型
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：
- 投资者关注哪些风险？
- 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
更新时间：2022-08-25 02:10
LSTM Networks应用于股票市场之Sequential Model
更新时间：2021-07-30 08:10
LSTM Networks应用于股票市场之Functional Model
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:/
更新时间：2021-07-30 08:10