平台已经整理好新旧因子对比,可以在基础特征抽取里面直接抽取。
老版因子 | 新版因子 | 字段描述 |
---|---|---|
adjust_factor_* | 当期值: adjust_factor\n滞后值: m_lag(adjust_factor, i),i为滞后期数 | 第前 * 个交易日的复权因子 \n * 取值: 0 .. 20 |
amount_* | 当期值: amount\n滞后值: m_lag(amount, i),i为滞后期数 | 第前 * 个交易日的交易额\n * 取值: 0 .. |
更新时间:2024-10-21 06:08
\
更新时间:2024-10-10 10:26
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
由于构造的因子比较复杂,计算时间较久,如果断网或者关机了,怎么确保后面可以继续进行未完成的计算而不是重新开始?看到可以加入缓存,但不清楚在什么位置加入什么代码?
求支持
https://bigquant.com/codesharev3/6f4c73b4-e8a6-4923-a1d2-289484221418
\
更新时间:2024-10-10 08:19
目前的因子分析模板是t+1重新调仓进行分析的,复现研报发现差距蛮大的,能否给个5日调仓的因子分析模版,谢谢
更新时间:2024-07-13 06:57
股票专栏分为如下几类,此处附上定义,方便大家查阅:
因子
该部分包含了市场上各式各样的因子类别(风格因子,量价因子,另类数据构建的alpha因子),因子分析,因子解读等内容。
高频
该部分包含了高频数据低频化的因子应用,高频市场的微观结构,高频量化因子的使用测试,以及一些另类高频策略的内容。
策略
该部分包含了市面上的各类策略情况。包含了传统的技术指标策略,行业风格轮动策略,宏观择时策略等。
文献review
海外文献的一些回顾。里面有券商的海外经典研报解读和复现。
其他
不属于上述几类
更新时间:2024-07-08 03:30
更新时间:2024-06-12 06:00
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
更新时间:2024-06-11 02:47
更新时间:2024-06-07 10:55
文寅斐老师专属邀请码:o9ipry
使用此邀请码开通plus会员立减100元,赠送10000宽币
添加小Q再领取300元优惠券,二者可叠加使用哦~
打开微信扫描下方二维码添加小Q👇👇
![](/wiki/api/attachments.redirect?id=151a5956-b72c-4b0b-ba0c-9a0d9ea9f8b4
更新时间:2024-06-07 10:55
MeetUP直播答疑 时间:3月28日(周四)19:00 直播地址:B站(https://live.bilibili.com/21929948)
以下问题解答,对应源码请访问子目录, 本次MeetUP 直播答疑大纲如下:
\
更新时间:2024-06-07 10:55
在因子分析中加入行业、板块、或者其他类型的对股票分组的方式,有两种思考方式:
\
第一种研究方式就是将全市场股票,按照行业或者板块分组,研究每组的累计收益率,本质上来讲就是把行业或板块当作了因子
[https://bigquant.com/codeshare/2381cb8d-362e-425a-a24b-620c46555bf8](https://bigquant.com/codeshare/238
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
新版因子分析代码:
https://bigquant.com/wiki/doc/5zug5a2q5yig5p6q5luj56cb-Od7rjBTNDQ
[https://bigquant
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
目前平台提供新版的因子分析模块, 请移至bigalpha
7月30日Meetup 模板案例:
https://bigquant.com/experimentshare/b83f6a9c950a43a595d41f1d911dcaca
\
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
在因子开发研究完之后,选取了|IC|较高的几个因子后,一般如何合成一个策略,即在工程方法论上的一般步骤是什么?比如应该如何选择哪些模型进行合成(树模型or深度学习模型,是否有规律),分别是否都必须在训练前进行特征工程的处理再训练(去极值、中性化去除相关性),比如是否需要探查各个因子的相关性(如果多个因子存在一定的相关性,一般相关度大于多少需要进行处理,是否需要逐对特征两两取残差)
\
方正的==“水中行舟”研报==中提到“取市场上所有股票在当日“不分化时刻”的成交额序列
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
【此文档为旧版】 相关新版文档参考:
https://bigquant.com/wiki/doc/ai-rq8QOC2fDb
https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883
\
更新时间:2024-06-07 10:55
此为0527Meetup直播策略讲解,视频详见2021-AI量化Meetup导览
https://bigquant.com/experimentshare/edab29d0ffad4e039a9c1f5fed1fa870
\
更新时间:2024-06-07 10:55
更新时间:2024-05-21 08:15