这一节我们来编写成交价加权净委买比例的分钟因子。该因子涉及到快照数据cn_stock_level2_snapshot表格，但目前流数据表暂未开放，后期我们会为大家提供流数据获取服务。

数据定义

与成交量加权净委买比例的因子加工方法是类似的，为了大家能够详细的理解该因子，我们还是从头来解读一下该因子的加工流程。

首先我们需要的数据表如下所示：

老师，如何写出涨停后炸板再回封这样一个因子？

谢谢。

MeetUP直播答疑 时间：7月25日（周四）19:00 回放视频请访问宽客学院-双周答疑-78thMeetup

\

一、量化入门及学习

1. 如何能用来选股，能否教一些用法，软件怎样用？
2. 应该如何学习？
3. 众多策略如何选择？
4. 如何得知量化策略未来不会变得糟糕？

量化入门及平台使用：[谁都可以学的量化基础【直播】](https://bigquant.com/college/courses/course-v1:plus+training00+2024-06-19/courseware/d70de3d2c4794547ad3b4eadb5058

{{membership}}

https://bigquant.com/codeshare/9aa6342b-2c67-4417-afea-0d5874e5d340

\

如何在AIStudio3.0环境中写出以下因子

-- 统计30天内主力流入占比大于12%的天数

-- 总资产报酬率roa要大于5

-- 5天的收益率/20天的收益率

-- 最近5日的成交额排名

-- 平均10天的换手率

-- 统计30天内主力流入占比大于12%的天数

-- 现金流量

-- 当日收盘价破 56天最高价（创新高）

-- 10天的sma线/30天的sma线

-- SAR抛物线指标

-- 10天的波动率/60天的波动率

-- CCI14天的指标

-- 3天收益率的 排名

-- 判断 当日的资金流入净额>昨日资金流入净额

-

df = dai.query("""
    select date, instrument, rank_pe_ttm,pe_ttm,sw2021_level1
    from cn_stock_factors
    where date>'2023-01-01'
""").df()

同一个sql，之前跑十几秒就出来，现在需要近3分钟。

\

可以做到实时更新吗？目前看更新时间好晚，根本不能盘中使用

本文翻译来自MSCI《情绪因子的多面性：基于传统数据和另类数据的情绪测度评估》

研报作者：Vipul Jain, Roman Kouzmenko, George Bonne

发布时间：2020年12月

概要

在本文中，我们检验了股票因子之间的关系，旨在美国股票市场捕捉投资者情绪和股票回报之间的关系。我们探索了基于传统市场数据来源的传统情绪定义，以及来自另类数据的更新公式。

总的来说，我们调查了7个基于情绪的来源，这些来源提供了独特的、不相关的信息，并在添加到通常用于风险模型的传统因子和其他快速移动的基于价格的因子时产生了积极的纯因子表现（pure-factor perf

那我如果想对自定义的股票池内的股票进行因子分析就只能自己导入数据表吗？

https://bigquant.com/experimentshare/dd2397851f3d4ea084757e32bd87b051

\

摘要

研究内容本报告采用机器学习方法从历史数据中学习股票因子和收益率的关系，建立股票收益预测模型。本报告研究的机器学习方法包括多类别逻辑回归（MLR）、支持向量机（SVM）、随机森林（RF）、极限梯度提升树（XGBoost）、深层神经网络（DNN）等5类模型。

机器学习模型介绍本报告考察的5种机器学习模型中，MLR和线性SVM属于线性分类器，但优化目标不同。RF、XGBoost和DNN属于非线性分类器。其中，RF和XGBoost是以决策树为基学习器的集成学习方法，但模型集成的方式不一样。DNN是深度学习方法。这5种模型在机器学习领域具有很强的代表性。

策略表现从实证结果来看，5种机

摘要

选股模型的时效性

信息具有时效性。选股因子对股票收益率的预测能力会随着时间的延后而衰减。机器学习股票收益预测模型的目标是将股票因子与股票未来收益率关联起来。股票因子蕴含的信息决定了模型的预测能力，包括预测准确度和预测窗口长度。如果机器学习模型所用的股票因子中包含的是市场短期情绪面的信息，那么训练出来的机器学习模型可能对市场短期走势的预测能力较强；如果机器学习模型所用的因子包含的是市场中长期的价格扭曲信息，那么训练出来的机器学习模型可能对市场中长期的预测能力较强。

模型构建

本报告按照因子在不同预测窗口长度的IC将选股因子分成不同的组别，并针对不同的股票收益预