深度学习

传统的量化投资主要依赖于金融时间序列分析、统计学和经济学原理来构建模型。然而，金融市场是复杂、非线性、高噪声的动态系统，传统的线性模型在处理海量、高维和非结构化数据时常常力不从心。

机器学习和深度学习技术的崛起，为量化投资带来了革命性的工具。它们能够从海量数据中自动挖掘复杂的非线性模式，极大地扩展了量化策略的广度和深度。

【视频1】

video(19).mp4 165970555

【视频2】

[https://bigqu

点击此处查看直播回放：https://bigquant.com/college/courses/course-v1:public+l07161+2025-07/courseware/ce529a33abd9458385d0a594a379014e/dddb404e6d774d2c8a8d334150f6abf2

{{pro}}

[https://bigquant.com/codesharev3/3ced2cb3-db76-4e45-94d1-fff44bb4a53f](https://bigquant.com/codesharev3/3ced2cb3-db76-4e45-94d

DNN深度学习量化选股策略V2，策略模板运行错误了哦，反馈给个能运行的模板

https://bigquant.com/codesharev3/572e92cd-04fd-4a0e-a6c9-504836559210

\

BigQuant 可视化深度学习模型构建

模块

BigQuant将量化投资需要用到的数据、算法、交易等封装为模块，用户可以直接复用和调参，参考如下示例

# 模块: hello
def run(param1: I.bool ..):
    ...
    return I.Outputs(data_1=.., data_2=..)

其中仅 run 函数会被导出到 M 中用于被调用，调用方式如下:

• m{数字编号} = M.{模块名}.v{版本号}({参数名}={参数值}, ..)
• 返回 m{数字编号}.{输出端名} 可用于其他模

BigQuant AI Platform deep learning models（BigQuant AI量化平台深度学习模型库）。

介绍

bigmodels是什么？

bigmodels是BigQuant AI量化平台的深度学习模型库，集成了AI量化研究过程中常用的深度学习模型。

为什么需要bigmodels？

我们用PyTorch封装了AI量化研究中常用的深度学习模型，包含DNN、1DCNN、LSTM和Transformer等，并持续更新。

平台用户可以用简单的方式调用经过大量实践检验的AI能力，赋能AI量化投资。

import toch
impo

导语

机器学习里面究竟有多少经典的算法呢？本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想，数学与实践细节不会在这讨论。

回归算法

在大部分机器学习课程中，回归算法都是介绍的第一个算法。原因有两个：一.回归算法比较简单，介绍它可以让人平滑地从统计学迁移到机器学习中。二.回归算法是后面若干强大算法的基石，如果不理解回归算法，无法学习那些强大的算法。回归算法有两个重要的子类：即 线性回归 和 逻辑回归 。

线性回归就是我们前面说过的房价求解问题。如何拟合出一条直线最佳匹配我所有的数据？一般使用“最小二乘法”来求解。“最小二乘法”的思想是

1. 文章背景

股票市场预测对于投资者来说至关重要，但由于市场的高度波动性、不确定性和复杂性，这一任务极具挑战性。近年来，机器学习（ML）和深度学习（DL）算法在处理大规模数据和复杂关系方面展现出巨大潜力，能够识别传统方法可能遗漏的模式和趋势。因此，本文旨在比较不同ML和DL模型在股票市场预测中的表现，并探讨它们在金融决策中的应用潜力。

2. 股票市场预测中的AI应用

2.1 AI预测模型的工作原理

AI在股票市场预测中的应用越来越广泛，尤其是长短期记忆网络（LSTM）等DL模型，能够捕捉序列数据的长期结构信息，从而更准确地预测未来价格点。尽管这些模型不能完全消除风

老师讲的这个DNN深度学习策略（https://bigquant.com/college/courses/course-v1:plus+CS1119DNN+2024-11/courseware/7dea67c96c3b4405aa59cca499e1a5f8/eea5330d53a04b4db1b58787222505b9），

运行到这里报错，请问老师如何修改

\

st = factor_df_stack.dat

请问一下站内大佬，有人知道吗？如何做出同花顺alphahua那种《k线训练营》的ai智能k线决策吗？

\

如何把次日开盘数据加入策略？比如竞价金额，竞价成交量。开盘涨幅。

问题

https://bigquant.com/experimentshare/3aff241f03194816912c850f1f118ab6

\

\

问题

深度学习选股策略需要更大的资源吗？

https://bigquant.com/experimentshare/1c9b4b73bd534982bc6beb2e8c07d0f1

解答

跑DEEPALPHA模块建议升级开发环境到C2甚至C3档。

看你用的标准化模块比较老了，还剩V8， 你可以换成最新的模块，从左侧模块区拖一个就行，最新的标准化模块性能有很大提升

![{w:100}{w:100}](/wiki/api/a

https://bigquant.com/experimentshare/75aff243f241447da1d1994ed9d29c44

如何实现分类任务啊，怎么在原有策略上修改

三种构建大盘风控指标的方法关于LSTM+CNN的模型进行大盘风控的策略代码未找到，能否提供一下，谢谢。

https://bigquant.com/wiki/doc/dapan-zhibiao-fangfa-MoB3kNcAMG

根据《如何固化深度学习、随机森林和StockRanker模型|模型固化》https://bigquant.com/wiki/doc/shendu-senlin-moxing-fT26iI6EAI中的StockRanker模型的固化形成了model_stockranker.csv，为了了解model_stockranker.csv的内容，想打开model_stockranker.csv文件，不过，用ss=pd.read_csv('model_stockranker.csv')，print(ss)显示乱码，如何解决，谢谢？

[https://bigquant.com/experimentsh

根据官网深度学习特征裁剪值如何设置？的原代码（https://bigquant.com/wiki/doc/shendu-tezheng-EuCMiohTql），运行报错<ValueError: optimizer function should't be none.>请问什么原因？如何解决？

https://bigquant.com/experimentshare/175b607bae904740a1034e7ba1b29c4e

\

说是有：

https://bigquant.com/wiki/doc/mokuai-aBcAf1yeFo

根据【模板策略】LSTM+CNN深度学习预测股价案例没有成交？

https://bigquant.com/wiki/doc/shendu-gujia-4teFqoC7MV

或

https://bigquant.com/community/t/topic/194980

https://bigquant.com/experimentshare/52d3c0772a2d4ef9bb5950c7c6646170

\

最好更细粒度的， 比如分钟级别。

好像没找到。 求例子。

本文14323字，阅读约28分钟

导语：本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法，包括给出实践中一些常见、实际问题的处理方案，并结合了量化应用实例。读完后大家可以在本平台进行实践检验。

文章概览：

1.人工智能量化投资概述

2.人工智能技术简介

3.机器学习在量化投资中应用的具体方法解析

AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图找出市场的规律并加以利用，力所能及的模式或许可以接近某一个局部的最优，而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero，不仅

本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全，分类的方式也不唯一。不过，看完这篇文章后，下次再有算法提起，你想不起它长处和用处的可能性就很低了。本文还附有两张算法思维导图供学习使用。 在本文中，我将提供两种分类机器学习算法的方法。一是根据学习方式分类，二是根据类似的形式或功能分类。这两种方法都很有用，不过，本文将侧重后者，也就是根据类似的形式

摘要

在深度学习的所有应用场景中，股价预测也无疑是其中一个异常诱人的场景。随着传统线性模型的潜力逐渐枯竭，非线性模型逐渐成为量化交易的主要探索方向，深度学习对非线性关系良好的拟合能力让其在量化交易中面临着广阔的应用前景。但与常规的回归预测任务不同的是，股价预测问题有其独特性，存在时间序列、噪声高、过拟合等问题。当前对于深度学习在股票交易中的研究主要侧重在因子挖掘、图神经网络与知识图谱、新闻与社交媒体等非结构化数据的利用、以及时序模型改进四个方面。我们会在文章中依次探讨近5年顶会上对这四个方向的研究。

本文主要介绍MSRA在KDD 2019上发表的两篇文章，这两篇文章主要关注深度学习在

你是否曾经听到过人们谈论机器学习，而你却对其含义只有一个模糊的概念呢？你是否已经厌倦了在和同事对话时只能点头呢？现在，让我们一起来改变这个现状吧！

这篇指南是为那些对机器学习感兴趣，但又不知从哪里开始的人而写的。我猜有很多人曾经尝试着阅读机器学习的维基百科词条，但是读着读着倍感挫折，然后直接放弃，希望能有人给出一个更直观的解释。本文就是你们想要的东西。

本文的写作目标是让任何人都能看懂，这意味着文中有大量的概括。但是那又如何呢？只要能让读者对机器学习更感兴趣，这篇文章的任务也就完成了。

什么是机器学习？

机器学习是一种概念：不需要写任何与问题有关的特定代码，泛型算法（Gene