问题

怎么用机器学习判断股票的形态？

解答

此问题可以作为一个研究课题了。 人眼如何判断三重底？先有一个下跌趋势然后盘整，形成了三个低点，接着向上突破成功了就是所谓的三重底。但是要是盘整后往下成功突破呢，就变成了下跌趋势中的一个中继三重顶形态，所以要等价格走出来后才知道是什么形态，个人理解可以把关键点的信息（例如顶和底的数据）作为特征告诉机器去学习，那又如何提取顶和底这种关键信息呢？可以先从简单形态识别开始研究，例如把各个周期的均线金叉，死叉等信号作为特征，通过机器学习看下哪种周期组合收益最高。 关于这个话题，大家都可以一起来讨论一下。

BigQuant策略组

问题

深度学习的模型训练的时候的参数：学习率在哪儿设置？

问题

滚动训练报错NaTType does not support

https://bigquant.com/experimentshare/3ca7d2657bbb411b9a0f4c908d3a99a0

\

AIStudio 使用常见问题

导语

大部分初学AI-量化的同学做选股策略的做法都是简单粗暴将全市场的股票数据都放入模型训练， 然后企图训练出一个万能模型-图灵机， 寄希望于仅仅只通过暴力的数据挖掘，或者某些因子，就可以打造出一个适应于 任何行情的选股模型--圣杯。

但遗憾的是，A股市场中的数据噪音是很大的，不同的市场环境，不同的因子的选股效

用ChatGPT生成的ChatGPT教程

策略案例

https://bigquant.com/experimentshare/7f7021993a9f40149189be939e15c882

\

问题

比如在模型训练的时候，预测未来五日的收益率是用到当日的收盘价的，比如close_0。

那么在回测的时候取预测值用的是currentdate这个函数来，也就是取当天的预测值，但当日的收盘价还没有出来，怎么获得当日的预测值呢?还是实际上是获得前一日的预测值?

解答

日频回测里，主函数或者是handle_data函数，每根bar所处的时间点都是当前bar的收盘时间；模型里也是根据每天的价格进行预测的。至少在你描述的这里是不存在未来函数的情况

策略案例

https://bigquant.com/experimentshare/6ac00fc386f74acb886b8168d7809b98

\

策略案例

https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14

\

https://bigquant.com/experimentshare/ada6ffe2d3f94a6f9e0ccac744524604

\

问题

回测老内核重启然后就停了。 是免费的缘故么？

\

解答

得看下策略具体是在哪个模块停止内核的，如果回测模块没有做过多改动的话，在回测阶段重启内核的概率不大，得检查下是否是训练集和预测集数据过大导致训练模型时内核重启的原因。

摘要

公众号遴选了各大期刊前沿论文，按照理解和提炼的方式为读者呈现每篇论文最精华的部分。QIML希望大家能够读到可以成长的量化文章，愿与你共同进步！

本期遴选论文 标题：FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational Autoencoder for Predicting Cross-sectional Stock Returns

摘要

机器学习问题和其流程

机器学习问题本质上在于找出使得经验风险泛函（样本误差）最小的建模流程，基本的流程可以分为特征工程、模型训练和模型融合。本篇就上述三个过程，给出相关算法的介绍，并补充了之前系列报告中未详细介绍的内

机器学习三大步骤

特征工程包含特征构建、特征提取和特征选择三个过程，以选择相对最优的特征空间。特征工程往往会采用无监督和有监督的机器学习算法。机器学习模型可以分为线性模型、树模型和深度学习模型。线性模型主要体现了数据中的线性关系，如输入与输出的线性关系，点集的线性可分；树模型可以很好的捕捉输入与输出的非线性关系，和线性模型相辅相成。一些改进的随

作者：donkyxote

策略思想

基于17个短期因子，其中8个量价因子，9个均线因子。训练集使用2005-01-04至2020-06-01日，每个交易日买入模型当日预测结果排名靠前的1只A股股票，次日卖出。

StockRanker模型

原有模型是基于BQ提供的Stockranker机器学习算法：

![图 1：stockranker-2021年1月4日至2022年1月21日的模拟实盘结果{w:100}{w:100}](/wiki/api/attachments.redirect?id=bb5b3d09-3e20-4840-b5e0-2220d7f55

https://bigquant.com/experimentshare/5f74d02dff0e45d595f7494edb417019

\

AI量化策略快速理解

https://bigquant.com/wiki/doc/celve-Uu3N6WbJNJ

本例使用GBDT算法进行模型训练和数据预测

1. 新建可视化AI模板策略
2. 在左侧模块导航栏“机器学习”中拖出“GBDT训练”和“GBDT预测”模块替换原有的 StockRanker 训练模块和 StockRanker 预测模块

本例设置“GBDT训练”中的参数：

损失函数类型：'reg:linear',

评价指标:'rmse',

模型:'gbtree'

[https://bigquant.com/experimentshare/08e84d706db74d5ba490658f1b92628b](https://bigquant.com/experimentshare/08e8

怎么用bigquant的架构来获取每天涨停的个股，不是用传统的代码打出来的那种，试过好多次！老是运行的结果错误！

test h1

test h2

test h3

test h1

\

/wiki/static/upload/7e/7e6629bc-ac8d-42ad-85a0-c74ecff7229b.pdf

\

2021世界人工智能大会于2021年7月8日至10日在上海世博中心和上海世博展览馆同时举行。会中幻方量化合伙人徐进探讨了如何使用量化模型和深度学习在股市中赚钱的路径。

徐进提到,与传统股票定价不同,量化通过输入获取的信息,包括行情数据、上市公司财务数据,还有另类数据,比如新闻舆情、产业链等,进行模型训练,利用深度学习对股票进行定价。

在徐进看来,在这个过程中,需要处理很多关键细节,细节是魔鬼!以时间序列预测模型为例,包括数据清洗、规划处理、防止过拟合、 避免未来函数等,大量的细节决定了量化能否赚钱,并不是简简单单就能成功的。“只要你对市场、数据充分了解之后,才能得出比较好的赚很多钱的结果。

导语

本文将介绍LSTM模型的原理与构建其选股模型的流程

LSTM简介

循环神经网络（RNN）

传统的神经网络是基于所有时刻的输入和输出间相互独立的假设来生成已学习数据的静态模型，并根据新接受的数据进行运算。但在很多情景中，如语音识别中预测当前的单词的含义，需要知道之前的输出结合上文语境做出判断，循环神经网络（Recurrent Neural Networks，简称 RNN）可以用于解决这类问题。 循环神经网络也被称为递归神经网络是受到人类对于近期事件会有所保留的背景而启发，循环神经网络会随着数据的输入生成动态模型。 理论上，RNN可以支持无限长的时间序列，然

策略案例

https://bigquant.com/experimentshare/7dcb3fe1da07466aa334e3c202a7704f

\

本代码完整版一共包括三部分：数据、算法、回测交易。 由于该策略与机构有一些合作，我们只放出了数据和算法。希望大家能够理解！

策略案例

https://bigquant.com/experimentshare/5a93201876eb401e998867e0b5106175

\