金融数据

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。

\

就读几天的分钟数据，我用8G的FAI或者用2C/8G AI Studio就把内存读爆了。是不是读数据有啥BUG？

代码如下：

import dai

dayStart = "2022-12-22" dayEnd = "2023-12-31" sql = f"""FROM cn_stock_bar1m WHERE date >= '{dayStart} 09:30:00' AND date <= '{dayEnd} 15:00:00'""" df = dai.query(sql).df()

\

https://bigquant.com/wiki/doc/tezheng-ri-xIjPe1UFMu

这个例子程序也一直报错

\

希望通过使用读取数据模块读取表cn_stock_factors_ta，

m7 = M.datahub_load_datasource.v1(
    table='cn_stock_factors_ta',
    start_date='20200101',
    end_date='20230901',
    instruments="""# #号开始的表示注释，注释需单独一行
# 每行一条
""",
    fields="""# #号开始的表示注释，注释需单独一行
# 每行一条
"""
)

`m7 = M.datahub_

请问如何获取过去两年内最高收盘价和最低收盘价？谢谢

https://bigquant.com/experimentshare/a96202b3121748c6aa879807b6a26dc8

\

看见模板策略是这么连线的，但是为什么我自己新建的空白策略上照葫芦画瓢会报错？

我明白了，如果指定标的的话，需要用数据源模块是么？那数据源需要填参数的表名在哪里？

#提取一级行业，可以获得5000多只股票的行业列表。

sql ='''
select *
from cn_stock_industry_component
where date between '2023-0-01' and '2023-01-07'
'''
import dai
ww = dai.query(sql).df()
www_uni = ww.drop_duplicates(subset='instrument')

www_uni

#获取cn_stock_bar1d表数据

sql = '''
select *

https://bigquant.com/experimentshare/533275414f6b4439958fd60e8aa6288a

\

https://bigquant.com/experimentshare/d242d0c6c6a242c1ad2ad3cc11678891

\

见 链接：

https://bigquant.com/experimentshare/e939e9c9a1ef43ec8f267205b530219b

\

https://bigquant.com/experimentshare/5c62736dd4bb44c9a4831181e1a00868

https://bigquant.com/experimentshare/4ab0171362fa44be981011ecf66a70f5

\

# 本代码由可视化策略环境自动生成 2018年5月25日 15:20
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。


m3 = M.dl_layer_input.v1(
    shape='50,5',
    batch_shape='',
    dtype='float32',
    sparse=False,
    name=''
)

m13 = M.dl_layer_reshape.v1(
    inputs=m3.data,
    target_shape='50,5,

SELECT
    sf.instrument,
    sf.date as date,
    sf.total_market_cap,

    -- 从技术指标表中选择的字段
    ta.ma_golden,
    ta.ma_long,
    ta.volume_golden,
    ta.volume_long,
    ta.three_red_soldiers,
    ta.hammer,
    ta.morning_star,
    ta.kdj_golden,
    ta.kdj_long,

量化投资

量化投资是一种基于数学模型和计算机算法来指导投资决策和交易执行的投资方法，不受主观交易的情绪化影响，严格按照程序执行**。** 量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。在国内，量化投资不再是一个陌生的词汇，近几年得到了迅猛的发展。

简单来说，是通过寻找金融数据，例如开盘价、收盘价、最高价、最低价、换手率、估值等等大量的数据，与股票收益之间的关系，建立较为稳定的数学模型，从而指导投资策略。

对AI量化有一定了解的选手可以直接查看量化策略模型，有投资经验但无量化的请从金融量化基础知识开始

import dai


df = dai.query("""
    SELECT date, close, volume, amount
    FROM cn_stock_bar1d
    WHERE instrument = '000002.SZ'
    AND date >= '2022-01-01' and date <= '2022-12-31';
""").df()

为什么会报ModuleNotFoundError: No module named 'MeteorClient'这种错误？

数据问题哪个老师给解答下，谢谢。

import dai

sql = """

select

date,instrument,name,

close/m_lag(close,1)-1 as return0,

from cn_fund_bar1d

where (date>='2024-01-01'  and instrument='159660.SZ') or (instrument='510300.SH' and date>='2024-01-01')

order by date,instrument

"""

df_all= dai.query(sql).df()

d

AI量化领域结合了人工智能（AI）、机器学习（ML）以及量化金融的技术和方法。这一领域的目标是使用算法和计算模型来分析大量金融数据，从而做出投资决策或提高交易效率。

一些在AI量化领域重要技术和方法，以及在金融领域的应用：

1. 机器学习算法：机器学习算法是AI量化领域的核心。它们包括监督学习、非监督学习和强化学习。
   • 监督学习，如支持向量机（SVM）、神经网络、决策树等，用于预测或分类任务，如股价预测、信用评分。
   • 非监督学习，如聚类、主成分分析（PCA）等，用于发现数据中的模式和关系，如市场细分、异常检测。
   • 强化学习，如Q学习

1. 数据任务输出标签

若因子任务和模拟交易任务有特定的依赖标签，请查看以下表格：

更新

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

策略源码：

{{membership}}

https://bigquant.com/codeshare/e9c1b98b-e596-4e90-941d-cdb93af92c2e

\

https://bigquant.com/experimentshare/8671700b78014d6cbe44261ba23820f9

\