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_

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？

https://bigquant.com/codeshare/f5671f58-aa7c-45ef-8436-83b6415fd99c

\

https://bigquant.com/codeshare/4515d40b-c2f4-4439-a2c9-92931adb0c6d

\

说在前面

做量化投资的第一步就是获取金融数据，之前我已经撰写了关于R语言获取金融数据的文章，今天我们就讨论一下python获取金融数据的方法，主要讲述如何通过tushare包获取金融数据。

TuShare是一个著名的免费、开源的python财经数据接口包。其官网主页为：TuShare -财经数据接口包。该接口包如今提供了大量的金融数据，涵盖了股票、基本面、宏观、新闻的等诸多类别数据（具体请自行查看官网），并还在不断更新中。目前股票的数据长度为三年，虽然

说在前面

在量化交易中，第一步也是最基础的一步就是获得数据，因为只有获得数据之后我们才能对我们的策略进行回测，进而判断该策略是否有盈利空间。

获得了数据之后，我们通常使用R、python等语言对数据进行处理。这其中往往会涉及格式整理、数据读取等步骤。于是我们想，如果可以直接通过R或python获取数据，就省去了很多麻烦，而R中的quantmod和python中的tushare正好可以实现这一目的，我将分两篇文章分别介绍一下这两个常用的工具吧。

这篇文章我们将如何使用R获取金融数据，我们经常使用的是大名鼎鼎的quantmod包。该包功能强大且简单便捷。下面我们通过一个例子进行

首发于我的博客 The North。

GitHub 里老早之前就 Star 了 felixglow/Stock 这个项目，原作者 felixglow。昨天晚上又想起这个来，于是今儿早上就拿出来看——我对其中相当多的部分都不熟悉，有些还是第一次了解。在这里将我的理解记录下来，其中的错谬之处，还望各位大神指正。

实现效果

![](/community/uploads/defau

基础知识

时间序列（time series）数据是一种重要的结构化数据形式。在多个时间点观察或测量的任何事物都可以形成一段时间序列。

时间序列的处理对经济、金融数据尤为重要。

在pandas中的数据结构

• 时间戳（timestamp）：特定的时刻（时间点）
• 固定时期（period）：如2007年1月或2008年全年
• 时间间隔（interval）：由起始和结束的时间戳表示，period可看作interval的特例。

最简单和常用的时间序列是用时间戳进行索引。

——时间序列在pandas中，一般泛指以时间列作为索引的数据集。

摘要

本文介绍时间序列分析中的 GARCH 模型，阐述使用 mean model 和 volatility model 对收益率序列联合建模的方法。

引言

两年前，我们推出了《写给你的金融时间序列分析》系列，通过四篇文章介绍了金融数据时序分析建模的基础知识。这四篇文章的内容分别为：

• **基础篇：**介绍金融时序特性和进行时间序列分析的目的；解释时间序列分析中的核心概念：自相关性。
• **[初级篇：](https://zhuanlan.zhihu.com/p/3832

众所周知，用pandas做循环的速度是非常感人的，在数据量一大的情况之下，即使使用iterrows等自带的loop方式，依然有很大的计算成本。

在这种情况下，有几种可能的解决办法，第一种方法是尽量使用pandas的内置函数，比如rolling等，第二种方法则是可以讲dataframe转化为numpy的array或者list之后再利用lambda或其他函数进行处理。最后一种方法则是这篇文章的重点，主要是关于如何对dataframe进行多线程操作。

今天我们主要介绍Dask，一个专门用来做大数据存储读取以及并行计算的库，可以提升numpy, pandas, sklearn这些库的运行效率，官方

最近时间稍微充裕，笔者便想着趁此机会总结一些量化分析中遇到的一些实际问题与处理方法，而工具则主围绕着pandas这个金融数据处理利器package，这次我想先说说resample的功效。

首先让我们来看一个dataframe，这个dataframe很简单，index是时间，columns是price和volume：

可以看到该dataframe的时间分布式不均匀的，然而很多统计分析建模都是需要时间均匀间

设想以下场景，你现在手头有的金融数据间隔是非均匀的，比如：


这时候问题来了，如

对量化投资策略进行研究，第一步就是获取我们需要的数据。使用历史数据能够对策略进行回测，以验证策略的有效性和可信性。另一方面，量化投资本身也是一种对数据的研究，因此它也必须遵循数据分析的相关步骤。作为一个业余的量化投资爱好者，免费的数据来源主要有以下几种途径：

• Yahoo、Sina 财经的API
• Python的Tushare包
• 自己手工爬取

Tushare是一个免费、开源的Python财经数据接口包，它对数据进行了规整因此使用起来非常方便。尽管有如此优秀的数据包简化了数据的采集工作，我们依然需要掌握从网站上爬取数据的技能，以获取接口没有提供的数据。本篇文章将会介绍一个小爬虫，告诉

近几年，以机器学习、特别是深度学习为代表的人工智能（AI）得到了长足的发展，机器学习和人工智能也成为出现在街头巷尾的高频词汇。今天我们把目光放在风险投资（venture capital），看看机器学习能否在一级市场有所作为。

写本文的动机源自作者最近读到的一篇来自麻省理工的论文 Hunter and Zaman (2017)。该文提出了一个挑选优秀早期创业公司的量化分析框架，利用机器学习算法进行参数估计以及最优投资组合的构建，从而挑出那些最有可能成功的初创公司（成功的标准是风险投资人因该公司上市或者被收购而退出）。

因为文章很新（2017 年的），而且将机器学习应用于了一个比较新的

在对金融数据进行分析时，我们往往更希望使用原始的非结构化数据。在对非结构化数据进行处理的过程中，更有机会发现竞争对手所不知道的特征。

金融数据的种类


1. *基本

\

平台提供的所有所有数据、因子都是后复权的吗？

没有找到类似的函数，类似的就一个mean求平均值，为什么没有函数文档啊？

问题

如题，

如何在代码中获取因子值？

谢谢

问题

把return_5>=1每日的个数连接到数据表的后面一列，同一天的这个个数是一样的，报错了

https://bigquant.com/experimentshare/f71f79486d5f41ff9232eea9c969e81f

**ValueError: can not merge DataFrame with instance of type <class ‘pandas.core.series.Series’> 求大

问题

如何做分钟周期的标注

解答

在Meetup10月15日有讲分钟数据标注的，你看一下：BigQuant AI量化专家Meetup（更新至12月03日） 4

https://bigquant.com/experimentshare/58f8eb3f17fe4114bcd49557ceb1902a

\

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

%%BigQuant_ChatGPT

https://bigquant.com/experimentshare/3399e83df2ea49e4ae1378ed0c9378db

\