我是刚接触AI策略的新手,在BigQuant平台上利用策略生成器新建了一个AI策略。 运行的过程中,标注结果图如下:
不太理解这幅图的具体含义和价值,到底是怎么计算来的,这幅图到底对开发AI策略有何指导意义。有谁可以解释一下吗?谢谢~~~
更新时间:2023-06-01 02:13
如题,谁能给一份该函数的完整说明?
更新时间:2023-06-01 02:13
漂亮的界面是量化程序的脸面,直观专业的界面能帮助我们了解股票的走势和形象地展示量化交易的结果。本文介绍如何使用matplotlib做出专业的K线图和展示各种技术指标:
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='987' height='674'></svg>)
matplotlib是受M
更新时间:2023-02-13 08:42
引用著名瑞典统计学家 Hans Rosling 的一句话:想法来源于数字、信息,再到理解。
分析数据的最好方式是可视化,因为可视化承载的信息密度更高,甚至可以从不同维护对数据进行交互式分析。今天要精读的文章就分析了经典可视化分析工具 Tableau:data-visualisation-made-easy。
[Tab
更新时间:2022-11-02 07:38
文本情感分析,也称为意见挖掘,是指用自然语言处理、文本挖掘以及计算机语言学等方法来识别和提取原素材中的主观信息。本文基于文本舆情构建股市情绪指标。数据来源近1年某xx股吧正文及评论,进行数据清理后使用计算机语言进行分词,利用数据可视化将分词结果以字云的形式展示。根据字云图和字频整理确定情绪词汇词典,将情绪表达相对强烈的词设置高分数,相对温和的情绪词设置为低分数。分别计算出文本积极的和消极的情绪分数,最后加和形成总的情绪分数指标。
自2020年3月18日到2021年3月28日的样本期,情绪指标总分大于0(即积极分数>消极分数)出现的总频率为74%,说明这
更新时间:2022-10-24 11:09
更新时间:2022-06-08 06:08
更新时间:2022-02-21 09:48
本文是基于StackAbuse的一篇讲解Seaborn的文章 上编写。 附示例及实现代码,可直接前往文末 一键克隆代码 进行实践研究。
在前一篇文章 Pandas数据可视化工具——Seaborn用法整理(上),我们了解了如何使用这些Seaborn代码绘制分布图和分类图。在本文中,我们将继续讨论Seaborn提供的一些其他以绘制不同类型统计图的功能,我们将
更新时间:2021-12-15 08:16
\
更新时间:2021-11-20 03:28
更新时间:2021-11-12 11:39
自从我组建了Tushare开发者的群,一直有群友(加入方式见最后)问我怎么下载Tushare的数据,我一直觉得这不应该是技术的瓶颈,结果却成了大家问的最多的问题。所以我决定写一篇技术博客,来回答所有这样的问题。这一篇文章是针对技术小白的,也就是对怎么下载数据毫无思路的人。
首先感谢一下Jimmy(Tushare作者)开发并维护了这么好的库,用起来真的得心应手。
简而言之,下载数据就和把大象装进冰箱里一样,只有两部,下载下来,然后保存到数据库里。
第一件要做的事情是技术选型,你使用MySQL还是PostgreSQL?Mongodb?或者是SQ
更新时间:2021-09-09 03:20
“工欲善其事,必先利其器”。
在 如何搭建量化投资研究系统?(数据篇)中,作者介绍了如何依靠网络爬虫收集整理交易数据,搭建一个金融数据库。在数据的问题基本解决之后,量化投资的研究工作就要正式启动了。根据人类思维的一般规律,一项复杂的研究工作,通常以“个别、感性、直观”的方式开始,在获得了基本的认识和灵感之后,再逐步上升到“整体、理性、抽象”的认知。所以,量化投资研究的第一步就是——“看盘”,下面介绍如何在R中利用quantmod包“优雅、高效”的看盘。
更新时间:2021-09-09 02:45
在jupyter notebook菜单栏有Help按钮,可以查看jupyter的快捷键
![](data:image/svg+xml;utf8,<svg%20xmlns='[http://www.w3.org/
更新时间:2021-09-08 09:02
本文简单分析当制作一部电影时,应考虑哪些客观因素才能使电影获得成功?为客户提供有效的数据依据,以便作出更准确的决策。本次数据分析报告主要围绕以下几点进行分析:
问题一:电影类型如何随时间发生变化?
* 电影数量上的对比
* 电影收入的对比
问题二:影响电影收入的客观因素有哪些?
问题三:两家电影公司Universal Pictures 和 Paramount Pictures之间的对比。
* 电影发行数量上的对比
* 电影产生的利润对比
问题四:改编电影和原创电影之间的对比。
* 电影发行数量上的对比
* 电影产
更新时间:2021-08-11 07:45
数据分析的初级境界应该当属描述性统计分析了。
描述性统计分析,顾名思义,就是对一个数据集合,通过统计的手段,对数据整体进行描述。身边比较常见的,比如:你的支付宝年度报告,你的滴滴年度出行报告,你的美团外卖这一年最爱吃什么,你的网易云音乐年度最爱听哪首歌曲等等。
以上的这些年度报告通通都采用了描述性统计分析的方法,然后给你反馈过去一段时间自身行为的一个复盘,比你更了解你。
本文,将利用Python对我大A股去年走出大牛市的白酒龙头股进行描述性分析,介绍了一般步骤及相应代码。
几乎任何一本统计学的基础书籍都会一上来就介绍描述性统计分析的,所以你可
更新时间:2021-08-10 03:52
无论你如何看待数据科学这门学科,都不能轻易忽视数据的重要性,以及我们分析、组织和理解数据的能力。Glassdoor 网站收集了大量的雇主和员工的反馈数据,发现在美国“25个最好的工作职位清单”中排名第一的是数据科学家。尽管排名摆在那里,但毫无疑问,数据科学家们研究的具体工作内容仍会不断增加。随着机器学习等技术变得越来越普遍,像深度学习这样的新兴领域获得了来自研究人员、工程师以及各大公司更多的关注,数据科学家会继续站在创新浪潮之巅并且推动技术的不断发展。
尽管拥有强大的编码能力非常重要,但数据科学也并非全部都是关于软件工程的(事实上,能够熟练掌握python已经足够很好的开展工作了)。数据科学
更新时间:2021-07-30 09:08
更新时间:2021-07-30 08:05