回测验证
"回测验证"在金融领域中是投资策略或模型开发的关键环节。它是使用历史数据，在虚拟环境下对某种交易策略、算法或模型进行检验的过程。通过回测，投资者可以了解策略在过去市场条件下的表现，从而评估其潜在的风险和收益。有效的回测验证不仅可以增强投资者对于实用投资的经内分泌移植合同的策略模型指标的招标xindicebooks媳妇去洗头xiang,，同时也可以帮助识别和修正可能存在的问题和弱点，进一步提高策略的稳健性和适应性。因此，回测验证是金融决策过程中不可或缺的一部分，为投资者提供了在真实市场实施策略前的“试错”机会。
AI+涨停板特征提取
策略简介
本策略是一个基本的StockRanker策略，使用的因子除了一些基本的量价指标、技术指标、财务指标之外，我们加入了涨跌停的因子，由于涨跌停price_limit_status这个字段的含义是等于1表示跌停、等于2表示非涨跌停、等于3表示涨停，因此我们将过去10日的涨跌停状态相加的话，值越大就表示涨停次数越多。
在StockRanker模型上，由于数据量的增加，我们适当的调整了模型参数：叶节点数量、每叶节点最小样本数、树的数量，以避免模型欠拟合。
模型训练时间为2015-2022年，回测时间为2023-2024年，策略持股5支，等权重，持仓5天
策略源码
[htt
更新时间：2024-12-15 09:10
机器学习量化投资实战指南
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
更新时间：2024-12-05 02:26
量化交易模型及策略2023版
量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。
量化交易模型的一般由以下几个部分组成：
1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht
更新时间：2024-12-05 02:12
按天标注
更新时间：2024-06-07 10:55
特征取分位数据
更新时间：2024-06-07 10:55
专利因子与量化选股
视频讲解
知识库链接
策略源
更新时间：2024-06-07 10:55
模型保存读取
更新时间：2024-06-07 10:55
如何使用超参搜索持仓天数
更新时间：2024-06-07 10:55
超参寻优调参顺序
更新时间：2024-06-07 10:55
计算股价高低位的方法
问题
有什么方法或因子可以描述股价在高位或低位？
视频
https://www.bilibili.com/video/BV1ov4y1Z7Yg?share_source=copy_web
策略源码
[https://bigquant.com/experimentshare/9fa4d332095143b598308c57de203788](https://bigquant.com/experimentshare/9fa4d33
更新时间：2024-06-07 10:55
如何构建和使用情绪指标？
问题
视频
[https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240
更新时间：2024-06-07 10:55
构建日历周线级别因子
更新时间：2024-06-07 10:55
如何用catboost替换stockranker算法
问题
请教catboost的详细使用方法，对于原先使用xgboost或者stockranker的策略，如何用catboost替换掉xgboost或者stockranker?
视频
https://www.bilibili.com/video/BV1US4y1n79r/?spm_id_from=333.999.0.0
策略源码
[https://bigquant.com/experimentshare/c2422c6678a8
更新时间：2024-06-07 10:55
强有效因子下的线性模型选股策略
备注：本策略含有未开放的数据，故克隆之后无法运行。
{{membership}}
https://bigquant.com/codeshare/b6e80d6b-f5e0-4778-97cf-77fcadb7b488
\
更新时间：2024-06-07 10:55
2022-AI量化Meetup导览
\
更新时间：2024-06-07 10:55
如何构建Halpha、wgt_return_Nm等动量因子
更新
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors
https://bigquant.com/wiki/doc/dai-PLSbc1SbZX
[http
更新时间：2024-06-07 10:55
高质量AI量化策略
【此文档为旧版策略】具体可参考新版文档：
https://bigquant.com/wiki/doc/103-ai-LpsqDhu8mG
https://bigquant.com/experimentshare/dd9cff01459a41f9be40d7e660164795
\
更新时间：2024-06-07 10:55
有哪些合理的大盘风控方案？
问题
有哪些合理的大盘风控方案？
视频
https://www.bilibili.com/video/BV1TF41167ph?share_source=copy_web
策略源码
[https://bigquant.com/experimentshare/07791ba8fc354d4e9793ce963a735263](https://bigquant.com/experimentshare/07791ba8fc354d4e9
更新时间：2024-06-07 10:55
【主题分享】市场风格变化时策略如何自动切换
策略源码
更新时间：2024-06-07 10:55
2023-AI量化Meetup
\
更新时间：2024-06-07 10:55
均线突破策略-期货分钟
更新时间：2024-06-06 10:40
根据财务数据生成目标因子
这是旧版的例子, 只能在2.0.0的Aistudio中运行
策略案例
https://bigquant.com/experimentshare/54fe864132a7447894540d70cd2e36e5
\
更新时间：2024-05-24 11:02
如何对1-3日内上涨的股票进行标注
问题
freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?
视频回放
https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0
策略源码
[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co
更新时间：2024-05-21 09:10
小市值策略源码
更新时间：2024-05-20 07:35
A股股票过滤模块
更新时间：2024-05-20 07:21