股票市场

实现了 ：

xgboost 和 stockrank 的策略。以及 超参测试

相同因子的情况下， stockrank 要比 xgboost 更好些。

实现 ：\nxgboost 的策略\n\n因子设计

c_pct_rank(dividend_yield_ratio) as rank_div_ratio

c_pct_rank(total_market_cap) as rank_cap

c_pct_rank(close) as real_close

c_rank(close / m_lag(close, 20)) as rank_mount

c_pct_r

策略案例

https://bigquant.com/experimentshare/44df09d365584c4b9874df99f5f69c4f

\

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

\

\

\

问题

多因子选股如何筛选有效因子

回答

参考研报:

1. 多因子系列之一：华泰多因子模型体系初探-华泰证券-20160921
2. 多因子系列之二：华泰单因子测试之估值类因子-华泰证券-20160929

因子分析参考：

1. [因子分析](https://bigquant.com/wiki/doc/yinz

\

问题

35th Meetup提到的情绪周期中最高板数，涨停家数，跌停家数，昨日涨停今日表现(赚钱效应)等具体代码的编写。

\

视频

https://www.bilibili.com/video/BV1nT4y1q7Ut/

策略源码

[https://bigquant.com/experimentshare/224aa4076333436ea5a570694376631a](https://bigquant.com/experimentshare/224aa40763334

\

作者

徐耀杰（woshisilvio）

常见算法优劣比较

算法没有最好，只有更好。 这个问题的答案取决于许多因素，例如股票市场的条件，数据集的质量和特征工程的有效等。接下来，我们来看看这些算法的优势和劣势：

1. 神经网络：适用于复杂的非线性问题，可以有效地捕捉市场的非线性特征和复杂关系。
2. 决策树：适用于数据量较小、特征维度较少的情况，可以很好地解释模型的决策过程。
3. 随机森林：适用于处理高维度、复杂数据集，具有很好的鲁棒性和准确性。
4. 支持向量机：适用于数据量较小、特征维度较高的情况，可以有效地处理非线性和线性可分问题。

正常情况下，在处理少量的股票量

问题

《机器学习应用于底部反转策略的表现》

视频

https://www.bilibili.com/video/BV1Jd4y1g7Gi/?vd_source=ecd29bbd04cbefdfa426167c55241973&t=1.3

\

策略源码

详见上述链接

PPT

/wiki/static/upload/1f/1fdcde6d-6311-49fc-a1ad-e533c840cf97.pdf

视频

https://www.bilibili.com/video/BV1zc411V7EW/?spm_id_from=333.999.0.0

\

导语

2020年我们开展了近半年的Meetup，共11场Meetup活动，90个问题，7场专题，持续地为大家服务和提供新鲜的灵感。2021年，Me

请问一下站内大佬，有人知道吗？如何做出同花顺alphahua那种《k线训练营》的ai智能k线决策吗？

如下图，只拿到了全市场3568个数据。

通过如下语句没有查询到数据

%%sql

select * from cn_stock_status where date='2023-11-17' and instrument='000792.SZ'

查出来st_status是2-*ST， 但是实际上这个股票已经不是st股了

个股每日的炸板次数该怎么获取呢？

策略中需要封单比公式，请大佬帮忙写一个，万分感谢

摘要

研究风格择时能力的意义在经历了2016年底的风格转换之后，投资者越来越关注基金选择风格的能力。本文就股票仓位较高的两种基金——普通股票型和混合偏股型，讨论哪些基金和基金经理有选择风格的能力，以及这种能力是否有持续性。

通过比较业绩排名的方法研究基金经理风格选择能力以市值为例，对股票市场的风格进行划分，统计每次风格切换时点前后业两个月内绩排名均靠前的基金和基金经理，并分析这些基金和基金经理在未来的风格切换时点前后业绩排名是否还在前列。在10位过去表现好的基金经理中，只有1位基金经理管理的3只基金能够在历次风格转换前后都排名在前40%。说明基金和基金经理没有风格择时能力。如果根据市

为什么需要学习股票市场的数学？

• 人们常常会思考为什么需要理解和学习股票市场的数学。
• 学习股票市场数学的必要性是什么？
• 我在哪里可以学习股票市场中数学的应用？
• 股票市场数学的基础是什么？
• 在学习股票市场数学时，应该关注哪些概念？

许多人希望从数学角度学习算法交易。各种数学概念、统计学和计量经济学在股票市场交易中发挥着重要作用，为你的股票交易提供优势。

以下是我们在本文中涵盖的有关股票市场数学的完整列表：

• 股票市场数学是什么？
• 算法交易概述
• 算法交易为什么需要数学？
• 数学在交易中何时以及如何流行起来：历史之旅
• 股票市场的数学概念
  • 描述

https://bigquant.com/codesharev2/42c80795-96ba-461e-8a80-e7f69b749e5b

\

波动率（Volatility）是金融市场中用于衡量资产价格随时间变化的程度。波动率越高，表示资产价格的变动幅度越大，风险也越高。在股票市场中，波动率通常以历史波动率（基于过去的价格变动）或隐含波动率（基于期权定价）来衡量。

BigQuant的金融市场历史数据因子平台以及AI量化策略编写平台（PC端），可以验证波动率指标因子组成的量化策略。

![](/wiki/api/attachments.redirect

请参考新版的大盘择时

机器学习+择时+跟踪止损+技术分析

策略案例

https://bigquant.com/experimentshare/a5ed3eddf32f4e4dad4811a1acc257f0

\

更新

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

本文来自方正证券研究所于2022年4月12日发布的报告《成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005。

摘要

在股票市场中，成交量的边际变化隐含着非常重要的信息，特别是在技术分析领域，成交量被认为是股票市场的原动力。俗语“量在价先”深刻的反