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

本文是旧版策略

[https://bigquant.com/wiki/doc/6l95rao57g7562w55wl55qe5lik5liq5qih5z6l6j6n5zci77ya5lia5liq6ake5rwl5lik5rao77ym5lia5liq6ake5rwl5lil6lem-CC8t5f8px2](https://bigquant.com/wiki/doc/6l95rao57g7562w55wl55qe5lik5liq5qih5z6l6j6n5zci77ya5lia5liq6ake5rwl5lik5rao77ym5lia5liq6ake5rwl5lil6lem-CC8t5f8px2

问题

有什么办法可以让storanker模型在预测的模块对预测的股票使用排序rank.desc()和aesc()，让模型同时买入因子最大的，和因子最小的做对冲?

视频

https://www.bilibili.com/video/BV1S44y1y7dc?p=6

策略源码

8月19日Meetup模板

[https://bigquant.com/experimentshare/20965e5454a345218002b34d58cc3201](https://big

股票预测

• 使用AI算法进行股票或线性模型的预测

\

量化应用

• 北上资金跟踪是否有超额收益？

\

数据因子

• 如何使用bigchart画图中文坐标字体？
• 如何将老版本的多因子列表，编程新版本的多因子模型？
• 通过sql获得预期的股票数据具体操作

徐啸寅老师专属邀请码：zvthi4

使用此邀请码开通plus会员立减100元，赠送10000宽币

添加小Q再领取300元优惠券，二者可叠加使用哦～

打开微信扫描下方二维码添加小Q👇👇

![](/wiki/api/attachments.redirect?id=

\

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

[https://bigquant.com/wiki/doc/6l95rao57g7562w55wl55qe5lik5liq5qih5z6l6j6n5zci77ya5lia5liq6ake5rwl5lik5rao77ym5lia5liq6ake5rwl5lil6lem6zeu6aky-QQubuusc2B](https://bigquant.com/wiki/doc/6l95rao57g7562w55wl55qe5lik5liq5qih5z6l6j6n5zci77ya5lia5liq6ake5rwl5l

新版本暂无深度学习可视化模块

导语

在阅读了 深度学习的简要介绍后，本文将介绍深度学习DNN模型及其在量化投资领域中的应用。

深度学习在量化领域的应用

机器学习作为人工智能的核心，其传统算法在解决很多问题上都表现出了高效性。随着近些年数据处理技术上的进步和计算能力的提升，深度学习得以在很多问题上也大放光彩，成为近一段时间互联网、金融等领域的大热门。

在量化投资领域，机器学习尤其是由统计学延伸的各种算法一直以来都被尝试应用在选股、择时等策略的开发上，随着深度学习在其他领域上的突破，其在自动化交易甚至投资策略的自开发自

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

导语

完成了数据处理，接下来就可利用平台集成的各算法进行模型训练和模型预测啦。本文将详细介绍“模型训练”、“模型预测”两大模块操作、原理。

模型训练和模型预测是AI策略区别于传统量化策略的核心，我们通过模型训练模块利用训练集因子和标注数据构建一个模型，并通过模型预测模型将预测集的因子数据输入模型进行预测。 \n

在模块列表的 机器学习 、 **深度学习

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

1. 逻辑回归

1.1 分类问题的定义

分类问题的标签是离散型的变量，我们的目的是用特征，来预测标签归属于几个类别当中的某一种

• 如果是预测标签属于两个类别当中的哪一种，就叫二分类问题，比方说预测股票明天是涨，还是不涨，两个类别
• 如果是预测标签属于多个类别当中的哪一种，就叫多分类问题，比方说预测股票明天是涨，还是跌，还是不涨不跌，还是涨停，还是跌停，五个类别

本次分享我们主要讨论二分类问题

对于二分类问题，我们需要把定性的类别，转换为定量的数字，来让计算机理解类别的概念

• 一种做法是将一个分类定义为1，另一个分类定义为0，比方说预测股票明天是涨，还

问题

用随机森林分类和stockRanker排序回测跑出来结果还可以，但是我没有进行标准化等处理，请问结果可信吗？是不是两个都要进行标准化、去极值等处理？

问题

单股股票预测报错

策略

https://bigquant.com/experimentshare/87f9c323774144bfa0840d1bcdf3e800

您的代码在设置bins的时候产生了na值和inf值。可能的原因是您的label中存在大量na值，或者未输入label，您可以检查一下

您好， 是这样的。数据标注模块一般是针对全市场股票做的，如果你股票数量太少，那么标注的时候会出现分桶不够的情形，正如报错所示

年后，北京一个忠实用户问了几个问题，我整理了下，也方便持续交流。

他给我留言的问题如下：

1. 我们的策略回测时，用的模型有没有把验证集的数据学习了？
2. 滚动回测的效果远远不如常规的 可能原因时什么？
3. 短期交易，大户资金流比较重要，有什么帖子或者研报发我提供点思路？
4. 预测明天股票，一定要放在回测里，收通知吗？ 验证集最后一天也成最近一天交易日，可以预测吗？

这是他的原话，一个字没有修改，因为我怕理解有偏差。

回测是否学习验证集数据？

在机器学习算法中，我们把可以获得到的数据分为训练集，验证集和测试集，之所以这样划分，是因

问题

回测中机器学习算法预测的排序就是指图一吗，但怎么看同一天预测的股票排序呢

解答

是的，回测函数里面也是可以使用print的，print打印一下就能看见每日的股票排序和选取了哪些股票。

问题

预测明天股票时候显示日期2021.10.08，而且发布交易模拟盘失败

https://bigquant.com/experimentshare/c248a0a49a0c4e7e8beea08d70782f3e

解答

训练集预测集时间不能设置成一样的

Forecasting Stock Price Movements with Multiple Data Sources: Evidence from Stock Market in China

作者：Zhongbao Zhou, et al.

出处：Physica A, 2020-03

摘要：作者使用了多种异构数据源来预测股价的走势，包括历史交易数据、技术指标、股票发布、新闻以及百度指数。作者主要关注活跃和不活跃的股票的独特预测模式，并且研究了单只股票在不同活动水平下支持向量机的预测能力。作者根据上述5种异构数据源，共构建了14种数据源组合，并且用了1天、2天、3天三种预测范围，从

摘要

作者：Srinivas Gumparthi博士，Venkata Vara Prasad博士 来源：SSRN 发布：2022.08.31

目的

股票价格预测一直作为一门研究课题，因为它在国家宏观经济中具有重要的作用。很难用一组特定的公式写下股票的未来价值。当我们预测一只股票的未来价格时，许多因素都会出现。其中最重要的是历史价格和成交量数据。

方法

随着机器学习的兴起，人们提出了多种预测股票价格的方法。目前，已开发了RNN、LSTM、CNN滑动窗口等各种模型，但都不够精确。这项工作的兴趣在于预测股票的价格，以及比较使用两种算法，即Kalmam Filt

摘要

机器学习系列报告

本系列报告试图系统全面性的介绍各种不同的机器学习方法，并且结合具体的在投资研究领域应用实例、交易策略及code示例，说明其应用情景和实现方法。机器学习的方法可以分为以下几类：监督学习、无监督学习、深度学习及其他机器学习方法（例如强化学习），对应到具体的模型上数量则更是繁多，目前大部分机器学习模型并未广泛的应用在投研领域，因此本系列主要偏重于在投研领域有应用潜力的模型及方法。此篇将以介绍监督学习方法为主

监督学习模型之回归类模型及其应用

与普通线性回归不同，监督学习中的惩罚回归模型和非参数回归，可以分别用于处理输入变量中存在大量线性相关性关系

策略思想

基于17个短期因子，其中8个量价因子，9个均线因子。训练集使用2005-01-04至2020-06-01日，每个交易日买入模型当日预测结果排名靠前的1只A股股票，次日卖出。

StockRanker模型

原有模型是基于BQ提供的Stockranker机器学习算法：

![图 1：stockranker-2021年1月4日至2022年1月21日的模拟实盘结果{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=bb5b3d09-3e20-4840-b5e0-2220d7f5599

论文原名

Modeling the Momentum Spillover Effect for Stock Prediction via Attribute-Driven Graph Attention Networks

论文作者

Rui Cheng, Qing Li

引言

在金融领域，上市公司的动量溢出效应是公认的。只有少数研究预测了一家公司在其相关公司方面的趋势。试点工作的一个常见策略是采用具有一些预定义牢固关系的图卷积网络 (GCN)。然而，动量溢出是通过各种公司关系传播的，其中的桥梁重要性随时间而变化。限制几个预定义的关系不可避免地会产生噪音，从而误导股票预

摘要

股票预测是量化投资中最为关键的任务。近年来，深度神经网络因其强大的表征学习能力和非线性建模能力，逐渐成为股票预测的主流方法。现有的预测方法均假设股票数据符合独立同分布（IID）且采用单一模型有监督地对股票数据建模。但实际上，股票数据通常会包含多种不同甚至对立的分布（Non-IID），比如动量（历史收益率高的股票未来收益率会高）和反转（历史收益率低的股票未来收益率会高）这两种分布形式同时存在于股票数据中，但是已有的模型并不具备同时学习股票数据中多种分布的能力。

因此，微软亚洲研究院的研究员们提出了 Temporal Routing Adaptor (TRA)，来赋予已有模型学习多

【更新2017/10/31】增加自动提交结果到challenger .ai，请查看文档后面的代码

创新工场、搜狗、今日头条联合发起一场世界级AI竞赛，BigQuant作为一家专业的机器学习平台，提供竞赛数据和AI算法，助你轻松参赛，勇夺丰厚现金大奖、斩获主办方提供的工作实习机会。

AI Challenger 全球AI挑战赛

创新工场、搜狗和今日头条联合宣布三方携手发起 AI Challenger全球AI挑战赛。本次竞赛三方联合旨在打造中国最大的科研数据集与世界级AI竞赛平台，推动中国人工智能领域科研创新。

![image|690x460](/community/u

一、基于时间嵌入的方法

原文链接：https://towardsdatascience.com/stock-predictions-with-state-of-the-art-transformer-and-time-embeddings-3a4485237de6

当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及