数据分析
在金融领域，数据分析是一项至关重要的能力，它利用先进的统计技术和复杂的算法，对大量的、多样化的金融数据进行深度挖掘和精准解读。这种分析不仅涵盖了历史数据回溯，以洞察过去的市场动态和资产表现，更包括对未来市场趋势的预测。通过数据分析，金融机构能够更准确地评估风险、制定投资策略、优化产品定价，并实现客户关系管理的个性化。在数字化时代，数据分析已成为金融决策的核心，为从业者提供了在不确定性中寻求确定性的强大工具。
【代码报错】高频数据自建因子策略SQL输出为空数据
基于高频数据自建因子构建策略 sql 输出为空数据
import dai
sql = """
SELECT
wq_test_1016_.factor as factor,
ln(cn_stock_prefactors.total_market_cap) as marcket_cap,
cn_stock_prefactors.sw2021_level1 as sw2021_level1,
m_avg(c_neutralize(factor,sw2021_level1,marcket_cap),10) as score,
dat更新时间：2024-10-21 02:15
【平台使用】如何将DAI查询的数据导出为XLS表格？
老师，请问DAI查询出来的数据表太大，如何单独形成一个XLS表格，方便自己进行分析，谢谢
import dai
df = dai.query("""
SELECT
date, instrument,
IF(price_limit_status = 3,1,0) AS _zt,
If(m_sum(_zt,10) = 1,1,0) AS _firstzt,
open/m_lead(close,-1)-1 AS _jump,
If(_jump > 0.04,1,0) AS _jumphigh,
close/ope更新时间：2024-10-10 09:49
【代码报错】KeyError: "DataFrame does not contain 'open' column"Output is truncated
KeyError: "DataFrame does not contain 'open' column"Output is truncated. View as a open in a text editor. Adjust cell output settings...
https://bigquant.com/codesharev3/fe4fb116-9952-42a2-aad4-91738ebaa77c
\
更新时间：2024-10-10 07:10
【平台使用】历史市盈率数据结果差异大的原因
数据怎么会差别很大
这是我在乐咕乐股 上显示的医药行业的历史市盈率
这是我用代码实现的历史市盈率，怎么会有这么大的差别，时间都是2019年9月到现在的数据。
代码如下
import dai
# import numpy as np 没有使用到更新时间：2024-10-10 02:09
【代码报错】SQL函数抽取数据有误
关于SQL 函数抽取数据有误的问题。
代码
import dai
import pandas as pd
sql = f"""
select date , instrument ,sw2021_level2 , m_avg(turn,40) as turn_40avg , m_nanstd(daily_return,40) as volatility_40 , m_regr_slope(daily_return,return_000001SH,40) as bate_40
from cn_stock_prefactors
where st_status更新时间：2024-10-10 01:48
【代码报错】如何优化代码运行速度？
怎么提升速度？
import dai
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
pd.set_option('display.max_rows', None)
sd = '2023-12-01'
ed = '2024-01-02'
data_com = dai.query("SELECT date, instrument, industry_level1_code, industry_level1_name FROM cn_stock_industry_comp更新时间：2024-10-09 10:20
为何用ai训练同一历史时刻，回测结果却不理想。
我始终以为，历史会重演，时势造英雄，于是：
1、我用上证指数（000001.SH）和纳斯达克ETF（513100.SH）创建了一个时光机：
https://bigquant.com/codesharev3/01195700-2d18-411f-a4db-cd93b39f6f31
**2、然后以此为中心，在其一年时间内（2019-08-28/2020-08-28），分别用stockranker和Xgboot进行训练，并对过去半
更新时间：2024-08-19 03:21
因子构建源码（MFI资金流向、OBV能量潮、PVT量价趋势、SOBV能量潮）
MFI资金流向指标
计算方式：
- 典型价格（TP）=当日最高价、最低价与收盘价的算术平均值；货币流量（MF）=典型价格（TP）*当日成交量；
- 如果当日MF＞昨日MF，则将当日的MF值视为正货币流量（PMF），将N日内的正货币流量加总代入公式5；
- 如果当日MF＜昨日MF，则将当日的MF值视为负货币流量（NMF），将N日内的负货币流量加总代入公式5；MFI = 100 -［100/(1＋PMF/NMF)］
\
OBV能量潮
计算方式：
- 从上市第一天起，逐日累计每日上市股票总成交量若当日收盘价高于前一日收盘价，则当日OBV为前OBV加上本
更新时间：2024-06-28 08:25
高阶技巧-如何计算过去N日指标1最大值当天指标2的值
简介
以计算过去20日最高价当天的成交量为例，介绍如何计算这种场景的需求。
主要函数介绍
m_imax()
这里我们将使用到DAI的SQL函数m_imax，该函数可以帮助我们获得过去某个时间段的最大值的窗口索引。
例如，通过m_imax(open, 5) AS re_index来看看这个函数的使用效果，该语句获取了过去5天内最高的开盘价的索引，我们以‘000002.SZ’为例，查看该语句提取的数据。
更新时间：2024-06-12 10:52
Pandas基础操作技能get! 强烈推荐！
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
下列代码在读取数据时，使用最新dai.query接口即可。
\
策略案例
[https://bigquant.com/codesharev2/5509a634-c207-4eaf-a6f2-a73d15fada39](https://bigqua
更新时间：2024-06-12 07:41
Pandas库之数据处理与规整
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
下列代码在读取数据时，使用最新dai.query接口即可。
\
导语
本文继续讲解Pandas库在数据分析和处理上的一些应用。
[https://bigquant.com/codesharev2/5a39d584-7b74-4d00-832f-
更新时间：2024-06-12 02:36
AI选股是什么意思及适用场景和人群
AI选股概念
AI选股是指使用人工智能技术，特别是机器学习和深度学习，来分析大量金融数据，识别市场趋势，预测股价变动，并据此提出买卖建议的过程。它通过算法自动处理和解析历史数据、新闻报道、财务报表等，以揭示股市的潜在规律。
核心技术
- 数据分析和处理：AI系统能够处理和分析大量的数据，包括市场数据、公司财报、新闻报道、社交媒体信息等。这些数据远远超出人类分析的能力范
更新时间：2024-06-07 10:48
编写策略/AIStudio
简单介绍
AIStudio是BigQuant平台以AI为核心的Cloud IDE，可以用于量化投资数据分析、因子挖掘、模型训练、回测和交易以及更广泛的程序开发和AI模型开发训练等。
快速入门
启动AIStudio
点击顶部导航栏中的【编写策略】即可启动AIStudio，或点击AIStudio超链接直接跳转。
初次启动可能需要一些时间，请耐心等待。
启动过程中可以点击"签到领宽币"，获得50宽币的奖励。
。视频地址：“[横扫华尔街的数学家](https://bigquant.c
更新时间：2024-05-20 02:24
用线性随机梯度下降-分类算法实现A股股票选股
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
更新时间：2024-05-20 02:15
平均值
更新时间：2024-05-20 02:09