回测验证

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？

像一些复杂的因子合成方法怎么实现呢，有没有相关的算子模块或者代码分享呢

如何构建跨周期数据项，并利用这些数据项构建因子？

平时处理的都是日线数据，但如果需要用日线和上月的月线数据进行一些计算形成一些因子，我应该如何构建？

如何把次日开盘数据加入策略？比如竞价金额，竞价成交量。开盘涨幅。

遇到个不理解的，同一个AI Ranker模型，起始时间一致，结束时间不同，为啥会有这么大的差别，机器不是通过训练集训练之后就把交易模型固定了么？然后通过测试集来进行回测验证。问题是我训练集啥的参数都没变，就变动了一下测试集的终止日期。讲道理应该只是后面的日期范围内的收益率有变动。。。。看看下图，即便是多增加的两个月回测数据，至少前几个月的收益率曲线大体形状应该一致的吧。。

![22年1月4

消息在股票交易中有很大的影响力，如果没有对消息的处理会导致策略经常中雷，怎么办呢？

最好更细粒度的， 比如分钟级别。

好像没找到。 求例子。

具体怎么调用这些因子

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

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

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

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

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

\

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

\

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

问题

每日涨停/跌停数，每日上涨股票数等情绪指标如何构建和使用？

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

策略案例

https://bigquant.com/experimentshare/fe8ec83484ca44148602d39a58545d75

\

2021年7月8日Meetup模板：

https://bigquant.com/experimentshare/4fa50659ea5340188b574e288c0f9903

\

策略源码

A：市场风格变化时策略如何自动切换

\

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

https://bigquant.com/experimentshare/f5061810f6e34b71ad59641c2f54e290

\

【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

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

\