M.tune可调节的参数仅限于模块中的参数, 具体用法可参考**尝试用M.tune写一个滚动训练.**
我们创建一个机器学习算法策略, 将可视化画布转化为代码形式:
接下来将画布的代码进行打包并命名为search, 你也可以命名为其他名字:

2个技术指标因子+1个换手率因子+1个资金流因子+1个量价因子
可解释性
2)如何减少过拟合
目前
更新时间:2025-04-15 07:19
AI量化Meetup 2021年1月28日期问题,配合视频更容易理解。视频详见:
https://bigquant.com/experimentshare/5dd6b4f7a29d4c5d827aeeff05816cfd
\
更新时间:2025-04-15 07:19
BigQuant宽客学院伴随着平台的更新,学习和探讨的内容也日益增加。大家对机器学习、深度学习的策略研究越来越深入,新的想法也层出不穷,为了满足大家对探索的渴望,因此我们准备了定期的“BigQuant AI量化专家MeetUp”,本周四正式启动了!BigQuant学院院长、AI量化专家现身BigQuant B站直播间,在线交流、答疑,解决您在AI量化和BigQuant遇到的所有问题!
以导师答疑为主,解决大家在日常开发中遇到的问题:
更新时间:2025-04-15 07:19
更新时间:2025-04-15 07:19
本期提问者:bq22fw19、bq61ym2n、1855680***、bqhz06vb
利用市场信息进行量化投资主要涉及以下步骤:
更新时间:2025-04-15 07:19
更新时间:2025-04-15 07:19
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
7月30日Meetup 模板案例:
https://bigquant.com/experimentshare/99d8bec5248e4878b33a21bc119a6671
\
更新时间:2025-04-15 07:19
更新时间:2025-04-15 07:19
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:2025-04-15 07:19
更新时间:2025-04-15 07:19
https://www.bilibili.com/video/BV1Jd4y1g7Gi/?vd_source=ecd29bbd04cbefdfa426167c55241973&t=1.3
\
详见上述链接
更新时间:2025-04-15 07:19
更新时间:2025-04-15 07:19
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:2025-04-15 07:19
更新时间:2025-04-15 07:19
【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:2025-04-15 07:19
更新时间:2025-04-15 07:19
如何开发带有反馈系统的策略?
比如今天买明天卖的策略,根据股票每天的收益情况,反馈给策略,进行参数调整,这样就可以让策略每天都是新鲜的,并且是真正贴合市场的活的策略。
模型动态更新
深度强化学习
[1] Deep Reinforcem
更新时间:2025-04-15 07:19
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?
https://www.bilibili.com/video/BV1US4y1n79r/?spm_id_from=333.999.0.0
[https://bigquant.com/experimentshare/c2422c6678a8
更新时间:2025-04-15 07:19
机器学习里面究竟有多少经典的算法呢?本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想,数学与实践细节不会在这讨论。
在大部分机器学习课程中,回归算法都是介绍的第一个算法。原因有两个:一.回归算法比较简单,介绍它可以让人平滑地从统计学迁移到机器学习中。二.回归算法是后面若干强大算法的基石,如果不理解回归算法,无法学习那些强大的算法。回归算法有两个重要的子类:即 线性回归 和 逻辑回归 。
线性回归就是我们前面说过的房价求解问题。如何拟合出一条直线最佳匹配我所有的数据?一般使用“最小二乘法”来求解。“最小二乘法”的思想是
更新时间:2025-04-14 04:26
股市预测是一个经典但具有挑战性的问题,吸引了经济学家和计算机科学家的关注。交易活动涉及高风险,投资者可能会损失部分或全部投资金额,因此需要更智能的技术来辅助投资决策。
除了传统的金融数据,如价格和交易量,文本数据(如新闻和社交媒体)和宏观经济数据(如GDP和CPI)也可用于预测。这些数据类型可以提供历史数据中不存在的有用信息。
文章详细介绍了以下几种用于股市预测的机器学习算法:
1.支持向量机(SVM):用于回归和分类问题,通过核技巧方法转换数据,寻找最佳边界。
2.随机森林(RF):由多个决策树组成,通过聚合预测结果来提高准确性。
3.K最近邻
更新时间:2025-04-03 03:41