机器学习
机器学习在金融领域的应用日益广泛，为金融业务的智能化提供了强大动力。它运用算法和模型，自动从海量数据中学习和提取有用信息，无需人工进行复杂编程。在金融风控方面，机器学习技术可帮助银行、保险公司等机构更准确地识别欺诈行为，降低信贷风险。在投资策略上，通过对历史数据的深度学习，机器能预测市场走势，为投资者提供更精准的建议。同时，机器学习还能优化客户服务，例如通过聊天机器人提供24小时在线咨询，或根据客户行为数据提供个性化金融产品推荐。总的来说，机器学习不仅提升了金融业的效率和智能化水平，也在重塑我们的金融生态。
华泰研报：XGboost实现有序回归
策略源码：
{{membership}}
已经更新到了AIStudio3.0.0版本, 请转移至
https://bigquant.com/wiki/doc/xgboost-I1ZKSVykGR
https://bigquant.com/codeshare/a290e569-7680-45d7-86be-f6c81c18a1e6
\
更新时间：2024-05-16 09:16
【历史文档】策略示例-基金智能策略
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：2024-05-16 02:32
【历史文档】策略示例-基金策略
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：2024-05-16 02:29
【历史文档】策略示例-用梯度提升树回归算法实现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：2024-05-16 02:00
【历史文档】策略示例-用随机森林回归算法实现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：2024-05-16 02:00
【历史文档】策略示例-基于StockRanker的AI量化选股策略
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：2024-05-16 01:59
【历史文档】策略示例-StockRanker模型结果解读
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：2024-05-16 01:58
【历史文档】策略-可视化功能区认识
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：2024-05-16 01:51
【历史文档】策略-AI策略开发
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：2024-05-15 09:33
【历史文档】算子样例-自动超参搜索模块使用文档
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：2024-05-15 09:06
【历史文档】算子样例-机器学习
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
更新时间：2024-05-15 07:49
【历史文档】算子-机器学习
{{use_style}}
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](https://bigquant.com/wiki/doc/demos-ecd
更新时间：2024-05-15 07:30
【历史文档】因子构建与标注-自定义标注
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：2024-05-15 06:20
可视化研究环境
BigStudio 简介
新功能的认识是循序渐进的，该部分简单介绍BigStudio，让大家对其有初步印象。
BigQuant新上线的 BigStudio 可视化策略开发功能，能够帮助大家更快速更简单地开发机器学习、深度学习试验，快速实现试验迭代。
BigStudio 提供了所见即所得的策略开发环境，集合了众多模块，包括数据输入、输出、数据变换、模型训练、预测和量化交易等。你只需要拖动数据和模块，连连线，配置参数，就可以开发AI策略，从而将更多的创造力放在自己擅长的地方。因为提供的是可视化研究界面，因此通过BigStudio开发的AI策略被称为可视化AI策略。
![{w:1
更新时间：2024-05-15 02:10
基于tick的日内接刀策略
更新时间：2024-05-15 02:10
策略模版/Demos
BigQuant策略模板库旨在帮助用户快速开始并优化他们的量化投资策略。无论您是初学者还是经验丰富的投资者，我们的策略模板都能提供从简单到复杂的多种投资策略选择。这些模板涵盖了基础策略、中级策略和高级策略。
- 基础策略模板：适用于刚开始接触量化投资的用户，例如简单的移动平均线交易策略。
- 中级策略模板：适用于具有一定经验的用户，包括多因子模型和基于事件的交易策略。
- 高级策略模板：针对高级用户设计，使用复杂的机器学习算法和高频交易技术。
模版使用
- 克隆模版策略
- 进入 [AIStudio 3.0](https://bigquant.com/aistud
更新时间：2024-04-28 02:41
机器学习：20-DNN-滚动训练
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
https://bigquant.com/codeshare/e7bb60a5-a6e1-4310-9e6a-e4b742fb0f13
\
更新时间：2024-04-25 07:41
机器学习：19-滚动训练-XGBoost
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/358882de-f418-4ebe-b3c4-effc16ea1c9d](https://bigquant.com/codeshare/358882de-f418-4ebe-b3c4-
更新时间：2024-04-25 07:41
机器学习：18-滚动训练-线性回归
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
https://bigquant.com/codeshare/66c560a3-335b-407c-aa2f-7053322141f4
\
更新时间：2024-04-25 07:41
机器学习：17-LSTM
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/56e64ce1-43c8-4317-90d4-5df0a427a966](https://bigquant.com/codeshare/56e64ce1-43c8-4317-90d4-5df0
更新时间：2024-04-25 07:41
机器学习：16-CNN
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3d
\
更新时间：2024-04-25 07:40
机器学习：15-DNN
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/fd48a0d6-918f-4001-9a84-bcea18ae174b](https://bigquant.com/codeshare/fd48a0d6-918f-4001-9a84-bc
更新时间：2024-04-25 07:40
机器学习：14-XGBoost
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/f753d0b8-a3b2-4781-a1a9-dbf6ffe3fe38](https://bigquant.com/codeshare/f753d0b8-a3b2-4781-a1a
更新时间：2024-04-25 07:40
机器学习：12-随机森林
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/ccd34b84-4b39-4c48-b082-3859335a6c20](https://bigquant.com/codeshare/ccd34b84-4b39-4c48-b082-
更新时间：2024-04-25 07:40
机器学习：11-感知机
-
运行环境：AIStudio 3.0
-
策略说明：==本代码以教学目的为主，请自行调参==
回测图：
\
策略源码：
{{membership}}
[https://bigquant.com/codeshare/d6fc0818-ae1c-4408-a0af-4cd73ffddfd6](https://bigquant.com/codeshare/d6fc0818-ae1c-4408-a0af-4c
更新时间：2024-04-25 07:40