果 博东方开户15608830318								98,600,000											</a>
			</td>
			<td id="shoulu1_360">
				<a href="https://www.so.com/s?q=site%3Av.17173.com" tar

FSDA UGYHJN08 YUCJHOIUFHWEKJH[0UAhoA ouywoehiuh iouh[0

</td>
			<td id="shoulu1_360">
				<a href="https://www.so.com/s?q=site%3Av.17173.com" target="_blank" title="360收录">
											1,490,000								

策略案例

[https://bigquant.com/experimentshare/723e10568f294571924b89f3953ce20b](https://bigquant.com/experimentshare/723e10568f294571924b89f3953ce20

发现很少人研究抓龙头的策略，写了一个模型试试看。

感觉槽点是Label 龙头股的方法，考虑的比较天真，还需要继续改进 模型是GBT regression，Label是给龙头股打分 window内分数高的具有：涨幅高，回撤小，突破的时间早。 以此为idea 做label

还有个思路，是用概念板块的

导语

本文分享了一个简单的基于双均线的基金策略，主要是使用平台的回测引擎做一个基金的回测，给大家分享一些关于基金回测的tips。

策略基本思路

策略思想是：当短期均线上穿长期均线时，形成金叉，此时买入基金。当短期均线下穿长期均线时，形成死叉，此时卖出基金。研究表明，双均线系统虽然简

从“AI是否有可能超越人类投资？”的朦胧想法，到今天“Democratize AI to empower business and people”的

**活动时间：**2021-8-23至2021-8-31

**活动对象：**平台注册用户！平台注册用户！平台注册用户！【重要的事情说三遍】

**活动内容：**全品类！全品类！全品类！含策略订阅、BigVIP、会员开通、资源扩展（模拟位&AI高级任务/GPU独占）一券在手 全都可有！

**优惠券

《AI 量化概览》：认识 AI 量化及其发展应用

《Python 编程基础》：Python 基础语法 + Numpy (Cheatsheet )+

\

前言

棋手柯洁研究了大半年的围棋软件，竟然发现人类关于围棋的认知“全都是错的，……甚至没有一个人沾到围棋真理的边”。

而在投资上用了人工智能后会我们发现，人类过去关于投资的认知也可能都是错的

用户小a从事量化投资快三年了，在我们的平台上，做出了非常漂亮的结果，符合他过去的经验逻辑，但效果

作者：Harry Nicholls编译：caoxiyang

导语

你有没有想过如何使你的交易策略自动化并增加交易利润？在本文中，我们将介绍算法交易的基本知识，好处和风险。准备好开始自动交易吧！ ![](/community/uploads/default/original

想到哪里写哪里，最近总结，把思路捋直了再说。 2017年开始接触策略下半年开始了解bigquant。之前在JD。。。。后来。。。。 2017下半年到2018年上半年策略从A策略开始接触，B从A升级过来， B到C策略建立，经过上千次的回测和修改，18年下半年放下休息，等结果。 这期间A建立之后做了几十

之所以需要查看中间变量的数值是因为我们有时在编写策略、策略调试中需要检查中间变量的数值是否正确，具体方法见下：

[https://bigquant.com/experimentshare/318dd5e24d3a4578b858f4a1226aca3b](https://bigquant.com/

很多时候需要为非专业人士解释机器学习，本文提供以下参考。

1.机器学习意味着：从数据中学习

机器学习目前风头正劲，AI也是热搜词汇。只要将合适的数据放入合适的模型，许多问题可以迎刃而解。如果能够帮助你宣传，就叫它AI吧。但请记住，AI，除了在学术界以外，常常是大家可以随意使用的热门词汇，

自 BigQuant AI策略详解 继续讨论： @soft05jun

拟合是一种学习能力，过度拟合是机器学习方法重点

https://bigquant.com/experimentshare/b8594b8ef8b84fc1bf0a4a3433e0767d

\

作者：Mybridge
翻译：BigQuant

我们比较了2017年全年近2万篇关于**机器学习应用

作者：James Le 编译：caoxiyang

在机器学习中，有一个叫做“世上没有免费午餐”的定理

作为平台的铁杆用户，本文主要分享下使用StockRanker模型来实盘交易的一些经验。

在机器学习领域，预测的结果依赖于：数据、算法和特征，因此真正好的策略一定是特征选择和特征构建非常好。

平台的StockRanker模型策略生成器只是搭建了一个策略框架，输入不同的特征就可以看到不同的策略效果。

\

schedule_function(func, date_rule, time_rule)中timerule的every_minute 是否在回测，模拟盘和实盘中都生效，都是指当日的 刚过去的1分钟 ，还是说只在回测生效？

[https://bigquant.com/experime

打开因子链接需右键单击选择新标签页打开并克隆到自己的策略开发环境