回测

回测在金融领域是一种重要的验证和评估策略性能的技术手段。它主要通过在历史数据上模拟投资策略的执行过程，以此检验该策略在过去时间段内的盈利能力和风险水平。回测不仅能够帮助投资者理解策略在不同市场环境下的表现，还能揭示策略的潜在风险和优化方向。有效的回测是金融决策过程中不可或缺的一部分，它增加了投资者对未来策略实施的信心，并为持续改进和优化投资策略提供了依据。

定时函数问题

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/experimentshare/21cd4bdf097e4a51aac597bf5da071d2

\

更新时间：2021-08-20 11:03

lightGBM_AI选股

https://bigquant.com/experimentshare/2fbb2629dcb0450bbf72e224835b4957

\

更新时间：2021-07-30 09:11

用线性随机梯度下降-回归算法实现A股股票选股

策略案例

https://bigquant.com/experimentshare/7dcb3fe1da07466aa334e3c202a7704f

\

更新时间：2021-07-30 08:12

可视化均线金叉死叉策略

策略案例

https://bigquant.com/experimentshare/10ddc26e7b674144ab9e3738b63010a1

\

更新时间：2021-07-30 08:05

用线性-分类算法实现A股股票选股

策略案例

https://bigquant.com/experimentshare/5c5e31cf67c94de099b00aeab9676e48

\

更新时间：2021-07-30 07:26

使用bigexpr表达式引擎开发AI策略

策略案例

https://bigquant.com/experimentshare/05251c753111424eaff32648838ac24f

\

更新时间：2021-07-30 07:26

Transformer在量化选股中的应用

一、基于时间嵌入的方法

原文链接：https://towardsdatascience.com/stock-predictions-with-state-of-the-art-transformer-and-time-embeddings-3a4485237de6

当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及

更新时间：2021-02-03 07:05

分页第1页第2页第3页第4页第5页第6页第7页第8页第9页第10页

{link}