bigquant上的收益率真实吗
bigquant上的收益率是真实的，但是任何投资都是有风险存在的，需要谨慎入手。bigquant是一个人工智能能量化投资交易平台。BigQuant人工智能量化平台是全国首个AI量化平台，全国最大的AI量化社区，专注于打造更有用和更好用的AI量化平台。
BigQuant人工智能量化投资平台具有丰富的金融数据，包括行情数据和财报数据，并且具有便捷、简单的API调用接口。市值因子是一个长期有效的超额收益来源，对股票收益率有一定的解释作用，小市值的股票更容易带来超额收益。这也比较好理解，因为小市值类股票往往表现活跃，容易引发炒作风潮。此外，还有IPO管制的原因（大量排队企业选择借壳），也有市场风险偏好提升的原因（市场恶性循环越来越偏爱小市值）。
国内主流的量化平台都有哪些？
掘金量化交易平台V3.0
地址：http://www.myquant.cn/
语言：C++、C#、Python、MATLAB
方式：本机
品种：股票，期货
优矿
地址：https://uqer.io/home/
语言：python
方式：云端
品种：股票，基金，期货
特点：支持外部数据的购买，数据较多，有聚源等提供的，较靠谱
RiceQuant米筐量化交易平台
地址：https://www.ricequant.com/
语言：python，java
方式：云端
品种：股票，基金
特点：口碑较好，据说较人性化
Joinquant聚宽
地址：https://www.joinquant.com/
语言：python
方式：云端
品种：股票，基金
特点：可订阅别人策略和看到别人策略回测图
BotVS量化平台
地址：https://www.botvs.com/
语言：JS
方式：云端
品种：期货，股票，数字货币
特点：支持数字货币，比如比特币
Bigquant人工智能量化
地址：https://bigquant.com/
语言：python
方式：云端
品种：股票
其他：目前网站只有架子，很多栏目是空的，突出了人工智能，但没看到具体策略。
果仁
地址：https://guorn.com/
语言：python
方式：云端
品种：股票，基金，组合。
特点：口碑较好，支持策略跟随
其他的较小众的平台
镭矿
地址：http://www.raquant.com/
京东量化
地址：https://quant.jd.com/
同花顺量化
地址：http://quant.10jqka.com.cn/platform/html/home.html
点宽网
地址：http://www.digquant.com.cn/quant/
诸葛量化
地址：https://www.gpxtrade.com/index.html
数库（人工智能驱动金融创新）
http://www.chinascope.com/index/ai.html
免费开源python财经数据接口包
地址：http://tushare.org/index.html
特点：只有数据，非量化策略平台
有哪些好的量化交易平台？
量化交易在国内来说，兴起于2005年左右。但由于投资者水平问题，基础还是比较薄弱，市场还比较小，所以大众化量化交易平台的发展热度不足。大多平台都是机构自己构建的自用平台。
能实盘交易的量化平台只有几个，如聚宽，掘金，文华财经，开拓者，TradeStation等
能提供量化测试的就比较多，镭矿，优矿，京东，RiceQuant米筐，果仁，Bigquant，还有以上可以实盘的这些，等等。
基本采用Python语言为主，也有采用C++,C#,Easy Language 麦语言等。
[量化学院]多头排列回踩买入策略
金融市场上每个人都有一套自己的分析方法，无论你是一个技术派、基本面派、消息派还是 量化投资 派，对于“均线”这个名词一定不会陌生。虽说这个概念诞生于市场技术分析领域，但由于它的通俗易用，均线一直受到投资者和市场分析人士的青睐。
均线的全称是移动平均线（MA）。移动平均线是个什么概念？即通过等权或指数加权的方式，计算一段时期内的平均价格，是将某一段时间的收盘价之和除以该周期。 比如，日线MA5的意思就是说，5天内的收盘价除以5。
从这张图你应该可以看出，移动平均线，由于是一个均值的画线，因此它平滑了市场数据中的棱角和起伏波动，并且展示出已经走出来的基本价格趋势。
挺好理解吧？正因为均线是一个简洁易懂的概念，因此成为目前市场上运用最广泛的技术指标。不同周期的均线如何组合排列？如何交叉背离？与其他指标有怎么样的关系？这些问题背后的逻辑，都成为了均线应用最基本的理念支撑，这些不同的理念也创造了不同的均线策略。
今天给大家讲一讲，由均线衍生的策略：多头排列回踩点。
正如标题所言，这个策略有两个非常醒目的特点，好懂、好用。好懂，是指这个策略本身并没有什么复杂的概念，理解起来非常容易；好用，是指这个策略的应用效果非常不错。本文就从这两个角度入手，手把手教大家如何玩赚这个策略！
想明白这7个字组合在一起的含义，咱们先把它拆分一下。什么是多头排列？什么是回踩点？
多头排列首先是一个均线排列形态，能够预判趋势目前是多头占上风的。而这个预判背后所支撑的逻辑，源于均线的排列方式。人们在长期使用均线这个指标的过程中，通过总结经验和数据，认为均线的排列可以粗分为两种情况：多头排列和空头排列。多头排列就是市场趋势是强势上升势，均线在5—10—20—40—120K线下支撑排列向上为多头排列。我们先看一个简单的三均线多头排列形态。
从图可以看出，多头排列形态的判定标准是：短期均线依次在长期均线之上，因此股价有较好的支撑。说的再简单一些，如果把均线理解为买入成本的平均值，均线排列依次短期线、中期线、长期线由上而下依次排列，这说明我们过去买进的成本很低，做短线的、中线的、长线的都有赚头，市场一片向上均线多头排列趋势为强势上升势，操作思维为多头思维。
回踩点又是什么含义呢？很简单，就是价格前期冲高后出现了小幅回调下行。值得注意的是，在这个策略中，回踩是有条件的，即回踩幅度并没有破坏均线多头排列的格局。在这种情况下，由于每一条不同周期的均线都是支撑，所以回撤往往成为一个较理想的进场点位。假如某只股票，前期多头排列，但是回踩之后，整体均线形态受到巨大破坏，那么这只股票就不符合我们的筛选条件了。
回踩点能够具体的量化，如果在多头排列的状态下当根K线击穿了10日均线，那么可以视作这根K线是一个回踩点，发出买入信号。咱们来看看2017年2月以来贵州茅台（600519）的K线图上出现的几个多头趋势回踩点，现在看来，这几个回踩点都是绝好的回调买入机会。
多头排列回踩买入策略蕴含了投资过程中最重要的两个核心思想，一是选股，从3000只股票中选出目前走势符合多头排列的股票，因为这样的股票后市更有上涨空间，如果某只股票有一波趋势，那么这种简单的选股法则并不会遗漏这只股票，就拿贵州茅台举例，这只“白马股”一路走牛，通过市盈率、市值等因子很可能选不到这只股票，但是多头排列选股并不会错失这只股票。二是择时，当股票选出来以后，我们要择时买入，而回踩点正是一个绝好的时机进场。
验证策略有效性需要通过在历史数据上进行客观准确的回测，我们先构建该策略完整交易系统：
1. 股票池为所有沪深A股
2. 均线周期选择为[5,10,20,40,120],短期均线值依次大于长期均线值
3. 回踩点的定义为当根K线击穿10日均线，未击穿更长周期均线，并仍满足多头排列
4. 买入股票数上限为100只，等权重买入，当持有股票数100只时，有股票卖出才买入股票
5. 买入时机：多头策略回踩点的第二天开盘买入
6. 卖出时机：当5日均线下穿40日均线，第二天开盘卖出
以下为回测结果。回测时间为2013年年初到2015年1月，总收益78.67%，年化收益率为34.3%，因为回测期间本身大盘也不错，所以还需参看更长时间的表现。本文目的是希望大家对回测机制更为熟悉，更能灵活地开发量化策略。
完整的策略如下，大家可以在文末进入原文，点击 克隆 到自己的账户进行研究。
原文链接：《 [量化学院]多头排列回踩买入策略 》
BigQuant— 人工智能量化投资平台
炒股怎么看上市公司详细的财务报表,去哪里看?
查看详细财务报表，有以下几种方式：
在线量化研究平台，BigQuant - 你的人工智能量化平台，可以获取常用的关键财务数据，并且能够返回标准化的整理好了的多只股票多年时间的财务数据，可以直接拿来开发策略。
直接去上市公司网站获取财务报表，一般为pdf格式。
在新浪财经、东方财富、同花顺财经网站上获取上市公司财务报表，一般都有财务报告全文。
在数据商那里获取财务报表，比如Wind资讯--中国领先的金融数据和分析工具服务商。
一些开源的数据包获取财务信息，如TuShare -财经数据接口包，只不过不是详细的财务报表，而是关键的财务数据。
通过关键指标快速把握公司财务的方法：
一、先看业务，具体看“营业收入增长率”、销售毛利率、净利润增长率这3个指标。
通过营业收入增长率可以看出公司的营收是在增长还是下滑，判断业务扩张性；通过销售毛利率可以反映公司主营业务是否健康；通过净利润增长率可以分析公司整体经营盈利能力强弱。
二、其次看资产和现金流，具体看资产负债率、经营活动产生的现金流净额这2个指标。
通过资产负债率可以判断公司资产健康情况，这涉及到举债是否过度，或者依旧稳健；通过经营活动产生的现金流净额，可以判断公司经营现金流充裕情况，现金流不断裂是一家公司存活的关键保证。
三、最后，分析净资产收益率ROE指标。
净资产收益率是一个很有效的判断公司价值的指标，也被很多投资大佬推崇，比如巴菲特就曾特意强调过。
具体的使用方法比如：从全部上市公司中筛选出连续10（或者5）年以上，每年净资产收益率都保持在15%以上的股票，那筛选出来的这些，就是公司经营一贯稳定、业绩持续增长的优质标的。
这样，也就通过6个指标，就可以掌握了上市公司财报的基本情况，对公司财务做出基本的判断了。
朴素贝叶斯算法（Naive Bayes）
在介绍朴素贝叶斯算法之前，我们来看看关于统计学的一些基础知识：
贝叶斯定理需要先验知识作为支撑，而先验知识需要大量的计算和历史数据，因此在很长一段时间内，无法得到广泛应用。只有计算机诞生以后，它才获得真正的重视。人们发现，许多统计量是无法进行客观判断的，而互联网时代出现的大型数据集，再加上告诉运算能力，为验证这些统计量提供了方便，也为应用贝叶斯定理创造了条件。
条件概率：
同理可得：
即：
全概率公式：
若事件 、 、…… 构成一个完备事件组即 ，且都有正概率，那么对于任意一个事件A，有如下公式
贝叶斯公式：
贝叶斯公式与全概率公式相反，是在已知 的基础上，求 。
通过对条件概率的简单变形，就可以得到贝叶斯公式：
贝叶斯公式由三部分形成，先验概率、后验概率、似然估计。其中后验概率 = 先验概率 * 似然估计。在上述公式中， 是先验概率， 是似然估计， 是后验概率。
所谓先验概率就是在事件A发生之前，我们对B事件概率的一个判断。后验概率则指的是在事件A发生之后，我们对B事件概率的重新评估。似然估计是一个调整因子或者修正参数，在我们计算事件概率的时候，需要不断通过修正参数使得我们所求的概率无限接近于真实概率。
如果似然估计 ，那么表示A事件的发生提高了B事件发生的概率。相反的，如果似然估计 ，那么表示A事件的发生降低了B事件发生的概率。
从统计学知识回到我们的数据分析。假如我们的分类模型样本是：
即我们有m个样本，每个样本有n个特征，特征输出有K个标签，定义为 。从样本我们可以学习得到朴素贝叶斯的先验分布 ，条件概率分布 ，然后我们就可以用贝叶斯公式得到 :
分析上面的式子， = 即标签 在训练集中出现的频数。但是 是一个复杂的n个维度的条件分布，很难计算。所以为了简化计算，朴素贝叶斯模型中假设n个特征之间相互独立，于是有：
最后回到我们要解决的问题，我们的问题是给定测试集的一个新样本特征
，我们如何判断它属于哪个类型？
贝叶斯模型的目标是后验概率最大化来判断分类。我们只要计算出所有的K个条件概率
然后找出最大的条件概率对应的类别。
我们预测的类别 是使 最大的类别：
分析上式可知分母 是固定值，因此预测公式可以简化为：
接着我们利用朴素贝叶斯的独立性假设，就可以得到通常意义上的朴素贝叶斯推断公式:
在朴素贝叶斯算法中，学习意味着估计 和 。可以用极大似然估计法估计相应的概率。先验概率 的极大似然估计是：
其中 即样本中标签 出现的次数在总样本数 中的占比。
第 个特征 可能的取值集合为 ，似然函数
即 标签中，第 个特征 中各种取值的次数在 标签出现总次数中的占比。
在用极大似然估计时，可能特征 的某些取值在 标签样本中没有出现，这时似然函数为 ，同时导致目标函数为 ，这会使分类产生偏差。为解决这一问题采用贝叶斯估计：
其中 是 标签中第 个特征不重复数值的个数。当 是就是极大似然估计，当 时，称为拉普拉斯平滑。同样，先验概率的贝叶斯估计是:
https://bigquant.com/community/t/topic/126054
小伙伴们如果觉得文章还行的请点个赞呦！！同时觉得文章哪里有问题的可以评论一下 谢谢你！
