前言 业务指标量化是衡量企业运营效果的重要手段，通过具体的数据和数值，可以更加直观地了解企业的运营状况，为企业决策提供有力的数据支持。在业务指标量化的过程中，需要注意以下几个方面。...同时，还需要对数据进行深入的分析和挖掘，找出数据背后的规律和趋势，为企业的决策提供有力的支持。 最后，要注重业务指标量化的实际应用。...综上所述，业务指标量化是企业运营管理的重要手段，需要注重指标的选择、数据的收集和分析以及实际应用的效果。只有在这些方面做得足够好，才能为企业的发展提供有力的支持。...所以，业务对象指标可以是一项业务的数据记录,经过统计设计与分析后被用作的了解业务的相关数据指标。...那么作为一名数据分析人员,如何在实际工作中设计一个与业务相关的统计指标?
前言： 我们在日常维护数据库的时候，经常会遇到查询慢的语句，这时候一般会通过执行EXPLAIN去查看它的执行计划，但是执行计划往往只给我们带来了最基础的分析信息，比如是否有使用索引，还有一些其他供我们分析的信息...如果查询中存在range扫描的话，对range扫描进行计划分析及代价估算。 table_scan：全表扫描的行数(rows)以及所需要的代价(cost)。...potential_range_indexes：该阶段会列出表中所有的索引并分析其是否可用，并且还会列出索引中可用的列字段。...，这个可能是数据库版本的差异，大家可以自行验证。...format=json 虽然通过optimizer_trace可以看到很多详细的优化器选择过程，但是使用起来起来还是比较麻烦，需要过滤的信息很多，这时explain format=json输出json格式的分析数据也是一个不错的选择
写在开头： 今天正是开始量化之路，选择keras+tushare这两个好东西 股票最重要的是价格，预测价格走势是最终目的 量化分析就是通过深度学习、神经网络达到自动预测价格的目的 交易流水...，即交易数据，获取他们可以用tushare 每个交易数据必须有一个格式，DataFrame格式数据 今天学习这个格式 DataFrame格式数据说明： Pandas.DataFrame数据结构，类似一个表结构
传统的投资组合收益与风险分析集中在两个关键统计量上：均值和方差。均值是指投资组合的期望收益率，是组合中所有投资产品的收益率加权平均；方差指的是投资组合收益率的方差，用以刻画收益率的变化和风险程度。...计算机和模拟技术可以放宽投资组合理论中的假设约束，使得分析对象与现实更加接近。...假设一个投资者有初始投资资金200万元，经过分析，他选择了4个投资产品：大盘股、小盘股、国际股和政府债券，每个投资产品的期望收益率和收益标准差如下图： ?...上图展示了投资组合回报分析的完整模型。 下面将说明上述5个问题的解决方法： 问题1：“计算该投资组合收益率的均值和标准差”。
下面就谈一谈增量贡献的量化，以及如果没有AB实验，怎么量化？ 增长为什么要做量化 做增长产品的数据分析，和其他的数据分析，个人认为最大的特色在于量化，为什么要做量化？...（本文重点讲述AB实验，对于1+1≠2话题，详细请看本人的文章《数据分析中，为什么1+1不等于2？》）...详细可参看《浅谈AB Test实验设计和数据分析（二）——层域模型的设计》 ，https://mp.weixin.qq.com/s/SSRlELhzy3nOkjeYI1nmXg 没有AB实验能力，如何尽量评估贡献...上线后，数据分析师依然有职责量化出贡献，以我负责业务为例，2020的微视集令牌活动，如何量化贡献？ 我们思考过程如下： 首先，采用对比法，对比参与活动与未参与活动的活跃天差别。...） 将各个分组的贡献相加，得到量化贡献范围（说明，虽结果不准确，但有一定的范围，也可以供部门决策，数据分析的很重要作用就是辅助决策） 核心流程如下： ?
量化分析就是将一些不具体，模糊的因素用具体的数据来表示，从而达到分析比较的目的。 ? 1. 从数据到模型，通过拟合等方式建立模型。具有明显科学背景的问题多以此为基础。 2....从物理背景到模型，建立已有数据和模型参数之间的关系。与上面第一个内容类似，建立高逼格的ode或pde模型多以此为基础。 3. 数据到信息，再到知识，数据类的题目基本都这样。...建立模型约等于给数据嵌一个多元统计或者机器学习的方法。 4.由工业问题跟而直接建立的模型，量化大多是模型的解或者内体现出结论的相关变量的图片。 ? ? ?
量化分析因子研究 前言 所谓的因子也就是某个衡量标准，选择不同的因子作为选股的参考，往往会得到不同的结果，本文简单介绍了一些因子以及它所表示的意义。.../ 平均总资产 资产报酬率是衡量公司是否能够有效利用总资金的指标 总资产报酬率越高，表明资产利用效率越高，说明企业在增加收入、节约资金使用等方面取得了良好的效果；该指标越低，说明企业资产利用效率低，应分析差异原因
tushare提供方法，方便获取某只股票的历史交易数据 方法名称：get_hist_data 1。...获取某只股票全部交易数据 import tushare as ts ts.get_hist_data('600848') #一次性获取全部日k线数据 输出结果： 是一个DataFrame结构的数据，index...： 上面得到的dd，获取的数据顺序，从日期上来看，是倒序的，就是越晚的交易数据，越在前面 你可以换，逆序排列下： dd1=dd .sort_index() 接下来对数据的处理有： 如：将df数据结构转换为一维数据结构...： dd2=dd1.values.flatten() 得到个格式，就是将上面排序之后的数据，从最后一个向最前一个，全部放在一维数组里面： [ 40.2 41.99 40.2 40.85...，根据选择的特征，例如：开盘价，最高价，最低价，收盘价；四个一节段，平接在一起，存放在一个一维数组里面； 可以继续将上面的数组进行逆序，获取的结果将是从收盘当日往前推若干个日期的交易数据： g1=dd2
概述 和Python计算环境中的tushare包一样，在R中我们使用quantmod包接入第三方数据源，实现自定义量化分析平台的构建。...本文打算以陌陌的股票分析为背景，介绍如何通过quantmod包构建专属的量化分析平台。...什么是quantmod quantmod就是提供给宽客们使用的专业模块，Quantmod本身提供强大的数据接入能力，默认是雅虎财经的数据源，此外quantmod还以绘制专业的行情分析图表以及各种技术指标计算等功能著称...，常常只要几行函数就能完成从数据获取和处理到画图的复杂功能，其工作效率之高让行家里手都觉得膛目结舌。...原理 分析底层数据结构后，我们知道quantmod包读取后的数据格式是 xts 和 zoo，我们只需要将csv文件按一定的格式读取到内存后再进行相应变换，quantmod强大的分析和作图能力就可以为我们所用
一、量化思维 在编程体系中有很多复杂的业务是很难理解的，但是又需要做一个量化分析，给业务人员或者运营，或者用户一个参考标准，例如常见指数，芝麻分数，店铺等级，这类业务评定标准非常复杂，因为影响结果的因素很多...如何确定权重占比，通常有两个思路，一借鉴专业业务人员的提供的经验，放到业务中不断尝试调优；二根据产品的分析数据，计算各个维度权重，也是需要在业务中不断尝试优化。...实际上复杂业务场景的量化过程是复杂且漫长的，需要对多个维度的数据做收集，有时候不但需要做周期性量化，例如几家大厂的信用分，也可能存在实时分析的场景，金融业务中的欺诈风控等，也有两种场景综合的实时推荐体系...，都会用到量化流程。...this.ruleResult = ruleResult; } // 省略 Get 和 Set } 3、封装匹配值 为了简化参数在模型中传递的复杂度，统一封装匹配因素的数据在一个数据模型中
依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录 │ ├── __init...，可能会打马虎眼先过去，因为数据库计划排到明年初这个样子，眼前已经完全没精力恶补了，就酱紫吧先。...1 先来捋一下前面几节的思路 从第三篇文章中的util # 公用程序data_crawler.py入手，先爬取历史数据（指数和个股），存入数据库，只是随便爬了两个代码测试一下。...然后，第五篇就介绍了stock_util.py，如何提取a股所有的股票代码get_all_codes（从第四篇爬取的数据库取）、提取交易日期get_trading_dates（根据第四篇指数数据提取，个股可能会交易日停盘而指数不会...如果有对代码不感兴趣，但是对量化分析感兴趣的童鞋，可以去现成的量化分析平台模拟，比如JoinQuant聚宽量化交易平台，直接使用平台上现成的指标，组合一个自己想要的策略，然后进行回测。
也没啥好总结的，目录如下： 1 最后再贴一次框架目录 ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录 │ ├─...─ __init__.py │ ├── basic_crawler.py# 爬取股票基础信息存入MongoDB数据库...│ ├── data_crawler.py #爬取指数、股票数据 │ ├── data_module.py #从数据集中获取股票数据 │ └── finance_report_crawler.py...#爬取财报数据 ├──util # 公用程序 │ ├── __init__.py │ ├── stock_util.py#获取股票交易日期、前一交易日日期、股票代码...总之，要做一个量化分析的项目，需要花费大量的精力时间去建模，不断的修正完善，有很多问题要实战起来，才会发现，哇靠，这么复杂！！！ 至于，沪深300与策略收益曲线对比图呢，一把辛酸泪？！
import re import time import matplotlib.pyplot as plt import requests import dem...
本文转载自：掘金量化 量化分析经典策略总结 菲阿里四价(期货) 原理 菲阿里四价同 R Breaker 一样，也是一种 日内 策略交易，适合短线投资者。...策略思路 第一步：根据数据计算 BOLL 线的上下界 第二步：获得持仓信号 第三步：回测分析 策略代码 # coding=utf-8 from __future__ import print_function...其中第一个数据表示当日买入数量，第二个数据表示当日卖出数量。下表为单个交易日的买卖信号。...中国 A 股市场的行业轮动现象分析——基于动量和反转交易策略的检验[J]. 金融理论与实践, 2014, 000(009):111-114.）...backtest_commission_ratio=0.0001, backtest_slippage_ratio=0.0001) 小市值(股票) 原理 因子投资 提到量化策略
这是奔跑的键盘侠的第112篇文章 依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录...({code:1,date:1})建立数据集索引，还有前复权、后复权的数据集都建立索引，爬取数据的速度就会快非常多，至于为何，暂时还没得空去研究 先用起来再说 2 basic_crawler.py重写...《Python——量化分析常用命令介绍（五）》中贴的basic_crawler.py代码一跑起来发现很多问题，最关键的一点是数据类型不一致不断抛出异常的问题，至于为啥，先一掠而过……翻新完的代码如下：...爬取这几个数据集（时间段1年半），大小已经到0.57G了，总耗时粗略估计在1.5-2小时左右。如果要下载更多年份的数据，估计3G收不住，我这边资源有限就一切从简了。...数据的准确性尤其特别重要，如果基础数据错误了，那后面的一切都有可能白费，所以……不能只依靠第三方数据，必须要自己动手整理自己的数据，不断发现问题然后修正到无瑕，最后才可以拿来用。
这是奔跑的键盘侠的第115篇文章 依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录...│ ├── data_crawler.py #爬取指数、股票数据 │ └── data_module.py #从数据集中获取股票数据 ├──util # 公用程序...接着，data包中再新增一个从数据集中提取数据的模块。 1 更新后的stock_util.py 这个模块，修改完之后就是3个函数了：获取交易日、获取某日期的前一交易日、获取某日所有股票代码。...2 data_module.py 这个模块是为后面做铺垫的，接下来在数据处理分析时，会时不时的从数据集中提取所需股票信息，而且不止一次两次的重复提取。...要知道，从数据库中读取数据，也就是所谓的IO，定会严重影响到代码执行速度，毕竟要从3000多只股票中提取数据，就像爬取数据时，爬一圈要个把小时，加个索引可能二十分钟就能搞定。
这是奔跑的键盘侠的第118篇文章 依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录...│ ├── __init__.py │ ├── basic_crawler.py# 爬取股票基础信息存入MongoDB数据库...│ ├── data_crawler.py #爬取指数、股票数据 │ ├── data_module.py #从数据集中获取股票数据 │ └── finance_report_crawler.py...1 finance_report_crawler.py 爬取上市公司财报数据，说白了就是个简单的爬虫，数据来源：东方财富官网。 #!...打开终端看一下数据集信息。 ? 爬取到了138854条信息。 2 pe_factor.py 这篇依旧是爬取数据，爬取上市公司财报数据，说白了就是个简单的爬虫，数据来源：东方财富官网。 #!
这是奔跑的键盘侠的第116篇文章 依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录...│ ├── data_crawler.py #爬取指数、股票数据 │ ├── data_fixing.py #填充数据 │ ├── data_module.py #...从数据集中获取股票数据 │ └── finance_report_crawler.py #爬取财报数据 ├──util # 公用程序 │ ├── __init__.py...1 data_fixing.py 从第三方获取到的数据，其实有挺多内容要自己填充完善的，比如股票停牌日的信息，要知道停牌日的个股信息是空的，如刚好持仓股遇到停牌，是无法交易的，计算持仓市值时，停牌日没有信息会报错算不出该股当日数据...（因为股价信息都是空白的），于是就需要参考停牌前交易日的数据，填充到停牌日中。
Excel具有非常强大的功能，能够满足大多数情况下的数据分析和图表可视化，其丰富的插件体系也让Excel在数据处理、数据挖掘、可视化、机器学习等方面如虎添翼。...这些插件跟Excel完全互补，不用学习额外语法，可以快速实现清洗数据、简单的分析和可视化，然后再基于这些插件做深入分析和挖掘，大大减少学习和使用的门槛，非常适合数据从业者和数据爱好者使用。...Xlstat：拥有200多种标准和高级统计工具，满足数据清洗、数据描述、数据分析、可视化、数据建模、营销分析、相关性检验、参数检验、异常值测试、时间序列、机器学习、蒙特卡洛模拟、生存分析、文本挖掘等等功能...DecisionTools Suite 包括使用蒙特卡罗模拟将风险分析添加到 Excel 的 @RISK、由用于决策树的 BigPicture 的思维导图和数据探索 PrecisonTree 用于假设分析的...TopRank 以及用于数据分析的 NeuralTools 和 StatTools 等。
Excel具有非常强大的功能，能够满足大多数情况下的数据分析和图表可视化，其丰富的插件体系也让Excel在数据处理、数据挖掘、可视化、机器学习等方面如虎添翼。...这些插件跟Excel完全互补，不用学习额外语法，可以快速实现清洗数据、简单的分析和可视化，然后再基于这些插件做深入分析和挖掘，大大减少学习和使用的门槛，非常适合数据从业者和数据爱好者使用。...Xlstat：拥有200多种标准和高级统计工具，满足数据清洗、数据描述、数据分析、可视化、数据建模、营销分析、相关性检验、参数检验、异常值测试、时间序列、机器学习、蒙特卡洛模拟、生存分析、文本挖掘等等功能...DecisionTools Suite 包括使用蒙特卡罗模拟将风险分析添加到 Excel的 @RISK、由用于决策树的 BigPicture 的思维导图和数据探索 PrecisonTree 用于假设分析的...TopRank 以及用于数据分析的 NeuralTools 和 StatTools 等。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
