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”。
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
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。 ? ? ?
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: ?
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
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。
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。
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?!
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。
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。
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。 #!
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