问题

于我而言，我更倾向于Rust，因为Rust很适合用在量化的交易或生产阶段，因为Rust可以很好地降低交易代码中潜在的Bug，也容易进行生产调试。

1. 与C++相比，Rust的性能相差无几，但是在安全性方面更优，特别是使用第三方库时，Rust的严格要求会让第三方库的质量明显提高。
2. 与Java相比，除了部分纯粹的数字计算性能，Rust性能全面领先于Java，同时Rust占用内存更小，因此如果想实现同等规模的服务，Rust所需的硬件成本显然更低。
3. 与Python相比，性能方面Rust完胜，同时Rust对运行环境要求较低，从这两点上就基本可以做出选择了，因为Python和

问题

请问像这种图怎么画出来的，有没有代码分享

解答

参考下这个：

https://blog.csdn.net/weixin_45481473/article/details/112549366

\

import seaborn as sns
sns.heatmap()

调用seaborn库

问题

^_^

def merge_datasources(input_1):

    #原版是这个
    #df_list = df[0].read_df().set_index('date').ix[ds[1]:].reset_index for ds in input_1]

    #因为DataFrame 的datetime索引没办法用.ix切片

    for ds in input_1:
        df_ = ds[0].read_df()
        d = ds[1]
        print(d)
        #df_ = 

问题

比如想引入一个外部的包，单个文件感觉不够用。

\

解答

可以用python自定义模块来封装自己写的python文件，然后右键封装为自己的模块来使用。可以先试着去写写看能不能满足要求。

问题

可以直接使用Tensorflow和pytorch的模型吗？

解答

答：平台是装了tensorflow 和 pytorch的包，可以在工作台直接去使用。

问：用python自定义代码的形式来调用，对么？

答：可以在python自定义来调用 也可以在notebook里面调用

问题

请问平台上没有的python库怎么安装？用pip install不行，是没有安装权限吗？

想装这两个包：

pandas-profiling

causalml

解答

为了安全起见，我们不建议用户自己安装python包，如果需要，可以在知识库发帖留下账号与需要安装的第三方包，我们审核后安装

问题

有个策略没有可视化面板了，只剩下python代码，怎么看懂其含义。比如

M.instruments.v2

这里面instruments是什么含义，V2是什么含义

解答

M 指这是模块。

instruments 指这是代码列表的模块。

V2 指 这个模块的版本号是2.

将画布 你可以切换为代码模式，就你看明白了

\

问题

需要用到其他的第三方库， 使用 !pip install xxx 的方式不能安装

解答

平台暂时不支持安装三方库

问题

请问自定义Python模块中的模块参数在主函数里如何调用

解答

像这样函数传參一样传进去

问题

你好，麻烦帮忙安装下面的python库，谢谢！

账号：kimi3721

pandas-profiling

https://pypi.org/project/pandas-profiling/

causalml

https://causalml.readthedocs.io/en/latest/installation.html

baidu-aip

https://ai.baidu.com/sdk#nlp

解答

好的，已通过审核，工程师正在安装 安装好了给你说哈

问题

想知道报错的原因

[2021-11-13 09:32:02.641539] ERROR: moduleinvoker: module name: cached, module version: v3, trackeback: AssertionError: daemonic processes are not allowed to have children

\

Overview

• 研究数字货币价格走势
• 算力变化对数字货币价格的影响

获取数字货币代码列表

• 使用 f2pool 的数据

def bigquant_run(input_1, input_2, input_3):
    import requests
    response = requests.post(
        "https://www.f2pool.com/coins",
        data={"sort_by": "output24h", "sort_type": "desc"}
    )
    data = res

导语:

本文是TensorFlow实现流行机器学习算法的教程汇集，目标是让读者可以轻松通过清晰简明的案例深入了解 TensorFlow。这些案例适合那些想要实现一些 TensorFlow 案例的初学者。本教程包含还包含笔记和带有注解的代码。

最好的学习就是不断的实践，推荐 BigQuant 人工智能量化投资 一站式的python+机器学习+量化投资平台，打开浏览器就可以使用投资数据和机器学习算法。

TF新手的教程指南

tf初学者需要明白的入门准备

• 机器学习入门笔记： [a

问题

请教一下自定义python模块中“模块参数”的使用问题？

解答

需要在主函数传入你自定的参数请参照如下用法：

BigQuant策略组

问题

问题描述

AttributeError : 'NoneType' object has no attribute 'read_df' 请教大神怎么解决

问题代码

AttributeError                             Traceback (most recent call last)
<ipython-input-17-df2f6c1cad74> in <module>
185 )
186--> 187 m9 = M.cached.v3(
188      input_1 = m22 . data_

问题

KeyError Traceback (most recent call last)
in
209 )
210
–> 211 m19 = M.trade.v4(
212 instruments=m9.data,
213 options_data=m21.predictions,
in m19_handle_data_bigquant_run(context, data)
25 context.ranker_prediction.date == data.current_dt.strftime(’%Y-%m-%d’)]
26 print (ranker_pre

https://bigquant.com/experimentshare/9f8613d7a9664b11b32955dcecf1f725

自定义paython模块返回的数据在可视化查看结果报错，但数据其实是有的，因为日志打印到了 ![{w:100}](/wiki/api/attach

摘要

核心技术

1. 前端界面：HTML5+JavaScript
2. 后台程序：Python
3. Web框架：Django
4. Web Server：Apache

Web应用的优势

1. 使用更轻便，不需要下载客户端

2. 可跨平台使用，降低了使用门槛

3. 可以更快速的发布修改后的版本

   \

正文

[/wiki/static/upload/2f/2f92d0c4-a4a9-4161-b348-2d4dabebb146.pdf](/wiki/static/upload/2f/2f92d0c4-a4a9-41

重要观点

本文概述

本文主要介绍了python基础、爬虫、与数据库交互、调用机器学习、深度学习、NLP等。分别介绍了各个模块的安装，环境的搭建等。并且以机器学习选股为例，把各个模块连贯起来，核心代码基本都有详尽的解释。

大数据AI时代，python无往不胜的包装能力、可组合性、可嵌入性都很好，可以把各种复杂性包装在Python模块里,非常友好的供调用。Python资源丰富，深度学习如keras，机器学习如sk-learn，科学计算如numpy、，自然语言处理如jieba等。Python将极大提高工作效率无论是科学计算，还是图形界面显示；无论是机器学习还是深度学习；无论是操作e

\

背景

根据当前中国的交易规则，股票不能做空。与更发达的市场相反，套利机会不容易实现。这表明那些寻找并能够利用它们的人可能会有机会。

因此，我决定使用统计套利和配对交易技术专注于中国的期货市场。

战略理念

本项目实施的交易策略称为“统计套利交易”，也称为“配对交易”，是一种逆势策略，旨在从某个配对比率的均值回归行为中获利。

摘要

介绍Python安装方法、与机器学习相关的包以及常用命令

Python语言是目前机器学习领域使用最广泛的编程语言之一，拥有众多优秀的包和模块，并且相对简单易学。我们将简单介绍Python语言的特性，常用命令，以及和机器学习相关的包，例如NumPy，pandas，scikit-learn等，希望帮助有一定编程基础的读者迅速上手Python语言。

机器学习选股框架与多因子选股框架类似，具有一定优越性

机器学习中最为主流的方法监督学习，其核心思想是挖掘自变量和因变量之间的规律。我们将经典多因子模型稍加改造，以机器学习的语言描述。在训练阶段，根据历史的因子值X和收益