登录社区云，与社区用户共同成长
邀请您加入社区
本项目基于Python+Django+MySQL技术栈开发，整合大数据分析、机器学习和数据可视化技术，构建了一个功能完善的空气质量分析预测系统。系统主要功能包括：1）多维度数据可视化（城市AQI分布、气体浓度趋势、词云分析）；2）基于线性回归的AQI预测模型（输入PM2.5/SO2/NO2/O3值预测AQI）；3）Spark大数据处理框架支持；4）网络爬虫实现天气后报网站数据采集。系统采用ECha
到了20世纪90年代末，借助于快速发展的计算机、互联网和无线通信技术，欧洲的公共自行车行业实现了数字化的运营和管理，形成了第三代公共自行车系统[2]。文献[1]提出了一种基于Hadoop的公共自行车使用情况分析系统，通过对大规模数据的处理和分析，得到了公共自行车的实时使用情况和预测模型。该生通过大量搜集和查阅文献资料，对于基于hadoop的公共自行车数据分析系统相关的国内外前人工作较好地进行了综合
公共参数响应参数。
本文介绍了量化投资学习过程中股票BI驾驶舱的搭建过程。作者基于前期构建的股票数据仓库，通过对比多种BI工具（如Python+Superset、Tableau、FineBI等），最终选择FineBI进行可视化开发。文章详细说明了BI部署、数据连接、组件创建等步骤，展示了包含大盘指数趋势、企业盈利能力、最大回撤分析等功能的量化选股驾驶舱。该系统支持个股多维度分析，并实现每日邮件自动推送。后续计划将优化
本文介绍了个人量化投资系统的开发规划，主要包含五大功能模块：股票数据采集、量化选股、交易策略配置、交易管理和舆情监控。系统采用Python技术栈，使用Flask框架进行全栈开发，实现轻量化敏捷开发。前端采用Layui+jQuery，数据采集使用BeautifulSoup爬虫。作为个人工具，系统注重实用性和自主性，暂不实现券商自动交易，而是采用手动交易结合预警提醒的方式。文章分享了系统设计思路和技术
天软于（2024-02-26）如期推出高频微观结构因子，新增因子包含极端指标、时间重心、理想涨幅等高频因子，共计9个表单、54个因子。根据回测结果来看，信息分布均匀度量因子中包含的3个因子整体呈现负向，表现优异，有效性较强；因子数据来源于天软因子库，分类信息如下：股票因子-高频因子-微观结构因子-信息分布均匀度量因子；：以回测表现看，短期UID_HSL因子表现最为突出，但三者回测表现差别不大，差距
股价日线收盘价大于等于ENE上轨选股公式，参数10、11、9。
想必我们听过高频交易用到了千档行情，行情是实时刷新的，比我们的普通行情要快很多，我们都知道，行情快1ms，能给我们带来巨大的信息优势，进而转化成收益。在介绍(LEVEL-I&II)行情前，先了解一些基本概念。
自用指标，提示比较清晰，买点出现可以关注结合量价加仓，卖点出现不要犹豫。请结合其他指标一起使用。指标的买卖点提示只能作为参考，因为提示很及时，导致提示信号比较多。顶底选股公式使用方法：买点:出现“红色柱子“抄底”字样，可作为买点！卖点：出现绿色线段“顶”字样，坚持卖出！案例图例：...
tushare ID：497274准备本次数据的获取是通过tushare平台获取，该平台整理股票、基金、期货、债券、外汇等各种全面的数据。tushare网页链接：https://tushare.pro在该平台注册账号，并在个人主页中找到自己token获取代码1.获取所需股票的编码、行业、上市日期等基本信息def stock_basic():save_path = "data/stock_basic
分时级别 支持5分钟、15分钟、30分钟、60分钟、日周月年级别（包括前后复权），对应的值分别是 5m（5分钟）、15m（15分钟）、30m（30分钟）、60m（60分钟）、dn(日线未复权)、dq（日线前复权）、dh（日线后复权）、wn(周线未复权)、wq（周线前复权）、wh（周线后复权）、mn(月线未复权)、mq（月线前复权）、mh（月线后复权）、yn(年线未复权)、yq（年线前复权）、yh（
企业现在变得更加脆弱和竞争，要求他们在选择投资时更加警惕，以取得最大的成果。GE麦肯锡矩阵确保公司以更系统和更精确的方式分析其投资组合。“GE-McKinsey 九盒矩阵是一种战略工具，它为多业务公司提供了一种系统方法，可以在其业务部门之间确定其投资的优先级。”GE 矩阵可帮助企业以系统的方式评估其业务组合并在其多元化部门之间确定投资的优先级。它由九个单元组成，用于映射公司的战略业务单元。它建立在
