查看原文
其他

海量Wind数据,与全网用户零距离邂逅!

以下文章来源于万矿 ,作者WindQuant


供稿:万矿

万矿隶属Wind,是Wind旗下一款高端量化分析云平台,提供基于Python的量化投资研究环境以及丰富的金融数据。说到数据,这里要说:Wind为万矿提供了强大的金融数据支持,涵盖:股票、债券、基金、衍生品、指数、宏观行业等各类金融市场数据。直接调取Python API接口,与Wind终端完全切合!

万矿的数据分类十分细致种类也超级全面近期大家关注的全球股票(美股、新兴市场)、外汇、港股、期权等数据万矿应有尽有。

“海量”形容万矿的数据一点都不夸张。与国内其他量化平台相比,万矿在数据方面占有绝对的优势!


WQ

数据种类介绍

按照接口函数划分


WSD/WSS(时间序列/横截面序列)

指标一级分类指标二级分类
基本资料14大类
市场行情10大类
证券分析8大类
预测评级12大类
财务数据7大类
权益事件8大类
投资组合7大类


更详细指标展示:

左右滑动查看更多


WSQ实时行情数据,包括所有WSQ指标的Level 1数据,最高可订阅4000个指标)

指标一级分类指标二级分类
基本行情70+类
资金流向80+类
股票18类
债券19类
基金5类
期货9类
期权41类
指数6类


更详细指标展示:

左右滑动查看更多


WSEE/WSES(选定股票板块的历史截面/时间序列截面)

指标一级分类指标二级分类
基本指标6类
股本指标12类
盈利预测6类
资金流向(中国)12类
估值指标(全球)14类
估值指标(中国)20类
风险指标(中国)9类
证监会统计指标(中国)7类
财务指标(全球,GSD准则)8大类
财务数据(全球,GSD准则)3大类
财务指标(中国会计准则)9大类
财务数据(中国会计准则)2大类


更详细指标展示:


WSET(板块成分、指数成分以及各种证券品种的专题统计报表)

指标一级分类指标二级分类
板块指数3大类
股票8大类
债券6类
期权3大类
期货7类
基金7类


更详细指标展示:

左右滑动查看更多


WQ

量化因子

Wind量化因子库是经过标准化和正态化,量化研究和投资所需因子的数据库,包含20+大类400+个因子,提供A股市场上市以来的所有因子数据。

优势1: Point in Time

提供每个时点发布的报表数据,避免在回测中引用未来数据!利用万矿量化云分析平台进行测量搭建与回测,提高回测结果的准确性。


优势2:  多维衍生

提供多维度衍生计算报表及指标,无论是你想根据MRQ(最新一季)财务报表或是根据TTM(滚动12个月)。


优势3:  更新及时

因子库的相关数据在交易日当天全部更新完毕


优势4: 回测分析

上市至今数据均保留20+余年可回测。


优势5: 信息准确

配备专业的数据团队进行因子库设计、开以及后期维护工作,人工校验与IT智能相结合,确保因子库信息准确。


点击下图了解使用详情:


WQ

代码生成器

有了如此“海量”的数据,万矿还希望大家直接使用我们的智能代码生成器简单快捷的调取各种数据API函数!再也不用去查找文档和为参数众多的数据API而烦恼啦。


代码生成器展示


从选择证券代码、指标选择、日期设置、参数设置,到生成一段数据API代码,共5个步骤。最后只需复制粘贴生成代码到Notebook单元格中即可。


点击下图了解使用详情:


WQ

如何使用万矿

1、Wind终端用户

登录Wind金融终端点击量化或输入WQT即可使用万矿。


2、互联网用户

登录网页版,免费注册即可使用万矿。


www.windquant.com



有了这么强大的数据支持,相信你可以基于万矿,做任何你想做的研究。


万矿近期还有更多新的功能和产品将强势推出,大家尽请期待~


WQ

更多功能介绍

可视化利器——WindCharts


可视化利器——WindCharts


策略研究助手——案例模板


超实用数据查看工具——Wtable


在历史挖矿,在未来炼金


推荐阅读


01、经过多年交易之后你应该学到的东西(深度分享)

02、监督学习标签在股市中的应用(代码+书籍)

03、全球投行顶尖机器学习团队全面分析

04、使用Tensorflow预测股票市场变动

05、使用LSTM预测股票市场基于Tensorflow

06、美丽的回测——教你定量计算过拟合概率

07、利用动态深度学习预测金融时间序列基于Python

08、Facebook开源神器Prophet预测时间序列基于Python

09、Facebook开源神器Prophet预测股市行情基于Python

10、2018第三季度最受欢迎的券商金工研报前50(附下载)

11、实战交易策略的精髓(公众号深度呈现)

12、Markowitz有效边界和投资组合优化基于Python

13、使用LSTM模型预测股价基于Keras

14、量化金融导论1:资产收益的程式化介绍基于Python

15、预测股市崩盘基于统计机器学习与神经网络(Python+文档)


公众号官方QQ群


群里已经分享了62篇干货

量化、技术人士实名制交流

没有按规则加群者一律忽略

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存