【重磅】AI Alphas(A股版)

alpha
alpha101
ai_alphas
alpha策略
stockranker
标签: #<Tag:0x00007f61dfab9cb0> #<Tag:0x00007f61dfab9b70> #<Tag:0x00007f61dfab9a30> #<Tag:0x00007f61dfab98f0> #<Tag:0x00007f61dfab97b0>

(iQuant) #42

是的,你的理解完全正确。


(a20180322) #43

为何用gtja_26报错


(sensezeng) #44

忍不住先手动赞一下。等研究完再回来。:)


(fuzzyblue) #45

学习了,单因子构建策略回测的方法看起来很慢,能不能直接用机器学习常规的特征选择方法呢?或者说后者有什么不好的地方所以才不用?


(iQuant) #46

你好,本例更多是介绍相关算法和策略,没有涉及到如何进行特征工程,因此以单因子AI策略为例。
最近我们在研究遗传算法在量化选股中的应用,机器自动进行特征选择和构建,快速回测,希望到时候对您有帮助。


(DiggerK) #47

mark


(zgl) #48

你好,请问那个3.9的夏普率到底是怎么弄出来的,为什么我用市净率排名持股90天,训练集测试集也跟你弄成一样的,但是最后夏普率就百分之0.几


(zgl) #49

还有一个问题,同因子同持股天数,为什么你的表格里的夏普率会不一样啊


(zgl) #50

我怀疑我被骗了,我无论如何按照文中的方法都试不出来跟你一模一样的数


(小Q) #51

您好,需要保证其他条件完全一致,比如训练集时间区间、测试集时间区间、持股数量、标注方法、特征因子、数据处理等。


(小Q) #52

您应该说的是这张表吧。是这样的,这里总体上也按年度进行划分了的。所以缺了个时间段。
比如2016年、2017年、2016-2017年,时间段不一样,指标有点不一样。


(zgl) #53

你好,希望可以提供跑出夏普率3.9的源代码可以吗


(iQuant) #54

您好,源码暂时还不方便提供,之后我们会公开哈


(zherzhw) #57

“StockRanker 开创性的将排序学习和选股结合,并取得显著的效果 (具体见即将发布的benchmark报告)”,请问这个报告现在发布了么?