AI 因子 (cn_stock_factors_ai)

# A 股 AI 因子数据说明 ## 数据简介 `cn_stock_factors_ai` 是 A 股日频 AI 因子表，以交易日期和证券代码为粒度，汇总多种机器学习及深度学习模型生成的量价因子。 各模型主要使用股票日行情及其衍生特征进行预测，包括开盘价、最高价、最低价、收盘价、成交额、换手率、收益率，以及均值、极值、标准差、时序排名、线性衰减和相关系数等量价特征。 ## 数据表信息 | 项目 | 说明 | |---|---| | 数据表 | `cn_stock_factors_ai` | | 数据频率 | 日频 | | 数据粒度 | 交易日期、证券代码 | | 主键 | `date`、`instrument` | | 数据范围 | A 股股票，实际范围以数据平台查询结果为准 | | 数据起始时间 | `{{data_start_date}}` | | 数据结束时间 | `{{data_end_date}}` | ## 字段说明 | 字段名 | 类型 | 说明 | |---|---|---| | `date` | 日期 | 因子对应的交易日期 | | `instrument` | 字符串 | 证券代码 | | `vp_cnn` | 数值 | 使用 CNN（卷积神经网络）模型生成的 AI 因子 | | `vp_dnn` | 数值 | 使用 DNN（深度神经网络）模型生成的 AI 因子 | | `vp_resnet` | 数值 | 使用 ResNet（残差网络）模型生成的 AI 因子 | | `vp_lightgbm` | 数值 | 使用 LightGBM 模型生成的 AI 因子 | | `vp_lstm` | 数值 | 使用 LSTM（长短期记忆网络）模型生成的 AI 因子 | | `vp_randomforest` | 数值 | 使用 Random Forest（随机森林）模型生成的 AI 因子 | | `vp_rnn` | 数值 | 使用 RNN（循环神经网络）模型生成的 AI 因子 | | `vp_stockranker` | 数值 | 使用 StockRanker 排序模型生成的 AI 因子 | | `vp_xgboost` | 数值 | 使用 XGBoost 模型生成的 AI 因子 | | `vp_gru` | 数值 | 使用 GRU（门控循环单元）模型生成的 AI 因子 | ## 使用说明 - 因子值是对应模型基于历史量价特征生成的预测结果，可用于选股、排序、因子组合和模型研究。 - 不同模型的输出分布和尺度可能不同，横向组合前建议进行缺失值检查、去极值、标准化或排序处理。 - 使用因子进行回测时，应正确对齐因子日期与未来收益日期，避免引入未来数据。 - 模型效果会随市场环境变化，建议结合覆盖率、IC、分组收益、换手率和稳定性等指标持续评估。 - 部分股票在上市初期、停牌期间或特征数据不足时可能没有因子值。 ## 查询示例 ```sql SELECT date, instrument, vp_cnn, vp_lightgbm, vp_xgboost FROM cn_stock_factors_ai WHERE date >= '2024-01-01' ORDER BY date, instrument; ``` ## 示例数据 以下展示指定更新日期范围内按 `date`、`instrument` 排序后的前 5 行和后 5 行数据。 {{sample_data}}