首页 编写策略 数据平台 因子研究 我的交易 发现策略 量化学院 知识库 免费注册
BigQuant使用文档

🌟102-第一个AI策略(beta)

由jliang创建，最终由jliang 被浏览 61 用户

策略介绍

本策略AI算法来预测股票的未来表现，并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

策略基于以下几个核心思想：

  1. 特征选择：输入对股票价格有显著影响的多维度因子，可以是包括基本面、技术指标、情绪指标等等
  2. 预测目标：预测未来 5 日收益率
  3. 数据抽取和处理：抽取和处理数据
  4. 模型训练：应用StockRanker算法，训练模型来预测股票未来上涨概率。StockRanker返回一个相对分数(score)，分数越大，预测未来涨幅越大。注意此 score 绝对值没有意义。
  5. 仓位分配：买入 score 靠前的股票，越靠前，仓位分配越多
  6. 回测与交易：设置调仓周期，根据仓位目标，发出交易信号

策略实现&代码

在BigQuant平台可以非常容易的将量化+AI结合起来。如下是策略代码，可以克隆策略进入 AIStudio 运行和调优。

注意，本文还在编写中，如下代码有 bug，请等待修复后的代码。

https://bigquant.com/codeshare/5d9e4de1-71de-4a80-997c-0d5d668110c0

策略理解

因子特征选择

  • m1 输入特征 DAI SQL 在实现因子输入，这里用 表达式模式 输入，作为例子，选择了几个量价因子
  • 使用的是 cn_stock_prefactors 预计算因子表 中数据作为基础数据，也可以在这里直接使用更多数据，例如 cn_stock_bar1d.turn * cn_stock_valuation.float_market_cap

预测目标

  • m2 模块实现数据标注，在 m1的数据上(input_1.*)，进一步添加了 label 数据列
  • label 列的计算
    • m_lead(close, 5) / m_lead(open, 1) 未来第5天的收盘价除以明天的开盘价，即对应的是明天开盘买入，5个交易日后收盘卖出
    • c_quantile_cont(_future_return, 0.01) 和 c_quantile_cont(_future_return, 0.99) 计算未来收益的 1% 和 99% 分位值
    • clip(_future_return, _future_return_1pct, _future_return_99pct) 根据分位值裁剪数据，即裁剪极值
    • c_cbins(_clipped_return, 20) AS label 将数据等分为 20 组，即离散化。另一个常用函数是 c_wbins，见 DAI 函数文档

数据抽取

  • m3 和 m4 分别在抽取训练数据集和预测数据集
  • 训练数据集，用于算法模型训练
  • 预测数据集(测试数据集体)，用于验证训练效果 / 获得预测结果
  • 另一个可选的数据集是验证数据集，一般用于查看训练过程中的收敛情况和效果，后面我们给一个例子\n
  • 常见的机器学习数据集是随机划分，对于时序数据，建议考虑按时间划分。这个也可以尝试其他创新，也扩大可用数据
  • m3 抽取 2021-01-01 到 2022-12-31 的数据做为训练数据，向前取数 90天，用于部分算子需要更多历史数据
  • m4 抽取 2023-01-01 到 204-04-26 的数据作为预测数据，也向前取数 90天。同时为了在模拟交易时对当日做预测，勾选上绑定交易日，在模拟交易时，将这两个值都替换为交易日期

模型训练和预测

  • m5 StockRanker 训练用于模型训练，输入数据中的label作为预测目标，其他列(除date instrument 外)作为特征输入。

    • StockRanker算法原理，可以参考论文 From RankNet to LambdaRank to LambdaMART: An Overview
    • 学习算法：排序，相关技术请搜索 learning to rank
    • 叶节点数量：30。StockRanker会构建多棵二叉树，这里表示每棵树的最大叶节点数量。一般情况下，这个值越大，在训练集上拟合越好，也可能在训练数据上过度拟合
    • 每叶节点最小样本数：1000。这里表示每个叶节点最小需要1000个数据样本支持。一般情况下，这个值越大，泛化性能越好
    • 树的数量：20。StockRanker会训练多棵树，后面的树不断拟合前面训练的残差，以期逐步减少训练损失，最后收敛。一般情况下，这个值越大，在训练集上拟合越好，也可能在训练数据上过度拟合
    • 学习率：30。机器学习学习率。经验参数。
    • 特征值离散化数量：对于每个特征，StockRanker会将其分组离散化。一般情况下，这个值越小，泛化行越好，但也可能学习不够
    • 特征列采样率和数据行采样率，在训练每棵树时，使用多少比例的特征（列）和数据样本（行），为1表示每次都shying全部数据。小于1，表示随机抽样一部分。一般情况下，这个值越小，泛化行越好，但也可能学习不够
    • NDCG base，请搜索 NDCG。对应下面的1部分，这个值越大，表示顺序的影响越小。\n

  • m6 StockRanker 预测，输入模型和预测数据，输出预测结果

    TODO

  • m7 仓位分配：从预测 score 到 仓位，这个模块用于简化仓位生成，提供了多种仓位生成例子。这里我们使用对数倒数。见 仓位分配模块文档。\n

    • 评分score和排序：score DESC 按输入数据里的 score 的降序排序
    • 持仓股票数量：1 表示只买入排名第一的股票
    • 仓位公式：1 / log2(score_rank + 1) AS position 从 score 或者 score_rank 到 postion，等权重或者按位置等，这里未来也可以提供风险优化等算法
    • 总仓位：1。总仓位为1 则归一化到1，为0.5 则总仓位scale到0.5，即 position / sum(position) * total_position。如果为0 则不做归一化。

  • m8 BigTrader 回测和交易，每 5 个交易日调仓，开盘买入，收盘卖出\n

    K线处理函数：主要代码

    def bigquant_run(context, data):
    import pandas as pd

    # 下一个交易日不是调仓日，则不生成信号
    if not context.rebalance_period.is_signal_date(data.current_dt.date()):
        return

    # 从传入的数据 context.data 中读取今天的信号数据
    today_df = context.data[context.data["date"] == data.current_dt.strftime("%Y-%m-%d")]
    target_instruments = set(today_df["instrument"])

    # 获取当前已持有股票
    holding_instruments = set(context.get_account_positions().keys())

    # 卖出不在目标持有列表中的股票
    for instrument in holding_instruments - target_instruments:
        context.order_target_percent(instrument, 0)
    # 买入目标持有列表中的股票
    for i, x in today_df.iterrows():
        context.order_target_percent(x.instrument, 0.0 if pd.isnull(x.position) else x.position)

    更多关于 回测的说明可以参考 预备知识回测部分

用数据理解

  • m1 选择特征 print(m1.data.read()["sql"])\n
  • m2 数据标注 print(m2.data.read()["sql"])\n
  • m3 训练数据 m3.data.read()\n
  • m5 StockRanker 训练，查询模型中特征贡献 m5.feature_gains.read()\n
  • m6 预测结果 m6.predictions.read()\n
  • m7 仓位分配 m7.data.read()\n
  • m8 回测结果 m8.raw_perf.read()\n

策略优化

  • 因子特征选择(m1)：StockRanker 属于统计机器学习算法。为了获得更好的效果，处理学习算法和参数等选择，主要的收益来自于更好的因子特征构造和选择。
    • 构建和选择高质量的因子，往往能带来确定的回报
    • 因子并不是越多越好，垃圾进垃圾出
    • 同时对于时序预测，也注意观察所选因子在时间上分布是否稳定
  • 预测目标(m2)：验证不通的标注算法、预测期限等，比如预测相对某指数的收益、预测sharpe等
  • 数据选择：对于时序数据，特别交易数据，不同时间段的选择对结果影响很大，训练期和预测期市场分布越接近，预测效果越好。同时可以使用滚动训练，来迭代模型（TODO给出demo）。
  • 树的选择：学习是否够，是否需要更多的树/迭代轮次，可以观察StockRanker 收敛过程。
    • 添加一个验证集(m9)，接入到 StockRanker训练(m5)的验证集输入上。
    • 设置想要观测的时间段，可以和训练数据重合也可以不重合，不影响训练结果，一般选择训练集之后一段数据\n
  • 其他
    • 尝试不同的 score to postion 算法和持股数量（仓位分配模块）
    • 不同的 持仓周期、买卖时间点（BigTrader 模块）

\

标签

人工智能

文档

102a-AI策略-代码交易