0826问题答疑
由small_q创建，最终由small_q 被浏览 2 用户
本文档为2025训练营问题答疑
{{plus}}
问题1：在做万老师机器滚动训练的时候有一些确证的因子（市值、动量等近期显著表现因子）不管是在线性还是xgboost上学习都学不出结果，R方为负，拉长周期亦然，有点不知所措。
问题2：因子分析的各个参数IC,IR等关键指标的解读，能不能结合实战应用再详细讲一次。
问题3：策略风格稳定性测试 ，怎么判定稳定呢？ 问大模型 他说的思路是，分别计算 标准差, 余弦相似度, pca, 然后加个权重，算一个综合分数。 这个可行么？
问题4：现在风格因子框架是通过比较策略的因子暴露与市场风格比较，取相近的策略。 但是 策略的因子暴露往往是很多因子混合的。 那如果做只对单个因子的有暴露的策略，然后定期计算市场因子收益率 ，然后根据全市场因子收益率的关系，按比例分配给不同的策略。 是不是这样就可以精确的跟踪市场风格，获得更大绩效？
问题5：不同版本的保温杯策略中发现了以上7个不同的因子，请教万老师哪些因子更适合实盘？
- pct_rank_by(date,alpha_91007)
- pct_rank_by(date,net_profit_to_parent_deduct_cagr_3_ttm)
- pct_rank_by(date,pe_ttm)
- pct_rank_by(date,profit_of_parent_to_total_revenue_ttm)
- pct_rank_by(date,dividend_yield_ratio_0)
- pct_rank_by(date,pe_ttm_0)
- pct_rank_by(date,fs_net_profit_yoy_0)
问题6：模型训练和回测能否训推分离？将训练好的模型文件以及对应的特征和模型参数以文件形式保存下来。现在每次调整特征或模型参数重新训练后，之前训练的模型和参数就找不回来了。导致做特征和参数尝试时，如果效果不好，就没办法回退到之前最好的模型和特征了。
问题7：stockranker模型的原理，针对其他模型的优势(具体来说就是比其他模型多做了哪些事，创新点在哪里)，以及适用场景希望能讲解下，从模型参数设计上来说类似于lightGBM的排序学习，但是训练时间比lightGBM要长。在简单的小市值加换手率的线性策略面前，我尝试了各种因子加入到stockranker模型中，结果效果还不如线性模型。所以比较迷茫，不知道stockranker模型的潜力和进化方向在哪里。
问题8：是否考虑to B业务，据我了解目前有一些初创私募机构有引入量化团队的意向，但是从零构建基础平台成本高周期长，基于数据安全性担忧又不会考虑在第三方平台上跑量化，所以是否可以考虑将AI studio做有偿私有化部署？
问题9：社区内很多策略公开的代码实际上不包含实质的策略和算法内容，而是直接读一张评分结果表，然后生成交易信号，这张结果表是收费的。那我们是否也可以将自己的算法模型跑分结果存储到平台上的表里？策略代码只需要读取结果表(比较类似于训推分离)？具体要怎么做？
问题10：bigtrader回测引擎的生命周期，handle_data是否在k线后执行。实盘交易是每日都会执行一次initialize，befor_trading，handle_data全流程吗？ 如果是每日重新执行，trading_day_index和其他context上下文是否会存在dai中每日读写。
问题11：如果在before_trading函数中，执行order的下单逻辑，是否在当前k线撮合成交，还是下个k线成交。
问题12：如何判断一个因子适合做打分还是过滤
问题13：目前量化私募采取的策略有哪一些
\