XGBoost 多因子量化选股
由bq5973r5创建，最终由bq5973r5 被浏览 3 用户
很多人听到“机器学习量化”，第一反应是：黑箱、难解释、只在回测里好看。\n这篇文章我们用尽量直观的方式解释：我们如何用 XGBoost做一套可解释、可落地的选股策略——从数据、因子、标签，到训练、打分、选股、调仓，走完完整闭环。
1. 我们先解决一个现实问题：股票“能不能交易”
任何策略落地前，都要先过滤掉不可交易噪声。\n因此我们采用相对成熟、流动性较好的股票池：沪深300 + 中证500，并剔除：
- ST、停牌、上市时间过短
- 明显异常或不可比的财务数据（例如 PE、PB为非正）
这样做的目的很简单：让模型训练与组合执行更贴近真实市场，减少回测与实盘偏差。
2. 因子不是越多越好，而是要覆盖“驱动维度”
我们每日为每只股票计算 21 个特征（因子），覆盖五类市场驱动：
- 趋势与反转：短中长期动量、短期反转
- 风险刻画：短中期波动率
- 技术状态：如 RSI、MACD等
- 估值与成长（截面排名）：估值便宜程度、盈利能力相对水平
- 成交/资金/行业：成交活跃度变化、资金流入强度、是否跑赢行业
举个简单例子：同一天两只股票 A 和 B，如果 A 的趋势更强、成交更活跃、且相对行业更强，那么它更可能属于“强势组”。\n机器学习的价值就是：它能学习不同因子在不同市场环境下的组合权重，而不是只依赖某一个信号。
动量这类指标本身很直观，例如：
但我们并不依赖单因子，而是用多因子共同刻画股票状态。
3. 关键设计：用“相对强弱”做标签，聚焦选股能力
很多策略喜欢用“未来 5 天收益是否为正”当标签。但这个标签有个明显问题：它会被大盘带偏。\n牛市里大家都涨，熊市里大家都跌，模型容易学成“择时”而不是“选股”。
因此我们采用更贴近“选股超额”的标签方式：\n同一天内，把所有股票的未来 5 天收益做排名，排名靠前（比如 Top30%）的标记为正样本，其余为负样本。
这样模型学到的核心能力是：\n在同一市场环境下，哪些股票更可能跑赢其它股票。
4. XGBoost 在做什么：多轮“纠错”的评分系统
你可以把 XGBoost 理解成一个“多轮纠错”的评分系统：
- 第一轮：先用一些简单规则（决策树）对强弱做初步判断
- 第二轮：专门去纠正第一轮最容易错的地方
- 第三轮：继续纠错
- 多轮叠加后，得到一个更稳的综合评分
为什么这比单因子更稳？\n因为市场信号经常是“条件成立才有效”。比如：
- 动量强未必一定好，有时是冲高回落
- 但“动量强 + 换手提升 + 资金流入”往往更可信
- “动量强但波动突然放大、趋势开始减弱”，可信度就会下降
树模型很擅长表达这种“条件组合”，而 boosting 会让它一轮轮修正偏差。
xgb_score 是什么？
训练完成后，模型会对每只股票每天输出一个分数（xgb_score）。\n你可以把它理解成：这只股票更像“强势组”的概率/置信度。\n它不是“保证盈利”，而是用来做排序：分数越高，越值得排在组合候选的前面。
5. 为什么要滚动训练（Walk-Forward）：让模型不过时
市场环境会变化。为了降低“训练期有效、未来失效”的概率，我们采用滚动训练方式：
- 用过去一段数据训练模型
- 对未来一段时间进行预测打分
- 再把新的数据纳入训练，更新模型
你可以把它理解为模型定期“复训升级”，而不是用一套旧规则一直跑到最后。
6. 从评分到交易：TopN 等权 + 每 5 个交易日调仓
当每天的评分出来之后，交易执行非常清晰、也更可解释：
- 每天按 xgb_score 对股票排序
- 选择评分最高的 TopN（例如 10 只）
- 等权配置（每只 10%）
- 每 5 个交易日调仓一次，以控制换手与成本
为什么用等权？\n因为我们更想依赖“排序能力”，而不是过度相信分数的绝对刻度。同时等权也更稳定、更容易解释。
为什么不是每天换？\n每天换会带来更高的交易成本和滑点，很多时候会吃掉超额收益。\n因此我们用“固定调仓频率”在信号响应速度与交易成本之间做折中。
回测结果
策略源码https://bigquant.com/square/ai/64292903-922b-b472-8890-de21f0e54d28