AI算法逻辑和因子设定问题
由ryanxu创建，最终由ryanxu 被浏览 14 用户
问题
刚开始学习AI量化，因为AI算法比较复杂感觉“训练”像个黑盒，但不知道黑盒的逻辑，又无法针对性的设定有效的因子，特来请教，望高手们不吝赐教，谢谢。
问题如下，不知我的理解方向是否准确，如果不对，也希望给个理解方向，谢谢
- AI算法训练笼统的讲，是不是根据训练集中所有单个数据（单个数据也就是训练集中某个股票某一天）的各个因子的值和label的值，统计出各个label值（比如说5日收益排名label值）的股票在对应各个因子数值上的概率，给高label值对应在各因子的高概率数值以高分，低label值对应各因子的高概率数值给低分，然后将测试集中新一天的各个因子的数值去对应，看各个因子的得分并加上因子的权重进行打分，最后看总分的高低进行股票排名？
- 各因子应该是各股票可以横向对比的数值，比如5日收益率、偏离率等，而不是5日股价均线这类没法横向比较的数值；AI训练时只是分析各个因子独立数据和标注目标的概率关系，只在评估测试集股票打分排名时才会把各因子关联起来打总分？
- 比如因子A、B单独考虑，同高收益标注关联性都低，但是组合起来会高，组合这个工作应该是在因子表达式完成，还是AI算法只要单独列A、B两个因子，A和B组合后同标注目标高关联性会在AI算法中也能被训练出来？
解答
大家共同交流共同进步哈！
这边你可能需要着重了解几个关键的定义，一个是label的定义，一个是因子的定义
- 简单来讲，label的定义是赋予数据集一个标准，而这个标准就是模型用来预测的目标。比如，我们想要去预测全市场内每个股票在未来5日的一个收益率是怎样的，即我们需要做的就是把这每个股票的未来5日收益率作为label。通过模型对训练集数据（即因子+label）进行训练之后，我们会将训练好的模型用于验证集或者是预测集的预测，所预测得到的结果，取决于你对模型的选择和label的定义上面，比如我所选择的是排序学习或者是多分类的模型，label则对应的可以是按照未来N日的收益进行的一个分层排序「例如分20层，第一层的则是收益率最高的一批，最后一层的是收益率最低的一批」，以此来进行模型的学习得到一个预测的分类结果；又比如我们可以选择一个lgb的回归模型，此时的label就可以选择将未来的N日收益率作为label，预测得到的结果就是拟合之后的结果；
- 因子不一定是必须横向对比的数值，不过可以通过一些数据处理的操作来让其变得截面可对比，比如时间截面的标准化处理。AI训练的内部原理这个不是一两句话能讲的清楚了，分不同的模型，这个感兴趣的话可以具体了解一下。至于训练之后的模型拿来预测得到的是什么东西，这个如上所述，取决于模型的选择和label的定义；
- 这个区分模型会有不同的效果，通常的决策树、深度学习模型是可以学习到这种因子之间关联性的信息的。
\