问答交流

请问stockranker相比于普通的gbdt框架回归优势在哪里

由sysy007uuu创建,最终由small_q 被浏览 84 用户

本次我测试了三个gbdt开源框架xgboost, lightgbm, catboost 参数保持一致,分别用框架中的回归器对5日收益进行回归,对14-19年进行滚动训练,用两年的数据预测一年,回测的时候买预测值靠前的4个票持有5天,因子和其他参数都用AI可视化默认模版,去除ST股票。

{w:100}

{w:100}三个框架参数保持一致:

{w:100} {w:100} {w:100}下面分别是三个框架做简单回归取靠前4个票的收益情况:

xgboost

{w:100}catboost

{w:100}lightgbm

{w:100}然后我使用了平台的stockranker框架

{w:100}参数使用的是模版默认参数,之前的视频有说这个参数在各种测试下表现都还行,所以我没做改动。

但是最后的收益结果不是很理想:

{w:100}可以看到stockraner的滚动回测结果均比不上三个gbdt框架的普通回归取TOP的结果,那么stockranker模型的优势在哪里呢?我知道他是采用了排序学习中的listwise方法,三个框架回归取靠前的票相当于pointwise,为什么结果反而不如这三个框架呢?

标签

xgboostlightgbmStockRanker算法Stockranker
评论
  • stockranker采用listwise会很大程度上提高计算的复杂度,但是收益曲线似乎并没有相应的提高
  • stockranker结合了gbdt和一个排序算法进行预测的
  • 长期回测来看效果并没有gbdt框架简单做回归效果来得好,是因子的原因吗,这是平台模版给的默认因子
  • 可以提交模拟交易作进一步的观察
  • xgboost也可以排序的
{link}