Stockranker评分的另类用法
由small_q创建，最终由bq7zuymm 被浏览 441 用户
新版请见
策略逻辑
Stockranker是专为选股量化而设计的机器学习算法，其选股思路是根据训练得到的模型，计算股票池中股票的当日评分，根据评分对股票池中的股票进行排序，排序靠前的股票就是当日选出的股票。
这种选股逻辑意味着不论股票的评分是多少，只要排序靠前就能被选中。实际上排序靠前股票的评分有不小差距。而评分反应的是股票的投资价值，评分高表明该股票的投资价值高，评分低表明该股票的投资价值低。因此排序算法仅能反应当天的相对投资价值，也就是矬子里面拔将军，不能反映股票的绝对投资价值。
而评分则不一样，他反应的是股票的绝对投资价值，也就是把股票的投资价值量化了。 本策略的逻辑就是根据评分来选股。设定一个评分的阈值，只要评分大于阈值的股票，就被选中。持仓股票的卖出也可以根据评分来操作。当持仓中股票的评分变小时，说明该股票的投资价值变小了。那么设定一个卖出股票的评分阈值，当股票的评分小于该阈值时，就卖出股票。
策略例子
排序策略
该策略采用排序算法，每天选出排序靠前的5支股票，卖出持仓中排序靠后的5支股票。
根据评分的策略1
该策略采用评分的策略选股，当股票的评分大于2时买入，当持仓中的股票小于1时卖出。
调整评分阈值后的策略
分别将卖出评分的阈值调整为0.8。
后记
过拟合问题：该策略对评分的阈值比较敏感。应对的方法是将回测的时间拉长，如果回测时间变长策略依然有效，则过拟合的可能性变小。该方法也适用其他以评分为输出结果的算法
视频讲解
https://www.bilibili.com/video/BV1KA4y1Z7nY/