历史文档

Stockranker评分的另类用法

由small_q创建,最终由bq7zuymm 被浏览 460 用户

新版请见

Stockranker评分的另类用法

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。

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

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。

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}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。

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}

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/

策略源码

标签

机器学习算法股票排序StockRanker算法Stockranker
评论
  • 代码呢?
  • 今天不更新吗
  • 我照你的方法回测了一下20年的,用的模版策略的因子,一年收益负50。。
  • 是用哪年的数据回测的?
  • “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” 请问这和手工对因子正交后分配权重相比优势在哪里? 机器学习不需要对因子有了解就能自行收敛归纳出可能的因子吗?
{link}