Liujunze_作业
由bq8buwub创建，最终由bq8buwub 被浏览 8 用户
一、作业结论：
本次作业采用了线性回归和xgboost两种模型：
年收益分别是：线性回归30%、xgboost 52%。
二、作业过程：
1、搭建模型的框架
（1）框架的模型是按照“滚动训练策略”搭建起来的
（感受：原本自己在结合AI 搭建的，后来因为处理各种各样的错误花了很多时间，所以就直接借用了）
（2）策略搭建后直接测试线性回归，然后替换框架内的模型测试xgboost模型
（感受：搭建框架后相对简单多了，就是替换对应模型的代码，更多的是需要等待模型的训练）
2、加入因子进行训练
（1）用的都是“滚动训练策略”，有些经过微改
（感受：这个步骤尤其重要，后续计划通过精选因子，即经过因子分析、超参测试等检验后筛选组成新的因子组，再优化作业）
3、制作多模型收益对比图
（1）结合同学老韵的代码，直接引用了查看回测模块属性，来找到回测结果的数据字典，然后结合AI 生成对比图的代码来完成的。
（感受：感谢同学老韵的启发，我之前就因为获取回测结果数据折腾了好久，这次终于找到方法了！！开心！）
三、作业思考：
（1）前段时间一直在看策略的代码，一行行的看，一行行的理解，看多了感觉其实整个逻辑是读得通，读得懂的，但是自己写的话，就无从下手！！ 经过这次的实践后，积累了一个经验，就是写代码前先构建整体的框架，可借用别人的，可自己搭建，然后对内部每个框架进行代码填充，每个框架逐个调试，通过简单的print（步骤1开始）、print（步骤1完成）方式可以立马定位到问题。解决了之前单纯靠AI生成代码，运行后报错 或没有输出对应结果后，不知道怎么下手修改的问题。
（2）因子重要还是模型重要？
结果：因子更重要！！！
我一开始思考结论是，两个一样重要，它们两个是结合一起能才能获得超高收益的组合，缺少哪一个都没法获得超高收益。
但是经过询问AI 后，认可因子更重要。
没有好的模型，好因子仍可以获得不错的收益，也可以直接满足我的需求了。
没有好的因子，只有好的模型，我认为需要经过大量的调试，在收益不理想的前提下去调试，这个需要比较强的信念才行。
我作为开发者来说，只需要一个收益还可以的策略即可，只有手上有几个收益不错的策略后，才会花更多时间和精力去追求好的模型。
总结：知道自己有什么，要什么，就知道哪个更重要了。
https://bigquant.com/codesharev3/c6563e94-7255-496f-ab54-4d26cb7a2ff7
https://bigquant.com/codesharev3/4f7559b7-f8ad-475d-8a3f-e82ae64d998a
\