模型训练

直接取了小市值作为因子，训练了因子与未来10天收益率的关系。代码水平和时间有限，仅到能运行的程度，后续还需要很多时间继续优化。

https://bigquant.com/codesharev3/dcd2ef10-85d6-46fa-ba73-1ada53f6f300

\

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

（

按照本次作业要求，我根据笑宇老师的讲解及给的模版，借住AI编程，分了几个步骤，完成作业如下：

1、先根据之前老师的讲解，选择小市值因子、换手率因子等有效因子，构建策略因子组合，时间关系选了4个，后续可以用老师讲解的因子分析表替换可能的有效因子\n2、基于笑宇老师给的模版，运用AI完成线性回归策略，几经周折，跑通策略；\n3、将策略打包成模块，将可用的3个模型作为参数，构建多因子多模型策略，跑通；\n4、将策略输出用图表展示出来。前后整了3天，修改了10几个版本才成型，累得够呛，但最终跑通还是欣慰的\n\n学习心得：\n1、因子重要还是模型重要？\n我的理解是二者都很重要，但因子相对更重要。从

今日作业：

\

1、请用自己的话解释什么是量化投资

答：

量化分几步

1 数据分析与挖掘：

• 分析挖掘价格信息 与 其他信息（ 比如 交易信息，基本面信息， 宏观信息等） 之间单维或者多维的关系。
• 关系可能是线性的，非线性的，时间序列的，横截面的等。
• 关系的具体化可以是指标(macd, rsi, art等)，因子(小市值，高股息等)，机器学习模型(lightgbm，stockranker等)，深度学习模型(deepseek交易员等)，多智能体(TradingAgent等)。

2 交易策略建立以及回测：

• 根据挖掘的关系，建立交易策略。

问题

深度学习在期货高频上的应用

策略源码

8月19日Meetup问题模板：

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

问题

如何在全连接模块中自定义swish激活函数的代码

\

视频

https://www.bilibili.com/video/BV1DL4y1w7sb?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/9f1dae69e055429c9922b4f5d038361a](https://bigquant.com/experimentshare/9f1d

8月19日Meetup问题模板：

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

问题

如何计算板块收益率构造模型训练标注和模型过滤

视频

[https://www.bilibili.com/video/BV1p8411t7LH/?vd_source=ecd29bbd04cbefdfa426167c55241973&t=0.3](https://www.bilibili.com/video/BV1p8411t7LH/?vd_source=ecd29bbd04cbefdfa426167c55241973&

旧版声明

本文为旧版实现，仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75

\

如题，目前平台可用的模型较少，仅有随机森林一种，如果不想使用平台的机器学习模板，打算自己实现一个类似时间序列的模型，包含模型训练、模型评估等，目前有文档参考如何操作吗

\

/* 使用DAI SQL为量化模型预测生成标签数据。标签反映了未来5日的收益率，并且被离散化为20个桶，每个桶代表一个收益率范围。这样，我们就可以训练模型来预测未来的收益率范围，而不仅仅是具体的收益率值。

1. 首先定义了一个名为label_data的临时表，用于计算和存储未来5日收益率，其1%和99%分位数，以及离散化后的收益率（被分为20个桶，每个桶代表一个收益率范围）。
2. 对未来5日收益率进行了截断处理，只保留在1%和99%分位数之间的值。
3. 选择了标签值不为空，并且非涨跌停（未来一天的最高价不等于最低价）的数据
4. 从这个临时表中选择了日期、股票代码和标签字段，以供进模

自己通过import xgboost可以实现自定义目标函数，但是和平台的xgboost模块相比，自己的import xgboost比平台的xgboost模块慢了很多，时间花费几乎是30倍差距。

那么，如何基于平台的xgboost，实现自定义目标函数的定义呢？

\

问题

1. 如何设置训练步长，在训练模块中没有这个选项
2. 如何设置验证集，并打印loss、mae等，按照模板智能看训练集的

验证集通过这个端口传入，构造方法和训练集一样。只需要设定开始和结束的日期。

步长可以通过

![{w:100}{w:100}](/wiki/api/attachments.redirect?id=276f2f17-0d2e

三种构建大盘风控指标的方法关于LSTM+CNN的模型进行大盘风控的策略代码未找到，能否提供一下，谢谢。

https://bigquant.com/wiki/doc/dapan-zhibiao-fangfa-MoB3kNcAMG

后面会报错

https://bigquant.com/experimentshare/16f3f6c7fa904475ac8a131e2345ab0a

\

说是有：

https://bigquant.com/wiki/doc/mokuai-aBcAf1yeFo

麻烦工程师兄弟看一下

/* 使用DAI SQL为量化模型预测生成标签数据。标签反映了未来5日的收益率，并且被离散化为20个桶，每个桶代表一个收益率范围。这样，我们就可以训练模型来预测未来的收益率范围，而不仅仅是具体的收益率值。

1. 首先定义了一个名为label_data的临时表，用于计算和存储未来5日收益率，其1%和99%分位数，以及离散化后的收益率（被分为20个桶，每个桶代表一个收益率范围）。
2. 对未来5日收益率进行了截断处理，只保留在1%和99%分位数之间的值。
3. 选择了标签值不为空，并且非涨跌停（未来一天的最高价不等于最低价）的数据
4. 从这个临时表中选择了日期、股票代码和标签字段，以供进模

https://bigquant.com/codesharev2/8a7c55c5-b437-4d23-9f53-47d0f41fbd98

\

1,训练和回测用同样的时间段，得到的结果依然很差？

2，在训练模式中，用回归选项就报错？

\

m3和m6都有数据，为何训练不了？no label column found for training

https://bigquant.com/codesharev3/7c626af6-ee2e-4ccb-83a9-7ef0a501c36a

\

请工程师给一个例子使用 python 模块，在python模块里做机器学习训练和预测

测试别的机器学习的模型，怎么操作，我看这里有一些，拉过去就可以了，这里没有的呢，只能用纯代码模式测试吗

请工程师给一个例子使用 python 模块，在python模块里做机器学习训练和预测

Keras 模型训练&预测 (v5) 这个模块训练的模型应该如何保存和读取