StockRanker算法
"StockRanker算法" 是一种先进的金融技术工具，其核心在于通过高级数据分析和机器学习技术对股票市场进行深度挖掘和预测。该算法的强大之处在于其能从海量数据中提取出有价值的信息，进而为投资者提供有关股票未来可能表现的独特视角。 具体而言，StockRanker算法首先会收集包括历史价格、交易量、公司财报、新闻情绪、社交媒体趋势等多维度的数据。然后，利用机器学习技术，如深度学习、随机森林或支持向量机等，对这些数据进行训练和学习，以识别和理解影响股票价格的各种模式和因素。 此算法不仅能对历史数据进行回溯测试，以验证其预测能力，而且还能实时地应用于市场，为投资者提供即时的股票评级和推荐。通过不断地自我优化和学习，StockRanker算法能够在变化莫测的金融市场中保持其预测能力的前瞻性和准确性。 总的来说，StockRanker算法是一种创新的金融科技工具，它通过结合大数据和机器学习技术，为投资者提供了一种系统化、数据驱动的方法来理解和预测股票市场，从而帮助他们做出更明智的投资决策。
如何调优，数据小于20万行，择时，StockRanker训练
更新时间：2024-01-23 03:53
新版的stockranker DAI如何固化模型
如结果为m5.stockRanker(DAI）
用m5.model获取DataSource
import pandas as pd
pd.DataFrame([DataSource("datasource的name").read()]).to_pickle('/home/bigquant/work/userlib/model.csv')
再在自定义python模块中输入以下内容是吗
def bigquant_run(input_1, input_2, input_3):
data = pd.read_pickle('/home/更新时间：2024-01-11 07:52
stockranker无法绘制图表
更新时间：2023-11-27 06:09
StockRanker训练过程中的如何查看loss？
StockRanker训练NDCG
在开发量化策略过程中，使用StockRanker算法，如何查看训练中的loss下降？
增加验证集
- 如下 m7 模块，抽取数据作为验证集。也可以直接用 训练数据 m4 作为验证集。
- 将 m7 验证集数据连接到 m5 StockRanker训练的 验证集 输入上
查看NDCG
新版StockRanker模块还没有直接绘制NDCG，但已经计算出了结果，我们可以自己绘制出来
更新时间：2023-11-27 06:03
StockRanker模型可视化
导语
本文介绍了如何用BigQuant的策略生成器进行StockRanker模型可视化。
使用StockRanker模型
在策略生成器中，可以直接菜单化操作的方式新建一个StockRanker实验，通过plot_model我们可以看到StockRanker模型是什么样子的，这样就能够完全透明的将模型可视化的展示出来，包括结构和参数等信息。
# m6 = M.stock_ranker_train.v2
m6.plot_model()
一般情况下AI机器在大量数据上训练出来的模型会远比人做出来的复杂，这也是AI有更好的效果的原因之一。
更新时间：2023-11-26 16:58
Stockranker DAI 模板策略报错
新创建的模板直接就报错了，跑不了？
更新时间：2023-10-19 12:06
现在如何应该查看stockranker模块的NDCG训练曲线？
参照知识库的文档传入带有label的股票数据，模块并未绘制出相应的NDCG曲线，甚至没有对应的NDCG选项卡
解决：使用@jayjaypp 提供的模版策略发现依旧无法正常显示。
将aistudio更换为旧
更新时间：2023-10-09 08:25
“StockRanker训练”模块使用以前训练保存的模型作为”基础模型“继续训练报错
更新时间：2023-10-09 08:21
用随机森林分类和stockRanker排序做股票预测是否需要做特征标准化处理？
问题
用随机森林分类和stockRanker排序回测跑出来结果还可以，但是我没有进行标准化等处理，请问结果可信吗？是不是两个都要进行标准化、去极值等处理？
更新时间：2023-10-09 08:13
请问StockRanker如何正则化 防止过拟合
问题
请问StockRanker如何正则化 防止过拟合 如果有模块请问输入输出可以链接什么
更新时间：2023-10-09 07:58
特征是哑变量，可以加到stockranker模型中吗？
问题
逻辑上，以每一天回顾历史，比较是否是新低日，然后return一个bool变量。以这样的变量得到新的特征列，然后用自定义模块输入到模型中
更新时间：2023-10-09 07:55
请教：stockRanker可视化模型 判断分支的数据是怎么计算出来的？
问题
stockRanker可视化模型 判断分支的数据是怎么计算出来的？就是可视化模型，判断分支后面那个数字。
解答
这个可以搜一下树模型与信息熵的一些文章来看看。
更新时间：2023-10-09 07:11
StockRanker实盘交易的策略逻辑。
进场逻辑：StockRanker是一个股票排序模型，根据历史数据对全市场所有股票进行排序，优先买入排序靠前的股票。
出场逻辑：优先卖出排序靠后的股票。
stock_num参数，该参数表明每天买入的股票数量。(我的策略stock_num = 5 )
hold_days参数，表明买入的股票理论上持有hold_days是最好的，因为每天都要预测排序，每天都会有买入，相当于每天买入的金额就等于本金除以hold_days。
stock_weights参数，表明每天要买入的股票各自的权重，排序靠前的股票权重越大，并非等权重买入。
更新时间：2023-10-09 07:08
应用StockRankerPro进行回归训练报错
更新时间：2023-10-09 07:01
关于stockranker算法的模型方向的优化
https://bigquant.com/experimentshare/8139094d2dce46b5a449b795538f131a
这是一个示例stockranker策略，我了解到stockranker算法是GBDT和listwise算法的结合，如何将GBDT算法换成其他的集成学习算法例如XGBoost算法，形成一个以XGBoost为核心的类似stockranker的算法策略。
第二个问题是stockranker算法的基本原理到底是什么，
更新时间：2023-10-09 06:48
请问stockranker相比于普通的gbdt框架回归优势在哪里
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。
 <ipython-input-4-7a905fb432e3> in <module> 83 ) 84 ---> 85 m12 = M.stock_ranker_train_gbdt.v1( 86 training_ds=m13.data, 87 features=m3.data,
XGBoostError: [17:26:55] /workspace/dmlc-core/src/io/input_split_base.c
更新时间：2023-10-09 03:38
请问StockRanker训练 (v6)，是以几日收益率排名？
这个可以自行设置吗？
更新时间：2023-10-09 02:53
stockranker报错：LightGBMError
更新时间：2023-10-09 02:53
StockRanker报错：ImportError: cannot import name typeDict？
模板策略StockRanker-DAI策略-怎么也报错啊？什么原因\n
https://bigquant.com/codeshare/41d07595-3c5d-445c-a8f6-1c11635e851b
\
更新时间：2023-10-09 02:05
如何固化深度学习、随机森林和StockRanker模型|模型固化
深度学习模型的固化
由于深度学习中牵扯到Dropout和随机种子等多处随机项，因此如果无法固化模型，当缓存丢失后会模拟交易/回测会触发重新训练，导致模型变化，本帖介绍固化已有的模型的步骤。
调试策略
好的策略应该经过多次训练查看模型的回测效果稳定性，如果发现同样参数下多次训练模型得到的回测结果变动范围较大，多半是模型不稳定。模型稳定后可以考虑固化模型并开启模拟交易。
记录模型文件到userlib文件夹
![{w:100}{w:100}](/wiki/api/attachments.redirect?id=3a5f92ff-fb46-4dfa-8d5b-fa24
更新时间：2023-06-28 18:19