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。
StockRanker多因子期货策略
问题
能否stockranker选期货的模板，十几个随机品种，周期一小时1bar。
视频
https://www.bilibili.com/video/BV1SY411x7m4?share_source=copy_web
策略源码
[https://bigquant.com/experimentshare/8c98cb179bd54386867bd6dad86aebf3](https://bigquant.com/experime
更新时间：2024-06-07 10:55
如何用catboost替换stockranker算法
问题
请教catboost的详细使用方法，对于原先使用xgboost或者stockranker的策略，如何用catboost替换掉xgboost或者stockranker?
视频
https://www.bilibili.com/video/BV1US4y1n79r/?spm_id_from=333.999.0.0
策略源码
[https://bigquant.com/experimentshare/c2422c6678a8
更新时间：2024-06-07 10:55
如何优化StockRanker算法
问题
使用stockranker等排序算法开发策略并进行实盘，发现有时排在第一的股票反而不如排在二三位的股票收益好，如何对策略和算法进行优化，以实现更好的效果呢？
思路
https://bigquant.com/wiki/doc/xinhao-fangfa-oxACTyy7MT
- 数据质量
- 算法质量
- 算法参数调优
- 模型融合
视频
[https://www.bilibili.com/video/BV1nT411A7f5?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086]
更新时间：2024-06-07 10:55
如何利用stockranker开发做空策略？
问题
我试过用stockrank来标注做空股票和期货，（默认参数，回测做空的代码都写好）标注上加-，如-shift(close,-2)/shift(open,-1)或-shift(open,-1)/shift(open,-2)，随机生成几百甚至上千的策略回测所取得的效果普遍没有做多好，大多数情况甚至连正收益都达不到，而做多好多都轻松取得正收益，是算法的特性还是有其他窍门？
视频
https://www.bilibili.com/video/BV1Ny4y1E7KJ
\
策略源
更新时间：2024-06-07 10:55
上涨和下跌预测的stockranker模型组合（买入）
【旧版说明】此文档为旧版，相关新版文档可参考：🌟102-第一个AI策略
https://bigquant.com/experimentshare/1c44e0bf56db424d8f2a5e617759a300
\
更新时间：2024-06-07 10:55
上涨和下跌预测的stockranker模型组合（卖出）
更新时间：2024-06-07 10:55
Stockranker评分的另类用法
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
更新时间：2024-05-24 10:58
LSTM大盘择时+Stockranker选股
更新时间：2024-05-24 10:28
用StockRanker算法实现A股股票选股
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/72d5601550164505aad979f7265f8fec
\
更新时间：2024-05-20 00:50
StockRanker选股+随机森林大盘风控
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-17 07:25
根据隔夜涨跌因子构建stockranker模型回测
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-17 07:06
StockRanker多因子选股策略
更新时间：2024-05-17 02:33
【历史文档】高阶技巧-如何固化深度学习、随机森林和StockRanker模型|模型固化
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 11:00
HYF一个可视化stockranker 模板策略
更新时间：2024-05-16 06:36
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：2024-05-16 06:35
【历史文档】高阶技巧-如何画StockRanker模型的NDCG曲线
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 03:45
【历史文档】策略示例-基于StockRanker的基金策略
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 02:34
【历史文档】策略示例-多空对冲的AI期货策略
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 02:05
【历史文档】策略示例-基于StockRanker的AI量化选股策略
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 01:59
【历史文档】策略示例-AI模板策略交易逻辑解读
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 01:59
【历史文档】策略示例-StockRanker模型结果解读
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-16 01:58
【历史文档】算子样例-StockRanker预测
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-15 08:22
【历史文档】算子样例-StockRanker训练曲线(Learning Curve)
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-15 08:22
【历史文档】算子样例-StockRanker训练
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据
更新时间：2024-05-15 08:21
stockranker模型训练预测
更新时间：2024-05-15 02:10