更新时间:2024-01-23 03:53
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
更新时间:2023-11-27 06:09
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?
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
本文介绍了如何用BigQuant的策略生成器进行StockRanker模型可视化。
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
新创建的模板直接就报错了,跑不了?
更新时间:2023-10-19 12:06
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
更新时间:2023-10-09 08:21
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 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
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
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。
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
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
更新时间:2023-10-09 07:01
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
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。
![{w:100}](/wiki/api/attachments.redirect?id=1c39b870-470a-4001-90b7-
更新时间:2023-10-09 06:39
更新时间:2023-10-09 06:35
更新时间:2023-10-09 06:27
stockranker固化后可以读取一个model_id, 但如何读取当时改模型使用的参数和因子呢?
更新时间:2023-10-09 06:10
比如 PE>0这种变量
更新时间:2023-10-09 03:40
XGBoostError Traceback (most recent call last) <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
这个可以自行设置吗?
更新时间:2023-10-09 02:53
更新时间:2023-10-09 02:53
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
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。
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。
![{w:100}{w:100}](/wiki/api/attachments.redirect?id=3a5f92ff-fb46-4dfa-8d5b-fa24
更新时间:2023-06-28 18:19