\
更新时间:2023-06-01 02:13
请教各位大佬一个问题,实盘的时候,模型是在湘财的服务器上跑的吗?
StockRanker中应该是包含GBDT的,但是seed的接口是没有对外开放。参照sklearn的GBDT,里面会有一个random_state的参数,这个参数即使设相同值,在不同设备上训练的结果应该也是不一样的。
所以在进行实盘的时候,模型导入到湘财服务器那边,模型是否会被重新训练?如果是的话,能否保证实盘的模型和回测的模型一致呢?
还是说,导入实盘的时候,模型不会被重新训练,只是跑测试那一端呢?
更新时间:2023-06-01 02:13
我现在有个策略用stocker ranker的模型,但是我在哪运行?根据文档:https://bigquant.com/wiki/doc/shendu-moxing-fT26iI6EAI
训练结束后保存训练模块的model_id到用户目录,如下样例代码中的m6需要修改成实际的训练模块编号
import pandas as pd
pd.DataFrame([m6.model_id]).to_pickle('/home/bigquant/work/userlib/model_stockranker.csv')
我的问题是,
更新时间:2023-06-01 02:13
更新时间:2023-06-01 02:13
咨询一下,用stockRanker训练,不加中性化和标准化,收益不错,加了之后收益就负了,这是为什么啊
您好,stockranker算法是树状结构的,它本身是不需要标准化的,您标准化后会改变数据,也会使模型训练发生改变,进而就会造成了策略的计算改变哦
更新时间:2023-06-01 02:13
如何把买入信号和卖出信号设定加入stockranker策略,让算法对应该开仓和平仓的股票进行排序,应该怎么去修改模块的内容呢?
老师,我想通过自定义买入或者卖出设置,把传统策略的 思想,通过表达式引擎,还有可视化的方式,让算法执行,精炼买入和卖出信号,再根据排序的结果,进行每日的轮仓,应该怎么做呢? 买入条件:满足 1)今日开盘价大于昨日收盘价;2)5日收盘价均线大于10日收盘价均线的股票按PE升序排名取前十名,次日以开盘价买入; 买入后,如果5日收盘价均线小于10日收盘价均线,则次日以开盘价卖出。 buy_condition=where((open_0>close_1)&(m
更新时间:2023-06-01 02:13
如何把我自定义Python模块产生的因子数据加到StockRanker里面进行分析呢?
https://bigquant.com/experimentshare/feb97b0af1724f5ca1f4b53cbb549a65
\
更新时间:2023-06-01 02:13
\
更新时间:2023-05-17 08:45
1、模型选出来的股票依据从何而来呢,是通过特征的重要性排序在股票池中选股吗,若是请介绍下怎么选这个实现步骤或逻辑呢。
2、
这里每个交易日都会预测得到过滤的数据,当所持有的股没到hold_day天时那每个交易日预测得到的数据是不是没意义,
stock_count 这
更新时间:2023-03-02 07:59
非常感谢!
答:stockranker目前不能通过加正则来防止过拟合。
可以通过这三个参数的设置达到类似于dropout的功能。
问:方便加一个正则的接口吗?正常的树模型还是有这个的。。
答:好的,收到这个建议
更新时间:2022-12-20 14:20
是一个ListWise的Learning2Rank是么?
<https://bigquant.com/wiki/doc/celve-qylSVzUeYZ 可以参考下这篇文章>
更新时间:2022-12-20 14:20
查看传入的数据有没有training这一列,是不是和输入特征列表相对应
更新时间:2022-12-20 14:20
最近在整理以前训练出来的模型,现在回头用原来的数据特征重新测试得出来的模型和以前不一样了,以前用stockranker训练之后保留了id,如何单独从model_id和特征得到特征重要性列表、模型和训练曲线结果,而不是通过模块id得到
目前只能重新训练后才能显示这些信息。
更新时间:2022-12-20 14:20
比如默认运行20次迭代训练,如何选择评估效果最好的一次迭代保存下来?
更新时间:2022-11-09 01:23
stockranker模型实盘报错,如何解决
采用stockranker案例模型,因子有改动。放到湘财服务器上就报错了。
更新时间:2022-11-09 01:23
上一篇 在华泰的研报中,我们知道了
四类因子(流入类因子、流出类因子、主力净流入类因子、开盘主力净流入类因子)在选股上存在一定的实用性。
研报链接:华泰单因子测试之资金流向因子
\
基于Stockranker的超跌反弹策略
这次我们--从研报中获取到了灵感,
结合一些收益率和量价因子,来进一步合成我们的资金流因子,
制作反转策略。
![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:1
更新时间:2022-11-03 08:33
\
更新时间:2022-09-18 13:23
策略是stockranker算法固化后的策略,模拟交易正常,在实盘的时候报出
[Errno 2] No such file or directory: '/home/bigquant/work/userlib/XXX.csv'。盼解决!
更新时间:2022-09-15 00:57
20220623-StockRanker多因子选股策
更新时间:2022-06-29 01:14
作者:donkyxote
基于17个短期因子,其中8个量价因子,9个均线因子。训练集使用2005-01-04至2020-06-01日,每个交易日买入模型当日预测结果排名靠前的1只A股股票,次日卖出。
原有模型是基于BQ提供的Stockranker机器学习算法:
![图 1:stockranker-2021年1月4日至2022年1月21日的模拟实盘结果{w:100}{w:100}](/wiki/api/attachments.redirect?id=bb5b3d09-3e20-4840-b5e0-2220d7f55
更新时间:2022-06-22 14:58
基于17个短期因子,其中8个量价因子,9个均线因子。训练集使用2005-01-04至2020-06-01日,每个交易日买入模型当日预测结果排名靠前的1只A股股票,次日卖出。
原有模型是基于BQ提供的Stockranker机器学习算法:
![图 1:stockranker-2021年1月4日至2022年1月21日的模拟实盘结果{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=bb5b3d09-3e20-4840-b5e0-2220d7f5599
更新时间:2022-06-22 05:47
更新时间:2022-04-28 05:58
StockRanker算法的核心是排序学习和梯度提升树,本文以0.1和0.2作为“学习率”参数的输入值进行测试。
首先,我们以StockRanker的默认参数0.1作为“学习率”的输入值进行模型训练,得到以下的训练结果:
1.特征重要性:又称为特征权重,是StockRanker模型基于各个特征对模型贡献度的一个数量型评估指标,值越大表示越重要。从下图可以看出,在“学习率=0.1”的情况下,rank_return_0最为重要,其值为133.266;其次为rank_return_5(110.354);最差的为avg_amount_0/avg_amount_5,其值为1.608。
![{w
更新时间:2022-03-23 11:29
作为平台的铁杆用户,本文主要分享下使用StockRanker模型来实盘交易的一些经验。
在机器学习领域,预测的结果依赖于:数据、算法和特征,因此真正好的策略一定是特征选择和特征构建非常好。
平台的StockRanker模型策略生成器只是搭建了一个策略框架,输入不同的特征就可以看到不同的策略效果。去年的时候,我构造出了大约10个特征进行回测,从12年到16年底,平均年化收益达到了76%,因此就打算先用一部分小资金实盘,进一步验证特征的有效性。
因为政策原因,目前国内股票实盘交易接口并没有开放,因此量化平台都不会说自己平台上可以实盘交易,免得监管部门叫去喝茶。于是只有手动下单,好在股票持仓时
更新时间:2021-08-24 05:46
更新时间:2021-07-30 07:26