Stockranker

问题

\

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？

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

1. 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，

问题

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

解答

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

问题

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

问题

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？

策略

https://bigquant.com/experimentshare/feb97b0af1724f5ca1f4b53cbb549a65

\

\

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

问题

1. 加一些L1，L2正则，如何设置。
2. 有没有什么加强稳定性的方法建议。

非常感谢！

解答

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

问题

是一个ListWise的Learning2Rank是么？

解答

<https://bigquant.com/wiki/doc/celve-qylSVzUeYZ 可以参考下这篇文章>

问题

解答

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

问题

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

解答

目前只能重新训练后才能显示这些信息。

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？

问题

问题描述

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。

问题截图

策略思路逻辑

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

\

因子灵感来源

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

\

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！

20220623-StockRanker多因子选股策

作者：donkyxote

策略思想

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。

StockRanker模型

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

策略思想

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。

StockRanker模型

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

https://bigquant.com/experimentshare/3f1d18ae425649398e2ca9436f126381

\

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

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

策略案例

https://bigquant.com/experimentshare/21cf886fbd794a66be617bfd57a0cb88

\