1月14日直播答疑

Q：在 AI策略基础版里面 ，如果想要增加别的表里面的因子，怎么加？

Q：如果想实现每周四买入，每周二卖出，请问这个交易逻辑怎么实现？还有做中长线，想每月20日买入，次月15日卖出，怎么实现？

Q：老师能否讲解一下为什么要做因子分析，意义是什么？在做因子分析的时候，最应该关注的是那些指标呢？因子分析代码运行之后，正确的分析顺序流程是怎样的？

Q：如何将多个因子一起做因子分析，进行效果对比？在整合多个因子时，加权方法有哪些？如何解决因子间的共线性问题？

Q：如果某个因子近期持续回撤，如何判断是周期性失效还是长期逻辑被破坏？

Q：怎么用机器学习挖掘因子？能不能训练现在的AI来挖掘因子呢？

Q：老师我还有一个简单的问题 

target_hold_instruments = set(buy_list)
        
    # 获取当前已持有股票
    current_hold_instruments = set(context.get_account_positions().keys())

    # 卖出不在目标持有列表中的股票
    for instrument in current_hold_instruments - target_hold_instruments:
        context.order_target_percent(instrument, 0)
            
    # 买入目标持有列表中的股票
    for instrument in target_hold_instruments - current_hold_instruments:
        context.order_target_percent(instrument, 1/len_)

就是在这段买入卖出的代码中  怎么写 止盈止损条件的？
比如 我要加入某支票 跌了 5% 或者 涨了10%就卖出的  最好能在日内实时交易中实现(因为我用万和这个软件没有设置止盈止损  他跟APP不是一个通道  APP上也操作不了)
要是策略能够实现不定时卖出就好了

Q：老师  看了滚动训练和前天万老师的保存模型的回放，我这两天用滚动训练做了一个策略  能不能请老师帮我看看  主要问题（基于我现在的理解，确实不清楚为啥效果很差） 

我的策略  核心思想是：
1，选择20-30只分布在各行业的主动型ETF 组成 候选池
2，获得所有ETF的持仓信息，再得到所有成份股的池子
3，选择了成份股的14个因子(主要是量价相关或高频数据低频化因子)，都添加ETF本身的5个基本因子，共19个因子
4，LSTM学习时序特征 输出16个时序特征因子(保存最优LSTM模型)
5，组成35维因子，进行xgboost训练(保存xgb模型)。
6，lstm+xgboost 预测所有成分股最终score。
7，按照ETF成份，持仓作为权重，求ETF加权平均分作为最终ETF的score。
8，选择score最高的5只票买入，5天调仓。

代码层面已经调试跑通，现在的效果：
（1）基本都是使用python做的分析，比较慢
（2）不同时间段做过一些测试，效果基本都是跟随着指数的，没有什么超额收益（由于跑的慢，所以没能够回测很多）
（3）如果设定：最终xgboost的预测评分强制设定>0.52才买入，效果也许大概确实变好了(一个月一个月的测试)，不过没有做长时间跨度训练，空仓或不满仓时间有90%+。

问题：
（1）策略有没有什么原则性错误？比如ETF适不适合这种方式？或者这种ETF一般是否有更适合的策略？
（2）实现逻辑上有没有原则性错误？比如添加ETF因子到持仓股票进行训练的方式
比如训练数据量150天，是否够用？26只ETF有400只持仓股，股票数量是否足够？
LSTM的loss变化很大是否合理？
（3）如果策略可行，主要的优化方向

训练时间很长，调超参会很久很久，所以想让老师结合经验，给我改进建议，方向性 或者参数建议 都可以