策略分享—基于StockRanker模型和排序学习的选股策略

0. 策略名词解释

（1）StockRanker模型 (LightGBM Ranker模型)

StockRanker 在bigquant平台支持排序、回归、二分类、log loss四种算法。而在排序算法中: 使用 LightGBM 提供的排序模型（LightGBM Ranker）来实现排序任务。

github链接: https://github.com/microsoft/LightGBM

  • 该模型通过将排序问题转化为多个 样本对之间的比较任务进行训练


window.env = {"analytics":[],"ENVIRONMENT":"production","URL":"https://bigquant.com/wiki2","CDN_URL":"https://bigquant.com/wiki2","COLLABORATION_URL":"wss://bigquant.com/wiki2","DEFAULT_LANGUAGE":"zh_CN","EMAIL_ENABLED":false,"AWS_S3_ACCELERATE_URL":"https://bigquant-app-data.tos-s3-cn-shanghai.volces.com","AWS_S3_UPLOAD_BUCKET_URL":"https://tos-s3-cn-shanghai.volces.com","FILE_STORAGE_IMPORT_MAX_SIZE":1000000,"APP_NAME":"AI量化知识库 - BigQuant量化交易","PDF_EXPORT_ENABLED":true,"PRIVATE_COLLECTION_IDS":"cf40c582-74e7-43a4-814f-e4d5653921c8"};
in math mode at position 1: $̲ 每一对样本 (i, j) 中…" style="color:#cc0000">$ 每一对样本 (i, j) 中，如果 yi​>yj​，模型应学习让 \hat{y}_i > \hat{y}_j $

这种方法不关注预测值的准确性，而关注“ 谁排在谁前面 ”

参数名

含义与解释

number_of_leaves

每棵树的最大叶子数，控制模型复杂度，越大越容易过拟合。

min_docs_per_leaf

每个叶子节点的最小样本数，防止模型过拟合。

number_of_trees

总共训练的树的数量，树越多模型越复杂。

learning_rate

控制每棵树对模型的贡献，影响收敛速度与稳定性。

max_bins

特征最大分箱数，影响特征离散化的精度与训练效率。

feature_fraction

每次训练迭代中使用的特征比例，用于防止过拟合。

data_row_fraction / bagging fraction

每次训练迭代中使用的数据样本比例，用于增强模型泛化能力。


（2）排序学习（Learning to Rank）

排序学习是一类机器学习任务，目标是让模型对一组对象（如网页、股票、商品）按相关性或价值进行排序。

给定一组查询 q，及其对应的候选项集合{x1​,x2​,...,xn​}，每个项 xi​ 有一个对应的特征向量xi​，以及（可能）一个相关性标签yi​。排序学习的目标是学习一个函数 f(x)，使得经过模型评分后的对象排序尽可能接近真实的相关性排序。

排序策略

优化单位

特点

LightGBM 支持

Pointwise

单个样本

将排序问题转为回归或分类，忽略样本之间的相对顺序

否（不适合排序）

Pairwise

样本对 (i,j)(i, j)

优化样本对间的相对顺序，使用如 RankNet 的 log-loss

（rank:pairwise 在 XGBoost 中）

LambdaRank（改进的 Pairwise）

样本对 + 排名影响

在 Pairwise 基础上引入 ΔNDCG 权重，直接优化排序指标（如 NDCG）

（LambdaRank），StockRanker模型使用的是这一种排序算法

Listwise

整个候选列表

直接优化整个列表的排序质量，如 SoftRank、ListNet、ListMLE、xendcg

（如 rank_xendcg）


1  StockRanker模型实现

1.1   数据准备（Data Preparation）

1.1.1 时间范围（选定标的行业）

https://www.gov.cn/zhengce/zhengceku/202312/content_6923270.htm?utm_source=chatgpt.com

1.1.2 因子分析（行业定制化因子模型搭建，具体见“基于成长因子的电子行业多因子选股策略‘）



1.2   预测函数（Prediction Function）

在 LightGBM 中，无论是分类、回归还是排序，预测函数本质上是 一组加法模型，即：


在排序中，这个打分值并没有“具体数值意义”，但越大的值会在排序中被排得越靠前。


1.3 损失函数（Loss function）

排序学习的损失函数不是关于单个样本的，而是关于 样本对（pairwise） 或 整个列表（listwise） 的:

LambdaRank（Pairwise）的理论损失函数：

实际的优化内容：梯度（lambda）

实际训练时的 λ，就是这个理论损失函数对预测分数的偏导数（梯度）-----在 LightGBM 的排序学习（尤其是 LambdaRank）中，lambda 指的是目标函数对叶子输出（leaf output）的一阶偏导数的负数，也就是：




1.4 正则化 （Regularization）

与回归/分类一样，LightGBM 的排序模型也加入了 树模型复杂度的正则化，防止过拟合。

  • 叶子输出 L2 正则化：控制每个叶子的预测值 wj 不要过大（类似岭回归）





1.5 目标函数（Objective function）

Total loss（目标函数）= Loss Function（损失函数） + Rugularization(正则项)

注意：这里的lambda不是loss function的一阶偏导数的lambda, 只是正则项的正则化系数

LightGBM 要优化的最终目标函数为：




1.6 优化过程（Boosting Optimization）

LightGBM 采用的优化方式是：

梯度提升决策树（GBDT）框架，对目标函数做 二阶泰勒展开，逐轮拟合负梯度（伪残差）

步骤如下：

(1)   初始化模型：


(2)   每一轮迭代：

l  对于每个样本，计算一阶导数（负梯度）和二阶导数：


LambdaRank 会根据样本对构造这些梯度（包含ΔNDCG）

l  拟合一棵决策树 Tm​(x)，将样本分配到叶子节点

l  计算每个叶子的输出值（通过极小化加权平方误差 + 正则项）

l  更新模型：


(3)  继续迭代直至停止条件满足（如迭代次数、早停）



1.7 训练过程（Training Process）



1.8 模型检验（Evaluation）

LightGBM 排序模型常用的评估指标不是 MSE，而是 排序质量指标，例如:

  • 计算公式：





  • 图直观展示：

    NDCGk=1表示排序完美

    NDCGk​ 越接近 1，排序效果越好



2 历史数据回测



3 交易成本和滑点



4  总结

优势：StockRanker模型排序算法

可优化方向：多策略组合，参数优化等