xgboost

XGBoost(Extreme Gradient Boosting)是一种在金融领域广泛应用的机器学习算法。它通过梯度提升技术构建高效、准确的预测模型,特别适用于处理大规模数据集和复杂非线性关系。在金融风控、信贷审批、股票市场预测等场景中,XGBoost能有效挖掘数据特征,帮助金融机构优化决策,提高风险控制能力,从而实现更加精准和智能的金融服务。

xgboost的超参搜索如何设置

问题

请问使用xgboost时,需要对哪些参数进行超参搜索?参数取值范围如何设置?

视频

https://www.bilibili.com/video/BV1134y187gP/

策略相关

超参搜索参数设置

\

更新时间:2024-06-07 10:55

xgboost自定义目标和评估函数

https://bigquant.com/experimentshare/85eb463354e54a9695eddc0c570040e6

\

更新时间:2024-06-07 10:55

如何用catboost替换stockranker算法

问题

请教catboost的详细使用方法,对于原先使用xgboost或者stockranker的策略,如何用catboost替换掉xgboost或者stockranker?

视频

https://www.bilibili.com/video/BV1US4y1n79r/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/c2422c6678a8

更新时间:2024-06-07 10:55

如何实现XGBOOST的pairwise目标函数及metric

问题

如何实现XGBOOST的pairwise目标函数及metric

视频演示

https://www.bilibili.com/video/BV1TY4y1q7C8/

策略源码

S:xgboost自定义目标和评估函数

[https://bigquant.com/experimentshare/85eb463354e54a9695eddc0c570040e6](https://bi

更新时间:2024-06-07 10:55

XGboost回归模型核心原理介绍

XGBoost(eXtreme Gradient Boosting)是一个高效的机器学习库,也是一种基于梯度提升决策树(Gradient Boosting Decision Tree)的集成学习算法,专为提升树算法的性能和速度而设计。它实现了梯度提升框架,并支持回归、分类及排序的问题。XGBoost通过优化计算资源使用和提供高度可配置的参数,成为数据科学竞赛和实际应用中的热门选择。

核心概念

XG

更新时间:2024-05-20 03:07

基于XGBoost模型的智能选股策略

旧版声明

本文为旧版实现,供学习参考。

模版策略

导语

上篇报告介绍了集成学习里Bagging方法的代表算法随机森林,本文将着眼于另一种集成学习方法:Boosting,并深入介绍Boosting里的“王牌” XGBoost 模型。最后,以一个实例介绍XGBoost模型在智能选股方面的应用。


Boosting V.S. Bagging

作为集成学习的两大分支,Boosting和Bagging都秉持着“三个臭皮匠顶个诸葛亮”的想法,致力于将

更新时间:2024-05-20 02:09

XGBoost的价值选股策略

文献回顾

回顾价值策略

价值策略通俗地讲就是买入便宜股票,卖出昂贵股票,思想非常简单和直观。但是实际操作上这非常困难,因为我们没办法直接观察股票的真实价值。投资者可以从不同的视角采用不同的指标来估计股票内在价值。在股票市场中,最传统的方法就是通过会计报表的各个条目得到企业估值,我们可以从资产负债表得到市净率,从利润表得到资产收益率,从现金流量表得到现金流比率。Ma和Smith(2014)在《Sorting through the trash》中提到通过市净率、预测下期资产收益率和股价/现金流这三个指标合成一个综合的“价值”因子,可以显著提升策略表现(MA采取了三个因子Z得

更新时间:2024-05-20 02:09

华泰研报:XGboost实现有序回归

策略源码:

{{membership}}

已经更新到了AIStudio3.0.0版本, 请转移至

https://bigquant.com/wiki/doc/xgboost-I1ZKSVykGR

https://bigquant.com/codeshare/a290e569-7680-45d7-86be-f6c81c18a1e6

\

更新时间:2024-05-16 09:16

【历史文档】高阶技巧-XGBoost模型增量训练

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平台

更新时间:2024-05-16 05:58

【历史文档】高阶技巧-如何固化xgboost模型并调用|模型固化

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 03:31

【历史文档】策略示例-使用BigQuant平台复现XGBoost算法

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 01:59

XGBoost增量更新

什么是增量训练

增量更新的应用场景

\

更新时间:2024-05-15 02:10

XGBoost增量更新

更新时间:2024-05-15 02:10

文章回测报错:华泰研报:在XGboost中实现关于有序回归作为损失函数和评价函数

https://bigquant.com/college/courses/course-v1:public+2023110601+110601/courseware/7708009442174480802b3dd339f4ede0/45dafc16ea744216af376a7dc2961fa5/

老师您好,

我学习上面的视频文章,想试运行代码,但运行不下去,没办法回测,是我哪里没有配置对吗?谢谢老师!

  • \

    
    
    # 我们取前0.6的数据量作为训练集
    date = data['date'].unique

更新时间:2023-12-08 08:18

DeepAlpha短周期因子系列研究之:XGBoost 在量化选股中的应用

一、引言

DeepAlpha系列报告旨在从基础量价数据中,借鉴深度学习模型,应用于量化投资领域。学习模型包括:全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet,同时报告将引入自然语义识别NLP领域近年热门算法如BERT、Transformer、GPT、XLNet等,尝试构建各类DeepAlpha模型。

本篇文章通过借鉴传统机器学习算法——XGBoost——对相同的量价因子进行实验,方便与深度学习模型进行对比实践。

二、算法介绍

XGBoost 是在 Gradient Boosting(梯度提升)框架

更新时间:2023-12-07 06:50

如何基于平台的xgboost,自定义目标函数呢?

自己通过import xgboost可以实现自定义目标函数,但是和平台的xgboost模块相比,自己的import xgboost比平台的xgboost模块慢了很多,时间花费几乎是30倍差距。

那么,如何基于平台的xgboost,实现自定义目标函数的定义呢?


\

更新时间:2023-10-09 07:41

在aistudio种,改变平台提供的xgboost参数,回测结果一点都不变,为何?


在aistudio种,用平台的提供xgboost方法回测,参数改了无数次,回测结果的走势图一模一样,没有变化,xgboost的缓存参数也是关闭的,m_cached=False。


平台提供的xgboost算法参数设置{w:100}


![虽然改变了不同的xgboost参数,但是回测结果一直是如图所示,一个小数点都不变{w:100}](/wiki/api/attachments.redirect?id=1295616f-94b0-4

更新时间:2023-10-09 07:32

XGBoost分类模型如何评价

缺少pred_lable,怎么样能把这个加上??

https://bigquant.com/experimentshare/33b77199cc314cdba3fde44c917e60b3

\

更新时间:2023-10-09 07:03

请问stockranker相比于普通的gbdt框架回归优势在哪里

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}

![{w:100}](/wiki/api/attachments.redirect?id=1c39b870-470a-4001-90b7-

更新时间:2023-10-09 06:39

根据如何实现XGBOOST的pairwise目标函数及metricd策略原码报错如何解决

根据如何实现XGBOOST的pairwise目标函数及metricd策略原码,https://bigquant.com/wiki/doc/mubiao-hanshu-metric-ANiNxUfmFa

,报错如何解决:


BQInputRejected Traceback (most recent call last) BQInputRejected: 编译错误,34: 抱歉,平台暂时不支持此模块:typing.Tuple

[https://bigquant.com/experimentshare/04cf24c01e17

更新时间:2023-10-09 06:21

因子中含有特殊字符?

stock_ranker 模型会报错, xgboost不会

更新时间:2023-10-09 02:26

xgboost策略,内核一直莫名的自动重启

问题

运行资源充足,但总是自动重启,100%复现


https://bigquant.com/experimentshare/721a8a757c1941e3b06b628c35279ce3

解答

可能是训练集数据存在异常值导致的,对数据进行预处理,可以参考以下策略

\

策略

[https://bigquant.com/experimentshare/596e737dfe9b423095685612871eed

更新时间:2023-06-01 02:13

xgboost的模型如何保存和读取?

问题

问题描述

xgboost的模型如何保存和读取?

问题代码

m5 = M.xgboost.v1(
training_ds=mSR3data,
features=mSR5.data,
predict_ds=mSR4data,
num_boost_round=NUMROUND,
objective='排序(pairwise)',#其他如map,ndcg
booster='gbtree',
max_depth=MAXDEPTH,
key_cols='date,instrument',
group_col='date',
other_train_paramet

更新时间:2023-06-01 02:13

XGBOOST策略,买入股票问题

所有条件不变的情况下,回测买入股票有问题,回测到1月20日,输出日志内1月21日买入的股票跟回测到21日,回测中实际买入的股票不符,什么原因?

更新时间:2023-06-01 02:13

xgboost和随机森林为什么没有loss和mse

问题

也没有模型训练过程,直接就1分钟不到就直接输出 预测结果了


\

解答

①数据量太少

②xgboost建议使用这个模块: {w:100}

随机森林建议使用这个模块:

{w:100}

更新时间:2022-12-20 14:20

分页第1页第2页
{link}