Skip to content

基于机器学习方法构建多因子选股模型:RandomForest, GBDT, Adaboots, xgboost,MLP, Linear Model, LSTM

Notifications You must be signed in to change notification settings

JoshuaQYH/TIDIBEI

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

73 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Tidy-QuantTrading

泰迪杯数据挖掘比赛协作仓库。——基于机器学习方法构建多因子选股模型。

Group Members:XiaoRu Chen,Xiaoling Ling,Yihao Qiu

成果

最优的随机森林模型:累计收益60%左右,经择时策略风险控制后,最大回撤率控制在9%左右,夏普率为0.9左右。

单因子测试

确定一个单因子测试文件,定义待测因子列表,执行多次单因子runtest。

  • 保留回测报告,获取字段,保存在CSV文件。
  • 结果可视化。
  • 筛选得到最优因子。
  • 因子做共线性分析,获取最终因子。

官方提示: 单因子问题,可以手动实现一下,或者可以弱化一下,通过间接的方法去实现这个问题,并不一定要实现一个完整的回测框架才能解决单因子分析的问题

选用机器学习模型回测

  • 特征和标签构建。
  • 等权重线性模型。
  • 建立baseline models,尝试使用多种模型。SVR,RNN(LSTM),xgboost, random_forest,adaboost...
  • 交易逻辑确定。
  • 回测结果记录,分析。

关于模型的一些设想

风险控制

  • 风险模型:barra模型
  • 择时模型:三均线择时策略。

文件说明

  • data_exploration.ipynb: atrader API调用测试文件。
  • get_factor_report.py: 当单因子回测结束之后,执行文件,得到策略字段。
  • single_factor_test.py: 单因子测试文件。
  • find_factor.py: 自实现的因子绩效分析文件(已弃用)
  • run_test.bat: 脚本自动化运行python程序,实现多次执行策略。
  • 'factor_analysis': 类内因子共线性分析文件,绘制相关系数矩阵。
  • 以模型名标识模型回测文件。

LINK

About

基于机器学习方法构建多因子选股模型:RandomForest, GBDT, Adaboots, xgboost,MLP, Linear Model, LSTM

Resources

Stars

Watchers

Forks

Packages

No packages published