121-基于StockRanker的AI选股策略

由xyz142创建，最终由iquant更新于2024-05-23 07:29 被浏览 94 用户

策略介绍

本策略使用StockRanker算法，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略流程

1. 特征选择：输入对股票价格有显著影响的多维度因子，可以是包括基本面、技术指标、情绪指标等等
2. 预测目标：预测未来 5 日收益率
3. 数据抽取和处理：抽取和处理数据
4. 模型训练：应用StockRanker算法，训练模型来预测股票未来上涨概率。StockRanker返回一个相对分数(score)，分数越大，预测未来涨幅越大。注意此 score 绝对值没有意义。
5. 仓位分配：买入 score 靠前的股票，越靠前，仓位分配越多
6. 回测与交易：设置调仓周期，根据仓位目标，发出交易信号

策略实现

输入特征模块

• 在特征表达式中输入量价指标以及估值指标作为输入特征
• 按照上市天数和ST状态进行股票过滤

\

模型训练模块

• 将StockRanker预测分数数据直接传入到BigTrader

  \

BigTrader模块

• 我们在m8”BigTrader“模块中，实现交易逻辑.

• 初始化函数

• K线处理函数

# 1. 资金分配
# 平均持仓时间是hold_days, 每日都将买入股票, 每日预期使用 1/hold_days 的资金
# 实际操作中, 会存在一定的买入误差, 所以在前hold_days天, 等量使用资金；之后, 尽量使用剩余资金（这里设置最多用等量的1.5倍）
is_staging = (
    context.trading_day_index < context.options["hold_days"]
)  # 是否在建仓期间（前 hold_days 天）
cash_avg = context.portfolio.portfolio_value / context.options["hold_days"]
cash_for_buy = min(context.portfolio.cash, (1 if is_staging else 1.5) * cash_avg)
cash_for_sell = cash_avg - (context.portfolio.cash - cash_for_buy)
positions = {
    e: p.amount * p.last_sale_price for e, p in context.portfolio.positions.items()
}

# 2. 生成卖出订单：hold_days天之后才开始卖出；对持仓的股票, 按机器学习算法预测的排序末位淘汰
if not is_staging and cash_for_sell > 0:
    equities = {e: e for e, p in context.portfolio.positions.items()}
    instruments = list(
        reversed(
            list(
                ranker_prediction.instrument[
                    ranker_prediction.instrument.apply(lambda x: x in equities)
                ]
            )
        )
    )

    for instrument in instruments:
        context.order_target(instrument, 0)
        cash_for_sell -= positions[instrument]
        if cash_for_sell <= 0:
            break

# 3. 生成买入订单：按机器学习算法预测的排序, 买入前面的stock_count只股票
buy_cash_weights = context.stock_weights
buy_instruments = list(ranker_prediction.instrument[: len(buy_cash_weights)])
max_cash_per_instrument = (
    context.portfolio.portfolio_value * context.max_cash_per_instrument
)
for i, instrument in enumerate(buy_instruments):
    cash = cash_for_buy * buy_cash_weights[i]
    if cash > max_cash_per_instrument - positions.get(instrument, 0):
        # 确保股票持仓量不会超过每次股票最大的占用资金量
        cash = max_cash_per_instrument - positions.get(instrument, 0)
    if cash > 0:
        context.order_value(instrument, cash)

策略代码

https://bigquant.com/codesharev2/064d7056-2966-4504-a8be-ac49245646c1

\