历史文档

【历史文档】高阶技巧-基于因子分组的快速回测

由qxiao创建,最终由small_q 被浏览 923 用户

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:

https://bigquant.com/data/home

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

新版表达式算子:

https://bigquant.com/wiki/doc/dai-sql-Rceb2JQBdS

新版因子平台:

https://bigquant.com/wiki/doc/bigalpha-EOVmVtJMS5

\

简介

当大家挖掘到好的因子后,不一定非要进行详细的回测买卖,我这里给出了一个快速回测的例子。

这里挖掘因子,用的是xgboost分类模型,不管使用什么机器学习模型,无论是xgboost,还是随机森林,还是GBDT,或者是官网提供的stockranker模型,我们本质得到是样本外的预测值,此时我们对该因子进行快速验证

https://bigquant.com/experimentshare/6a17156e5f024e2f910eac3778082d54

\

标签

机器学习模型

文档

通过自定义Python模块使用固化的深度学习模型去做预测
评论
  • 每个组合有什么因子怎么看呢?
  • --- TypeError Traceback (most recent call last) in 137 ) 138 \--> 139 m4 = M.factor_group__fast_backtest.v1( 140 input_1=m8.predictions, 141 input_2=m9.data, TypeError: rename() got an unexpected keyword argument 'columns'
  • ValueError Traceback (most recent call last) in 154 ) 155 --> 156 m11 = M.factor_group__fast_backtest.v1( 157 input_1=m8.predictions, 158 input_2=m9.data, ValueError: bins must increase monotonically.
  • 这个模块的代码是开源的吧,你可以生成出来自己看看源码
{link}