PLUS会员

Stockranker评分的另类用法

由xuxiaoyin创建,最终由xuxiaoyin 被浏览 122 用户

策略逻辑

Stockranker是专为选股量化而设计的机器学习算法,其选股思路是根据训练得到的模型,计算股票池中股票的当日评分,根据评分对股票池中的股票进行排序,排序靠前的股票就是当日选出的股票。

这种选股逻辑意味着不论股票的评分是多少,只要排序靠前就能被选中。实际上排序靠前股票的评分有不小差距。而评分反应的是股票的投资价值,评分高表明该股票的投资价值高,评分低表明该股票的投资价值低。因此排序算法仅能反应当天的相对投资价值,也就是矬子里面拔将军,不能反映股票的绝对投资价值。

而评分则不一样,他反应的是股票的绝对投资价值,也就是把股票的投资价值量化了。 本策略的逻辑就是根据评分来选股。设定一个评分的阈值,只要评分大于阈值的股票,就被选中。持仓股票的卖出也可以根据评分来操作。当持仓中股票的评分变小时,说明该股票的投资价值变小了。那么设定一个卖出股票的评分阈值,当股票的评分小于该阈值时,就卖出股票。

策略例子

排序策略

该策略采用排序算法,每天选出排序靠前的5支股票,卖出持仓中排序靠后的5支股票。

根据评分的策略

该策略采用评分的策略选股,当股票的评分大于0.9时买入,当持仓中的股票小于0.7时卖出。

调整评分阈值后的策略

将卖出评分的阈值调整为0.6。

后记

过拟合问题:该策略对评分的阈值比较敏感。应对的方法是将回测的时间拉长,如果回测时间变长策略依然有效,则过拟合的可能性变小。该方法也适用其他以评分为输出结果的算法

视频讲解

https://www.bilibili.com/video/BV1KA4y1Z7nY?t=83.6

策略源码

排序策略

https://bigquant.com/codesharev2/96100679-3b2a-4512-bcd7-f6d3cb77404c

根据评分的策略

https://bigquant.com/codesharev2/fb593b0d-6137-488e-9193-b79d90b7df28

调整评分阈值后的策略

https://bigquant.com/codesharev2/dec75b67-80a6-46ea-80c3-c5103dcfc629

\

标签

选股策略机器学习
{link}