使用M.tune写一个AI量化策略滚动训练
由qxiao创建，最终由qxiao 被浏览 10 用户
本文档介绍在150-AI选股策略新的策略模版下如何进行滚动训练。
\
使用方法
创建调优对象
- 新建一个可视化的机器学习策略，将可视化画布转化为代码形式:
- 添加
%%tune search字段到顶端，创建调优对象命名为search，包含策略中的各模块。
- 转回画布模型, 并运行:
执行超参搜索
-
M.tune.run运行调优对象，并传递4组不同参数search为对象名，{ }中为传入的参数，outputs指定要收集回来的变量，返回m14的值- 传入
m1和m15中不同的开始日期和结束日期，分别表示训练数据集和预测数据集的不同时间跨度，以实现滚动训练
-
将滚动训练的结果储存在
results中：
\
提取策略结果
pv = [result[i]['m14'].raw_perf.read().tail(1)['algorithm_period_return'].values[0] for i in range(4)]：提取滚动训练每组参数配置对应的最终策略收益，存储在pv中df = pd.DataFrame({'para':range(4), '策略收益':pv})：创建一个新的DataFrame，包含不同的滚动训练编号和对应的策略收益两列bar = bigcharts.Bar(df.set_index('para'), title="para")：绘制柱状图，直观展示滚动训练下的策略收益对比bar.render()：显示图表
\
示例代码
https://bigquant.com/codesharev3/f0da12d3-aae3-4a55-8d3d-76102793ecbe