xgboost
XGBoost（Extreme Gradient Boosting）是一种在金融领域广泛应用的机器学习算法。它通过梯度提升技术构建高效、准确的预测模型，特别适用于处理大规模数据集和复杂非线性关系。在金融风控、信贷审批、股票市场预测等场景中，XGBoost能有效挖掘数据特征，帮助金融机构优化决策，提高风险控制能力，从而实现更加精准和智能的金融服务。
xgboost报错：ValueError: Feature importance is not defined for Booster type gblinear
问题
麻烦大佬看看下面报错该如何解决：
解答
需要看一下传到m12的数据是怎样的才能判断具体的错误，方便的话把代码分享给小Q。
更新时间：2022-12-20 14:20
xgboost回测出错
问题
KeyError Traceback (most recent call last)
in
209 )
210
–> 211 m19 = M.trade.v4(
212 instruments=m9.data,
213 options_data=m21.predictions,
in m19_handle_data_bigquant_run(context, data)
25 context.ranker_prediction.date == data.current_dt.strftime(’%Y-%m-%d’)]
26 print (ranker_pre更新时间：2022-11-09 01:23
人工智能月报（2020年6月）：xgboost中证500指数增强模型月超额收益4.4%，今年累计超额收益14%-中信建投-20200707
xgboost模型模仿人类思考进行“补充式”学习模式
xgboost模型是一种强学习模型，其是由众多弱学习模型集成，其采用弱学习模型为CART，即分类与回归树。该模型重在拟合特征和标签间的非线性关系。组成该模型的众多弱学习器之间的关系是补充弥补的关系，弱学习器的训练有先后，每个新的弱学习器的学习目标都是之前已训练好的弱学习器的残差。人类从假设检验、错误中分析学习的过程与此模型反应总结的方式相似。
xgboost模型构建单因子能够提供增量非线性信息
单因子的构建方式如下：将截面股票按照下月收益率排序分为2类，用xgboost分类模型进行拟合，模型预测的类别及预测概率经过映射
更新时间：2022-09-21 07:50
Xgboost 打败深度学习 ？
引 言
为什么基于树的机器学习方法，如 XGBoost 和随机森林在表格数据上优于深度学习？本文给出了这种现象背后的原因，他们选取了 45 个开放数据集，并定义了一个新基准，对基于树的模型和深度模型进行比较，总结出三点原因来解释这种现象。
引自：机器之心
正 文
深度学习在图像、语言甚至音频等领域取得了巨大的进步。然而，在处理表格数据上，深度学习却表现一般。由于表格数据具有特征不均匀、样本量小、极值较大等特点，因此很难找到相应的不变量。
基于树的模型不可微，不能与深度学习模块联合训练，因此创建特定于表格的深度学习架构是一个非常活跃的研究领域。许多研究都声
更新时间：2022-08-02 03:24
人工智能选股周报：最近一个月XGBoost稳定战胜指数 华泰证券_20180805_
摘要
本周全A选股（沪深300行业市值中性）朴素贝叶斯表现最好本周沪深300涨跌幅为-5.85%。本周3个模型跑赢基准，超额收益最高的模型是朴素贝叶斯，该模型本周获得绝对收益-5.40%，超额收益0.45%。 最近一月超额收益最高的模型是随机森林，该模型最近一月获得绝对收益，超额收益1.13%。2018年以来超额收益最高的模型是随机森林，该模型2018年以来获得绝对收益-14.16%，超额收益4.73%。2018年以来RankIC均值最高的模型是Stacking，该模型RankIC均值为0.119。 本周全A选股（中证500行业市值中性）XGBoost表现最好本周中证500涨跌幅为-6
更新时间：2022-07-29 07:12
xgboost自定义目标和评估函数
更新时间：2022-04-21 06:21
xgboost自定义目标和评估函数
更新时间：2022-03-31 18:20
XGBOOST策略，买入股票问题
所有条件不变的情况下，回测买入股票有问题，回测到1月20日，输出日志内1月21日买入的股票跟回测到21日，回测中实际买入的股票不符，什么原因？
更新时间：2022-01-22 04:31
人工智能研究之八：Xgboost算法在选股中的应用-中信建投-20200317
摘要
主要结论
决策树及Boosting思想是理解Xgboost算法不可或缺的部分Xgboost算法是Boosting（集成）算法的高效体现。集成学习方法是将多个学习模型组合，使得组成的模型具有更强的泛化能力。
另外，Xgboost的基模型一般选择均为CART分类回归树，其逻辑清晰且理论优美，适合用于金融领域。报告将首先介绍CART分类回归树与boosting思想，再衍生至高效实现其思想的Xgboost。
将全市场收益率按大小顺序等分为三类，本文利用Xgboost算法对股票收益率所属类别作出预测与传统多因子模型类似，算法试图拟合多个因子与股票收益率之间的规律关系，不同的是
更新时间：2021-11-20 09:38
XGBoost入门
导语
本文旨在普及机器学习的使用，对于文章涉及到的模型策略不具有实盘参考意义。
Boosted Trees
XGBoost 是 “Extreme Gradient Boosting”的简称，其中“Gradient Boosting”来源于附录1.Friedman的这篇论文。本文基于 gradient boosted tree ，中文可以叫梯度提升决策树，下面简称GBDT，同时也有简称GBRT，GBM。针对gradient boosted tree的细节也可以参考附录2.这篇网页。
监督学习
XGBoost 主要是用来解决有监督学习问题，此类问题利用包含多个特征的训练
更新时间：2021-10-21 08:34
基于XGBoost的价值选股策略代码
本代码完整版一共包括三部分：数据、算法、回测交易。 由于该策略与机构有一些合作，我们只放出了数据和算法。希望大家能够理解！
策略案例
https://bigquant.com/experimentshare/5a93201876eb401e998867e0b5106175
\
更新时间：2021-07-30 08:09