多因子 StockRanker 选股策略（LambdaMART 排序学习）

代码思路介绍 本策略基于 BigQuant 平台的 StockRanker 模块，采用 LambdaMART 排序学习算法，在全市场 A 股中筛选相对强势标的，每5个交易日调仓一次，持仓20只等权分配。 因子体系 策略从估值、质量、规模、动量、波动、成长六个维度构建11个因子。估值维度使用 pe_ttm、pb、dividend_yield_ratio；质量维度使用 pcf_op_ttm、roe_avg_ttm；规模因子对流通市值做 log 变换消除量纲影响；动量维度覆盖5日和20日两个周期；波动和流动性分别用 volatility_5 和 turn 表示；成长因子使用 roe_avg_ttm_yoy 捕捉盈利改善趋势。 数据预处理 特征提取后对每个截面日期独立进行 MAD 去极值和 Z-score 标准化，消除极端值干扰并统一量纲。截面操作只用当天数据，不引入未来信息。 模型训练 训练集覆盖 2020-2024 年全市场数据，以 T+1 开盘买入、T+2 开盘卖出的2日收益做截面分箱（20档）作为排序标签。StockRanker 使用100棵树、学习率0.05、特征和样本各随机抽取80%，优化截面 NDCG 排序质量。 防未来信息泄露 训练集严格截止于2024年底，测试集从2025年1月起步，时间上完全隔离。训练标签中用到的 m_lead（未来价格）仅在训练阶段使用，预测流程中不涉及任何未来数据。 回测设置 测试区间为2025年1月至6月，基准为沪深300指数，买入手续费0.03%，卖出0.13%，单笔成交量不超过当日市场成交量的10%，贴近实盘约束。

… 展开