103-股票池 + AI策略
策略介绍
在 102 AI策略 基础上,我们限定股票池为上证50
策略流程
特征选择:输入对股票价格有显著影响的多维度因子,可以是包括基本面、技术指标、情绪指标等等
预测目标:预测未来 5 日收益率
数据抽取和处理:抽取和处理数据
模型训练:应用StockRanker算法,训练模型来预测股票未来上涨概率;StockRanker返回一个相对分数(score),分数越大,预测未来涨幅越大;注意此 score 绝对值没有意义
仓位分配:买入 score 靠前的股票,越靠前,仓位分配越多
回测与交易:设置调仓周期,根据仓位目标,发出交易信号
策略实现
A股-基础选股模块
m8添加 A股-基础选股 模块指数成分:只选择
上证50m8的输出连接到m1的第一个输入
数据抽取模块
m4我们把预测时间修改到最近
模型训练模块
应用StockRanker算法,训练模型来预测股票未来上涨概率,可以自主设定模型参数:
BigTrader模块
m7BigTrader模块,我们使用上证50指数作为基准指数基准指数:
上证50指数
查看
m1的输出print(m1.data.read()["sql"])
可以看到上证50 的过滤条件已经加入
策略代码
改进建议
尝试不同的股票池
指数成分
行业
..
使用不同的预测目标
m2预测收益的天数,默认的是5,可以修改为其他
m7这里修改后,交易模块的调仓周期,建议保持一致(也可以不一致)
尝试不同的持仓数量
m6更多想法值得尝试……