量化交易学习日记12-阶段性总结规划

个股启动之后的短线上涨模式判别模型的阶段性总结规划

说明

首先对于模式判别的方法是基于成交额的，
因为我觉得其他数据可能会造假，但是成交额不会，买入和卖出的都是真金白银，
涉及到融资融券，情况可能会复杂一点。
短线上涨模式判别，即识别主力，我本能想到大单数据。ddx，ddz之类的指标。
但是传统的大单净额指标我觉得是有问题，举一个实验例子，
以庄股张江高科为例，底部建仓阶段大单净额都是为负数。
我深入的思考了，大单净额为负不一定都是主力参与的，
市场自然抛压（大户卖出，基金赎回等）建仓的过程中
张江高科这个周期性庄家一定会进去拿筹码，
所以总的大单净额为负数并不能反应什么。
因为庄家下单手数偏好的问题，并不能用笼统的大单净额来跟踪庄家，
所以我又写了一个异常区间净额因子来发现庄家的踪迹，
一定程度上可以区分散户、其他主力单和庄家单，
对上涨的识别准确率会有很多贡献。

模式判别的步骤

Phase 1 模型部分

规划里此阶段有两类模型，

一个是区间净额模型，
我把传统的大单净额ddz指标给拆碎了，分成了许许多多的区间净额，并附上市值类型来喂给模型训练，目标特征量是未来五天之内涨幅超过百分之五，且十天之内有过最大涨幅超过百分之五的一天，就打标1，其余打标0。


第二个是风控模型，
我把一些看似上涨实则高位大幅出货的样本喂给模型训练。


集成模型预测

随机抽五百只股票的数据来训练一个区间净额模型，总共集成十个模型，如果预测结果判定为上涨的超过七个，交给风控模型，如果风控通过，再进行第二个阶段，强规则纠错。

Phase 2 强规则干预

跌停不买入

临近报告期不买入


涨停不排单
等一些自定义规则

一些进展

跑了几个针对个股的净额区间小模型，效果还不错，有让我眼前一亮的预测结果，但是换一个市值差不多的个股交给模型预测，准确度很低，所以想搞一个多股票的大模型，来看看会不会有提升，目前净额区间大模型的训练数据还在批处理中。

一些待解决的问题

• 关于拆单检测算法，我的理解里，只有稍微大一点的资金才会去拆单，我想我的模式判别可以加上拆单检测。
  但是因为我没有接触过时序数据的处理分析的经验，只是凭借实盘的经历，知道有一种很常见的拆单：几乎同时下多个单子，他们可能总的加起来的手数是个较大的整数。但是我不知道如何去从数据处理的角度下手,不知道怎么实时的聚合这些买卖序号然后做拆单分析的。

• 目前我的净额模型，我只是简单的把许许多多的净额区间喂给他，让他发现可能得异常已经做出预测，特征量的选取上很粗糙，对于特征量的选取上
  应该做一些额外的学习，可以考虑RMF的原则来生成。

目前的大模型数据还在批处理中，吐槽一下机械硬盘的数据处理速度实在是太慢了。