该博客介绍了如何利用机器学习和Python搭建短期量化选股策略。内容包括数据获取（如股票基本信息、市场数据和资金流向）、特征工程（如星期、涨跌停统计和成交量处理）、标签制作（设定未来3天涨幅阈值）、模型训练（使用LightGBM并分析特征重要性）以及回测（买入策略、收益与上证指数比较）。作者强调了训练集选择、特征选取和市场不确定性对策略的影响，并提出未来研究方向，如中期策略和股价预测。
所用到的数据：
1、上市公司信息数据
可用tushare的 stock_basic接口获取
2、股票每日信息（开、收、最高、最低价，换手率，成交量等）
可用tushare的pro_bar接口获取
3、大盘指数每日信息
可用tushare的 index_daily 接口获取
4、每日涨跌停统计
可用tushare的 limit_list接口获取
5、个股每日资金流向（超大、大、中、小单流入流出）
可用tushare的moneyflow接口获取
完整数据获取代码可以见github，github链接在末尾。
策略搭建代码
一些包导入及定义
上市公司信息获取：
读取大盘信息：
将大盘的日期提取出来生成一个dict，这么做的目的是为了给交易日编一个码，后期方便处理，因为有些股票会有停牌日导致信息丢失。
读取上市公司每日的涨跌的基本信息：
最低0.47元/天 解锁文章
扫一扫
1285
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
