教你利用机器学习从0到1打造量化选股策略

这是一篇对前面部分内容的一个总结,利用机器学习从0到1开发量化选股策略。本篇文章没有代码,只是从文字角度叙述策略开发的流程。

目前有很多量化回测的平台可以供大家开发策略,但使用这些回测平台有个弊端。其弊端在于若需要构造一些复杂的策略,那些平台就无法满足我们的要求,因为1)当我们训练的策略模型比较复杂时,比如训练深度学习模型,可能需要好一点的机器,而这些机器平台可能无法提供或代价昂贵;2)平台很多东西都是封装好的,你无法添加自己想要的操作。

因此本篇文章将从0到1利用机器学习构造自己的中期股票选取的量化策略。利用机器学习构建策略的流程图如下:
在这里插入图片描述
Step 1:获取数据存入本地。
Step 2:对原始数据进行预处理及标签制作。
Step 3:特征工程:提取特征。
Step 4:选择机器学习模型并进行模型训练。
Step 5:利用训练好的模型进行回测。
Step 6:模型超参调整,重复step 4、step 5、及step 6。选择较优的超参组合。

对于模型的超参调整后文不作介绍,基本方法就是单独调整某一超参观察效果的改变情况再决定超参的设置。

1 数据获取

数据获取是进行一个机器学习项目研究中的第一个步骤。tushare提供了一个很好的数据获取接口。如下图我们可以通过tushare获取一些股票数据。

  • 6
    点赞
  • 98
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于python机器学习量化选股,可以参考以下步骤和案例内容: 1. 多因子的市值因子选股介绍:该部分介绍了多因子选股的概念和市值因子的重要性,可以在文章目录的p16处找到相关内容。 2. 多因子的市值因子选股演示:这部分通过案例演示了如何使用市值因子进行选股。可以在文章目录的p17处找到相关内容。 3. 多因子策略流程、因子数据组成、去极值介绍:该部分介绍了多因子策略的流程、因子数据的组成以及去极值的方法。可以在文章目录的p18处找到相关内容。 4. 案例:中位数去极值和3背中位数去极值:这个案例展示了使用中位数去极值和3背中位数去极值的方法。可以在文章目录的p19处找到相关内容。 5. 案例:3sigma法去极值:该案例介绍了使用3sigma法进行去极值的方法。可以在文章目录的p20处找到相关内容。 此外,还可以参考以下内容: 6. 因子数据的标准化处理:该部分介绍了因子数据的标准化处理方法。可以在文章目录的p21处找到相关内容。 7. 市值中心化处理介绍:这部分介绍了市值中心化处理的方法。可以在文章目录的p22处找到相关内容。 8. 案例:市值中性化实现以及回测选股结果:该案例展示了如何实现市值中性化以及回测选股结果的分析。可以在文章目录的p23处找到相关内容。 9. 市值中心化结果总结分析:这部分对市值中心化的结果进行了总结和分析。可以在文章目录的p24处找到相关内容。 综上所述,可以根据以上提到的步骤和案例内容来进行python机器学习量化选股的操作和研究。<span class="em">1</span><span class="em">2</span> #### 引用[.reference_title] - *1* [【量化】4天学会python机器学习量化交易-笔记2(p16~p20)](https://download.csdn.net/download/weixin_38706294/13753550)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [【量化】4天学会python机器学习量化交易-笔记4(p21~p25)](https://download.csdn.net/download/weixin_38660359/13753480)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值