基于 BigQuant 大数据平台的股票投资策略开发

发布时间：2024-05-16 21:18

　　文中基于BigQuant平台股票投顾系统,利用StockRanker算法和回测机制,对中国股市在整个样本期2010年1月1日至2019年2月5日具有正常交易的全部A股中剔除沪深300指数成份股后的1 848只股票特征数据进行分析,给出最有投资价值的股票排序,从而为具有不同风险偏好的投资者提供智能化、个性化的资产配置建议。文中基于标准指数基金中证500指数,通过策略判断,用业绩优异的非成份股代替业绩较差的成份股,开发出一款D产品,它具有超越标准指数基金更好、更稳定的投资收益。

【文章页数】：4 页

【部分图文】：

图1AI量化策略的开发流程

根据StockRanker选择的模型进行策略回测,获取策略表现,完成股票推荐。3股票投资组合策略开发实操

图2StockRanker处理流程图

在BigQuant平台数据处理框架中,StockRanker模型训练处理流程如图2所示。(1)获取目标数据。定义机器学习目标并标注数据。对股票来说,我们关注的是风险和收益。本文设置机器学习的目标标注函数为未来5天的收益风险比作为标注,分20档。在AI策略目标生成中,设定AI提供未....

图3模型复杂度与预测误差

(5)用验证集检验过拟合,剪除多余的树。一般来讲,叶子节点数越多,模型复杂度越高,Bias越小,Variance越大;模型复杂度越低,Bias越大,Variance越小。当模型复杂度较高时,虽然偏差很小,但是模型方差很大,因此,模型的泛化能力不高。因此Stockranker模....

图4回测作业处理流程

图4是回测作业处理流程。第一步回测开始,调用初始化函数(initialize),初始化账户状态和策略参数。

本文编号：3974923