股票量化分析系统浅析之(四)框架之间的徘徊

有一阵子没写了,最近一段时间利用EasyDL做了一二十个不同的模型,在使用的过程中得经常在这些模型之间进行切换,为了测试不同日期的信号、测试不同范围的代码、测试不同组合的特征,以及配置不同文件的存储目录等各种工作,要修改的参数很多,精神不好的时候就容易出现遗漏或者错改的情况。为了尽量减少人工劳动,就很有必要统一管理这些参数。

对于一个陌生的业务,特征选择非常重要。2019年初到2020年初利用方差法和随机森林的方法配合使用进行特征选择,效果感觉还可以,可惜2020年没过几个月固态硬盘毁了,很可能已经没有备份了。虽然系统构建初期肯定找不到很多高效的特征,不过基于一些基本特征也可以进行迭代完善。

2021-1-10

反复观察发现,正例比例越高的结果就是正例信号的精准度越高,因此在有效特征较少的情况下建议先去找大概率事件,以此为基础进行迭代优化。

2021-1-13

写了一个类可以批量验证多日的信号以及显示出错误的信号。

2021-1-14

经过昨天写的这个利器,让我终于看清了利用EasyDL的表格预测模型虽然也能起到微弱的预测效果,但是由于其大量验证测试集不方便、黑箱以及目前无法显示置信度,与我之前构建的模型效果相比还是有很大差距。然后准备另起炉灶,是继续复现我以前用dl4j写的代码还是利用别的框架重写呢?不管用什么,还是更希望能利用云计算来提高我的算力以及

猜你喜欢

转载自blog.csdn.net/dragon_T1985/article/details/112062717