原创文章第235篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。
昨天有朋友留言说，L2R效果不好，当然我不知道这位兄弟的场景。
pybroker vs qlib
pybroker的结构里，有一个特别的地方：
无论是规则型策略，还是机器学习，它默认是按symbol独立分开的。
每个函数的context是当前这个symbol的。
我的积木式是使用了它的add_before_exec来完成的，这个传入的所有的ctxs。所以，我没有调用它的add_exec_fn函数还使用onbar这个函数。
机器模型也是，它是针对每个symbol，训练一个模型，我在想，如果4000支股票，这就训练了4000个模型。——它的思路就是每个symbol都是各玩各人。但这里不是对的。比如我们想整合排序学习，就是把所有symbol统一训练，然后对它们进行综合排序。
pybroker本身号称要兼容机器学习与传统量化，确实也是这么做的，还实现了WFA模式。可是竟然变成一个symbol一个model的模式，看来作者确实不太理解AI机器学习如何落地量化金融。
而qlib相反，它的传统规则量化非常弱，基本不支持写规则，ai模型出来之后，就一个topK轮动，比如要加一些择时就非常难。二者比较互补。我的计划就是取长补短，取它们优点的地方。
DataSource vs DataSet
pybroker的DataSource非常轻，我自己实现了一个从本地加载csv的，后续可以轻松扩展从hdf5，或者mongo的。pybroker近期还实现了akshare的DataSource，非常实用。
qlib使用了自己的“数据格式”，基本就是冲着高频去的，说实话，比较“鸡肋”。日频的数据量相对下，用不着。若真是高频场景，可以使用专业的解决方案，比如flink或spark等。
由于pybroker是一个symbol一个model，它没有qlib的dataset，可以直接提供数据给机器训练使用，因此，我们借用一下qlib的dataset相关的代码，包括预处理等。
我们的目标，就是数据实现自动标注，包括label，提供给模型训练之用。
参考qlib的Alpha158库。158个因子精简为15个因子，超额收益仍然接近10%
下面的alpha相当于是一个因子库：
所有代码已经发布至星球：我的开源项目及知识星球
class Alpha:
def __init__(self):
pass
def get_feature_config(self):
return self.parse_config_to_fields()
def get_label_config(self):
return ["shift(close, -2)/shift(close, -1) - 1"], ["label"]
@staticmethod
def parse_config_to_fields():
# ['CORD30', 'STD30', 'CORR5', 'RESI10', 'CORD60', 'STD5', 'LOW0',
# 'WVMA30', 'RESI5', 'ROC5', 'KSFT', 'STD20', 'RSV5', 'STD60', 'KLEN']
fields = []
names = []
windows = [5, 10, 20, 30, 60]
fields += ["corr(close/shift(close,1), log(volume/shift(volume, 1)+1), %d)" % d for d in windows]
names += ["CORD%d" % d for d in windows]
return fields, names
dataset使用它来对数据进行标注。
class DataSet:
def __init__(self, handler=None):
self.handler = handler
def _process(self, df):
if not self.handler:
return df
fields, names = self.handler.get_feature_config()
label_fields, label_names = self.handler.get_label_config()
for field, name in zip(fields, names):
ind = to_indicator(name, field)
df[name] = ind(df)
for field, name in zip(label_fields, label_names):
ind = to_indicator(name, field)
df[name] = ind(df)
return df
def load(self, symbols, start_date='20100101', end_date=datetime.now().strftime('%Y%m%d')):
dfs = []
for s in symbols:
# dirname去掉文件名，返回目录
path = os.path.dirname(__file__)
# print(path)
df = pd.read_csv('{}/data/{}.csv'.format(path, s), dtype={'date': str})
for col in ['open', 'high', 'low', 'close']:
df[col] = df[col] / df[col][0]
df.set_index('date', inplace=True)
df.index = pd.to_datetime(df.index)
df.sort_index(ascending=True, inplace=True)
df = self._process(df) # 如果有handler，同使用handler标注
dfs.append(df)
df = pd.concat(dfs)
# df['date'] = pd.to_datetime(df['date'])
df['swing'] = 1
df.sort_index(ascending=True, inplace=True)
return df[(df.index >= start_date) & (df.index <= end_date)]
使用Alpha这个handler，自动把因子和lable都标注好了。
机器模型
泛泛而言，机器学习在金融应用，效果可能很多时候不及一个简单的roc_20——动量策略在单边市被证明是真实有效的。而且规则型策略，我分分钟可以做一个出来，回测效果还不错的。
考虑机器学习多因子模型，是考虑它整合因子的能力，动态跟进市场的能力。当然不太可能，拿一个sklearn的demo fit一下，predict一样就可以得到一个高夏普的策略，那市场不就乱套了。金融数据低信噪比的特性，让其应用于金融投资尤其难。
从逻辑上讲，我觉得L2R是一个方面，另一个方向就是深度强化学习。而其它的提升就是找更多优质的数据，然后挖掘出更好的因子，如此而已。
StockRanker = 选股 + 排序学习 + 梯度提升树。按公开资料，bigquant是使用list wise learning to rank算法。
我们需要开发一个自己的“StockRanker”。
今天准备好数据，明天写模型——StockRanker。
今日策略——创业板布林带
今天写一个创业板布林带策略。
作为示例，规则也比较简单：
收盘价突破布林带上轨做多，突破下轨平仓。
这里我们需要扩展两个函数：cross_up, cross_down，向上突破和向上突破。
def cross_up(left, right):
left = pd.Series(left)
right = pd.Series(right)
diff = left - right
diff_shift = diff.shift(1)
return (diff >=0) & (diff_shift <0)
def cross_down(left, right):
left = pd.Series(left)
right = pd.Series(right)
diff = left - right
diff_shift = diff.shift(1)
return (diff <= 0) & (diff_shift > 0)
定义好的指标，策略一如继往的简单：
今天代码已经同步到星球。我的开源项目及知识星球
小结：
1、机器学习特征工程dataset。
2、创业板布林带突破策略