基于StockRanker的AI量化选股策略

近年来,人工智能(AI)慢慢渗入各行各业,在投资界,人工智能和选股结合辅助主动投资,提高量化模型的效率也逐渐得到投资经理青睐。

AI策略简介

最近几年人工智能（AI）技术得到飞速发展，其在各个领域的运用也不断取得重大成果。机器学习是实现人工智能的一种方式，被评为人工智能领域中最能够体现智能的一个分支，机器学习与人工智能、深度学习的关系可以参考下图：

机器学习可以这样简单理解：借助于计算机，对数据（训练集）进行学习后，形成模式识别（模型），进而实现对未来数据（测试集）的预测。

假设我们要去预测某个变量Y未来的取值，并找到了影响变量Y取值的K 个变量，这些变量也称为特征或因子（Feature Variable）。机器学习即是要找到一个拟合函数f(X1,X2,…,XK|Θ)去描述 Y和特征之间的关系（绝大多数是非线性关系），Θ为这个函数的参数。

要找到这样的函数，必须要足够量的观测数据，假设有 N 个样本数据y1,y2,…,yn和 x1i,x2i,…,xKi (其中i=1,2,…,N)。然后定义一个函数L来衡量真实观测数据和模型估计数据偏差，函数 L 也称作损失函数（Loss Function）。基于历史观测数据，我们可以求解下列的最化问题来得到参数Θ 的估计值。

求解（1.1）过程称作模型训练（Model Traing）。基于特征变量的最新观测值和训练出来的模型参数就可以预测y的数值。接下来，我们看一下用机器学习方法开发策略的具体流程。

AI策略开发流程

相对于传统策略开发的复杂流程和调参等大量重复工作，AI策略开发更简单，将我们的脑力从重复工作上解放出来，专注在更有创造性的地方。

StockRanker算法

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。

StockRanker算法是专为选股量化而设计，核心算法主要是排序学习和梯度提升树

我们对AI策略开发做了抽象，设计了如下开发流程 (以 StockRanker 算法为例，也可以使用其他算法)：

目标：首先定义机器学习目标并标注数据。很多机器学习场景，需要人来做数据标注，例如标注图片里的是猫或者狗。对于股票，我们关注的风险和收益是可以明确定义并自动计算出来的。所以，我们一般使用未来N天的收益或者收益风险比作为标注分数。本文使用未来给定天数的收益作为标注
数据：我们需要训练数据集来训练模型，已经评估数据集来评估效果。在模型参数研究中，我们一般还需要一个测试集用来观察调参效果
特征(因子)：特征是量化研究的核心之一，在AI策略上，特征直接影响了模型的学习效果。这也是本文的目的之一，通过AI找出在A股有效的因子，并最大化的挖掘出他们的效果
算法模型：本文使用StockRanker算法，使用 M.stock_ranker_train 来训练模型，使用 M.stock_ranker_predict 来做出预测
回测：使用回测引擎来根据预测做股票交易，并得到策略收益报告和风险分析，并以此来评估策略的最终效果

StockRanker的特点

选股：股票市场和图像识别、机器翻译等机器学习场景有很大不同。StockRanker充分考虑股票市场的特殊性，可以同时对全市场3000只股票的数据进行学习，并预测出股票排序
排序学习 (Learning to Rank)：排序学习是一种广泛使用的监督学习方法 (Supervised Learning)，比如推荐系统的候选产品、用户排序，搜索引擎的文档排序，机器翻译中的候选结果排序等等。StockRanker 开创性的将排序学习和选股结合，并取得显著的效果。
梯度提升树 (GBDT)：有多种算法可以用来完成排序学习任务，比如SVM、逻辑回归、概率模型等等。StockRanker使用了GBDT，GBDT是一种集成学习算法，在行业里使用广泛。

StockRanker的领先效果还得益于优秀的工程实现，目前在学习速度、学习能力和泛化性等方面，都做了大量的优化，并且提供了参数配置，让大家可以进一步根据需要调优。

可能遇到的一些问题

过拟合
数据集重叠
数据集划分不当
训练集数据太少
数据预处理不够
标注和特征逻辑不一致
因子并非越多越好