|
原创文章第569篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。 lightGBM在训练完成之后，树模型是可以筛选特征的，我们可以把特征按重要性排序，筛选最有效的特征（因子）。
feat_importances = pd.Series(model.feature_importances_, index = X_train.columns).sort_values(ascending = False)
print(feat_importances.head(20)) 
然后把这些筛选出来的因子，整理到一个小的因子集里： from abc import abstractmethod
from datafeed.factor import AlphaBase
class AlphaLit(AlphaBase):
def get_fields_names(self):
fields = []
names = []
fields += ["std(close, 30)/close"]
names += ["STD30"]
fields += ['(high-greater(open, close))/open']
names += ['KUP']
fields += ['std(abs(close/shift(close, 1)-1)*volume, 60)/(mean(abs(close/shift(close, 1)-1)*volume, 60)+1e-12)']
names += ['WVMA60']
fields += ['std(abs(close/shift(close, 1)-1)*volume, 30)/(mean(abs(close/shift(close, 1)-1)*volume, 30)+1e-12)']
names += ['WVMA30']
fields += ["std(close, 60)/close"]
names += ["STD60"]
fields += ['(less(open, close)-low)/open']
names += ['KLOW']
fields += ['sum(greater(close-shift(close, 1), 0), 60)/(sum(abs(close-shift(close, 1)), 60)+1e-12)']
names += ['SUMP60']
fields += ["std(close, 20)/close"]
names += ["STD20"]
fields += ['ts_min(low, 30)/close']
names += ['MIN30']
fields += ['shift(close, 30)/close']
names += ['ROC30']
return fields, names
回测看一下效果，如上图。 代码按惯例是每周五更新，发布和迭代。 【研报复现】年化27.1%，人工智能多因子大类资产配置策略之benchmark
AI量化实验室——2024量化投资的星辰大海
吾日三省吾身 最近读了一些名人传记。 多读历史和人物传记是好的。尤其是有大量真实细节的。
老外写书有一个特点，就是细节描述特别多，归纳得少。
读起来有点费劲，但读完后，自己可以建立起感知，而不是别人给出的“结论”。
读完拿破仑传，你会发现，尽管他从小爱幻想，喜欢古罗马历史人物，数学很好，但小时候，最大的梦想也没有超过他的科西嘉岛。
他到军校学校时一样迷茫，生于乱世，不知道有哪里找机会。
开始几年折腾，差点把他自己和家族都给搭上。
后来一步步，成为第一执政，终身执政，征服欧洲。
同样是一天天各种纠结，与兄弟的关系，与妻子的关系。 你也会看到，这么厉害的人，也时常陷入情绪化的反应。 时代的大势，个人的努力，创造一段传奇。 但“成也萧何，败也萧何”。那些让你成功的品质，有时也未把你带到未知。
对于普通人有什么启发呢？
你要有一技之长，长板，对别人特别有价值。比如拿破仑精于计算，排兵布阵，打战特别厉害，同时非常努力。 这是他成功的一切的基础，什么对于人性的把握或者其他，赢得别人的尊重，都是构建在这些基础之上。
这个世界是基于价值交换的。
你的财富是世界给你的“欠条”。你价值越大，世界就会给与你更多。 历史文章：
年化16.6%，全球大类资产使用lightGBM预测轮动——数据缓存提升效率
当下最重要的事情是“自动化因子挖掘”，基于强化学习和Gplearn以及大模型LLM。
AI量化实验室——2024量化投资的星辰大海
|
