这是一个创建于 2907 天前的主题，其中的信息可能已经有所发展或是发生改变。
上一篇分享了机器学习中特征的基本处理方法，然而上一篇还是没有解决一个根本的问题，就是如何选择因子。
上一篇传送门： https://uqer.io/community/share/583e9147228e5b49f34ad1ff 机器学习特征预处理 preprocessing 与 PCA 降维对模型有效性的帮助
这一章，我决定在特征工程之前的因子选择环节，进一步研究。
而因子那么多，怎么选择更有效的因子，这时候我想到之前看到的一篇研报。
研报中提及了一个因子贡献度的概念，简单解释一下。
因子贡献度的含义如下：
1.首先将股票池中的股票按因子进行排名，分别选出排名靠前的 20%和排名靠后的 20%股票构成两个组合；
2.我们将两个组合的平均收益差和股票池中所有股票涨跌前后 20%股票的平均收益差相除，得到的比值即为因子贡献度；
根据定义，这个数值应该在-1 至 1 之间， 1 证明这个因子和涨跌幅完全正相关，-1 完全负相关， 0 是无关。
那我们不如把第十一课的策略改动一下，增加一个因子贡献度的计算，然后取贡献度高的因子做模型的训练，提高准确性。
以下策略是以全 A 股做股票池，每次保留前 5 位的因子做模型训练的结果。因子库挑选了大部分成长能力类因子，盈利能力和收益质量类因子还有估值与市值类因子。
（个人对趋势类因子和技术分析的因子不是很信任）
下面是策略源码，结果还是很不错的。
戳这里查看策略源码： https://uqer.io/community/share/58427dfc228e5b49f14ad45e
欢迎讨论！
上一篇传送门： https://uqer.io/community/share/583e9147228e5b49f34ad1ff 机器学习特征预处理 preprocessing 与 PCA 降维对模型有效性的帮助
这一章，我决定在特征工程之前的因子选择环节，进一步研究。
而因子那么多，怎么选择更有效的因子，这时候我想到之前看到的一篇研报。
研报中提及了一个因子贡献度的概念，简单解释一下。
因子贡献度的含义如下：
1.首先将股票池中的股票按因子进行排名，分别选出排名靠前的 20%和排名靠后的 20%股票构成两个组合；
2.我们将两个组合的平均收益差和股票池中所有股票涨跌前后 20%股票的平均收益差相除，得到的比值即为因子贡献度；
根据定义，这个数值应该在-1 至 1 之间， 1 证明这个因子和涨跌幅完全正相关，-1 完全负相关， 0 是无关。
那我们不如把第十一课的策略改动一下，增加一个因子贡献度的计算，然后取贡献度高的因子做模型的训练，提高准确性。
以下策略是以全 A 股做股票池，每次保留前 5 位的因子做模型训练的结果。因子库挑选了大部分成长能力类因子，盈利能力和收益质量类因子还有估值与市值类因子。
（个人对趋势类因子和技术分析的因子不是很信任）
下面是策略源码，结果还是很不错的。
戳这里查看策略源码： https://uqer.io/community/share/58427dfc228e5b49f14ad45e
欢迎讨论！
 |
1
Aspx 2016-12-07 10:33:16 +08:00
想问下，我是不是第一个看成[精子贡献度]点进来的
|
Select Language