长期年化18.82%： lightGBM全球资产多因子配置策略【研报复现】

【代码发布】Quantlab4.3：lightGBM应用于全球大类资产的多因子智能策略（代码+数据）

"""模型保存"""
from config import DATA_DIR
model.booster_.save_model(DATA_DIR.joinpath('models').joinpath('lgb_regressor.txt'))

在昨天代码的基础上，加一行代码，即可以把训练好的模型保存到本地。

其实就是一些参数，可以直接保存成txt的格式，可以打开来查开。

现在我们可以通过加载特定的模型来回测（暂时先不考虑WFA，也就是先不考虑滚动训练）。

加载已经训练的模型如下：

def load_model(model_name):
    from config import DATA_DIR
    import lightgbm as lgb
    model = lgb.Booster(model_file=DATA_DIR.joinpath('models').joinpath(model_name).resolve())
    return model

这是机器学习预测的效果：

新增模型加载与预测的代码：

df = CSVDataloader(config.DATA_DIR_QUOTES.resolve(), symbols=task.symbols, start_date=task.start_date).load(
    task.features, task.feature_names)
del df['amount']
df.dropna(inplace=True)


if task.model_name:
    df['pred'] = model.predict(df[task.feature_names])
    #df['pred']=df.groupby('symbol', group_keys=False).apply(lambda x: calculate_pred(x, task.feature_names, model))


s = bt.Strategy(task.name, task.get_algos(df))
s_bench = bt.Strategy('等权-买入并持有', [
    bt.algos.SelectAll(),
    bt.algos.WeighEqually(),
    bt.algos.Rebalance(),
])

吾日三省吾身

生活中，有些事情，不必急——关键是急也没有用。

日子就是这么一天天过。

有些事情结束，有新的事情开始。

也许有意外，也会有惊喜。

不确定性构成新常态。

认真地活在当下，过好每一个当下。

关心自己可以掌控的事情。

其余的事情，允许一切发生的心态。