集成树lightGBM+多因子+排序学习的通用策略模板

主要完成了什么呢？

一句话就是lightGBM为代表的集成树模型来合成因子，对股票集进行排序。

上周Quantlab3.3的代码：创业板指布林带突破策略：年化12.8%，回撤20%+| Alphalens+streamlit单因子分析框架（代码+数据）

3.3咱们重写的底层的回测引擎，并且把历史的策略集都刷了一轮。

当前，计划是按照年初规划在推进的：

Quantlab3.2代码发布及实验室下一步开发计划

一个通用的，模板化的多因子机器轮动模型。

因子挖掘与筛选，可以自动化，流水线化。

因此，下周的目标会是：

1、lightGBM筛选重要特征。

2、Alpha158因子补充完整。

3、WorldQuant101或者 Alpha191里现成的因子集的生成，使用lightGBM筛选出重要特征，使用Alphalens做单因子分析。

另外，解决机器学习合成因子的过拟合的问题，超参数优化的问题等。

社群里，不少同学在纠结实盘打通的问题。

仿佛接通了这个自动化，自己的策略就上线了似的。

很奇怪的逻辑，怎么说都不信。

自动化是策略开发里最简单的东西。

还有人问我期货自动化，那用vnpy就挺好的呀。

想证明什么东西呢？

连接qmt，你的策略就可以自动化跑了嘛？

其实，这样的基础设施很多，券商，开源组织，到处都是。

难的是因子，因子，因子。

如何挖掘到因子，这是我们后续最重要的事情：gplearn和深度强化学习。

吾日三省吾身

从去年开始，间歇性的心情比较down。

总担心有什么不好的事情发生，担心，焦虑一些有的没的事情。

没有人能理解这种状态。很多人可能觉得很矫情。

开始学习一些哲学相关的东西——斯多葛学派比如实用。

他们用“宿命论”看待过去。过去发生之事，即成事实，因此，事情就是按照它应当发生的那样发生。

他们用“消极想象”看待当下。想象如果更坏的事情，或者不好的事情发生，你会如何。然后“虚惊一场”，感受“失而复得“，”有惊无险“的喜悦。心怀感因的心，享受已经拥有的一切。

用”二分控制法“看未来。只关心自己可以控制的部分。比如你的信念，做事情的过程，而不刻意要求控制结果。

历史文章：

Quantlab3.3代码发布：全新引擎 | 静待花开：年化13.9%，回撤小于15% | lightGBM实现排序学习

创业板指布林带突破策略：年化12.8%，回撤20%+| Alphalens+streamlit单因子分析框架（代码+数据）

轮动策略模板重写，先来一个年化21%的策略（代码+数据）

去掉底层回测引擎，完全自研，增加超参数优化，因子自动挖掘，机器模型交易。