随机森林

从pickle中加载模型，并显示最重要的特征：

import pickle
import pandas as pd
pkl_filename = "pickle_model.pkl"
with open(pkl_filename, 'rb') as f:
    clf = pickle.load(f)

df = pd.read_csv('factors.csv', index_col=0)
df.set_index('date', inplace=True)
label_col = 'LABEL0'
feature_cols = list(df.columns)
for c in ['code', 'LABEL0', 'open', 'high', 'low', 'close', 'volume']:
    feature_cols.remove(c)
print(feature_cols)

# 重要性就是决策树给出的feature_importances_
factor_weight = pd.DataFrame({'features': list(feature_cols),
                              'importance': clf.feature_importances_}).sort_values(
    # 这里根据重要程度降序排列，一遍遍找到重要性最高的特征
    by='importance', ascending=False)
print(factor_weight)
factor_weight.to_csv('importance.csv')

取排名得分最高的前5，做下测试：

feature_cols = ['ROC60', 'CORD60', 'STD60', 'IMXD60', 'CORR60']

feature_cols =['CNTP10', 'RANK20', 'CNTP5', 'CNTD5', 'RANK5']

从训练集来看，非常明显，其实158个因子里，这5个因子就够了，足够对数据进行划分，当然更多的因子没有带来特别负面的作用，就是训练的时间长了一些。不过随机森林支持多进程计算，所以，总体还好。

接下来，我们先不管这个模型的泛化能力，先把流程整理到回测引擎里看看效果。

年化26%，最大回撤23%。

按top1的逻辑：年化48%，最大回撤38%。

如下是我们的工程代码：

from quant_project.dataloader.dataloader import Dataloader
from quant_project.dataloader.dataset import Alpha158_Dataset
from quant_project.engine.algo.algos import *
from quant_project.engine.engine_runner import Engine

features = ['ROC60', 'CORD60', 'STD60', 'IMXD60', 'CORR60']

names = ['ROC60', 'CORD60', 'STD60', 'IMXD60', 'CORR60']
fields = ["Ref($close, 60)/$close", 'Corr($close/Ref($close,1), Log($volume/Ref($volume, 1)+1), 60)',
          'Std($close, 60)/$close',
          '(IdxMax($high, 60)-IdxMin($low, 60))/60',
          'Corr($close, Log($volume+1), 60)']

from quant_project.dataloader.dataloader import Dataloader

fields += ['$close/Ref($close,1) -1']
names += ['rate']
df = Dataloader().load_datas('__all__', names, fields)

e = Engine(df)

print('初始总市值', e.acc.get_total_mv())
e.run(name='随机森林-多因子-月频-top1', algo_list=[
    RunMonthly(),  # 改这行代码即可
    PredScore_Model(features=features),
    SelectTopK(K=1),
    WeightEqually()
])
print('最终总市值', e.acc.get_total_mv())
e.show_results(benckmarks=['000300.SH'])

df = df[features]