基于价量数据的排序学习选股模型

一 本文概要

在本文中，我们使用LGBMRanker算法对沪深300、中证500和中证1000的成份股进行排序学习。我们构建了基于价量数据的选股模型，并进行了回测。回测结果显示，从2015年11月至2023年8月底，该策略的累计绝对收益率为167.31%，超过了等权基准的累计超额收益率为160.16%。年化收益率为13.28%，超额年化收益率为12.40%。

二 排序算法介绍

排序学习（Learning to Rank，LTR）是一种机器学习方法，用于解决排序问题。它主要关注的是多个对象之间的相对排序关系，而不是单个对象的分类或回归问题。排序学习通过在数据集上进行机器学习算法的训练，构建出排序模型。这个模型可以根据数据的相关性、重要性等衡量指标对数据进行排序，以满足用户的需求。

与传统的分类和回归模型相比，排序学习有一些显著的不同之处。首先，排序学习关注的是多个对象之间的相对排序关系，而不是单个对象的分类或回归问题。其次，由于排序学习需要处理多个对象的排序信息，所以排序学习模型通常更加复杂，需要考虑对象之间的交互信息和排序关系。在排序学习中，训练集以（q，D）的形式输入模型，其中 q 是查询，D 是一组文档。对于每个查询 q，我们使用这些文档作为模型的参数，并让模型对它们进行排序。然后，通过比较真实排序和预测排序的结果，衡量排序效果，并通过优化迭代来提升排序效果。与传统的分类和回归任务不同，排序学习使用的评估指标也不同。在排序学习中，常用的评估指标包括归一化折损累积增益（Normalized Discounted Cumulative Gain，NDCG）。NDCG 用于衡量模型在对象排序上的性能，它考虑了排序的相关性和位置信息。

RankNet和LambdaRank是两个经典的排序学习算法，它们都基于神经网络，并用于解决排序问题。

RankNet

RankNet是由Microsoft Research开发的一种排序学习算法。它使用神经网络来建模排序模型，并通过比较样本对的相对排序关系来进行训练。

在RankNet中，算法的输入是一对样本（比如两个文档），神经网络通过前向传播计算出每个样本的预测排序概率。这些概率可以表示为样本被认为是更相关的概率。然后，RankNet使用交叉熵损失函数来度量预测排序和真实排序之间的差异。训练过程中，RankNet通过不断迭代更新神经网络的参数，使得预测排序与真实排序之间的差异最小化。通过这种方式，RankNet可以学习到样本之间的排序关系，并输出一个用于排序的模型。

LambdaRank

LambdaRank是由Microsoft Research提出的一种优化排序模型的算法。它在RankNet的基础上引入了Lambda值的概念，进一步优化排序效果。

在LambdaRank中，Lambda值用于表示两个样本的相对重要性，它是根据真实排序和预测排序之间的差异计算得出的。Lambda值的计算可以通过比较交叉熵损失函数的梯度来实现。训练过程中，LambdaRank首先计算每对样本之间的梯度和Lambda值，然后使用这些值来调整梯度的权重，以便模型更好地学习样本之间的排序关系。通过不断迭代优化，LambdaRank可以提升排序模型的性能。

三 排序学习选股模型

3.1 LGBMRanker介绍

LGBM（LightGBM）是一种机器学习算法，它是一种高效的梯度提升决策树（Gradient Boosting Decision Tree, GBDT）算法。由Microsoft团队于2016年提出并开源。LGBM在数据科学和机器学习领域广泛应用，因为它具有出色的性能和高效的训练速度。LGBM采用了多种优化技术来提升模型性能并降低过拟合的风险。其中包括基于Histogram的决策树算法、基于梯度的单侧采样（GOSS）和排他性特征捆绑等。这些技术使得LGBM在训练过程中具有高度的并行性和低内存消耗。

LGBMRanker是基于LGBM的一种排序学习模型，专门用于处理排序学习任务。它在LGBM模型的基础上进行了扩展和定制，增加了排序相关的损失函数和评估指标，以更好地满足排序学习任务的需求。

3.2 选股模型介绍

在选股模型设计中，股票池的构建选择了沪深300、中证500和中证1000的历史成份股作为备选股票池，以保证样本的稳定性和流动性。特征选择方面，选取了价量数据作为模型特征的主要组成部分，并使用不同的算子进行特征工程，如滚动求和、滚动求差分、滚动求分位数等。标签选择方面，根据个股未来一个月的月度涨跌幅，将涨跌幅从高到低分为30组，数字越大表示涨跌幅越高，个股表现越好。这样的标签设计可以帮助模型更好地理解样本之间的相对排序关系。

训练方法采用滚动训练法，动态地调整模型的超参数。在每个时点，使用过去12个月的数据作为训练集，将最近3个月的数据作为验证集，找到当前时点下的最优超参数。然后基于最优超参数对未来时点进行预测，并在下一个时点重新计算最优超参数。这种滚动训练法可以根据市场情况和模型性能动态地调整超参数，以保证模型在不同时期的时效性和有效性。

3.3 模型回测

根据上述的模型设计方法，我们可以将每月得到的个股信号进行筛选，选取前50个股票构建投资组合，并进行回测。

四 总结展望

通过本文中的排序学习策略回测结果，我们可以看到基于LGBMRanker算法的选股模型在沪深300、中证500和中证1000的成份股上取得了良好的表现。策略在过去的回测期间展现出了较高的累计绝对收益率、年化收益率和超额收益率，以及相对较低的最大回撤。胜率方面，策略在多个比较对象中显示出了出色的年胜率和月胜率。

排序学习在量化投资中展示出了巨大的潜力，这一方法能够帮助投资者更好地理解和利用大量的市场数据，从而做出更明智的投资决策。未来的研究和实践将进一步推动排序学习的发展，为投资者提供更多有效的工具和方法来获取稳定的投资回报。