??參考書目:深入淺出Python量化交易實(shí)戰(zhàn)

---

在機(jī)器學(xué)習(xí)里面的X叫做特征變量，在統(tǒng)計(jì)學(xué)里面叫做協(xié)變量也叫自變量，在量化投資里面則叫做因子，所謂多因子就是有很多的特征變量。

本次帶來(lái)的就是多因子模型，并且使用的是機(jī)器學(xué)習(xí)的強(qiáng)大的非線性模型，集成學(xué)習(xí)里面的隨機(jī)森林和LGBM模型，帶來(lái)因子的選擇策略和股票的選擇策略。

---

由于股票數(shù)據(jù)的獲取都需要第三方庫(kù)或者是專業(yè)的量化投資框架，很多第三方庫(kù)某些功能需要收費(fèi)（Tushare），而免費(fèi)的一些庫(kù)（證券寶）獲取的數(shù)據(jù)特征變量又沒(méi)那么多。所以這里是用聚寬量化投資框架，是可以免費(fèi)使用一些功能的（只需要注冊(cè)一個(gè)賬號(hào)）。這里獲取數(shù)據(jù)就采用聚寬平臺(tái)的功能了。

---

數(shù)據(jù)獲取

本次使用滬深300作為股票池，選獲取一些財(cái)務(wù)指標(biāo)：

#創(chuàng)建query對(duì)象，指定獲取股票的代碼、市值、凈運(yùn)營(yíng)資本
#凈債務(wù)、產(chǎn)權(quán)比率、股東權(quán)益比率、營(yíng)收增長(zhǎng)率、換手率、
#市盈率（PE）、市凈率（PB）、市銷率（PS）、總資產(chǎn)收益率因子

#還是先導(dǎo)入jqdata和技術(shù)分析工具 import jqdata from jqlib.technical_analysis import * #同樣選擇滬深300成分股做股票池 stocks = get_index_stocks('000300.XSHG')q = query(valuation.code, valuation.market_cap,balance.total_current_assets- balance.total_current_liability,balance.total_liability- balance.total_assets,balance.total_liability/balance.equities_parent_company_owners,(balance.total_assets-balance.total_current_assets)/balance.total_assets,balance.equities_parent_company_owners/balance.total_assets,indicator.inc_total_revenue_year_on_year,valuation.turnover_ratio,valuation.pe_ratio,valuation.pb_ratio,valuation.ps_ratio,indicator.roa).filter(valuation.code.in_(stocks)) #將獲得的因子值存入一個(gè)數(shù)據(jù)表 df = get_fundamentals(q, date = None) #把數(shù)據(jù)表的字段名指定為對(duì)應(yīng)的因子名 df.columns = ['code', '市值', '凈營(yíng)運(yùn)資本', '凈債務(wù)', '產(chǎn)權(quán)比率','非流動(dòng)資產(chǎn)比率','股東權(quán)益比率', '營(yíng)收增長(zhǎng)率','換手率','PE','PB','PS','總資產(chǎn)收益率'] #檢查結(jié)果 df.head()

?

?需要在聚寬的環(huán)境才能獲得上面的數(shù)據(jù)，本地Python是出不來(lái)的。

設(shè)置一下股票代碼作為索引，獲取一些時(shí)間格式。

#將股票代碼作為數(shù)據(jù)表的index df.index = df.code.values #使用del也可以刪除列 del df['code'] #下面來(lái)把時(shí)間變量都定義好 today = datetime.datetime.today() #設(shè)定3個(gè)時(shí)間差，分別是50天，1天和2天 delta50 = datetime.timedelta(days=50) delta1 = datetime.timedelta(days=1) delta2 = datetime.timedelta(days=2) #50日前作為一個(gè)歷史節(jié)點(diǎn) history = today - delta50 #再計(jì)算昨天和2天前的日期 yesterday = today - delta1 two_days_ago = today - delta2

再然后獲取一些技術(shù)指標(biāo)數(shù)據(jù)：

#下面就獲取股票的動(dòng)量線、成交量、累計(jì)能量線、平均差、
#指數(shù)移動(dòng)平均、移動(dòng)平均、乖離率等因子
#時(shí)間范圍都設(shè)為10天

df['動(dòng)量線']=list(MTM(df.index, two_days_ago, timeperiod=10, unit = '1d', include_now = True, fq_ref_date = None).values())df['成交量']=list(VOL(df.index, two_days_ago, M1=10 ,unit = '1d', include_now = True, fq_ref_date = None)[0].values())df['累計(jì)能量線']=list(OBV(df.index,check_date=two_days_ago, timeperiod=10).values())df['平均差']=list(DMA(df.index, two_days_ago, N1 = 10, unit = '1d', include_now = True, fq_ref_date = None)[0].values())df['指數(shù)移動(dòng)平均']=list(EMA(df.index, two_days_ago, timeperiod=10, unit = '1d', include_now = True, fq_ref_date = None).values())df['移動(dòng)平均']=list(MA(df.index, two_days_ago, timeperiod=10, unit = '1d', include_now = True, fq_ref_date = None).values())df['乖離率']=list(BIAS(df.index,two_days_ago, N1=10, unit = '1d', include_now = True, fq_ref_date = None)[0].values()) #把數(shù)據(jù)表中的空值用0來(lái)代替 df.fillna(0,inplace=True) #檢查是否成功 df.head()

這樣就獲得了很多X，即特征變量，即因子。

下面構(gòu)建y，我們的響應(yīng)變量是一個(gè)分類的變量，即是否獲得了超過(guò)市場(chǎng)的平均回報(bào)的收益率，是的話為1，不是為0 。

這里使用前一日的收盤價(jià)除以前50天的收盤價(jià)?然后減去1，作為收益率的值，計(jì)算出那些收益率大于均值的樣本股則y為1 ，否則為0 。

#獲取股票前一日的收盤價(jià) df['close1']=list(get_price(stocks, end_date=yesterday, count = 1,fq='pre',panel=False)['close']) #獲取股票50日前的收盤價(jià) df['close2']=list(get_price(stocks, end_date=history, count = 1,fq ='pre',panel=False)['close'])#計(jì)算出收益 df['return']=df['close1']/df['close2']-1 #如果收益大于平均水平，則標(biāo)記為1 #否則標(biāo)記為0 df['signal']=np.where(df['return']<df['return'].mean(),0,1) #檢查是否成功 df.head()

?可以看到最后一列是我們的響應(yīng)變量y。

---

模型構(gòu)建

將X和y都準(zhǔn)備好。劃分訓(xùn)練集和測(cè)試集，導(dǎo)入隨機(jī)森林分類器。

#導(dǎo)入數(shù)據(jù)集拆分工具 from sklearn.model_selection import train_test_split #導(dǎo)入隨機(jī)森林分類器 from sklearn.ensemble import RandomForestClassifier #把因子值作為樣本的特征，所以要去掉剛剛添加的幾個(gè)字段 X = df.drop(['close1', 'close2', 'return', 'signal'], axis = 1) #把signal作為分類標(biāo)簽 y = df['signal'] #將數(shù)據(jù)拆分為訓(xùn)練集和驗(yàn)證集 X_train,X_test,y_train,y_test=train_test_split(X,y,test_size = 0.2) #創(chuàng)建隨機(jī)森林分類器實(shí)例，指定random_state便于復(fù)現(xiàn) clf = RandomForestClassifier(n_estimators=5000,random_state=100) #擬合訓(xùn)練集數(shù)據(jù) clf.fit(X_train, y_train) #查看分類器在訓(xùn)練集和驗(yàn)證集中的準(zhǔn)確率 print(clf.score(X_train, y_train),clf.score(X_test, y_test))

?

分類問(wèn)題，所以采用隨機(jī)森林分類器，然后進(jìn)行擬合和評(píng)價(jià)。

可以看到在訓(xùn)練集上的準(zhǔn)確率為100%，在測(cè)試集刪高的準(zhǔn)確率為0.9333，說(shuō)明模型的擬合效果很不錯(cuò)。

---

?

?因子重要性

接下來(lái)使用隨機(jī)森林的變量的重要性排序，原理是基礎(chǔ)學(xué)習(xí)器決策樹(shù)分裂時(shí)，若一個(gè)變量分裂時(shí)讓損失函數(shù)下降得越多，說(shuō)明這個(gè)變量越重要。

#為了便于觀察，我們創(chuàng)建一個(gè)數(shù)據(jù)表
#數(shù)據(jù)表有兩個(gè)字段，分別是特征名和重要性
#特征名就是因子的名稱

factor_weight = pd.DataFrame({'features':list(X.columns),'importance':clf.feature_importances_}).sort_values(#這里根據(jù)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) #檢查結(jié)果 factor_weight

?可以看到最重要的變量是技術(shù)指標(biāo)平均差。這也是肯定的，因?yàn)槠骄罾锩姘诉^(guò)去和現(xiàn)在的股價(jià)信息最多，和我們的響應(yīng)變量最為相似。

畫圖更加直觀的查看變量重要性排序。

import seaborn as sns plt.figure(figsize=(6,4),dpi=128) sns.barplot(y=factor_weight['features'],x=factor_weight['importance'],orient="h") plt.xlabel('重要程度') plt.ylabel('因子名稱') plt.xticks(fontsize=10,rotation=35) plt.title("因子重要性對(duì)比") plt.show()

?和上面結(jié)論一樣，技術(shù)指標(biāo)平均差對(duì)我們的響應(yīng)變量是否獲得超額回報(bào)的影響最大，然后是公司本身的財(cái)務(wù)指標(biāo)，營(yíng)業(yè)收入增長(zhǎng)率，凈收運(yùn)營(yíng)資本等。

---

選股策略

接下來(lái)我們使用對(duì)于表格數(shù)據(jù)最強(qiáng)的機(jī)器學(xué)習(xí)方法，輕量梯度提升方法——LGBM模型，對(duì)我們的股票市值進(jìn)行預(yù)測(cè)，然后選取實(shí)際值和預(yù)測(cè)值差距最大的股票作為選股策略。即選取價(jià)值被低估的股票。

此時(shí)y是股票市值，X是前面那些財(cái)務(wù)技術(shù)指標(biāo)

X=df.iloc[:,1:-3] y=df.iloc[:,0]

構(gòu)建回歸器

from lightgbm import LGBMRegressor model = LGBMRegressor(n_estimators=100,objective='regression', random_state=0) model.fit(X, y) model.score(X, y)

?整體模型的擬合優(yōu)度為86%，還不錯(cuò)。

用真實(shí)值減去預(yù)測(cè)值，然后進(jìn)行排序，算的找出前10 的被低估的公司

diff = pd.DataFrame(np.array(y)-model.predict(X), index = y.index, columns = ['預(yù)測(cè)值和真實(shí)值的差值']) #將該數(shù)據(jù)表中的值，按生序進(jìn)行排列 diff = diff.sort_values(by = '預(yù)測(cè)值和真實(shí)值的差值', ascending = True) #找到市值被低估最多的10只股票 diff.head(10)

?前十都是被低估了，負(fù)得越多說(shuō)明被低估的越厲害。

---

?受限于框架的使用，該策略我本人沒(méi)有進(jìn)行回測(cè)檢驗(yàn)其收益率。書上的收益率大概是年化6%，不高，但是也算不錯(cuò)了。

（本案例僅作為策略研究，不構(gòu)成任何投資意見(jiàn)。）

總結(jié)

以上是生活随笔為你收集整理的Python量化交易05——基于多因子选择和选股策略(随机森林，LGBM)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。