StockRanker算法
"StockRanker算法" 是一种先进的金融技术工具，其核心在于通过高级数据分析和机器学习技术对股票市场进行深度挖掘和预测。该算法的强大之处在于其能从海量数据中提取出有价值的信息，进而为投资者提供有关股票未来可能表现的独特视角。 具体而言，StockRanker算法首先会收集包括历史价格、交易量、公司财报、新闻情绪、社交媒体趋势等多维度的数据。然后，利用机器学习技术，如深度学习、随机森林或支持向量机等，对这些数据进行训练和学习，以识别和理解影响股票价格的各种模式和因素。 此算法不仅能对历史数据进行回溯测试，以验证其预测能力，而且还能实时地应用于市场，为投资者提供即时的股票评级和推荐。通过不断地自我优化和学习，StockRanker算法能够在变化莫测的金融市场中保持其预测能力的前瞻性和准确性。 总的来说，StockRanker算法是一种创新的金融科技工具，它通过结合大数据和机器学习技术，为投资者提供了一种系统化、数据驱动的方法来理解和预测股票市场，从而帮助他们做出更明智的投资决策。
StockRanker机器学习中的疑问
1、模型选出来的股票依据从何而来呢，是通过特征的重要性排序在股票池中选股吗，若是请介绍下怎么选这个实现步骤或逻辑呢。
2、
这里每个交易日都会预测得到过滤的数据，当所持有的股没到hold_day天时那每个交易日预测得到的数据是不是没意义，
stock_count 这
更新时间：2023-03-02 07:59
StockRanker 里头的树模型，我想加一些正则
问题
- 加一些L1，L2正则，如何设置。
- 有没有什么加强稳定性的方法建议。
非常感谢！
解答
答：stockranker目前不能通过加正则来防止过拟合。
可以通过这三个参数的设置达到类似于dropout的功能。
问：方便加一个正则的接口吗？正常的树模型还是有这个的。。
答：好的，收到这个建议
更新时间：2022-12-20 14:20
StockRanker的算法原理是什么？
问题
是一个ListWise的Learning2Rank是么？
解答
<https://bigquant.com/wiki/doc/celve-qylSVzUeYZ 可以参考下这篇文章>
更新时间：2022-12-20 14:20
StockRanker报错，请教下是为什么？？
问题
解答
查看传入的数据有没有training这一列，是不是和输入特征列表相对应
更新时间：2022-12-20 14:20
只有stockranker模型id和特征如何查看特征重要性和模型
问题
最近在整理以前训练出来的模型，现在回头用原来的数据特征重新测试得出来的模型和以前不一样了，以前用stockranker训练之后保留了id，如何单独从model_id和特征得到特征重要性列表、模型和训练曲线结果，而不是通过模块id得到
解答
目前只能重新训练后才能显示这些信息。
更新时间：2022-12-20 14:20
LSTM Networks应用于股票市场探究
摘要
BigQuant平台上的StockRanker算法在选股方面有不俗的表现，模型在15、16年的回测收益率也很高(使用默认因子收益率就达到170%左右)。然而，StockRanker在股灾时期回撤很大(使用默认因子回撤55%)，因此需要择时模型，控制StockRanker在大盘走势不好时的仓位。 LSTM(长短期记忆神经网络)是一种善于处理和预测时间序列相关数据的RNN。
更新时间：2022-11-12 07:19
为防止过拟合，stockranker 评估数据集如何使用？
比如默认运行20次迭代训练，如何选择评估效果最好的一次迭代保存下来？
更新时间：2022-11-09 01:23
stockranker模型实盘报错
问题
问题描述
stockranker模型实盘报错，如何解决
采用stockranker案例模型，因子有改动。放到湘财服务器上就报错了。
问题截图
更新时间：2022-11-09 01:23
基于Stockranker的超跌反弹策略
策略思路逻辑
上一篇 在华泰的研报中，我们知道了
四类因子（流入类因子、流出类因子、主力净流入类因子、开盘主力净流入类因子）在选股上存在一定的实用性。
研报链接：华泰单因子测试之资金流向因子
\
因子灵感来源
基于Stockranker的超跌反弹策略
这次我们--从研报中获取到了灵感，
结合一些收益率和量价因子，来进一步合成我们的资金流因子，
制作反转策略。
![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:1
更新时间：2022-11-03 08:33
天梯上那些年化400+的策略也是使用stockranker吗？
\
更新时间：2022-09-18 13:23
stockranker算法策略固化后实盘报错！
策略是stockranker算法固化后的策略，模拟交易正常，在实盘的时候报出
[Errno 2] No such file or directory: '/home/bigquant/work/userlib/XXX.csv'。盼解决！
更新时间：2022-09-15 00:57
20220623-StockRanker多因子选股策略
20220623-StockRanker多因子选股策
更新时间：2022-06-29 01:14
关于模型训练的一点简单想法：以DNN和StockRanker对比为例
作者：donkyxote
策略思想
基于17个短期因子，其中8个量价因子，9个均线因子。训练集使用2005-01-04至2020-06-01日，每个交易日买入模型当日预测结果排名靠前的1只A股股票，次日卖出。
StockRanker模型
原有模型是基于BQ提供的Stockranker机器学习算法：
![图 1：stockranker-2021年1月4日至2022年1月21日的模拟实盘结果{w:100}{w:100}](/wiki/api/attachments.redirect?id=bb5b3d09-3e20-4840-b5e0-2220d7f55
更新时间：2022-06-22 14:58
关于模型训练的一点简单想法：以DNN和StockRanker对比为例
策略思想
基于17个短期因子，其中8个量价因子，9个均线因子。训练集使用2005-01-04至2020-06-01日，每个交易日买入模型当日预测结果排名靠前的1只A股股票，次日卖出。
StockRanker模型
原有模型是基于BQ提供的Stockranker机器学习算法：
![图 1：stockranker-2021年1月4日至2022年1月21日的模拟实盘结果{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=bb5b3d09-3e20-4840-b5e0-2220d7f5599
更新时间：2022-06-22 05:47
我根据stockranker超跌反弹里面提供的信息，自己写了一下，结果：出错了，原因如下
更新时间：2022-04-28 05:58
Stockranker算法调参比较
StockRanker算法的核心是排序学习和梯度提升树，本文以0.1和0.2作为“学习率”参数的输入值进行测试。
首先，我们以StockRanker的默认参数0.1作为“学习率”的输入值进行模型训练，得到以下的训练结果：
1.特征重要性：又称为特征权重，是StockRanker模型基于各个特征对模型贡献度的一个数量型评估指标，值越大表示越重要。从下图可以看出，在“学习率=0.1”的情况下，rank_return_0最为重要，其值为133.266；其次为rank_return_5（110.354）；最差的为avg_amount_0/avg_amount_5，其值为1.608。
![{w
更新时间：2022-03-23 11:29
StockRanker实盘交易的那些事儿
作为平台的铁杆用户，本文主要分享下使用StockRanker模型来实盘交易的一些经验。
在机器学习领域，预测的结果依赖于：数据、算法和特征，因此真正好的策略一定是特征选择和特征构建非常好。
平台的StockRanker模型策略生成器只是搭建了一个策略框架，输入不同的特征就可以看到不同的策略效果。去年的时候，我构造出了大约10个特征进行回测，从12年到16年底，平均年化收益达到了76%，因此就打算先用一部分小资金实盘，进一步验证特征的有效性。
因为政策原因，目前国内股票实盘交易接口并没有开放，因此量化平台都不会说自己平台上可以实盘交易，免得监管部门叫去喝茶。于是只有手动下单，好在股票持仓时
更新时间：2021-08-24 05:46
StockRanker排序
更新时间：2021-07-30 07:26