社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

年化25.3%!机器学习策略开发全流程演示,lightGBM结合alpha158因子集,附全部代码

七年实现财富自由 • 3 天前 • 25 次点击  
原创内容第923篇,专注智能量化投资、个人成长与财富自由。
今天是星球一周一度更新代码的日子,代码已经更新到星球:
核心代码所带的策略集,在pycharm下启动终端(默认会激活虚拟环境),然后输入 jupyter notebook:
点击“策略集”:
点击“机器学习策略”
import syssys.path.append('../')from lab import AlphaLabsymbols = ['510300.SH','159915.SZ','513500.SH','518880.SH']#['510300.SH','159915.SZ']lab = AlphaLab(lab_path='./run', data_path='D:\work\.aitrader_data\quotes_etf')df = lab.load_bar_df(symbols=symbols, start='20100101', end='20250620',extended_days=10)data = df[['close','symbol','date']]data
划分数据集,并计算Alpha158因子集合:
from dataset.datasets.alpha_158 import Alpha158from dataset import to_datetime, AlphaDataset, process_drop_na, process_cs_norm, Segmentfrom functools import lru_cache, partial
dataset: AlphaDataset = Alpha158(        df,        train_period=("2010-01-01""2020-12-31"),        valid_period=("2020-01-01""2025-6-20"),        test_period=("2020-01-01""2025-6-20"),    )
# 添加数据预处理器dataset.add_processor("learn"partial(process_drop_na, names=["label"]))dataset.add_processor("learn"partial(process_cs_norm, names=["label"], method="zscore"))
# 准备特征和标签数据name = 'etf轮动'dataset.prepare_data(filters=None, max_workers=3)lab.save_dataset(name=name,dataset=dataset)
模型训练:
因子重要性排序分析:
回测:
import btfrom bt.algos import *from bt_algos_extend import SelectTopKs = bt.Strategy('s1', [bt.algos.RunDaily(),                           SelectAll(),                           SelectTopK(signal=df_signal),                           bt.algos.WeighEqually(),                           bt.algos.Rebalance()])
年化25.3%,这是一个完整的机器学习应于量化策略开发的流程。
代码与策略下载:AI量化实验室——2025量化投资的星辰大海
吾日三省吾身
《拿铁因素》提出的“从现在起,富有地生活”,并非指立刻拥有巨额财富,而是一种心态与生活方式的根本性转变。它强调在实现财务自由的路径中,“富有”首先是一种精神状态和行动哲学,而非结果的终点。
打破“先有钱后富有”的误区
许多人认为“等我有钱了,才能过富足的生活”,但这种思维恰恰阻碍了财富积累。真正的富有是以终为始的生活态度:像富人一样思考、消费和规划,财富才会随之而来。

如何“富有地生活”?

1. 建立“双账户系统”,释放心理压力

退休账户:自动划转每日“第一小时收入”(如时薪25美元,则日存25美元),用于长期复利投资

梦想账户:为短期目标(如旅行、课程)设立专项储蓄,让消费变得“理直气壮”

意义:账户自动运转后,剩余收入可自由支配,无需记账或愧疚,真正实现“花钱的从容”


代码和数据下载:AI量化实验室——2025量化投资的星辰大海

AI量化实验室 星球,已经运行三年多,1700+会员。

aitrader代码,因子表达式引擎、遗传算法(Deap)因子挖掘引等,支持vnpy,qlib,backtrader和bt引擎,内置多个年化30%+的策略,每周五迭代一次,代码和数据在星球全部开源。


点击 “查看原文”,直接访问策略集合

扩展  •  历史文章   

EarnMore(赚得更多)基于RL的投资组合管理框架:一致的股票表示,可定制股票池管理。(附论文+代码)

年化收益200%+的策略集 | 实时板块资金热力图 「aitrader 5.0系统代码发布」

机器学习驱动的策略开发通过流程 | 普通人阶层跃迁的可能路径?

年化30.24%,最大回撤19%,综合动量多因子评分策略再升级(python代码+数据)

三秒钟创建一个年化28%,夏普比1.25的策略(python系统已开放源代码下载)

会员专属策略可以直接下载了,多个十年年化30+%策略集|polars重构因子引擎(代码+数据下载)

6年年化收益46%,最大回撤率为16%的策略(附python代码)

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/183508
 
25 次点击