量化投资学习笔记87——实现量化交易经典策略:多因子选股（改进2）

发表于 | 分类于
| 字数统计: 1.3k | 阅读时长 ≈ 5

接着上次的程序，我想到用机器学习算法来进行多因子选股的方法。之前的程序是先假设因子之间是线性关系，然后求方程的系数。现在我考虑能不能将每个候选股票的各个因子的值，以及每个股票的年化收益率直接当做数据”喂给”算法，看看能有啥结果。
首先造数据吧。
因子数据的获取跟筛选和之前是一样的。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 获取股票数据，进行初步筛选，返回供因子分析的股票数据。
def getFactors():
#    data = ts.get_stock_basics()
#    print(data.head())
#    print(len(data))
#    data.to_csv("stocks.csv")
    data = pd.read_csv("stocks.csv", index_col = "code")
    # 排除亏损的股票
    data = data[data.npr > 0.0]
    # 排除上市不满2年的
    data = data[data.timeToMarket <= 20180801]
    # 排除ST股票
    data = data[~ data.name.str.contains("ST")]
    # 排除代码小于100000的股票
    data = data[data.index >= 100000]
    # 排除退市的股票
    data = data[data.pe != 0]
    # print(data)
    return data

接下来，要对每只股票在回测时间范围内回测出其年化收益率。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 对所有股票回测其年化收益率
def getReturn(data):
    if os.path.exists("data.csv"):
        data = pd.read_csv("data.csv", index_col = "code")
        return data
    start = "2017-01-01"
    end = "2020-07-31"
    codes = data.index
    names = fromCodeToName(data, codes)
    codes = [str(x) for x in codes]
#    print(codes)
#    print(names)
    # 在数据中增加一列计算年化收益率
    data["ar"] = 0.0
    t = 0
    cash = 100000
    for code in data.index:
        test = backtest.BackTest(FactorStrategy, start, end, [str(code)], [names[t]], cash, bDraw = False)
        result = test.run()
        print("第{}次回测，股票代码{}，回测年化收益率{}。".format(t+1, code, result.年化收益率))
        data.loc[code, ["ar"]] = result.年化收益率
        t += 1
    data.to_csv("data.csv")
    return data

只用回测一次，保存到文件里，下次直接读取。
现在数据有了，开始分析吧。
先看看数据情况:

1
print(data.info())


先看看年化收益率的分布情况。

下面用pairplot将所有变量两两配对画图看看。

先用线性回归，把所有变量放进去，以年化收益率为因变量，看看回归结果。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
# 多元线性回归
def multiRegress(data):
    x = data.iloc[:, 3:21]
    y = data.iloc[:, 22]
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2, random_state = 631)
    line_reg = LinearRegression()
    model = line_reg.fit(x_train, y_train)
    print("模型参数:", model)
    print("模型截距:", model.intercept_)
    print("参数权重:", model.coef_)
    
    y_pred = line_reg.predict(x_test)
    sum_mean = 0
    for i in range(len(y_pred)):
        sum_mean += (y_pred[i] - y_test.values[i]) ** 2
    sum_erro = np.sqrt(sum_mean /len(y_pred))
    print("RMSR=", sum_erro)
    print("Score=", model.score(x_test, y_test))
    # ROC曲线
    plt.figure()
    plt.plot(range(len(y_pred)), y_pred, 'b', label="predict")
    plt.plot(range(len(y_pred)), y_test, 'r', label="test")
    plt.legend(loc="upper right") 
    # 显示图中的标签
    plt.xlabel("facts")
    plt.ylabel('ar')
    plt.savefig("line_regress_result.png")
    plt.close()
    # 保存模型
    joblib.dump(model, "LineRegress.m")
    return mode

回归结果

1
2
模型参数: LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)                              模型截距: -0.018973640684523358                参数权重: [-1.56402370e-06  1.74669993e-07  6.98664492e-07 -4.44613478e-08  5.43375427e-07  3.22291009e-06  2.06702726e-05  5.75364273e-03  6.13467186e-03 -3.06546497e-03 3.31053106e-03  5.14874613e-10              1.80572770e-07  3.25824964e-03  4.28603067e-05  8.08821164e-07                  1.29863432e-04  5.30351262e-06]                          
RMSR= 0.019172719955231714                    Score= 0.4389434373773129


用回归结果的预测值排序取前十的股票作为组合中的股票，回测10年的结果看看。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# 测试多元线性回归的效果
def testMultiRegress(data):
    model = joblib.load("LineRegress.m")
    pred_return = model.predict(data.iloc[:, 3:21])
    # print(pred_return)
    data["pred_ar"] = pred_return
    # print(data)
    # 排序
    data = data.sort_values(by = "pred_ar", ascending = False)
    # print(data)
    # 取前十个股票作为投资标的
    codes = data.index[0:10].values
    # print(codes)
    names = fromCodeToName(data, codes)
    codes = [str(x) for x in codes]
    start = "2010-01-01"
    end = "2020-07-01"
    cash = 1000000
    opttest = backtest.BackTest(FactorStrategy, start, end, codes, names, cash, bDraw = True)
    result = opttest.run()
    print("多元线性回归的回测结果:")
    print(result)

回测结果

年化收益率41.8%。

还不错，但还是有那个bug，我是用最近的因子数据算的，回测的数据却是用之前的数据。
再试一下别的机器学习算法。
多项式回归，代码不赘述了，直接放结果。


回归结果个别值相差很大，最后回测结果也差一些。不过年化仍然达到40%。
在写这篇笔记搜索的时候我才知道，原来随机森林和深度学习也可以做回归！试试吧。
先用回归随机森林，参考这里： https://blog.csdn.net/GitzLiu/article/details/81952712

看着还不错，再用结果回测试试。

更好一些，年化到43.4%。
具体代码看： https://github.com/zwdnet/MyQuant/tree/master/48
策略文件为facts.py。
这次主要是回归算法。下次看分类算法。

我发文章的三个地方，欢迎大家在朋友圈等地方分享，欢迎点“在看”。
我的个人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的微信个人订阅号：赵瑜敏的口腔医学学习园地

欢迎打赏！感谢支持！