基于價(jià)量數(shù)據(jù)的排序?qū)W習(xí)選股模型

目 錄一、什么是排序?qū)W？ 5（一排學(xué)的景 5（二排學(xué)的殊處 5二、排序?qū)W習(xí)算法變 5（一）RankNet51、率失數(shù) 6（二）LambdaRank介紹 61、對(duì)RankNet算的速 62、度λ的選取 8（三）LambdaMart介紹 81、對(duì)Mart的紹 82、LambdaMart公推導(dǎo) 93、LambdaMart算流程 10三、排序?qū)W習(xí)選股型 10（一）LGBMRanker簡(jiǎn)介 10（二選模設(shè)計(jì) 1、票池 2、征擇 3、簽擇 134、練法 135、測(cè)果 13四、總結(jié) 19五、風(fēng)險(xiǎn)提示 20圖表目錄圖表1 征表 12圖表2 練法 13圖表3 LGBMRanker股策凈圖 14圖表4 LGBMRanker股策對(duì)指凈圖 14圖表5 略現(xiàn) 15圖表6 率現(xiàn) 15圖表7 年收率計(jì) 15圖表8 年來(lái)度益率計(jì) 16圖表9 業(yè)布比(%) 16圖表10 市分占比(%) 17圖表最信號(hào) 17圖表12 LGBMRanker股略9份勢(shì)至20230919） 19一、什么是排序?qū)W習(xí)？（一）排序?qū)W習(xí)的背景隨著數(shù)字時(shí)代的來(lái)臨，社會(huì)信息化程度的不斷加深，互聯(lián)網(wǎng)上承載的信息量呈指數(shù)級(jí)增長(zhǎng)。想要在海量的數(shù)據(jù)中檢索到自己需要的信息或者想要提高用戶的需求與信息之間的匹配程度，就會(huì)涉及到排序問(wèn)題。排序問(wèn)題，簡(jiǎn)單來(lái)說(shuō)就是如何從信息膨脹下的數(shù)據(jù)洪流中便捷地檢索出用戶最感興趣的結(jié)果，重要性不言而喻，同時(shí)也引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注與研究。與此相關(guān)的推薦系統(tǒng)在過(guò)去十幾年的時(shí)間里取得了長(zhǎng)足的發(fā)展并普遍運(yùn)用于搜索、推薦、廣告等各個(gè)領(lǐng)域。而處理排序問(wèn)題的方法不同也會(huì)產(chǎn)生不同的推薦系統(tǒng)，同樣的關(guān)鍵詞，一個(gè)搜索引擎可以讓用戶在搜索結(jié)果的前幾頁(yè)就快速找到想要的信息，而另外一個(gè)搜索引擎則無(wú)法做到，或者經(jīng)常瀏覽的兩個(gè)軟件，一個(gè)總能推送“排序?qū)W習(xí)（earngoanR（Macheearnedanng（二）排序?qū)W習(xí)的特殊之處相比于傳統(tǒng)的分類(lèi)和回歸模型，排序?qū)W習(xí)有著一些顯著的不同之處。首先，排序?qū)W習(xí)關(guān)注的是多個(gè)對(duì)象之間的相對(duì)排序關(guān)系，而不是單個(gè)對(duì)象的分類(lèi)或回歸問(wèn)題。其次，由于排序?qū)W習(xí)需要處理多個(gè)對(duì)象的排序信息，所以排序?qū)W習(xí)模型通常更加復(fù)雜，需要考慮對(duì)象之間的交互信息和排序關(guān)系。（q，D）qqueryqueryqnD={d1,d2,…,dn}，n>=1，以此作為模型的參數(shù)并讓模型對(duì)其進(jìn)行排序，然后根據(jù)真實(shí)排序與預(yù)測(cè)排序衡量排序效果，再以提升排序效果為目的不斷優(yōu)化迭代。oazedDsouedCuuaeGanDG)二、排序?qū)W習(xí)算法演變（一）RankNet介紹RankNetpairwise1、概率損失函數(shù)假設(shè)????和????是查詢????下的兩個(gè)文檔，????和????的特征向量分別是????和????，有????=??(????)，????==????????????表i個(gè)文檔排在第j?????1??????=??(?????????)=1+?????????logistic[0,1]????????????=0時(shí)，??=1??和??????1/2???? 2

??

?? ??通過(guò)現(xiàn)有的信息區(qū)分開(kāi)來(lái)。定義?????????的理想目標(biāo)值為：??=?(???????)如果要求存在理想的輸出結(jié)果?????????使得目標(biāo)概率= 1????

1+??????,<<k1：???=?????=????+???+?+????=∑,???=??因此，可以考慮將文檔按任意順序排列后，計(jì)算所有相鄰成對(duì)文檔的相對(duì)排序得分，從而可以推出任意兩個(gè)文檔????和????之間的相對(duì)排序得分??????，進(jìn)而方便地求得任意兩個(gè)文檔?????????的概率??????。經(jīng)證明，指定任意一組相鄰概率，可唯一識(shí)別出??????。有了上面的結(jié)論，可以大大簡(jiǎn)化RankNet的計(jì)算量，最少只計(jì)算相鄰數(shù)據(jù)即可。損失函數(shù)形式如下：??=??????????(1???)o(1???)=?????+o(1+??????)??????（二）LambdaRank介紹LambdaRankRankNetRankNetlambda如G1、對(duì)RankNet算法的加速????和??????和??，定義????>??表示????排在??前，則對(duì)應(yīng)的??如下：?

1 ????>??????={????0 ????<RankNet中的損失函數(shù)可以重新寫(xiě)為：???+o(1+??????) ??=1??????={log(1+????????)

??=0總的損失函數(shù)等于所有配對(duì)(????,????)對(duì)應(yīng)??????的和。注意到，如果????排在????前，配對(duì)(????,????)和(????,????)對(duì)應(yīng)的損失??????和??????是相等的，此時(shí)1+????????=log(1+????????)=log

????????

????????=log(1+?????????)+??????=???????+log(1+????????)=??????因此，為方便起見(jiàn)，可以將所有配對(duì)重新寫(xiě)為(????,????)的形式使得{??,??}∈??，其中??包含了所有????排在????前的配對(duì)，總的損失為：????=∑??????{??,??}∈??在訓(xùn)練過(guò)程中，使用損失相對(duì)權(quán)重的梯度進(jìn)行更新，結(jié)合鏈?zhǔn)椒▌t，得到：

=∑{??,??}∈??

=∑{??,??}∈??

????????????????????

??????????????+ }????????????計(jì)算損失函數(shù)相對(duì)得分函數(shù)的偏導(dǎo)，并令其等于????????????????????

???????? ?1????=?1+ = =??????1+???????? 1+????????????????????

?????????

??????????????

=1+1+????????=1+????????=?????

=???????可以發(fā)現(xiàn)，損失函數(shù)相對(duì)??和??的偏導(dǎo)是大小相等方向相反的，可以將??????重新寫(xiě)為?? ??

????????????

????????

??????

??????=∑????

{????

?????}=∑??????{

?????}=∑?????????? {??,??}∈??

????????

??

??????

?? ?? ??最后一步將和第i個(gè)文檔相關(guān)的文檔對(duì)????貢獻(xiàn)合并在一起，其中????=∑???????∑??:{??,??}∈?? ??:{??,??}∈??(????,對(duì)彼此的力是相互的，大小相等且方向相反。????受到的總力????由其他相關(guān)文檔的貢獻(xiàn)共同決定。RankNetLambdaRank??先計(jì)算所有??，再計(jì)算??和??????，最后加總，使得計(jì)算變得更方便，加速了計(jì)算過(guò)程。?? ??

??????2、梯度函數(shù)??的選取RankNetPairWise（NDCG）RankNet??RankNetRankNet??????????????=

|???????|??是某個(gè)評(píng)價(jià)指標(biāo)，???????表示交換文檔????和????的順序后，評(píng)價(jià)指標(biāo)的變化值。???????越大，說(shuō)明這對(duì)排序的結(jié)果對(duì)整體排序影響越大，因此對(duì)他們施加更大的力，讓他們相比原方法移動(dòng)更多位置。以常用的NDCG為例，選取??為如下形式：?? = |?????????|=

??(2?????2????)( 1 ? 1 )????

??????

????

1+????????

log(1+????)

log(1+????)????和????和????和????????和DCGNDCG1NDCG化。（三）LambdaMart介紹LambdaMartLambdaRankλ和又稱(chēng)算法，將λ作1、對(duì)Mart的介紹N總的??????(??)=∑????????(??)??=1????????(??)K????????進(jìn)行擬合，最后求平均，效果和直接用一棵樹(shù)相比差別不大。kk-1∑???1得到????(??)=?????1(??)+????????(??)，然后繼續(xù)計(jì)算更新即可。舉一個(gè)簡(jiǎn)單的例151015-10=5415-(10+4)=5-4=11歲，那么總的估計(jì)結(jié)果為10+4+1=15歲。GBDT用梯度去替代殘差，每棵樹(shù)對(duì)梯度進(jìn)行建模。假設(shè)損失函數(shù)是??(????,??(????))，每一步迭代時(shí)，我們希望損失函數(shù)在減小，一般地，函數(shù)向變量的負(fù)梯度方向減小，每次迭代時(shí)，使損失函數(shù)更新為??(??,??

(??)???????(????,?????1(????))???????1 ????

(??) )在之前的方法中，每一步累加殘差得到最終的估計(jì)函數(shù)。將殘差替換為負(fù)梯度，相當(dāng)于k1棵樹(shù)的結(jié)果，第k????=?

????(????,??(????))??????(??) ??

??(????)=?????1(????)對(duì)??Lkl??????，更新葉節(jié)點(diǎn)??????為：??????=??????????????∑??(????,?????1(????)+??)????∈??????更新預(yù)測(cè)函數(shù)為：????(????)=?????1(????)+??∑????????(????∈??????)??2、LambdaMart公式推導(dǎo)LambdaMartLambdaRankλ_i(y_i)?，：??=

????(????,??(????))??????(??) ??

??(????)=?????1(????)

=????=

??????(????,????)??????

|??(????)=?????1(????)其中得分函數(shù)????=??(????)，是決策樹(shù)結(jié)果累加擬合的最終目標(biāo)。????根據(jù)??????計(jì)算得到，有：???|???????|??????=1+????(?????????)=

??????????????????

=∑??:{??,??}∈??

????

?∑??:{??,??}∈??

=∑{??,??}???

????

=????????????其中??為概率函數(shù)中的調(diào)整參數(shù)。對(duì)應(yīng)的效用函數(shù)為：????=∑|???????|log(1+?????(?????????))=∑??????{??,??}??? {??,??}∈??對(duì)????Lkl??????，??????為：??????

=

∑ ∑????∈??????{??,??}∈??

|log(1+?????((?????1(????)+??)?????))=??????????????∑CT(??)=????????????????(??)????∈??????因?yàn)??????難以得到顯式解，用Newton-Raphson方法可求近似解：??′

∑ ????∈????????????

∑ ??????????∈?????????????1(????)??????=??′′=

∑??

=??????22

∑??

??????22????????

??????

?????1(????)最后再根據(jù)計(jì)算出來(lái)的葉節(jié)點(diǎn)來(lái)更新模型：=?????1(????)+??∑1(????∈??????)??3、LambdaMart算法流程訓(xùn)練樣本共m個(gè)，設(shè)定共有N棵決策樹(shù)，每棵決策樹(shù)含L個(gè)葉節(jié)點(diǎn)，學(xué)習(xí)率設(shè)定為??。(1)??0(????)=??????????????????(????)(i=1,2,…,m）()k（=1,2N）(2.1)(2.2)????kl??????L{??????}??(2.3)???????? =∑????∈??????????

??=1,2,…,??????

∑??

????(2.4)更新得分函數(shù)

????????????(????)=?????1(????)+??∑????????(????∈??????)??=1三、排序?qū)W習(xí)選股模型（一）LGBMRanker簡(jiǎn)介L(zhǎng)GBM（LightGBM）是一種高效的梯度提升決策樹(shù)（GradientBoostingDecisionTree,GBDT）Microsoft2016LGBMLGBM采用了許多優(yōu)化技術(shù)，使其在訓(xùn)練過(guò)程中具有高度的并行性和低內(nèi)存消耗，例如基于Histogram的決策樹(shù)算法、基于梯度的單側(cè)采樣（GOSS）以及排他性特征捆綁等，從而進(jìn)一步提升了模型的性能，降低過(guò)擬合的風(fēng)險(xiǎn)，提高了模型的泛化能力。GBMRaner是一種基于GB（ghGBLGBM（二）選股模型設(shè)計(jì)1、股票池的速度，我們并沒(méi)有直接使用所有A3005001000A1800100020141017范圍為2014年11月至2023年8月底。2、特征選擇數(shù)據(jù)方面，我們使用了wind底層數(shù)據(jù)庫(kù)中的每日個(gè)股的漲跌幅數(shù)據(jù)，以及A股每日資金流向數(shù)據(jù)。其中wind對(duì)大小單的定義如下：小單：<4萬(wàn)元。中單：4萬(wàn)元到20萬(wàn)元之間。大單：20萬(wàn)元到100萬(wàn)元之間。特大單：>100萬(wàn)元。而一致預(yù)期數(shù)據(jù)我們選擇使用朝陽(yáng)永續(xù)的一致預(yù)期數(shù)據(jù)庫(kù)。令f代表一個(gè)數(shù)值特征(numericalfeature)，c代表一個(gè)分類(lèi)特征(categoricalfeature)，n代表時(shí)間窗口參數(shù)。使用的算子包括:rolling_sum(f):滾動(dòng)求和rolling_diff(f):rolling_quantile(f):rolling_of_today(f):month_end_diff(f):月度變化rolling_product(f):rolling_std(f)圖表1 特征表分類(lèi)特征算子時(shí)間窗口資金流向總流入流出rolling_sum，rolling_quantile，feature_diff，rolling_of_today5,20,60特大單流入流出rolling_sum，rolling_quantile，feature_diff，rolling_of_today5,20,60大單流入流出rolling_sum，rolling_quantile，feature_diff，rolling_of_today5,20,60中單流入流出rolling_sum，rolling_quantile，feature_diff，rolling_of_today5,20,60小單流入流出rolling_sum，rolling_quantile，feature_diff，rolling_of_today5,20,60一致預(yù)期滾動(dòng)一致預(yù)期營(yíng)業(yè)收入rolling_diff5,20,60滾動(dòng)一致預(yù)期凈利潤(rùn)rolling_diff5,20,60滾動(dòng)一致預(yù)期每股收益rolling_diff5,20,60滾動(dòng)一致預(yù)期凈資產(chǎn)rolling_diff5,20,60滾動(dòng)一致預(yù)期市凈率rolling_diff5,20,60滾動(dòng)一致預(yù)期市銷(xiāo)率rolling_diff5,20,60滾動(dòng)一致預(yù)期市盈率rolling_diff5,20,60滾動(dòng)一致預(yù)期PEGrolling_diff5,20,60一致預(yù)期凈資產(chǎn)收益率rolling_diff5,20,60滾動(dòng)一致預(yù)期營(yíng)業(yè)收入同比rolling_diff5,20,60滾動(dòng)一致預(yù)期凈利潤(rùn)同比rolling_diff5,20,60滾動(dòng)一致預(yù)期凈利潤(rùn)兩年復(fù)合增長(zhǎng)率rolling_diff5,20,60基礎(chǔ)價(jià)量個(gè)股漲跌幅rolling_product,rolling_std5,20,60資料來(lái)源：華創(chuàng)證券另外針對(duì)groupby_rank算子，我們使用了市值分組作為對(duì)應(yīng)的分類(lèi)特征。3、標(biāo)簽選擇3030604、訓(xùn)練方法T=0T=-12T=-3T=-3至T=-1T=0T=1圖表2 訓(xùn)練方法資料來(lái)源：5、回測(cè)結(jié)果50圖表3 LGBMRanker選股策略凈值圖資料來(lái)源：，將策與深300中證500、證1000進(jìn)比到以凈圖：圖表4 LGBMRanker選股策略對(duì)比指數(shù)凈圖資料來(lái)源：，圖表5 策略表現(xiàn)策略名稱(chēng)累計(jì)收益累計(jì)超額收益率年化收益率年化超額收益率夏普比率最大回撤最大回撤持續(xù)時(shí)間LGBMRanker選股策略167.31%160.16%13.28%12.40%0.4834.58%507天資料來(lái)源：Wind，華創(chuàng)證券3005001000300以外的基準(zhǔn)都有65%300的月度勝率也能夠達(dá)到58.51%：圖表6 勝率表現(xiàn)vs率vs行業(yè)等權(quán)月勝率vs滬深300年勝率vs滬深300月勝率vs中證500年勝率vs中證500月勝率vs中證1000年勝率vs中證1000月勝率88.89%65.96%77.78%58.51%100%67.02%100%76.60%資料來(lái)源：Wind，華創(chuàng)證券18%圖表7 分年度收益率計(jì)時(shí)間策略(%)等權(quán)組合(%)滬深300(%)中證500(%)中 證1000(%)vs等權(quán)(%)超 額vs300(%)超 vs500(%)超 vs1000(%)2015/12/3119.6716.17.349.8218.673.5712.339.8512016/12/3114.44-15.04-11.28-17.78-20.0129.4825.7332.2234.452017/12/313.46-8.5721.78-0.2-17.3512.03-18.323.6620.812018/12/31-22.35-32.1-25.31-33.32-36.879.742.9610.9714.522019/12/3128.5124.536.0726.3825.674.02-7.562.132.852020/12/3153.825.7227.2120.8719.3928.0826.5932.9334.412021/12/3121.3526.46-5.215.5820.52-5.1226.555.760.832022/12/31-14.23-15.79-21.63-20.31-21.581.567.46.087.352023年初至2023年8月底18.114.98-2.75-2.13-2.8213.1320.8620.2420.93資料來(lái)源：Wind，華創(chuàng)證券2023818.10%，相較13.14%圖表8 今年以來(lái)月度益率統(tǒng)計(jì)時(shí)間策略(%)等權(quán)組合(%)滬深300(%)中證500(%)中 證1000(%)vs等權(quán)(%)超 額vs300(%)超 vs500(%)超 vs1000(%)2023/1/319.987.957.377.248.342.032.612.731.642023/2/284.433.26-2.11.092.211.176.543.352.222023/3/31-1.350.22-0.46-0.28-1.15-1.57-0.89-1.07-0.22023/4/30-4.75-1.69-0.54-1.55-2.22-3.06-4.21-3.2-2.542023/5/312.45-2.88-5.72-3.1-2.45.348.185.554.862023/6/301.782.171.16-0.810.62-0.390.632.591.172023/7/318.242.74.481.49-1.315.533.766.749.542023/8/31-3.04-6.22-6.21-5.73-6.323.183.182.693.28累計(jì)收益18.104.96-2.74-2.13-2.8313.1420.8420.2320.92資料來(lái)源：Wind，華創(chuàng)證券12圖表9 行業(yè)分布占比(%)時(shí)間202210202211202212202301202302202303202304202305202306202307202308202309交通運(yùn)輸0.020.060.040.020.060.10.02000.0400.06傳媒0.020.060.060.020.020.04000000農(nóng)林牧漁0000.0400.020.040.020.02000醫(yī)藥0.040.02000.10.080.040.040.1800.240.02商貿(mào)零售0.040.040.020.020.040.060.06000.140.020.08國(guó)防軍工00.0200.0400000000基礎(chǔ)化工0.020.040.060.080.080.060.20.210.120.080.180.04家電0000.0400.020.0200.020.0200.02建材0.040.020.020.020.0400.020.0200.080.020建筑0.140.140.20.060.10.080.020.040.020.020.040.18房地產(chǎn)0.040.020.0400.180.060.02000.020.020.1有色金屬0000.020000.020.020.0600.06機(jī)械00.040.040.2400.060.160.210.2800.160.06汽車(chē)0.040.0200.060.040.020.080.120.020.060.020.04煤炭00.020.0200.020000000電力及公用事業(yè)00.060.040.080.040.020.10.060.020.040.020.02電力設(shè)備及新能源00.0200.04000.060.020.040.020.020電子0000.040.0200.020.060.0600.10.02石油石化0.020.040000000.020.0200.06紡織服裝0.060.060.0800.160.120.040.040.020.080.020.02綜合0.040000.020000000.02計(jì)算機(jī)00.0200.020000.02000.080輕工制造0.060.0200.080.020.020.060.060.060.080.020通信0.040.0200.0600000000鋼鐵0.020.020000.02000.020.120.020.02銀行0.30.160.3400.020.20000.100.18非銀行金融0.060.060.040.0200.020.040.0200.0200食品飲料00.02000.04000.020.08000資料來(lái)源：Wind，華創(chuàng)證券2001000圖表10 市值分布占比(%)時(shí)間202210202211202212202301202302202303202304202305202306202307202308202309200億以下0.440.640.440.9610.660.94110.680.980.4200-400億0.060.040.020.04000.06000.120.020.12400-600億0.0400.08000.02000000.04600-800億0.0400.02000.020000.0200.08800-1000億0.080.040.02000.040000.0200.041000億以上0.340.280.42000.260000.1600.32資料來(lái)源：Wind，華創(chuàng)證券策略9月最新個(gè)股信號(hào)如下：圖表最新信號(hào)日期股票代碼名稱(chēng)中信一級(jí)行業(yè)2023/9/1601288.SH農(nóng)業(yè)銀行銀行2023/9/1600028.SH中國(guó)石化石油石化2023/9/1601857.SH中國(guó)石油石油石化2023/9/1600490.SH鵬欣資源有色金屬2023/9/1601390.SH中國(guó)中鐵建筑2023/9/1600820.SH隧道股份建筑2023/9/1002062.SZ宏潤(rùn)建設(shè)建筑2023/9/1601988.SH中國(guó)銀行銀行2023/9/1600048.SH保利發(fā)展房地產(chǎn)2023/9/1600282.SH南鋼股份鋼鐵2023/9/1601618.SH中國(guó)中冶建筑2023/9/1601155.SH新城控股房地產(chǎn)2023/9/1601658.SH郵儲(chǔ)銀行銀行2023/9/1600694.SH大商股份商貿(mào)零售2023/9/1001696.SZ宗申動(dòng)力機(jī)械2023/9/1600741.SH華域汽車(chē)汽車(chē)2023/9/1601668.SH中國(guó)建筑建筑2023/9/1600491.SH龍?jiān)ㄔO(shè)建筑2023/9/1600655.SH豫園股份商貿(mào)零售2023/9/1600133.SH東湖高新房地產(chǎn)2023/9/1601998.SH中信銀行銀行2023/9/1601006.SH大秦鐵路交通運(yùn)輸2023/9/1600742.SH一汽