策略分享—基于StockRanker模型和排序学习的选股策略
由bq0m8rec创建，最终由bq0m8rec 被浏览 21 用户
0. 策略名词解释
（1）StockRanker模型 (LightGBM Ranker模型)
StockRanker 在bigquant平台支持排序、回归、二分类、log loss四种算法。而在排序算法中: 使用 LightGBM 提供的排序模型（LightGBM Ranker）来实现排序任务。
github链接: https://github.com/microsoft/LightGBM
- 该模型通过将排序问题转化为多个 样本对之间的比较任务进行训练
$$
每一对样本 (i, j) 中，如果 yi>yj，模型应学习让 \hat{y}_i > \hat{y}_j
$$
这种方法不关注预测值的准确性，而关注“ 谁排在谁前面 ”
| 参数名 | 含义与解释 |
|---|---|
| number_of_leaves | 每棵树的最大叶子数，控制模型复杂度，越大越容易过拟合。 |
| min_docs_per_leaf | 每个叶子节点的最小样本数，防止模型过拟合。 |
| number_of_trees | 总共训练的树的数量，树越多模型越复杂。 |
| learning_rate | 控制每棵树对模型的贡献，影响收敛速度与稳定性。 |
| max_bins | 特征最大分箱数，影响特征离散化的精度与训练效率。 |
| feature_fraction | 每次训练迭代中使用的特征比例，用于防止过拟合。 |
| data_row_fraction / bagging fraction | 每次训练迭代中使用的数据样本比例，用于增强模型泛化能力。 |
\
（2）排序学习（Learning to Rank）
排序学习是一类机器学习任务，目标是让模型对一组对象（如网页、股票、商品）按相关性或价值进行排序。
给定一组查询 q，及其对应的候选项集合{x1,x2,...,xn}，每个项 xi 有一个对应的特征向量xi，以及（可能）一个相关性标签yi。排序学习的目标是学习一个函数 f(x)，使得经过模型评分后的对象排序尽可能接近真实的相关性排序。
| 排序策略 | 优化单位 | LightGBM 支持 |
|---|---|---|
| Pointwise | 每个样本 | 否（不适合排序） |
| Pairwise | 样本对 (i, j) | （LambdaRank），StockRanker模型使用的是这一种排序算法 |
| Listwise | 整个列表 | （rank_xendcg） |
\
1 StockRanker模型实现
1.1 数据准备（Data Preperation）
1.1.1 时间范围（选定标的行业）
https://www.gov.cn/zhengce/zhengceku/202312/content_6923270.htm?utm_source=chatgpt.com
1.1.2 因子分析（行业定制化因子模型搭建，具体见“基于成长因子的电子行业多因子选股策略‘）
\
1.2 预测函数（Prediction Function）
在 LightGBM 中，无论是分类、回归还是排序，预测函数本质上是 一组加法模型，即：
在排序中，这个打分值并没有“具体数值意义”，但越大的值会在排序中被排得越靠前。
\
1.3 损失函数（Loss function）
排序学习的损失函数不是关于单个样本的，而是关于 样本对（pairwise） 或 整个列表（listwise） 的:
LambdaRank（Pairwise）的理论损失函数：
实际的优化内容：梯度（lambda）
实际训练时的 λ，就是这个理论损失函数对预测分数的偏导数（梯度）-----在 LightGBM 的排序学习（尤其是 LambdaRank）中，lambda 指的是目标函数对叶子输出（leaf output）的一阶偏导数的负数，也就是：
\
1.4 正则化 （Regularization）
与回归/分类一样，LightGBM 的排序模型也加入了 树模型复杂度的正则化，防止过拟合。
- 叶子输出 L2 正则化：控制每个叶子的预测值 wj 不要过大（类似岭回归）\n
1.5 目标函数（Objective function）
Total loss（目标函数）= Loss Function（损失函数） + Rugularization(正则项)
注意：这里的lambda不是loss function的一阶偏导数的lambda, 只是正则项的正则化系数
LightGBM 要优化的最终目标函数为：
\
1.6 优化过程（Boosting Optimization）
LightGBM 采用的优化方式是：
梯度提升决策树（GBDT）框架，对目标函数做 二阶泰勒展开，逐轮拟合负梯度（伪残差）
步骤如下：
(1) 初始化模型：
(2) 每一轮迭代：
l 对于每个样本，计算一阶导数（负梯度）和二阶导数：
LambdaRank 会根据样本对构造这些梯度（包含ΔNDCG）
l 拟合一棵决策树 Tm(x)，将样本分配到叶子节点
l 计算每个叶子的输出值（通过极小化加权平方误差 + 正则项）
l 更新模型：
(3) 继续迭代直至停止条件满足（如迭代次数、早停）
1.7 训练过程（Training Process）
\
1.8 模型检验（Evaluation）
LightGBM 排序模型常用的评估指标不是 MSE，而是 排序质量指标，例如:
- 计算公式：
\
-
图直观展示：
NDCGk=1表示排序完美
NDCGk 越接近 1，排序效果越好
\
2 历史数据回测
\
3 交易成本和滑点
\
4 总结
优势：StockRanker模型排序算法
可优化方向：多策略组合，参数优化等