量化选股策略搭建(五)(短期策略搭建)

所用到的数据：
1、上市公司信息数据

可用tushare的 stock_basic接口获取
2、股票每日信息（开、收、最高、最低价，换手率，成交量等）

可用tushare的pro_bar接口获取
3、大盘指数每日信息

可用tushare的 index_daily 接口获取
4、每日涨跌停统计

可用tushare的 limit_list接口获取
5、个股每日资金流向（超大、大、中、小单流入流出）

可用tushare的moneyflow接口获取
完整数据获取代码可以见github，github链接在末尾。

策略搭建代码

一些包导入及定义

上市公司信息获取：

读取大盘信息：

将大盘的日期提取出来生成一个dict，这么做的目的是为了给交易日编一个码，后期方便处理，因为有些股票会有停牌日导致信息丢失。

读取上市公司每日的涨跌的基本信息：

特征工程

获取星期：似乎在短期交易中，星期几也是一个重要的指标

获取每日涨跌停统计，如果某天涨停数远远多于跌停数，则说明市场赚钱效应显著。

将每日成交量做一些处理，利用5天成交量均线换算成比例，开盘价等也是如此。

将大盘近三日相对于当天大盘情况换算成比例。

获取资金流向

标签制作

这里将未来3天股价相对于今天收盘价涨超6%，并且最低价大于3%的股票标记为1，否则为0.

模型训练

训练时间：20190101->20190101

测试时间：20190101->20191218

这里不选用测试集，原因是当前所用的测试机不能代表未来的情况。

使用的特征：

星期；当日涨停数-当日跌停数；转换后的开盘、收盘等价；近三日的收盘价、成交量（换成比例的）；资金中、大、超大单流入及净流入（换算成比例的）。一共有32个特征。

模型训练，利用lgb模型训练。

观察特征重要性：

从特征重要性可以发现，近几天上证指数、涨跌停情况、还有换手率是比较重要的特征。看上证指数和涨跌停情况说明还是需要看大盘的，大盘好赚钱效应才高。

回测

**买入策略：**当日收盘价买入，持股周期3天，止盈5个点，止损3个点。

先剔除一部分涨停无法买入的股票（利用最高价是否等于收盘价判断，暂且这么判断）

**回测结果：**初始资金为10w，Account为自己定义的一个类，可见github看源代码

盈利情况：

虽然账户跑输了上证指数，但是短期的交易胜率还是挺高的，回撤也很小。

与上证对比图：

总结与感触：

1、低频交易想在短期获得利润很难，市场不确定性比较大

2、机器学习特别依赖训练集，训练集选取不好，未来将很难盈利

3、机器学习也特别依赖特征，特征太多，模型容易很难学到有效信息，容易过拟合

4、在股市问题上，验证集选取也不好选取，你当前所选取的验证集很难代表未来的情况。

未来研究方向：

1、中期股票选股策略

2、单支股票的操作策略

3、股价预测等

代码 github: https://github.com/wbbhcb/stock_market

对量化、数据挖掘、深度学习感兴趣的可以关注公众号，本人不定期分享有关这些方面的研究。

个人知乎: https://www.zhihu.com/people/e-zhe-shi-wo/activities