slug: ml-alpha displayName: 機器學習選股模型 version: 1.0.0 summary: 基於XGBoost/LightGBM的A股多因子選股預測系統，實現15+特徵工程、滾動視窗訓練、分組回測、IC評估，支援時間序列交叉驗證和特徵重要性分析。 tags: - finance - machine-learning - stock-selection - xgboost - quantitative-finance license: MIT

機器學習選股模型 (ML-Alpha)

概述

ML-Alpha 是一個基於機器學習的A股多因子選股預測系統。系統使用XGBoost、LightGBM和Ridge迴歸三種模型，通過15+因子特徵工程和滾動視窗訓練，預測股票未來收益率並進行分組回測驗證。

所有資料均來自 akshare 真實介面，不使用任何隨機或偽造資料。

核心能力

資料層 (data.py)

• 使用 akshare 獲取A股日線行情（前復權）
• 獲取指數成分股（滬深300/中證500/上證50等）
• 獲取基本面資料（PE/PB/ROE等估值與財務指標）
• 面板資料構建（date x stock x features）
• 資料清洗：去極值、截面標準化、前向填充處理停牌

特徵層 (features.py)

構建20個選股因子，覆蓋5大類別： | 類別 | 因子 | 數量 | |------|------|------| | 技術特徵 | MA5/MA20/MA60比率、RSI、MACD直方圖、布林帶位置 | 6 | | 量價特徵 | 量比、換手率變化、成交額/量比率 | 3 | | 基本面特徵 | PE分位數、PB分位數、ROE、毛利率 | 4 | | 動量特徵 | 1月/3月/6月動量、5日反轉 | 4 | | 波動率特徵 | 20日波動率、偏度、峰度 | 3 |

所有特徵計算後進行截面z-score標準化。

模型層 (models.py)

• XGBoost迴歸模型（梯度提升樹，非線性建模）
• LightGBM迴歸模型（輕量級梯度提升樹，訓練快速）
• Ridge迴歸（線性baseline）
• 滾動視窗訓練：train on past N months, predict next month
• 時間序列交叉驗證（TimeSeriesSplit，避免資料洩露）
• 模型持久化（joblib儲存/載入）

回測層 (backtest.py)

• 按預測分數分5組（quintile分組）
• 多空對沖組合：做多Top組，做空Bottom組
• 月度調倉
• 組合收益與換手率計算

評估層 (evaluation.py)

• IC（Spearman秩相關係數）及IC統計摘要
• 滾動IC評估模型穩定性
• 分組單調性檢驗

  7w4.net提供免費和付費技能下載。

• 夏普比率、最大回撤、年化收益
• 換手率分析
• 特徵重要性聚合排名

報告層 (report.py)

• 累積收益曲線（各組 + 多空對沖）
• 分組月度收益熱力圖
• 特徵重要性條形圖
• 滾動IC曲線
• 預測vs實際收益散點圖
• 自包含HTML報告（base64嵌入圖片）

能力邊界說明

1. 資料來源：僅支援A股資料（通過akshare獲取），不支援港股/美股
2. 預測範圍：預測未來1/5/10/20日收益率，不支援高頻預測
3. 交易成本：回測未考慮交易成本（手續費、滑點、衝擊成本），實際收益可能低於回測結果
4. 市場環境：模型基於歷史資料訓練，在極端市場環境下（如金融危機、政策劇變）可能失效
5. 基本面資料：財務指標可能存在報告延遲，實際使用中需注意資料時效性
6. 並非投資建議：本工具僅用於學術研究和量化分析，不構成任何投資建議

安裝使用

環境要求

• Python 3.9+
• 網路連線（akshare需要線上獲取資料）

安裝依賴

cd ml-alpha
pip install -r requirements.txt

基本用法

# 使用指定股票池
python predict.py --tickers 600519,000858,601318 --start 20220101 --end 20250101

# 使用滬深300成分股，XGBoost模型，5日預測週期
python predict.py --index hs300 --model xgboost --horizon 5

# 使用中證500成分股，訓練所有模型對比
python predict.py --index zz500 --model all --horizon 10

# 自定義訓練視窗
python predict.py --tickers 600519,000858 --model lightgbm --horizon 20 --train-months 18

引數說明

輸出示例

執行完成後，在 output 目錄下生成：

output/
├── report_xgboost.html        # HTML評估報告（含圖表）
├── predictions_xgboost.csv    # 預測結果CSV
├── report_lightgbm.html       # LightGBM報告（--model all時）
├── predictions_lightgbm.csv
├── report_ridge.html          # Ridge報告
├── predictions_ridge.csv
└── models/                    # 模型檔案（--save-models時）
    └── xgboost_latest.pkl

控制台輸出示例

┌──── 配置資訊 ────────────────────────────────────┐
│ 股票池: 指數 hs300                                │
│ 日期範圍: 20220101 ~ 20250101                     │
│ 模型: xgboost                                     │
│ 預測週期: 5 天                                     │
│ 訓練視窗: 12 個月                                  │
└────────────────────────────────────────────────────┘

評估結果摘要:
  平均IC:        0.0342
  IC資訊比率:    0.4521
  IC勝率:        58.3%
  多空年化收益:  12.5%
  夏普比率:      1.23
  最大回撤:      8.7%
  平均換手率:    35.2%

FAQ

Q1: 獲取資料速度很慢怎麼辦？

A: akshare需要逐只股票請求歷史資料，大股票池（如滬深300的300只股票）需要較長時間。建議： - 使用較少的股票（--tickers 指定少量股票） - 縮短日期範圍 - 每隻股票請求間隔0.1秒避免被限流

Q2: 哪些IC值算好的模型？

A: 通常IC（Spearman秩相關係數）的評判標準： - IC > 0.05: 優秀，具有較強預測力 - 0.03 < IC < 0.05: 良好，有一定預測力 - 0.01 < IC < 0.03: 一般，預測力較弱 - IC < 0.01: 模型預測力不足

IC資訊比率（ICIR = mean(IC)/std(IC)）> 0.5 通常被認為是可以接受的。

Q3: 滾動視窗訓練的原理是什麼？

A: 模型在每個調倉日（月末），使用過去N個月的資料訓練，然後預測下個月的收益。這模擬了真實的投資決策流程，避免了使用未來資料（look-ahead bias）。例如 train_months=12 表示用過去12個月的資料訓練，預測下個月。

Q4: 如何選擇預測週期（horizon）？

A: 預測週期取決於投資策略的持倉時間： - horizon=1: 日頻策略，適合短線交易 - horizon=5: 周頻策略，適合波段交易 - horizon=10: 兩週策略，適合中短期持倉 - horizon=20: 月頻策略，適合中長期持倉 較短的預測週期換手率較高但可能捕捉更多短期訊號，較長的週期換手率低但需要更長的資料驗證。

Q5: 模型在熊市中表現如何？

A: ML模型的預測能力在不同市場環境下會有變化。通常在趨勢明確的市場中表現較好，在震盪市或急轉市場中可能失效。建議關注滾動IC曲線，當IC持續為負時，應考慮暫停使用模型或調整策略。回測結果僅供參考，不保證未來收益。

Q6: 為什麼有些股票的資料獲取失敗？

A: 可能的原因包括：股票已退市、停牌時間過長、akshare介面暫時不可用、網路問題等。系統會跳過失敗的股票並繼續處理其他股票，不影響整體流程。

技術架構

predict.py (CLI)
    │
    ├── data.py ────── akshare獲取資料 → 面板資料
    │                    ├── 日線行情（OHLCV）
    │                    ├── 基本面資料（PE/PB）
    │                    └── 資料清洗（去極值/標準化/前向填充）
    │
    ├── features.py ── 構建20個因子 → 特徵面板
    │                    ├── 技術因子（MA/RSI/MACD/BOLL）
    │                    ├── 量價因子（量比/換手率/資金流向）
    │                    ├── 基本面因子（PE/PB分位數/ROE/毛利率）
    │                    ├── 動量因子（1m/3m/6m動量/反轉）
    │                    └── 波動率因子（std/skew/kurt）
    │
    ├── models.py ──── 滾動視窗訓練 → 預測結果
    │                    ├── XGBoost迴歸
    │                    ├── LightGBM迴歸
    │                    ├── Ridge迴歸
    │                    └── TimeSeriesSplit交叉驗證
    │
    ├── backtest.py ── 分組回測 → 組合收益
    │                    ├── 5組分組
    │                    ├── 多空對沖
    │                    └── 換手率計算
    │
    ├── evaluation.py ─ 評估指標 → 評估結果
    │                    ├── IC/Spearman相關
    │                    ├── 分組單調性
    │                    ├── Sharpe/MaxDD
    │                    └── 特徵重要性
    │
    └── report.py ──── 圖表生成 → HTML報告
                         ├── 累積收益曲線
                         ├── 熱力圖
                         ├── 特徵重要性圖
                         ├── 滾動IC曲線
                         └── 散點圖

這個Skill質量較高，是一套完整的機器學習選股工具，特徵豐富、模型多樣、評估全面，文件說明詳細。主要優點是功能完整、使用方便，圖表報告直觀。主要不足是回測沒有考慮手續費等交易成本，實際收益可能不如回測結果好看；獲取資料較慢，容易受網路影響。總體而言，這是一個專業度較高的量化選股工具，適合有量化基礎的開發者使用。