/gplearn_stock

改进gplearn,主要使用在股票公式挖掘

Primary LanguagePython

gplearn_stock

代码作用介绍

改进gplearn,主要使用在股票数据挖掘;

简介

本代码在gplearn的基础上,对代码进行调整修改,以期更适用国内的股票策略;

Gplearn是python内部最成熟的符号回归算法实现,作为一种监督学习方法,符号回归试图发现某种隐藏的数学公式,从而利用特征变量预测目标变量;

符号回归的具体实现方式是遗传算法。首先生成多个未经历选择公式,此后的每一代中,最合适的公式将被替换;

随着伴随次数的增长,它们不断的繁殖,变异,进化,从而不断的逼近数据分布的真相;

作为使用到国内二级市场的核心点在在于适应的计算方法,不同适应度的计算方法,得到不同的结果。

本篇文章,主要使用调仓收益的预期作为适应度计算公式,对所有的随机生成公式进行进化。

使用方法:

安装gplean,将相应的部分进行替换。并结合demo 进行尝试

本代码适应度计算方法:

按照公式的大小提取前50(或100)只股票,等比例建仓,按照5个交易日进行调仓,适应度为股票收益率的均值,越大适应度越高,不设上限。 具体方法请查看_program.py的stock_excute函数,如需其他适应度,也可对此部分进行调整修改。

demo数据。需要的请联系qq:94006733

由于QQ并不经常登录,有需求请关注公共号“小王子的数量分析”,并留言。