章节大纲

  • 预测模型：模型训练与预测

    简介

    预测模型旨在为股票生成预测分数。用户可以通过 qrun 在自动化工作流中使用预测模型，请参阅工作流：工作流管理。

    由于 Qlib 中的组件采用松散耦合的设计，预测模型也可以作为一个独立的模块使用。

    基类与接口

    Qlib 提供了一个基类 qlib.model.base.Model，所有模型都应继承自该类。

    该基类提供了以下接口：

    class qlib.model.base.Model

    可学习的模型

    fit(dataset: Dataset, reweighter: Reweighter)

    从基础模型中学习模型。

    注意

    学习到的模型的属性名称不应以 _ 开头。这样模型就可以被转储到磁盘。

    以下代码示例展示了如何从数据集中检索 x_train、y_train 和 w_train：

    Python 
    # get features and labels
df_train, df_valid = dataset.prepare(
    ["train", "valid"], col_set=["feature", "label"], data_key=DataHandlerLP.DK_L)
x_train, y_train = df_train["feature"], df_train["label"]
x_valid, y_valid = df_valid["feature"], df_valid["label"]

# get weights
try:
    wdf_train, wdf_valid = dataset.prepare(["train", "valid"], col_set=["weight"],
                                           data_key=DataHandlerLP.DK_L)
    w_train, w_valid = wdf_train["weight"], wdf_valid["weight"]
except KeyError as e:
    w_train = pd.DataFrame(np.ones_like(y_train.values), index=y_train.index)
    w_valid = pd.DataFrame(np.ones_like(y_valid.values), index=y_valid.index)

    参数：

    • dataset (Dataset) – 数据集将生成用于模型训练的处理过的数据。

    abstract predict(dataset: Dataset, segment: str | slice = 'test') -> object

    给定数据集进行预测。

    参数：

    • dataset (Dataset) – 数据集将生成用于模型训练的处理过的数据集。

    • segment (Text or slice) – 数据集将使用此分段来准备数据。（默认为 test）

      返回类型：

      具有特定类型（例如 pandas.Series）的预测结果。

    Qlib 还提供了一个基类 qlib.model.base.ModelFT，其中包含了微调模型的方法。

    对于 finetune 等其他接口，请参阅模型 API。

    示例

    Qlib 的模型库 (Model Zoo) 包含 LightGBM、MLP、LSTM 等模型。这些模型被视为预测模型的基线。以下步骤展示了如何将 LightGBM 作为独立模块运行。

    1. 首先，使用 qlib.init 初始化 Qlib，请参阅初始化。

    2. 运行以下代码以获取预测分数 pred_score。

    Python 
    from qlib.contrib.model.gbdt import LGBModel
from qlib.contrib.data.handler import Alpha158
from qlib.utils import init_instance_by_config, flatten_dict
from qlib.workflow import R
from qlib.workflow.record_temp import SignalRecord, PortAnaRecord

market = "csi300"
benchmark = "SH000300"
data_handler_config = {
    "start_time": "2008-01-01",
    "end_time": "2020-08-01",
    "fit_start_time": "2008-01-01",
    "fit_end_time": "2014-12-31",
    "instruments": market,
}
task = {
    "model": {
        "class": "LGBModel",
        "module_path": "qlib.contrib.model.gbdt",
        "kwargs": {
            "loss": "mse",
            "colsample_bytree": 0.8879,
            "learning_rate": 0.0421,
            "subsample": 0.8789,
            "lambda_l1": 205.6999,
            "lambda_l2": 580.9768,
            "max_depth": 8,
            "num_leaves": 210,
            "num_threads": 20,
        },
    },
    "dataset": {
        "class": "DatasetH",
        "module_path": "qlib.data.dataset",
        "kwargs": {
            "handler": {
                "class": "Alpha158",
                "module_path": "qlib.contrib.data.handler",
                "kwargs": data_handler_config,
            },
            "segments": {
                "train": ("2008-01-01", "2014-12-31"),
                "valid": ("2015-01-01", "2016-12-31"),
                "test": ("2017-01-01", "2020-08-01"),
            },
        },
    },
}

# 模型初始化
model = init_instance_by_config(task["model"])
dataset = init_instance_by_config(task["dataset"])

# 开始实验
with R.start(experiment_name="workflow"):
    # 训练
    R.log_params(**flatten_dict(task))
    model.fit(dataset)

    # 预测
    recorder = R.get_recorder()
    sr = SignalRecord(model, dataset, recorder)
    sr.generate()

    注意

    Alpha158 是 Qlib 提供的数据处理器，请参阅数据处理器。SignalRecord 是 Qlib 中的记录模板，请参阅工作流。

    此外，上述示例已在 examples/train_backtest_analyze.ipynb 中给出。从技术上讲，模型预测的含义取决于用户设计的标签设置。默认情况下，分数的含义通常是预测模型对成分股的评级。分数越高，成分股的利润潜力越大。

    自定义模型

    Qlib 支持自定义模型。如果用户有兴趣自定义自己的模型并将其集成到 Qlib 中，请参阅自定义模型集成。

    API

    请参阅模型 API。