VIP12
本课程属于：021-Qlib AI量化研究工程 智能金融与金融工程 · 共 12 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Qlib多模型集成与信号融合实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=Qlib多模型集成与信号融合的… · 核心概念 · 整体框架与实战路线图
课程导入Qlib
02
Qlib基础回顾
目标=Qlib架构 · 数据层 · 模型层
Qlib基础回顾
03
量化投资中的集成学习
目标=偏差方差分解 · Bagging · Boosting
量化投资集成学习
04
多模型集成在量化中的价值
目标=降低过拟合 · 提升稳健性 · 适应市场风格切换的机理与案例
多模型集成量化
05
Qlib环境搭建与数据准备
目标=安装配置 · 数据下载 · 特征工程
Qlib环境搭建
06
Qlib内置模型概览
目标=LightGBM · XGBoost · CatBoost
Qlib内置模型概览
07
单模型训练与评估
目标=Qlib训练流程 · 损失函数 · 评估指标IC
单模型训练评估
08
多模型集成策略设计
目标=并行集成 · 串行集成 · 加权平均
多模型集成策略设…目标=并行集成
09
信号融合基础
目标=信号标准化 · 去噪 · 平滑
信号融合基础目标=信号标准化
10
基于Qlib的Bagging集成实战
目标=多随机种子 · 多采样 · 多特征子集训练与结果聚合
QlibBagging
11
基于Qlib的Boosting集成实战
目标=LightGBM · XGBoost · CatBoost的调参与集成对比
QlibBoosting
12
基于Qlib的Stacking集成实战
目标=基模型选择 · 元模型设计 · 交叉验证与防泄漏处理
QlibStacking
13
基于Qlib的Blending集成实战
目标=留出集划分 · 权重学习 · 滚动窗口Blending实现
QlibBlending
14
神经网络模型集成
目标=MLP · LSTM · GRU
神经网络模型集成MLP
15
多模型预测信号融合
目标=加权平均 · 动态权重 · 贝叶斯模型平均
多模型预测信号融…目标=加权平均
16
信号融合中的权重优化
目标=网格搜索 · 遗传算法 · 贝叶斯优化
信号融合权重优化
17
集成模型的风险控制
目标=分散化 · 相关性约束 · 最大回撤控制
集成模型的风险控…目标=分散化
18
Qlib回测与集成策略评估
目标=回测配置 · 交易成本 · 滑点
Qlib回测
19
多模型集成在股票选择中的应用
目标=多因子选股 · 行业中性化 · 风格暴露控制与组合构建
多模型集成股票选择
20
多模型集成在择时中的应用
目标=市场状态识别 · 信号融合择时 · 仓位动态调整实战
多模型集成择时
21
多模型集成在期货与加密货币中的应用
目标=跨市场数据适配 · 高频与低频信号融合案例
多模型集成期货
22
集成模型的可解释性
目标=特征重要性 · SHAP值 · 模型贡献度分析与信号归因
集成模型的可解释…目标=特征重要性
23
常见问题与调优
目标=过拟合 · 欠拟合 · 数据泄漏
常见问题调优
24
自动化与工程化
目标=Qlib工作流编排 · 超参数搜索 · 模型版本管理
自动化工程化
25
综合实战一
目标=基于Qlib的多模型Stack…
综合实战一Qlib
26
综合实战二
目标=基于Qlib的多模型信号融合择…
综合实战二Qlib
27
综合实战三
目标=多模型集成在行业轮动与风格切换…
综合实战三目标=多模型集成
28
前沿扩展
目标=深度集成 · 在线学习 · 元学习
前沿扩展目标=深度集成
29
课程总结与最佳实践
目标=集成与融合的核心原则 · 常见陷阱 · 性能评估与迭代优化
课程总结最佳实践
30
项目答辩与进阶路线
目标=学员项目展示 · 评审标准 · 后续学习资源与研究方向建议
项目答辩进阶路线