VIP16
本课程属于：030-机器学习Alpha与交易信号 智能金融与金融工程 · 共 16 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

Learning to Rank横截面选股实战

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=学习目标 · 核心概念 · 整体框架
课程导入目标=学习目标
02
横截面选股基础
目标=横截面数据 · 因子投资 · 排序预测与收益预测的区别
横截面选股基础目标=横截面数据
03
Learning to Rank入门
目标=排序学习定义 · 与分类回归的差异 · 三大范式
Learningto
04
Pointwise方法
目标=回归与分类思路 · 损失函数 · 在选股中的适用性与局限
Pointwise目标=回归
05
Pairwise方法
目标=成对比较 · RankNet · RankSVM
Pairwise目标=成对比较
06
Listwise方法
目标=ListNet · ListMLE · LambdaMART
ListwiseListNet
07
评价指标
目标=IC · RankIC · NDCG
评价指标IC
08
数据准备
目标=股票池构建 · 财务与量价因子 · 数据清洗
数据准备目标=股票池构建
09
特征工程
目标=因子标准化 · 中性化 · 正交化
特征工程目标=因子标准化
10
标签构造
目标=未来收益排序 · 分组标签 · 多周期标签
标签构造目标=未来收益排…
11
训练集与验证集划分
目标=时序交叉验证 · Purged K-Fold · 避免未来函数
训练集验证集划分
12
模型选择
目标=LambdaMART · XGBoost排序 · LightGBM排序
模型选择LambdaMART
13
LightGBM排序实战
目标=参数配置 · 训练流程 · 特征重要性
LightGBM排序实战
14
XGBoost排序实战
目标=rank · 调参策略 · 结果对比
XGBoost排序实战
15
神经网络排序模型
目标=DNN · Wide&Deep · Transformer在选股排序中的…
神经网络排序模型DNN
16
损失函数与优化
目标=Pairwise Hinge · Lambda梯度 · ListNet交叉熵
损失函数优化
17
模型调参与集成
目标=超参数搜索 · 早停 · 模型融合
模型调参集成
18
回测框架
目标=组合构建 · 调仓频率 · 交易成本
回测框架目标=组合构建
19
策略评估
目标=收益 · 风险 · 夏普
策略评估目标=收益
20
案例实战一
目标=基于量价因子的LambdaMA…
案例实战一LambdaMA
21
案例实战二
目标=基于财务因子的ListNet多…
案例实战二ListNet
22
案例实战三
目标=深度学习排序模型在日内高频选股…
案例实战三目标=深度学习排…
23
常见问题与陷阱
目标=过拟合 · 数据泄露 · 标签泄露
常见问题陷阱
24
模型解释与归因
目标=SHAP · 特征贡献 · 排序结果可解释性
模型解释归因
25
实盘部署
目标=数据管道 · 模型更新 · 监控预警
实盘部署目标=数据管道
26
进阶方向
目标=多任务学习 · 元学习 · 强化学习与排序结合
进阶方向目标=多任务学习
27
综合提升
目标=从排序模型到完整量化策略 · 研究框架与团队协作
综合提升目标=从排序模型…
28
项目总结
目标=完整项目复盘 · 代码工程化 · 文档与报告撰写
项目总结目标=完整项目复…
29
前沿论文导读
目标=Learning to Ran…
前沿论文导读Learning
30
课程回顾与展望
目标=知识体系梳理 · 能力自评 · 后续学习路径与职业发展
课程回顾目标=知识体系梳…