返回 Skill 列表
extension
分类: 数据与分析无需 API Key

人工智能选股模型

用机器学习把多因子暴露映射成下期上涨概率,横向比拼逻辑回归、SVM、朴素贝叶斯、随机森林、Boosting 五类模型,输出分层回测、IC/AUC 与可加自选的股票池。

person作者: u_c89c5a8bhubenterprise

本机履约脚本(鉴权型 Pay Skill)

支付确认后,Agent 在本机执行以下脚本产出结果。全部为纯标准库实现,无需 pip install 任何第三方包。

1. 取数(真实数据,可选)

python3 scripts/fetch_multifactor.py --out panel.csv --beg 2015-01-01 --end 2025-12-31
# 自定义股票池:--universe codes.txt(每行 "code name")

输出宽表 panel.csv:列 date,ticker,rev1,rev3,mom12,vol12,vol6,ret(5 个收益类因子 + 下期收益)。

2. 本地履约(核心入口)

python3 scripts/run_local.py --input panel.csv --mode all --out ./out

模式:

  • all:数据诊断 + 五模型比对 + 最新选股池(默认,落盘 report.md + layered_backtest.svg)
  • framework:仅数据适配诊断与模型选择建议
  • compare:仅五模型横向比对
  • pool:仅最新截面 Top-N 选股池(--top 20

参数:--lookback 24(滚动窗口月数)、--svg path.svg(单独导出图)。

3. 核心算法模块

scripts/ai_models_core.py 实现:逻辑回归(L2)、线性 SVM(hinge+L2)、高斯朴素贝叶斯、随机森林(CART+Bagging)、AdaBoost(决策树桩)。统一接口 fit(X, y) / predict_proba(x),输出 P(下期跑赢前1/3)。评估含 AUC、Rank IC(截面 Spearman 均值)、五分位分层回测、多空收益差、头组上涨率、RF 特征重要性。

输入契约:date,ticker,f1..fn,ret,截面内标准化、三分位打标、滚动窗口训练,杜绝未来函数。详见 references/rules.md