lightGBM多分类应用于选股全流程（notebook+数据下载）

原创文章第254篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。

昨天看到群里大家的讨论，关于节奏、进度，强化学习还是因子挖掘。

到目前所止，我们把传统机器学习，还有强化学习在金融投资里的应用串了一轮，都有代码示例。——大家更希望看到切实有效，甚至可以直接实盘的策略。——有群友半开玩笑说，可以实盘的策略，那就不是这个价了。

金融投资有一个“悖论”。

大家常说，如果有真实可行的策略，那直接找一笔本金，还是辛苦出来给大家讲课嘛？——听起来很有道理，实则不完全对。

投资是概率游戏，就像2000年长期资本公司直接破产一样，发生了黑天鹅事件。在此之前，这家由N个经济学诺奖得主合伙创立的公司，他们的模型非常有效。策略没有永恒的圣杯，随着市场的变化，与趋势共舞罢了。

所以，建立自己的一套投资体系、投资方法论至关重要。因子、策略只是其中的一小部分罢了。

如果资金体量大一点，比如超过500万，那么，大类资产配置，足够让你进入初阶财务自由状态。——之前提前的8-12%的长期年化，根本不需要因子，也不需要策略，选择低相关的长期向上的的回报流，长期持有，定期再平衡即可。——安睡全天候组合。

做量化，甚至做AI量化，其实是要追求现高的收益率，当然也要冒相对更高的风险，这里需要在风险与收益之间做一个平衡。每个人的风险承受力是不同的，因而并没有放之四海皆准的策略。

强化学习的范式很适合投资组合管理，当然它是一个更大的黑箱， 我们要干预它更难。退一步，因子挖掘+监督学习倒是更为容易上手的方式。

lightGBM多分类的代码：

import lightgbm as lgb
import numpy as np

# Set up decay learning rate
from sklearn.metrics import accuracy_score, f1_score


def learning_rate_power(current_round):
    base_learning_rate = 0.19000424246380565
    min_learning_rate = 0.0001
    lr = base_learning_rate * np.power(0.995, current_round)
    return max(lr, min_learning_rate)


class LGBModel:
    def __init__(self):
        pass

    def train(self, df_train, df_val, feature_cols, label_col='label'):
        lgb_clf = lgb.LGBMClassifier(n_jobs=4,
                                     objective='multiclass',
                                     random_state=100)
        opt_params = {'n_estimators': 500,
                      'boosting_type': 'gbdt',
                      'objective': 'multiclass',
                      'num_leaves': 2452,
                      'min_child_samples': 212,
                      }

        lgb_clf.set_params(**opt_params)

        train = df_train[feature_cols]
        # train = (train - train.mean())/train.std()
        val = df_val[feature_cols]
        # val = (val - val.mean())/val.std()

        fit_params = {'early_stopping_rounds': 400,
                      'eval_metric': 'multiclass',
                      'eval_set': [(train, df_train[label_col]),
                                   (val, df_val[label_col])],
                      'verbose': 20,
                      'callbacks': [lgb.reset_parameter(learning_rate=learning_rate_power)]}
        lgb_clf.fit(train, df_train[label_col], **fit_params)

        print('Training accuracy: ', accuracy_score(df_train[label_col], lgb_clf.predict(train)))
        print('F1 accuracy : ', f1_score(df_val[label_col], lgb_clf.predict(val), average='micro'))
        print('Validation accuracy: ', accuracy_score(df_val[label_col], lgb_clf.predict(val)))

分类问题是最直观和最好理解的。

class ModelMixin:
    def train(self, model, split_date, feature_cols, label_col='label'):
        df = self.df_data
        df_train = df[df.index < split_date]
        df_val = df[df.index >= split_date]

        model.train(df_train, df_val, feature_cols, label_col)

随手写了几个因子测试了一下，只为验证流程，训练集不到30%，确实不高——意料之中，如果测试集超过50%，那就有商用价值的。下一步是如何挖出真实有效的因子。

代码notebook在如下位置，请大家前往星球下载：

我的开源项目及知识星球