决策树预测 stock

场景切合程度

平时我们看一个股票，通常会找出特别的指标。有财务的，有短期技术类的，有中期动量类的等等。
也就是非常经典的多因子模型，比如找出50个因子，然后由于人工决策，我们看会不知觉的选择一些因子去预测
明天股票的涨跌。 整个过程非常像一颗决策树。

使用决策树建模

通过各大平台的 python 金融包，可以非常方便的获得各类因子。可能需要专业版权限。
比如我人为的选取了50个因子，作为特征值。然后未来一天股票的涨跌作为 标签。构建数据集

使用python 库。

# encoding=utf-8

import pandas as pd
import time

from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

from sklearn.tree import DecisionTreeClassifier
from sklearn import metrics


if __name__ == '__main__':
    print("Start read data...")
    time_1 = time.time()
    raw_data = pd.read_csv('../file/mfactors.csv', header=0)  # 读取csv数据
    data = raw_data.values
    labels = data[::, -1][1:].astype(np.int32)
    #features = data[:-1,::][::, 3:-2]
    features = data[:-1,::][::, 3:-20]
    # 随机选取33%数据作为测试集，剩余为训练集
    train_features, test_features, train_labels, test_labels = train_test_split(features, labels, test_size=0.2, random_state=0)
    print('Start training...')
    # criterion可选‘gini’, ‘entropy’，默认为gini(对应CART算法)，entropy为信息增益（对应ID3算法）
    clf = DecisionTreeClassifier(criterion='gini',splitter='best',max_depth=5)
    clf.fit(train_features, train_labels.astype('int'))
    print('Start predicting...')
    test_predict = clf.predict(test_features)
    score = accuracy_score(test_labels, test_predict)
    print("The accruacy score is %f" % score)
    print("cha zhun lv:",metrics.precision_score(test_labels, test_predict))
    print("zhao hui lv",metrics.recall_score(test_labels, tliest_predict))
    print("F1_score:",metrics.f1_score(test_labels, test_predict))


    # 下面这个参数对这个股票的查准率，18/24=68%. 意思是只要预测涨，就可以买一买
    # 参数调整 【https://www.jianshu.com/p/d1d17499365c】【https://www.cnblogs.com/chenyaling/p/7236435.html】
    # https://blog.csdn.net/qq_41577045/article/details/79844709
    #clf = DecisionTreeClassifier(criterion='gini',splitter='best',max_depth=5)

模型解释

经过参数调优， f1值 不到0.5. 对于一个预测来讲，的确很难。
但是我们看到查准率在0.68. 这个就可以利用起来。
查准率的意思。 我预测10个股票上涨，6.8个真的上涨。 使用的时候。不要关注预测下跌的情况。
就关注 他精准的一面。 对应的策略。是如果模型预测上涨了。就安装凯利公式。给与一定的仓位。
当然这个是个人想法。还没有完成回测程序。

未来的优化

从自选池中，为各个股票建立模型。挑出结果比较好的，构建动态的组合仓位。
另外，尝试新的预测算法，不同算法之间做比较，看适合哪些场景。

性能优化点

1） checkVertex , 原版本是默认 一个一个点的查询，最好做成 batch 功能。 这个修改 verteAPi即可
2） gremlin within 方法，根据 属性查询源节点和目标节点的时候，依旧是 一条一条查询。而不是 in List 方法。
可以修改 condition flatten 逻辑，使用 inlist 方法。 但是查询 g_si 表，用 inList 方法，貌似也要2s。每500 as a batch
gremlin 的原句是 ： g.V().hasLabel().has(eid, within(ids))
查询数据库的时候， select * from g_si where field_values 速度会远远快于
select * from g_si where field_values and label= ， 这个是什么原因？